| 查看: 2258 | 回复: 6 | ||
| 本帖产生 1 个 MolEPI ，点击这里进行查看 | ||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | ||
cxl8400501铜虫 (初入文坛)
|
[求助]
同源建模 已有1人参与
|
|
|
各位大神： 最近在学习同源建模，氨基酸序列已经获得，不知如何下手，哪位大神能否指点迷津，万分感谢！ |
回复此楼» 猜你喜欢
蛋白质检测：精准分析，解锁生物分子的密码
已经有0人回复
-
不合理蛙科研实验之小鼠实验：严谨设计，解析生命机制的重要载体
已经有0人回复
-
化学工程及工业化学论文润色/翻译怎么收费?
已经有150人回复
-
不合理蛙科研实验之重金属检测：精准筛查，守护健康与环境的防线
已经有0人回复
-
不合理蛙科研实验之“蛙测重金属我背锅三千”
已经有0人回复
-
不合理蛙科研实验之“鼠逃三次我发三篇SCI”
已经有0人回复
-
纳米粒度分析
已经有3人回复
-
林科院林化所招收材料与化工专业硕士，坐标南京
已经有0人回复
-
留学--博士招生
已经有15人回复
-
化学工程，本211，求调剂，ab区不限
已经有4人回复
cxl8400501
铜虫 (初入文坛)
- 应助: 0 (幼儿园)
- 金币: 86.9
- 红花: 1
- 帖子: 49
- 在线: 13小时
- 虫号: 2026735
- 注册: 2012-09-24
- 性别: MM
- 专业: 环境微生物学
3楼2017-07-28 11:51:37
【答案】应助回帖
★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★
感谢参与，应助指数 +1
西门吹雪170: MolEPI+1 2017-07-28 07:44:12
西门吹雪170: 金币+6, 鼓励热心回帖交流 2017-07-28 07:44:45
cxl8400501: 金币+20 2017-07-29 16:47:50
感谢参与，应助指数 +1
西门吹雪170: MolEPI+1 2017-07-28 07:44:12
西门吹雪170: 金币+6, 鼓励热心回帖交流 2017-07-28 07:44:45
cxl8400501: 金币+20 2017-07-29 16:47:50
|
正好熟悉这个，给你一个方法：利用MODLLER同源建模。 前期的准备工作（这里介绍并没有结构的蛋白序列的从头建立结构的过程） 首先：把你需要建立结构的蛋白序列写成modeller能够识别的文件格式 >P1;TvLDH sequence::::::::: MSEAAHVLITGAAGQIGYILSHWIASGELYGDRQVYLHLLDIPPAMNRLTALTMELEDCAFPHLAGFVATTDPKAAFKDIDCAFLVASMPLKPGQVRADLISSNSVIFKNTGEYLSKWAKPSVKVLVIGNPDNTNCEIAMLHAKNLKPENFSSLSMLDQNRAYYEVASKLGVDVKDVHDIIVWGNHGESMVADLTQATFTKEGKTQKVVDVLDHDYVFDTFFKKIGHRAWDILEHRGFTSAASPTKAAIQHMKAWLFGTAPGEVLSMGIPVPEGNPYGIKPGVVFSFPCNVDKEGKIHVVEGFKVNDWLREKLDFTEKDLFHEKEIALNHLAQGG* 第二行后面的字段基本没什么作用,只要把第一个字段sequence写上即可,注意，这一行一共10个字段用9个分号隔开。 第三行为将你要建立结构的序列的氨基酸写成单字母的形式，最后的 " * “ 符号表示序列的结束. 其次： 将PDB库中的序列准备好（modeller会经常更新PDB库中的序列,这些序列会经常更新,你可以从modeller的官网上下载）下面是将PDB库中的序列转化为二进制的文件格式,可以加快搜索具有高度相似的序列的速度. 转换的脚本如下所示： from modeller import * log.verbose() env = environ() sdb = sequence_db(env) sdb.convert(seq_database_file='pdb_95.pir', seq_database_format='PIR', chains_list='ALL', minmax_db_seq_len=(30, 4000), clean_sequences=True, outfile='pdb_95.hdf5') 第四行 sequence_db()对象用于创建一个存放大量的蛋白序列的库对象。 第五行调用对象的convert()方法，以PIR格式的方式读入pdb_95.pir,去除残基序列的数目小于30并且大于4000的序列，用minmx_db_seq_len参数指出，去除不标准的残基用clean_sequences指出，最终文件以二进制的形式写到pdb_95.hdf5文件中。 第三：利用上一步中生成的二进制文件进行搜索，找到和未知序列相似的结构序列。 from modeller import * log.verbose() env = environ() # Read in the sequence database in binary format sdb = sequence_db(env, seq_database_file='pdb_95.hdf5', seq_database_format='BINARY', chains_list='ALL') # Read in the target sequence in PIR alignment format aln = alignment(env) aln.append(file='TvLDH.ali', alignment_format='PIR', align_codes='ALL') # Convert the input sequence "alignment" into profile format prf = aln.to_profile() # Scan sequence database to pick up homologous sequences prf.build(sdb, matrix_offset=-450, rr_file='${LIB}/blosum62.sim.mat', gap_penalties_1d=(-500, -50), n_prof_iterations=1, check_profile=False, max_aln_evalue=0.01) # Write out the profile in text format prf.write(file='build_profile.prf', profile_format='TEXT') # Convert the profile back to alignment format aln = prf.to_alignment() #- Write out a PIR alignment file aln.write(file='build_profile.ali', alignment_format='PIR‘） *****在build_profile.prf文件中，最重要的列为第2,10,11，12列，第二列指出了PDB库中的晶体结构的代码， 第11列指出了待建结构与晶体结构的序列相似度的百分数，第12列指明了叠加之后的e值。 第四：从build_profile.prf这个输出文件中找到和待建序列的相似度高的模版，评价模版的结构和序列的相似性。 