分子模拟软件amber_[gromacs使用教程] 基于amber力场模拟蛋白小分子复合物

分子模拟软件amber_[gromacs使用教程] 基于amber力场模拟蛋白小分子复合物祥请参考官网教程,使用其中的mdp参数文件(均100ps),案例只考虑模拟顺利,暂不考虑合理性。平台:windows软件:gaussina16,ambertools,gromacs2019.6,notepad++,spdbv4.10蛋白文件:4w52.pdb(配体选用EPE)小分子amber力场及坐标文件构建参考本公众号的案例蛋白的修复使用Notepad++删除小分子,水,保存文…

大家好,又见面了,我是你们的朋友全栈君。

祥请参考官网教程,使用其中的mdp参数文件(均100ps),案例只考虑模拟顺利,暂不考虑合理性。

平台:windows

软件:gaussina16, ambertools, gromacs2019.6, notepad++, spdbv4.10

蛋白文件:4w52.pdb(配体选用EPE)

小分子amber力场及坐标文件构建

参考本公众号的案例

蛋白的修复

使用Notepad++删除小分子,水,保存文件为4w52_clean.pdb

使用spdbv4.10补全丢失原子

直接用spdb4.10打开4w52_clean.pdb文件即可补齐原子,并保存为4w52_all.pdb文件。

**该步骤没有补全丢失的氨基酸,可以使用MOE通过同源模建构建蛋白(参考本公众号教程),再经过autodocktools对接即可**

蛋白amber力场及坐标文件构建

使用AMBER99SB-ILDN力场

gmx pdb2gmx -f 4w52_all.pdb -o 4w52.gro -ignh -water tip3p

该步骤得到4w52.gro, posre.itp和topol.top文件

07ec7b39a73bb622eab56f3b44f902fb.png

上述为文件中的文件,其中mdp文件为官网教程的文件。

构建复合物的坐标文件及topol.top文件

同官网教程,将4w52.gro及EPE.gro文件组合到一起,得到complex.gro文件,记得修改原子个数2634+33=2667。核对complex.gro文件,该文件构建合理。即下一步。

86a97fb0d609589aee843b54e0b72cd7.png

EPE.top文件,可以参考教程构建成EPE.itp文件,再学习教程构建成topol.top文件。本次案例鉴于小分子原子个数不大,故将EPE.top组合到topol.top文件中。

操作:将EPE.top中[ atomtypes ]—>[ dihedrals ] ; propers含有的所有信息复制到#include “amber99sb-ildn.ff/forcefield.itp”之后:(如下图)

f34efa297215e6f912add648d89de1f9.png

dc20742183ccfc02056dc68a6c3f6219.png

最后修改:

456d9042806b7849682e10df06599b30.png

上述操作结束,构建了整个复合物的力场及坐标文件,即可根据教程依次实现蛋白-小分子的动力学模拟

具体命令如下:

gmx pdb2gmx -f 4w52_all.pdb -o 4w52.gro -ignh -water tip3p
gmx editconf -f complex.gro -o newbox.gro -bt cubic -d 1.0
gmx solvate -cp newbox.gro -cs spc216.gro -p topol.top -o solv.gro
gmx grompp -f ions.mdp -c solv.gro -p topol.top -o ions.tpr
gmx genion -s ions.tpr -o ions.gro -p topol.top -pname NA -nname CL -neutral
gmx grompp -f em.mdp -c ions.gro -p topol.top -o em.tpr
gmx mdrun -v -deffnm em
gmx make_ndx -f EPE.gro -o EPE.ndx
gmx genrestr -f EPE.gro -n EPE.ndx -o posre_epe.itp -fc 1000 1000 1000
gmx make_ndx -f em.gro -o index.ndx
gmx grompp -f nvt.mdp -c em.gro -r em.gro -p topol -n index.ndx -o nvt.tpr
gmx mdrun -v -deffnm nvt
gmx grompp -f npt.mdp -c nvt.gro -t nvt.cpt -r nvt.gro -p topol.top -n index.ndx -o npt.tpr
gmx mdrun -v -deffnm npt
gmx grompp -f md.mdp -c npt.gro -t npt.cpt -p topol.top -n index.ndx -o md.tpr
gmx mdrun -v -deffnm md

轨迹处理:

gmx trjconv -s md.tpr -f md.xtc  -o md_whole.xtc  -pbc whole

gmx trjconv -s md.tpr -f md_whole.xtc -o md_center.xtc -pbc mol -center

运算结束后,提取轨迹,并对比原始文件

4f6466a9df03307f2a99f8a052bcdf24.png

用vmd观察:(氢键)

2c40e93e3b44f98edba40df2241f2a9a.png

c4ed2be44e1ca626c5abfa88574cec42.png

具体文件可从该网址下载参考:

https://gitee.com/PharmDesign/gromacs_amber

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/141147.html原文链接:https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • windows版本tcping参数详解

    windows版本tcping参数详解描述在本地主机和远程主机之间,tcping可以测试出执行TCP三次握手所需的时间(SYN,SYN/ACK,ACK)。最终ACK传送时间不包括在内,只有最少的时间才能将其丢弃在近端的电线。概要#tcping[-tdsvf46][-iinterval][-ntimes][-winterval][-bn][-rtimes][-jdepth][–teef…

    2022年6月23日
  • centos sqlite3安装及简单命令

    centos sqlite3安装及简单命令

    2021年7月18日
  • 跟我一起复制一款基于ESP-Drone无人机控制板[通俗易懂]

    跟我一起复制一款基于ESP-Drone无人机控制板[通俗易懂]1、ESP-Drone无人机项目简介ESP无人机是基于ESPRESIFESP32/ESP32-S2Wi-Fi芯片的开源解决方案,可通过Wi-Fi连接到手机应用程序或游戏控制台。ESP无人机具有简单的硬件、清晰和可扩展的代码体系结构,因此该项目可用作为STEAM(科学、技术、工程、数学)的教育平台或其它的控制领域。它的主要代码从CrazyFle开源项目移植而来,采用了GPL3.0协议。关于ESP-Drone更多的信息,请访问:https://hub.fastgit.org/espressi

    2022年8月15日
  • 微信公众号网页开发使用 WeUI优势

    微信公众号网页开发使用 WeUI优势WeUI是一套同微信原生视觉体验一致的基础样式库,WeUI由微信官方设计团队为微信内网页和微信小程序量身设计,令用户的使用感知更加统一。在微信网页或小程序中使用WeUI的优势1.同微信客户端一致的视觉效果,令所有微信用户都能更容易地使用你的网站和小程序2.方便用户便捷获取快速使用,降低公众号和三方开发者的开发和设计成本。3.WeUI是微信设计团队精心打造,清晰明确,简洁大方。WeUI…

    2022年5月7日
  • jpg转nv12_jpeg改jpg

    jpg转nv12_jpeg改jpg代码主要用到了libyuv库和libjpeg库。编译:g++demo.cpp-lyuv-ljpeg-odemoubuntu下测试(需安装ffmpeg,width以及height按实际情况填写):ffplay-itest.yuv-pixel_formatnv12-swidthxheightdemo:#include<stdio.h>#include<stdlib.h>#include<libyuv.h>#..

    2022年9月16日
  • 自监督学习(self-supervised learning)(20201124)

    自监督学习(self-supervised learning)(20201124)看论文总是会看出来一堆堆奇奇怪怪的名词。从远程监督、有监督、半监督、无监督开始,最近又看到了一个自监督。首先先对上面的概念进行简述:半监督(semi-supervisedlearning):利用好大量无标注数据和少量有标注数据进行监督学习;远程监督(distant-supervisedlearning):利用知识库对未标注数据进行标注;无监督:不依赖任何标签值,通过对数据内在特征的挖掘,找到样本间的关系,比如聚类相关的任务。自监督:利用辅助任务从无监督的数据中挖掘大量自身的信息。

    2022年9月14日

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号