9.8  batch4

体系挑选

自batch3开始，为了快速从D3PM中寻找简单体系去跑起来，使用了更高效的挑选方式：
一次性下载大量PDB结构，检查结构里的配体，挑出没磷酸根的体系记录离子，记录二硫键的体系
batch4-select.pse

蛋白检查 & 清洗

PDBfixer

  • 75.5 /home/databank/zyzhou/project/d3pm/batch4/protein_preparation
    • 

  • # 将batch4的体系一起放入 list (4HTZ_A这样的形式即可）
    • 

  • # Pdbfix 只要给定了--pdbid 参数，可以自己从pdb网站获取输入结构（实操中因为HTTP error无法实现）
    • 

  • 75.5 /home/databank/zyzhou/project/d3pm/batch4/protein_preparation/wget_pdb
    • 

  • # wget 从PDB 网站中下载文件
    • 

  • for i in `awk -F '_' '{print $1}' ../list|tr '[:upper:]' '[:lower:]'`;do wget "https://files.rcsb.org/download/${i}.pdb";done
    • 


    • 

  • # Pdbfix --add-residues 可以将氨基酸序列补齐，但是也会将两端补上，这往往会导致错误
    • 

  • # 将不补链的结果存储在no_add-residues文件夹
    • 

  • # 将补链的结果存储在add-residues文件夹
    • 


    • 

  • for i in `awk -F '_' '{print $1}' ../list|tr '[:upper:]' '[:lower:]'`;do pdbfixer ../wget_pdb/${i}.pdb --ph=7.0 --keep-heterogens=none --add-atoms=all --add-residues --output=${i}-pdbfixer.pdb;done
    • 


    • 

  • for i in `awk -F '_' '{print $1}' ../list|tr '[:upper:]' '[:lower:]'`;do pdbfixer ../wget_pdb/${i}.pdb --ph=7.0 --keep-heterogens=none --add-atoms=all --output=${i}-pdbfixer.pdb;done

统一氨基酸序列

  • # 撰写脚本 do.sh，统计两端补链前后的变化，N端的补链均已删除（已晶体结构为准）
    • 

  • # 该脚本会取出D3PM中记录的链，因此小分子也删去了
    • 

  • # C端的未作删除，变化情况记录在nohup.out中
    • 


    • 

  • # 检查下来，N端也可以先不删，因为部分体系apo-complex的N端开头不一样
    • 

  • # 本次是手动将apo-complex中N端少的那一个补齐了
    • 


    • 

  • # 检查N端，C端，apo-complex 需要保证至少氨基酸序列一致
    • 

  • for i in `awk -F '_' '{print $1}' ../list|tr '[:upper:]' '[:lower:]'`;do echo "########################## $i ##########################";head -n1 ${i}*;done
    • 


    • 

  • for i in `awk -F '_' '{print $1}' ../list|tr '[:upper:]' '[:lower:]'`;do echo "########################## $i ##########################";tail -n1 ${i}*;done

pdb2pqr加氢

  • # 75.5 /home/databank/zyzhou/project/d3pm/batch4/protein_preparation/pdb2pqr
    • 


    • 

  • ############################## do.sh #########################################################
    • 

  • for i in {1..18}
    • 

  • do 
    • 

  • a=`sed -n "${i}p"  ../list|awk -F '_' '{print $1}'|tr '[:upper:]' '[:lower:]'`
    • 

  • b=`sed -n "${i}p"  ../list|awk -F '_' '{print $2}'`
    • 


    • 

  • echo "########################## ${a} chain ${b} ##########################"
    • 

  • awk '$12!="H"{print}' ../pdbfixer/${a}_${b}-pdbfixer-clean.pdb >${a}_${b}-noH.pdb
    • 


    • 

  • pdb2pqr30 ${a}_${b}-noH.pdb ${a}_${b}.pqr --ff AMBER --ffout AMBER --with-ph 7.0 --pdb-output ${a}_${b}-pdb2pqr.pdb
    • 


    • 

  • rm ${a}_${b}-noH.pdb ${a}_${b}.pqr
    • 


    • 

  • done
    • 

  • ###############################################################################################

配体处理

  • # 7个体系，直接去pdb页面上下载sdf文件 23 /home/databank_70t/zzy/g16/D3PM/batch4/raw_from_pdb
    • 

