Double Dock For Chemprop Model-Training

简述：

• 接口调用vinalc和rdock程序，分别对给定化合物库进行双对接筛选。

• DOCK_1结束后，按照对接得分排序取top_20%进行DOCK_2对接；

• DOCK_2结束后，回收数据用于模型的训练及预测；

Requirements

vinalc;

rdock2013.1;

chemprop;

Open Babel 3.0.0;

cuda >= 8.0;

cuDNN;

Installation

---

Option 1: Conda

The easiest way to install the chemprop dependencies is via conda. Here are the steps:

1. cd /path/to/chemprop
2. conda env create -f environment.yml
3. conda activate chemprop (or source activate chemprop for older versions of conda)

Note that on machines with GPUs, you may need to manually install a GPU-enabled version of PyTorch by following the instructions here.

Option 2: Docker

Docker provides a nice way to isolate the chemprop code and environment. To install and run our code in a Docker container, follow these steps:

1. cd /path/to/chemprop
2. docker build -t chemprop .
3. docker run -it chemprop:latest /bin/bash

Note that you will need to run the latter command with nvidia-docker if you are on a GPU machine in order to be able to access the GPUs.

文件命名方式

• ReIndex中的命名

对象	命名方式
active	active0001(英文+四位数字)
decoys	decoys0000001(英文+七位数字)
chemDiv	ligand_0000001(ligand_+七位数字)
smiles.csv	[ UniqueID , smiles ]

• 对接前文件准备及命名方式

  文件	路径	描述	命名
  protein.pdbqt	../temp/	用于vinalc对接的蛋白形式文件	protein.pdbqt
  protein.mol2	../temp/	用于rdock对接的蛋白形式文件	protein.mol2
  ligand.mol2	../temp/	原配体分子，用于确定rdock对接的口袋中心	ligand.mol2
  对接分子库	../temp/compounds_all.pdbqt	用于筛选的库pdbqt格式(包含active/decoys)	compounds_all.pdbqt
  对接分子库单个文件	/home/iip_pkuhpc/iip_test/lustre3/mawei/AI/score-consensus/data/single_mol2_chemDiv/	用于筛选的库mol2格式的分子单个文件	single_mol2_chemDiv
  active_decoys_single_file	../active_decoys_single_mol2/	active/decoys分子的单个文件	active_decoys_single_file
  smiles_all	../temp/	所有对接化合物的smiles信息(包括active/decoys)	smiles_all.csv
  geoList.txt	../temp/	指定蛋白口袋中心及Grid尺度	geoList.txt
  recList.txt	../temp/	指定蛋白路径	recList.txt（./protein.pdbqt)）
  ligList.txt	../temp/	指定对接分子库路径	ligList(./compounds_all.pdbqt)
  protein.prm	../temp/	rdock对接的参数文件	protein.prm()

• 中间文件的命名

文件	描述	命名
key_value	记录排序好的每个分子的第一个得分信息(vinalc结果)	key_value.txt
vinalc_top20	记录vinalc的top_20%的UniqueID信息的UniqueID	vinalc_top20.txt
vinalc_top_20.mol2	vinalc的top_20%分子的mol2格式	vinalc_top_20.mol2
compounds_rdock.sd	用于rdock对接的vinalc的top_20%的sd格式	compounds_rdock.sd
model/	vinalc的结果的单个分子切分文件	model/ligand_0000001.pdbqt

• 运行方式（/home/iip_pkuhpc/iip_test/lustre3/mawei/AI/score-consensus/test/consensus-score/test_file/code-1/test-7)

1. 整体运行：

[ shell temp]$    ./vinalc_dock.sh

2. 单个脚本运行：

step1:vinalc对接
[shell temp]$	 sbatch sub-vinalc-cnlong-openmpi.sbatch    (提交后等待结束，sq命令查看运行状态)

step2:vinalc对接后处理
[shell temp]$	 python sort_for_vinalc_pdbqt.py

step3:rdock对接
[shell temp]$	 sbatch sub-cnnl.sbatch				(提交后等待结束，sq命令查看运行状态)

step4:rdock对接后处理
[shell temp]$	 python get_label.py

3. 结果回传需求（12个文件，每个100k—5MB左右，总共<= 30MB）

double_dock_model_1_train.csv				double_dock_model_1_active_decoys.csv
double_dock_model_2_train.csv				double_dock_model_3_active_decoys.csv
double_dock_model_2_train.csv				double_dock_model_3_active_decoys.csv

vinalc_model_1_train.csv					vinalc_model_1_active_decoys.csv
vinalc_model_2_train.csv					vinalc_model_2_active_decoys.csv
vinalc_model_3_train.csv					vinalc_model_3_active_decoys.csv

4. 清理文件

全部文件(包括对接产生的文件)
[shell temp]$	 ./clean_all.sh

部分中间文件（对接后处理过程中产生的文件）
[shell temp]$	 ./clean_partial.sh

文件结构调整（2020_07_22）

---

confile	inputfile	script	work	outputfile
ligList.txt	compounds_all.pdbqt	sub-vinalc-cnlong-openmpi.sbatch	rdock.sh	——
protein.prm	geoList.txt	sub-cnnl.sbatch	rdock_process.sbatch	——
recList.txt	ligand.mol2	sort_for_vinalc_pdbqt.py	vinalc_dock.sh	——
	protein.mol2	rdock_future.py	vinalc_process.sbatch	——
	protein.pdbqt	get_label.py	clean_all.sh	——
	smiles_all.csv			——

Run

---

[ shell ../work ]$    ./vinalc_dock.sh