from modeller import * env = environ() env.io.atom_files_directory = ['.', '../atom_files'] # Make a simple 1:1 alignment of 7 template structures aln = alignment(env)for (pdb, chain) in (('1b8p', 'A'), ('1y7t', 'A'), ('1civ', 'A'), ('5mdh', 'A'), ('7mdh', 'A'), ('3d5t', 'A'), ('1smk', 'A')): m = model(env, file=pdb, model_segment=('FIRST:'+chain, 'LAST:'+chain)) aln.append_model(m, atom_files=pdb, align_codes=pdb+chain) # Sequence alignment aln.malign() # Structure alignment aln.malign3d() # Report details of the sequence/structure alignment aln.compare_structures() aln.id_table(matrix_file='family.mat') env.dendrogram(matrix_file='family.mat', cluster_cut=-1.0) 对角线中的内容为每个结构的残基数目，上三角为相同的残基的数目，下三角为两个结构的序列相似度的百分数。 我们选择了1y7t作为模版结构，因为这个结构的结晶分辨率为1.6埃以及它与待建结构的序列的相似度为45%。 第五：将待建结构与模版结构进行align, MODELLER利用这些align的结果来提取出构建结构时必要的限制。 最好的方法是利用align2d()的方法，尽管align2d()方法是基于一种动态的算法，但是它不同于标准的序列-序列的align 方法，因为这种方法在进行align的时候会考虑到模版的结构信息。 from modeller import * env = environ() env.io.atom_files_directory = ['.', '../atom_files'] aln = alignment(env) # Read in the 1y7t template structure and add to alignment mdl = model(env, file='1y7t', model_segment=('FIRST:A','LAST:A')) aln.append_model(mdl, align_codes='1y7tA', atom_files='1y7t') # Add in the TvLDH sequence aln.append(file='../step1_search/TvLDH.ali', align_codes='TvLDH') # Sequence/structure alignment aln.align2d(max_gap_length=40) # Write out resulting alignment in both PIR and PAP formats aln.write(file='TvLDH-1y7tA.ali', alignment_format='PIR') aln.write(file='TvLDH-1y7tA.pap', alignment_format='PAP') 第六：创建比较模型 可以使用MODELLER中的automodel类，只需要告诉automodel alignment文件，使用哪个代码以及要建立多少个模型。 from modeller import * from modeller.automodel import * env = environ() env.io.atom_files_directory = ['.', '../atom_files'] a = automodel(env,alnfile='../step3_align/TvLDH1y7tA.ali', knowns='1y7tA',sequence='TvLDH',assess_methods=assess.DOPE) a.starting_model = 1 a.ending_model = 5 a.make() 第七：评价所建的模型 从上面的步骤中找到最好的模型，评价的方法有很多种，最简单的方法是molecule PDF (molpdf)方法，标准的MODELLER评分函数。这个评分结果会在每个PDB开头的REMARK中加入。其他的评价方法包括DOPE和GA341. 从上面产生的log文件中可以发现，第一个PDB文件模型是最好的，因为DOPE的值最小。 第八：Fit models into cryo-EM maps 通过将TvLDH的 cryo-EM数据导入来使产生的蛋白结构与这些数据相吻合，通过使用MODELLER中的Mod-EM方法。 from modeller import * log.verbose() env = environ() struct='../step4_model/TvLDH.B99990001.pdb' map='TvLDH.10A.mrc' resolution=10.0 box_size=48 apix=1.88 x=-26.742; y=-9.5205; z=-10.375 #origin steps=20 # Read in cryo-EM density map den = density(env, file=map, em_density_format='MRC', voxel_size=apix, resolution=resolution, em_map_size=box_size, density_type='GAUSS', px=x,py=y,pz=z) # Fit the PDB file into the map by MC simulated annealing den.grid_search(em_density_format='MRC', num_structures=1, em_pdb_name=struct, chains_num=[1], start_type='CENTER', number_of_steps=steps, angular_step_size=30., temperature=100., best_docked_models=1, translate_type='RANDOM', em_fit_output_file='modem.log') |
» 本帖已获得的红花（最新10朵）
cxl84005012楼2017-07-27 23:54:23
cxl8400501
铜虫 (初入文坛)
- 应助: 0 (幼儿园)
- 金币: 86.9
- 红花: 1
- 帖子: 49
- 在线: 13小时
- 虫号: 2026735
- 注册: 2012-09-24
- 性别: MM
- 专业: 环境微生物学
4楼2017-07-29 16:46:18
cxl8400501
铜虫 (初入文坛)
- 应助: 0 (幼儿园)
- 金币: 86.9
- 红花: 1
- 帖子: 49
- 在线: 13小时
- 虫号: 2026735
- 注册: 2012-09-24
- 性别: MM
- 专业: 环境微生物学
5楼2017-07-29 16:47:33
20