  • 23 /home/databank_70t/zzy/g16/D3PM/batch4/epik
    • 

  • # 2021 薛定谔ligprep epik 对其进行质子化
    • 

  • bash do.sh
    • 


    • 

  • 23 /home/databank_70t/zzy/g16/D3PM/batch4/test
    • 

  • for i in {2..14..2}; do a=`sed -n "${i}p" ../system-name`;mkdir -p $a;cp ../epik/${a}-lig.sdf ${a}/;done
    • 


    • 

  • # 检查是否有报错体系
    • 

  • python check.py -i /home/databank_70t/zzy/g16/D3PM/batch4/test -t sdf
    • 

  • # 均通过（无报错）
    • 


    • 


    • 

  • 23 /home/databank_70t/zzy/g16/D3PM/batch4/g16_cal
    • 

  • date | sed "s/^/D3PM system: seven g16 jobs submitted on /" >>nohup.out
    • 

  • nohup python lig_parameter_cal.py -i /home/databank_70t/zzy/g16/D3PM/batch4/g16_cal -t sdf
    • 


    • 

  • # 任务已提交

特殊体系的处理

9-15 尚未处理
4htz 体系中含有两个离子，待添加至pdb2pqr输出文件中
3t5g 的补链要检查，应当用apo叠合后的坐标对口袋旁的结构进行补齐

4hzt_4d08_pair20

将PDB 中原始的离子坐标信息复制到pdb2pqr的结果中
注意，PDB文件中apo构象给出的信息是两个离子都不带电，而complex都是带电（zn2+)
  • 75.5 /home/databank/zyzhou/project/d3pm/batch4/protein_preparation/4hzt_4d08_pair20_ions

3t5g_pair26

将 4jvf的112-120坐标（晶体结构的112-117未解析出来）替换为3t5g 叠合到 4jvf后的112-120 坐标 （3t5g 的 M117与 4JVF的 M118 距离太远了，直到 A120 两个结构才叠合的较好，所以坐标替换截止到120）

mdframe

  • 23 /home/databank_70t/zzy/g16/D3PM/batch4/test-zjhan
    • 

  • nohup python -m mdframe --cpu 20 -t lig_param_run --config zzy.yaml -i /home/databank_70t/zzy/g16/D3PM/batch4/test-zjhan/g16_cal &
    • 


    • 

  • # 对高斯优化模块做了测试，发现 sdf 电荷识别存在问题，等待师兄debug
    • 


    • 

  • # 根据师兄提供的环境配置文件配置环境，即可完成mdframe的配置，脚本可从上下载后解压
    • 

  • mamba env create -f mdfrmae_env.yaml -n mdframe
  • 75.5 /home/databank/zyzhou/project/d3pm/batch4/md_sys_pre/apo
    • 

  • # 先测试mdframe对apo体系的准备情况，7个apo蛋白放置在 clean_protein_input_file文件夹
    • 

  • for i in `cat list`;do a=`echo $i|awk -F '_' '{print $1}'|tr '[:upper:]' '[:lower:]'`;mkdir $i;cp ../../protein_preparation/clean_protein_input_file/${a}* $i/;done
  • 75.5 /home/databank/zyzhou/project/d3pm/batch4/md_sys_pre/complex
    • 

  • # 测试mdframe对complex体系的准备情况，7个apo蛋白放置在 clean_protein_input_file文件夹
    • 

  • # 由于本次高斯优化是用的老版本准备的，所以命名要改一下，总的来说，输入的sdf文件命名里得包含'mol'
    • 


    • 

  • for i in `cat list`;do a=`echo $i|awk -F '_' '{print $1}'|tr '[:upper:]' '[:lower:]'`;mkdir $i;cp ../../protein_preparation/clean_protein_input_file/${a}* $i/;cp ../../ligprep/g16_cal/$i/${i}-lig.sdf $i/${i}-mol.sdf;cp -r ../../ligprep/g16_cal/$i/ligprep $i/ligprep_${i}-mol;mv $i/ligprep_${i}-mol/${i}-lig.log $i/ligprep_${i}-mol/${i}-mol.log;cp $i/${i}-mol.sdf $i/ligprep_${i}-mol/;done

生成tpr

  • 75.5 /home/databank/zyzhou/project/d3pm/batch4/1us_cmd_tpr
    •