其实同源建模教程到上一篇教程就应该结束了，但是如果作为一个计算机辅助药物设计或者说是一个分子模拟人，同源建模关系到后面的结果准确与否，当然需要精益求精，所以想和大家一起学习modeller中的一些关键参数，我也是边看辩总结，希望能够和大家一起学习，共同进步，同时我们也会打开新的专题，与大家互相学习，交流。
首先我们来回顾一下,单模板建模的比对：
from modeller import *
env = environ()
aln = alignment(env)
mdl = model(env, file='1bdm', model_segment=('FIRST:A','LAST:A'))
aln.append_model(mdl, align_codes='1bdmA', atom_files='1bdm.pdb')
aln.append(file='TvLDH.ali', align_codes='TvLDH')
aln.align2d()
aln.write(file='TvLDH-1bdmA.ali', alignment_format='PIR')
aln.write(file='TvLDH-1bdmA.pap', alignment_format='PAP')
File: align2d.py
首先是建立一个环境，我们来查看到底有哪些参数可选呢？
environ(rand_seed=-8123, restyp_lib_file='$(LIB)/restyp.lib', copy=None)
主要的选择一个是随机种子数rand_seed，其范围为-2到-50000
所有的参数设置可以具体参考官方教程，这里和大家分享一下较为实用的参数与实例设置：
alignment函数
alignment.align2d()：该参数已废弃，可以使用alignment.salign()进行替换。
alignment.salign()：
如果将该函数赋给一个变量，则会输出：
1..aln_score 输出比对得分
2..qscorepct如果在output包含QUALITY参数，则输出百分数表示的质量得分
alignment算法主要是进行权重矩阵，SALIGN的权重矩阵主要来自于六个功能方面。
1.残基类型。 其主要包含两个参数，一个为rr_file为残基类型的相异矩阵，similarity_flag设置为True，那么距离的分将会被取代为相似性的分。
2.一对残基的内部分子距离。improve_alignment和fit被用来使用计算坐标功能，如果write_fit = True设置，那么将会生成一个优化好的末尾加上_fit.pfb的结构，是否在多模板建模的时候看到过呢。fit_pdbnam = False也需要设置，否则也不会产生末尾加上_fit.pdb结构的文件。fit_on_first设置为True,那么所有的结构将会叠加到第一个模型上去
3.侧链辅助功能
4.二级结构类型，主要区分为螺旋，折叠与其他。
5.局部构象
6.用户设置的矩阵，例如设置相似性矩阵（weights_type=SIMILAR）或者距离矩阵(weights_type=DISTANCE)
automodel函数
assess_methods函数可以对生成模型进行一下方法进行评价：
assess.GA341:模板和模型间的序列鉴定百分数的方法
assess.DOPE:离散优化蛋白质能量
assess.DOPEHR:DOPE的加强版
assess.normalized_dope：使用DOPE标准化方法
