其實(shí)同源建模教程到上一篇教程就應(yīng)該結(jié)束了，但是如果作為一個(gè)計(jì)算機(jī)輔助藥物設(shè)計(jì)或者說是一個(gè)分子模擬人，同源建模關(guān)系到后面的結(jié)果準(zhǔn)確與否，當(dāng)然需要精益求精，所以想和大家一起學(xué)習(xí)modeller中的一些關(guān)鍵參數(shù)，我也是邊看辯總結(jié)，希望能夠和大家一起學(xué)習(xí)，共同進(jìn)步，同時(shí)我們也會(huì)打開新的專題，與大家互相學(xué)習(xí)，交流。
首先我們來回顧一下,單模板建模的比對(duì)：
from modeller import *
env = environ()
aln = alignment(env)
mdl = model(env, file='1bdm', model_segment=('FIRST:A','LAST:A'))
aln.append_model(mdl, align_codes='1bdmA', atom_files='1bdm.pdb')
aln.append(file='TvLDH.ali', align_codes='TvLDH')
aln.align2d()
aln.write(file='TvLDH-1bdmA.ali', alignment_format='PIR')
aln.write(file='TvLDH-1bdmA.pap', alignment_format='PAP')
File: align2d.py
首先是建立一個(gè)環(huán)境，我們來查看到底有哪些參數(shù)可選呢？
environ(rand_seed=-8123, restyp_lib_file='$(LIB)/restyp.lib', copy=None)
主要的選擇一個(gè)是隨機(jī)種子數(shù)rand_seed，其范圍為-2到-50000
所有的參數(shù)設(shè)置可以具體參考官方教程，這里和大家分享一下較為實(shí)用的參數(shù)與實(shí)例設(shè)置：
alignment函數(shù)
alignment.align2d()：該參數(shù)已廢棄，可以使用alignment.salign()進(jìn)行替換。
alignment.salign()：
如果將該函數(shù)賦給一個(gè)變量，則會(huì)輸出：
1..aln_score 輸出比對(duì)得分
2..qscorepct如果在output包含QUALITY參數(shù)，則輸出百分?jǐn)?shù)表示的質(zhì)量得分
alignment算法主要是進(jìn)行權(quán)重矩陣，SALIGN的權(quán)重矩陣主要來自于六個(gè)功能方面。
1.殘基類型。 其主要包含兩個(gè)參數(shù)，一個(gè)為rr_file為殘基類型的相異矩陣，similarity_flag設(shè)置為True，那么距離的分將會(huì)被取代為相似性的分。
2.一對(duì)殘基的內(nèi)部分子距離。improve_alignment和fit被用來使用計(jì)算坐標(biāo)功能，如果write_fit = True設(shè)置，那么將會(huì)生成一個(gè)優(yōu)化好的末尾加上_fit.pfb的結(jié)構(gòu)，是否在多模板建模的時(shí)候看到過呢。fit_pdbnam = False也需要設(shè)置，否則也不會(huì)產(chǎn)生末尾加上_fit.pdb結(jié)構(gòu)的文件。fit_on_first設(shè)置為True,那么所有的結(jié)構(gòu)將會(huì)疊加到第一個(gè)模型上去
3.側(cè)鏈輔助功能
4.二級(jí)結(jié)構(gòu)類型，主要區(qū)分為螺旋，折疊與其他。
5.局部構(gòu)象
6.用戶設(shè)置的矩陣，例如設(shè)置相似性矩陣（weights_type=SIMILAR）或者距離矩陣(weights_type=DISTANCE)
automodel函數(shù)
assess_methods函數(shù)可以對(duì)生成模型進(jìn)行一下方法進(jìn)行評(píng)價(jià)：
assess.GA341:模板和模型間的序列鑒定百分?jǐn)?shù)的方法
assess.DOPE:離散優(yōu)化蛋白質(zhì)能量
assess.DOPEHR:DOPE的加強(qiáng)版
assess.normalized_dope：使用DOPE標(biāo)準(zhǔn)化方法
