SurfDock 来源于中国科学院上海药物所的郑明月为通讯作者的文章：《SurfDock is a Surface-Informed Diffusion Generative Model for Reliable and Accurate Protein-ligand Complex Prediction》于2024 年 11 月 27 日正式发表在 《Nature Methods》上。在文章中，SurfDock 在多个基准测试中展现了卓越的表现，包括 PDBbind 2020 时间分割集、Astex Diverse 集和 PoseBusters 基准集。在模型中，SurfDock 将多模态蛋白质信息（包括表面特征、残基结构和预训练的序列级特征）整合成一个一致的表面节点级表示，这一能力对实现高对接成功率和改善构象合理性起到了重要作用。SurfDock 的另一个特点是其可选的弛豫（构象优化），旨在进行蛋白质固定配体优化，从而显著提高其准确性。 我们的测评结果显示，生成的小分子构象还是比较合理的，同时生成的结合模式与晶体非常接近。

【Autodock Vina批量分子对接】 分子对接是生物计算领域中的一个重要技术，它用于预测小分子（如药物候选物）如何与大分子（如蛋白质）结合，这对于药物设计和发现至关重要。Autodock Vina是一款高效且用户友好的分子对接软件，能够自动寻找最优的配体-受体复合物构象，评估其结合亲和力。 在Ubuntu 18.04上安装Autodock Vina和相关的工具包，首先需要确保系统是最新的，通过`sudo apt-get update`更新包列表，然后安装一系列必要的依赖项，包括图形库、Python库等。接着，下载Autodock Vina和MGLTools。MGLTools是Autodock的一套辅助工具，包含了用于处理分子数据的多种程序。 创建一个目录来存放这些软件，并按照以下步骤安装： 1. 安装Open Babel，这是一个多格式的化学转换工具，可以用来处理不同的分子文件格式。 2. 解压并安装Autodock Vina的二进制文件。 3. 安装MGLTools，运行安装脚本`python install.py`进行安装。 4. 修改vina.sh脚本，设置环境变量，确保Autodock Vina和MGLTools的路径被添加到PATH中。 5. 使用prepare_receptor4.py和prepare_ligand4.py脚本预处理受体和配体分子，将其转化为Autodock Vina可读的格式。 6. 使用vina执行分子对接任务，通过配置文件conf.txt控制参数，如CPU数量、搜索空间等。 7. 输出结果通常为pdbqt格式，可以进一步转化为其他格式如sdf，便于后续分析。 【Slurm调度器】 Slurm（Simple Linux Utility for Resource Management）是一种广泛使用的集群作业调度系统，尤其适合高性能计算环境。在安装配置Slurm时，首先需要安装必要的库文件，包括munge服务，用于提供安全的身份验证。启动munge服务并确保其正常运行。 接着，安装Slurm工作负载管理器（slurm-wlm）、Slurm守护进程（slurmd）和Slurm控制器（slurmctld）。这三个组件是Slurm的核心部分，分别负责作业调度、节点管理和整个系统的控制。 配置Slurm的关键在于编写slurm.conf文件，该文件定义了集群的拓扑、资源分配策略和默认参数。在/etc/slurm-llnl目录下创建或编辑这个文件，根据实际的硬件配置和需求进行调整。例如，定义节点名称、节点数量、节点上的核心数、内存大小以及网络配置等。 安装完成后，启动Slurm的服务： 1. 启动slurmctld（控制器）服务。 2. 启动slurmd（节点）服务。 至此，Autodock Vina和Slurm已经安装并配置完成，可以在Slurm调度系统上批量运行Autodock Vina进行分子对接任务，有效利用集群的计算资源，提高研究效率。

gnina（发音为NEE-na）是一个分子对接程序，具有使用卷积神经网络对配体进行评分和优化的综合支持。 这是的叉子，是的叉子。 帮助 请。 提供一个示例Colab笔记本，其中显示了如何使用gnina。 引文 如果您发现gnina有用，请引用我们的论文： GNINA 1.0：分子对接与深度学习（主要应用引用） 阿McNutt，P Francoeur，R Aggarwal，T Masuda，R Meli，M Ragoza，J Sunseri，DR Koes。 ChemRxiv，2021年 卷积神经网络的蛋白质配体评分（主要方法引用） M Ragoza，J Hochuli，E Idrobo，J Sunseri，DR Koes。 J.化学。 Inf。 模型，2017 基于原子网格的卷积神经网络的配体姿态优化M Ragoza，L Turner和DR Koes。 分子与材料的机器学习NIP

酮醇酸还原异构酶抑制剂的分子对接法设计与生物活性，王宝雷 ，马翼，酮醇酸还原异构酶（KARI）是一个有前景的除草剂靶标酶，有关其抑制剂的设计研究鲜有报道。在文献报道的菠菜KARI酶复合物0.165 nm高分�

（二）柔性对接的方法 （1）构象的系综方法 Flexibase用来储存小分子库中每个分子的一系列不同构象，用距离几何和能量最小化的方法产生构象，每个分子根据rmsd的差异选择25个系列构象。每个构象采用FLOG刚性对接的方法进行对接。 *

很不错的分子对接教程,形象易懂.....

1、薛定谔软件 2、分子对接 3、计算机辅助药物设计 4、配体准备 5、配体对接

1、计算机辅助药物设计 2、分子对接 3、受体盒子生成

利用python实现Autodock Vina多对多分子对接结果筛选并绘制热图

评价：打分函数 每一个对接的算术都会采用平衡了时效和精确度的简单自由能预测方法，现在的打分函数主要包括三种：基于经验的回归参数的方法；基于分子力场的方法和基于知识的方法、基于知识的打分函数 。 *