D3CARP

20250416：
1.提交Ruxolitinib的D3CARP，命令如下：
准备配体文件：用chemdraw和chem3D优化出mol2文件
服务器命令：
85.3（AI）：conda activate pytorch_gpu
  • nohup sh "/home/yqyang/rtluo/D3CARP/AI/rux/1-DeepL-TP.sh" -l "/home/yqyang/rtluo/D3CARP/AI/rux/RUX.mol2" -m MPNN-CNN &
85.13（docking）：conda activate vina
  • nohup sh "/home/zjxu/rtluo/D3CARP/docking/rux/1-Docking_TP.sh" -l "/home/zjxu/rtluo/D3CARP/docking/rux/RUX.mol2" -t /home/zjxu/ylshi/RAFT/Docking/scripts/allpdb -c 16&
（similarity-FP2、MACCS、Rigid）;conda activate rdkit
  • nohup sh "/home/zjxu/rtluo/D3CARP/similarity-2D/rux/1-Ligand_Similarity_2D_TP.sh" -l "/home/zjxu/rtluo/D3CARP/similarity-2D/rux/RUX.mol2" -f MACCS -d 0.60 -c 16&
    • 

  • nohup sh "/home/zjxu/rtluo/D3CARP/similarity-3D/rux/1-Ligand_Similarity_3D_TP.sh" -l "/home/zjxu/rtluo/D3CARP/similarity-3D/rux/RUX.mol2" -m 0 -d 0.6 -c 16&
结果处理：
1.分别提取docking、similarity、AI前100或50的靶标取并集（这里的100或50可以根据自己的需求修改）
2.筛选其中“人源”靶标蛋白
3.肉眼看一看，并选取自己看好的靶标（主要可以通过docking的score和ligand efficiency，similarity和AI的打分，还有阳性药的生物活性）

1.AI

85.3（yqyang）
~/DDB-AI/script/1-DeepL-TP.sh
 
用法：
# USAGE: sh ${absolute_path}/1-DeepL-TP.sh -l [ligand](sdf, mol2, smi) -m MPNN-CNN
用法脚本里有写，基本用法是 指定 输入的 小分子文件（-l）；指定模型（-m）
sh ${absolute_path}/1-DeepL-TP.sh -l [ligand](sdf, mol2, mol, smi) -m [model](MPNN-CNN, MPNN-CNN-R)
我的建议是，都直接用绝对路径，用的是pytorch_gpu环境
  • sh /home/yqyang/rtluo/D3CARP/AI/1-DeepL-TP.sh -l /home/yqyang/rtluo/D3CARP/AI/IH764-3.mol2 -m MPNN-CNN
模型的话 MPNN-CNN是预测 有无结合； MPNN-CNN-R是预测结合亲和力

2.Docking

85.13（zjxu）
脚本文件：/home/zjxu/ylshi/RAFT/Docking/scripts/，
运行命令：nohup sh /home/zjxu/ylshi/RAFT/Docking/scripts/1-Docking_TP.sh -l 小分子文件 -t 靶标列表 -c 16&（这里都是文件绝对路径。靶标列表：716个PDBind文件我整理（建议脚本拷到自己的文件夹下运行，不然会输出在龙师兄文件夹里）在/home/zjxu/ylshi/RAFT/Docking/Protein/716-PDB.list），如果有多个小分子，加个for循环遍历小分子文件就行，这里-c是指核数core，一般就用16
用的是conda activate vina
小分子是smi、sdf、mol2格式都行，如果是smi格式你要检查生成的小分子是不是合理的
  • nohup sh /home/zjxu/rtluo/D3CARP/docking/IH764-3/1-Docking_TP.sh -l /home/zjxu/rtluo/D3CARP/docking/IH764-3/IH764-3.mol2 -t /home/zjxu/ylshi/RAFT/Docking/Protein/716-PDB.list -c 16&
docking score:配体和靶标对接
ligand docking score:有阳性药

3.Similarity

85.13（zjxu）
环境：conda activate rdkit
  • nohup sh /home/zjxu/rtluo/D3CARP/similarity/Tiliroside/1-Ligand_Similarity_2D_TP.sh -l /home/zjxu/rtluo/D3CARP/similarity/Tiliroside/Tiliroside.mol2 -f FP2 -d 0.80 -c 16&
参数：
Ligand File (-l):
  • Description: The input file containing ligand structures.
  • Formats: .sdf, .mol2, .mol, or .smi
  • Example: test.sdf
Fingerprint Type (-f):
  • Description: The type of fingerprint to use for similarity calculation.
  • Options: FP2, FP4, or MACCS
  • Example: MACCS
Cutoff Value (-d):
  • Description: The similarity cutoff value used to filter results.
  • Format: A decimal number representing the cutoff threshold.
  • Example: 0.90
Number of CPUs (-c):
  • Description: The number of CPU cores to use for parallel processing.
  • Format: An integer representing the number of CPUs.
  • Example: 30

4.结果处理

可以用hzj师兄tekki上的脚本处理，但205服务器不行，我是用2223跑的，用的就是base环境
common_targets.py