Rosetta從頭結(jié)構(gòu)預(yù)測
此文檔不完全翻譯自官方從頭預(yù)測文檔
當(dāng)?shù)鞍着c已知解析蛋白結(jié)構(gòu)為低相似性的時候從頭預(yù)測變得非常有用缭嫡。在從頭預(yù)測算法中币喧,蛋白序列在 n-mer 片段文庫中進行phi/psi角采樣來進行構(gòu)象的擴展(extended conformation)和“折疊”织咧。當(dāng)整個蛋白質(zhì)氨基酸殘基數(shù)小于100以內(nèi)時缆蝉,其結(jié)果較為精確掏呼。
官方有Rosetta@home計劃的在線服務(wù)器井佑,可以直接提交序列,然后在線服務(wù)器進行計算守呜,但每個帳號只能計算一條序列型酥,且要注意的是不能進行已知序列或者高相似度序列的計算,否則會ban ip查乒,刪號弥喉。因為從頭結(jié)構(gòu)預(yù)測時間太久太長。
官方地址如下:http://robetta.bakerlab.org/
網(wǎng)站截圖如下:
該項目是伯克利分校搞的一個分布式系統(tǒng)項目BOINC玛迄,若你也想加入這個計算可以具體查看這一篇教程由境。
想與各位探討的是個人覺得若單獨拿一段序列進行從頭計算然后拼接進模型中是不準(zhǔn)確的,更好的方法是進行l(wèi)oop環(huán)的補全(若缺失部分為loop環(huán))蓖议,或者進行分子動力學(xué)模擬來預(yù)測虏杰。
官方的從頭預(yù)測方法是采用的T4 溶菌酶(噬菌體中)的序列來進行的蛋白結(jié)構(gòu)預(yù)測。并于解析了結(jié)構(gòu)的蛋白PDB文件進行比較勒虾。
1.準(zhǔn)備輸入文件
需要:
- fasta格式的序列
- 9mer 片段文件
- 3mer 片段文件
- 已知的pdb文件
1.保存蛋白序列文件為FASTA格式
例如:
>2LZMA
ITKDEAEKLFNQDVDAAVRGILRNAKLKPVYDSLDAVRRCALINMVFQMGETGVAGFTNSLRMLQQKRWDEAAVNLAKSRWYNQTPNRAKRVITTFRTGTWDAYKNL
2.準(zhǔn)備片段文件。這些片段文件包含短的骨架碎片从撼,在模擬期間其將會隨機插入在所有位置州弟。教程中提供了一些片段文件:
input_files/aa2LZMA03_05.200_v1_3 (3mer fragments)
input_files/aa2LZMA09_05.200_v1_3 (9mer fragments)
這個片段文件生成較為復(fù)雜,需要用perl腳本和庫文件低零,安裝許多包才能實現(xiàn)婆翔,我也還沒有完全搞透,由于時間關(guān)系掏婶,搞透以后作為補充分享給大家啃奴。并且搞透的意義不大,畢竟也不是做這個的雄妥。
建議大家還是用上面的網(wǎng)站的Fragment Libraries
進行在線制作最蕾。
3.為了與已知文件進行比較分析結(jié)果準(zhǔn)確度,所以插入已知文件,當(dāng)然這個不是必須的老厌。
input_files/2LZMA.pdb
由于option
文件設(shè)置較多瘟则,我們分開來講解。
首先是輸入文件設(shè)置
-in
-file
-native input_files/2LZMA.pdb
-fasta input_files/2LZMA.fasta
-frag3 input_files/aa2LZMA03_05.200_v1_3
-frag9 input_files/aa2LZMA09_05.200_v1_3
這個沒有什么好說的枝秤,接下來是建模設(shè)置
-abinitio
-relax
-increase_cycles 10
-rg_reweight 0.5
-rsd_wt_helix 0.5
-rsd_wt_loop 0.5
increase_cycles
表示AbinitioRelax 循環(huán)的次數(shù)醋拧,若想快速完成可以設(shè)置為0.1
,后面三個參數(shù)分別為回轉(zhuǎn)半徑,螺旋和環(huán)賦予的權(quán)重,沒有深入了解一般默認即可
然后是relax設(shè)置丹壕,若想快速完成該步可以不設(shè)置
-relax
-fast
-fast
設(shè)置表示在建模后對蛋白進行一個FastRelax
庆械,其同時兼容了準(zhǔn)確性和速度。
最后是輸出
-out
-pdb
-nstruct 1
-file
-scorefile score.sc
-overwrite
-nstruct 1
官方教程設(shè)置了兩次-nstruct
菌赖,原因待考缭乘。
2.運行Rosetta AbinitioRelax 應(yīng)用
$> ../../../main/source/bin/AbinitioRelax.default.linuxclangrelease @input_files/options
當(dāng)然也可以在后臺運行:
$ nohup ../../../main/source/bin/ AbinitioRelax.default.linuxclangrelease @input_files/options > log &
每個結(jié)構(gòu)約運行10-20分鐘
沒有錯誤的話將會輸出如下結(jié)果:
- S_00000001.pdb (生成的模型)
- score.sc (展示得分,Rosetta的得分算法將會在后期介紹)
為了得到精確的結(jié)果琉用,建議生成50,000到100,000個模型(官方教程中一說至少1,000)
3.分析結(jié)果
3.1 繪制得分圖和rmsd圖
你可以繪制得分最好的5%或10%的模型圖堕绩。total_score和rms數(shù)據(jù)都在score文件中提供。你可以使用同源蛋白做參考(畢竟有pdb數(shù)據(jù)的話就不用從頭建模了)如果連同源結(jié)構(gòu)都沒有的話一般考慮最低能量模型辕羽。
可以用awk簡單的提取數(shù)據(jù)
$ sort -n -k2 score.sc | head -n 5000 | awk '{print $25 "\t" $2}' > score_rmsd.dat
然后可以對數(shù)據(jù)進行繪圖,繪圖的方法多種垄惧,也非常簡單刁愿,后期會完整介紹。
左圖可以發(fā)現(xiàn)rmsd與score成相關(guān)性并且收斂到逊,而右側(cè)沒有收斂铣口,說明右側(cè)的結(jié)果并不那么可靠
3.2 提取模型
獲得的結(jié)果中有一個二進制silent file(此要在設(shè)置中設(shè)置,這樣生成的模型都壓縮在一個文件中觉壶,可以節(jié)省空間更加美觀脑题,其實也可以不對其進行這個操作,詳見Rosetta silent file一章)我們可以從中提取pdb文件铜靶,例如我們想提取得分最好的5個文件叔遂。
$ sort -n -k2 score.sc | head -l 5
將會獲得模型的名稱,將silent file對這些模型名稱進行提取即可争剿。
$ ../../../main/source/bin/extract_pdbs.default.linuxgccrelease -in:file:silent_struct_type binary -in:file:silent AbRelax.out -in:file:tags <e.g. S_0013 S_0780_1 ...>
好的Rosetta得分并不代表結(jié)構(gòu)就一定是好的已艰,所以我們在進行任何分子模擬的時候一定要有許多輔助的實驗驗證,這樣的結(jié)果才可是可靠的可信的蚕苇。我們需要不斷的提醒自己哩掺。結(jié)果可信嗎!
更多原創(chuàng)精彩內(nèi)容敬請關(guān)注生信雜談: