rossmann-toolbox 0.1.0

罗斯曼折叠蛋白辅因子特异性的预测和再设计

安装

pip install rossmann-toolbox

或者，要获取最新更改，请直接从存储库安装：

pip install git+https://github.com/labstructbioinf/rossmann-toolbox.git

对于某些功能，需要额外的依赖项：

入门

基于序列的方法

输入是一个全长序列。该算法首先检测序列中的Rossmann 核心（即与辅因子相互作用的 β-α-β 基序），然后评估它们的辅因子特异性：

from rossmann_toolbox import RossmannToolbox
rtb = RossmannToolbox(use_gpu=True)

data = {'3m6i_A': 'MASSASKTNIGVFTNPQHDLWISEASPSLESVQKGEELKEGEVTVAVRSTGICGSDVHFWKHGCIGPMIVECDHVLGHESAGEVIAVHPSVKSIKVGDRVAIEPQVICNACEPCLTGRYNGCERVDFLSTPPVPGLLRRYVNHPAVWCHKIGNMSYENGAMLEPLSVALAGLQRAGVRLGDPVLICGAGPIGLITMLCAKAAGACPLVITDIDEGRLKFAKEICPEVVTHKVERLSAEESAKKIVESFGGIEPAVALECTGVESSIAAAIWAVKFGGKVFVIGVGKNEIQIPFMRASVREVDLQFQYRYCNTWPRAIRLVENGLVDLTRLVTHRFPLEDALKAFETASDPKTGAIKVQIQSLE'}

preds = rtb.predict(data, mode='seq')
preds = {'3m6i_A': {'FAD': 0.0008955444,
                    'NAD': 0.998446,
                    'NADP': 0.00015508455,
                    'SAM': 0.0002544397, ...}}

基于结构的方法

输入是蛋白质结构。制备步骤同上，另外，结构特征通过FOLDX软件计算，二级结构特征通过DSSP计算

# required binaries
PATH_FOLDX = ...
PATH_HHPRED = ...
PATH_DSSP = ...

path_to_structures = ...  # path to pdb files
chains_to_use = ... # chains to load from `path_to_structures`
rtb = RossmannToolbox(use_gpu=False, foldx_loc = PATH_FOLDX, 
                                     hhsearch_loc = PATH_HHPRED,
                                     dssp_loc = PATH_DSSP)

preds = rtb.predict_structure(path_to_structures, chains_to_use, mode='seq', core_detect_mode='dl')
preds = [{'NAD': 0.99977881,
  'NADP': 0.0018195,
  'SAM': 0.00341983,
  'FAD': 3.62e-05,
  'seq': 'AGVRLGDPVLICGAGPIGLITMLCAKAAGACPLVITDIDEGRL',
  'NAD_std': 0.0003879,
  'NADP_std': 0.00213571,
  'SAM_std': 0.00411747,
  'FAD_std': 3.95e-05}]

接下来是什么？

要了解其他功能rossmann-toolbox，例如结果的可视化，请参阅笔记本examples/example_minimal.ipynb。

接触

如果您有任何疑问、问题或建议，请与我们联系。由rossmann-toolboxKamil Kaminski、Jan Ludwiczak、Maciej Jasinski、Adriana Bukala、Rafal Madaj、Krzysztof Szczepaniak 和 Stanislaw Dunin-Horkawicz 开发。

这项工作得到了欧盟在欧洲区域发展基金下共同资助的波兰科学基金会第一团队计划的支持。