#分子模拟#同源建模从入门到精通(一)

不管是药物设计还是分子模拟,蛋白的结构是必须的,结构的好坏直接影响后期实验的可信程度。虽然许多蛋白晶体结构已被解析,但仍有许多结构未被解析,好在聪明的科学家们想出了许多办法进行警惕结构的预测。市面上有许多建模工具,方法各异,有从头建模,同源建模等等。这些方法中常用也同时准确度较高的还是要属同源建模,其主要原理大致为序列相似的蛋白具有相同的结构,同源建模中最有名气的工具要属Swiss-Model以及Modeller。这两款软件/在线服务一直在持续更新,同时引用也较多。
Swiss-Model是巴塞尔大学推出的一款在线同源建模服务器,其使用非常简单方便,只需要将序列粘入,自动化处理结果后邮件通知,下面是其简单的使用方法:



首先点击右上角Create Account进行注册,仅需输入邮箱地址后会收到邮箱和密码,建议使用常用邮箱,因为后期需要接收结果。注册登录后点击Start Modelling进入项目界面。



在左侧Target Sequence输入蛋白信息,其支持Fasta,Clustal,UniProtKB等方式,在右侧导航条上用有SupportedInputs,点击右向下箭头既可以查看Example,如UniProKB信息,一般下方填写项目名称邮箱有Build Model即可自动完成。包括模板选择,建模优化,模型评价等等,非常方便。

若点击Search for Templates则可以自主选择建模的模板,其有覆盖率(Coverage),相似性(Identity),配体(Ligands)和方法(Method)等等信息,其中个人建议根据不同的情况选择不同模板,首先覆盖率与相似性是最需要考虑的,一般情况下越高越好,但若遇到同家族蛋白或二级结构相似蛋白也可以进行一定的调整,若做药物筛选或分子对接的情况下建议选择有Ligands的模板,Ligands结构相似的模板更将。结构解析方法X-ray情况要好于NMR,分辨率越低说明结构越清晰,这样建模出来质量更佳。同时可以查看所选序列相似位置以及序列模板的比对情况。一般情况下同样相似度的均匀相似性要比集中相似性模板构建情况要好。最后建模结果如下界面。

其模型评价主要有两种方法,一种是比较出名许多同学都不太会解读的QMEAN评价:
QMEAN是一种全局和局部模型质量的符合评分函数,其由四种结构描述所构成:超多三个连续氨基酸的转角势能对局部几何分析,两对距离势能来评价全原子和C-beta之间来的联系,溶剂化能描述残基状态。这些评分被拿来与已知高分辨率的晶体结构来进行比较,从而得出结构的准确性。
QMEAN值的范围为0到1,值越高结果越好,若界面上有个大拇指,表示结果很佳。
GMQE是一种整体的质量估计,其评价参数来源于建模的模板参数,同样得到的分数位于0到1之间。GMQE得分也会参考一定的QMEAN值,分数越高表示结果越可靠。
当然Swiss-Modeller建模方式简单,可操控性低,对于模型相似度较高的蛋白可以使用这种方法,若模型质量较低,可以采用更加强大的Modeller,这款神器我们下期详细讲解,记得关注哦!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,185评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,445评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,684评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,564评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,681评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,874评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,025评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,761评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,217评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,545评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,694评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,351评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,988评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,778评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,007评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,427评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,580评论 2 349

推荐阅读更多精彩内容