Divide-and-link peptide docking: a fragment-based peptide docking protocol

自动停靠 对接(动物) 寻找对接的构象空间 蛋白质-配体对接 化学 分子动力学 计算机科学 蛋白质结构 计算化学 虚拟筛选 生物化学 生物信息学 医学 基因 护理部
作者
Lu Sun,Tingting Fu,Dan Zhao,Hongjun Fan,Shijun Zhong
出处
期刊:Physical Chemistry Chemical Physics [The Royal Society of Chemistry]
卷期号:23 (39): 22647-22660 被引量:9
标识
DOI:10.1039/d1cp02098f
摘要

Protein-peptide interactions are crucial for various important cellular regulations, and are also a basis for understanding protein-protein interactions, protein folding and peptide drug design. Due to the limited structural data obtained using experimental methods, it is necessary to predict protein-peptide interaction modes using computational methods. In the present work, we designed a fragment-based docking protocol, Divide-and-Link Peptide Docking (DLPepDock), to predict protein-peptide binding modes. This protocol contains the following steps: dividing the peptide into fragments and separately docking the fragments using a third-party small molecular docking tool, linking the docked fragmental poses to form the whole peptide conformations via fragmental coordinate transformation using our in-house program, removing unreasonable poses according to several geometrical filters, extracting representative conformations after clustering for further minimization using the steepest descent and conjugation gradient methods based on a full-atom molecular force field and finally scoring using the MM/PBSA binding energy calculation implemented in Amber. When tested on the LEADS-PEP benchmark data set of 26 diverse complexes with peptides of 6-12 residues, FlexPepDock ab initio and AutoDock CrankPep achieved superior results. DLPepDock performed better than the other 15 docking protocols implemented in nine docking programs (HPepDock, DockThor, rDock, Glide, LeDock, AutoDock, AutoDock Vina, Surflex, and GOLD). The Linux scripts to call the third-party tools and run all the calculations.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
CodeCraft应助快乐无极限采纳,获得10
1秒前
风再起时完成签到,获得积分10
2秒前
彭于晏应助Zed采纳,获得10
2秒前
3秒前
让让完成签到,获得积分10
5秒前
胖虎完成签到,获得积分10
6秒前
DD发布了新的文献求助10
6秒前
一大意完成签到,获得积分10
7秒前
zen发布了新的文献求助80
7秒前
赵zhao完成签到,获得积分20
9秒前
NexusExplorer应助科研通管家采纳,获得10
10秒前
一一应助科研通管家采纳,获得10
10秒前
脑洞疼应助科研通管家采纳,获得10
11秒前
HEIKU应助科研通管家采纳,获得10
11秒前
元谷雪应助Airi采纳,获得10
11秒前
小马甲应助科研通管家采纳,获得10
11秒前
CWNU_HAN应助科研通管家采纳,获得30
11秒前
HEIKU应助科研通管家采纳,获得10
11秒前
无花果应助科研通管家采纳,获得10
11秒前
科研通AI2S应助科研通管家采纳,获得10
11秒前
英姑应助科研通管家采纳,获得10
11秒前
烟花应助科研通管家采纳,获得10
11秒前
科研通AI2S应助科研通管家采纳,获得10
11秒前
fh发布了新的文献求助10
11秒前
一一应助科研通管家采纳,获得10
11秒前
ding应助nono采纳,获得10
11秒前
orixero应助科研通管家采纳,获得10
11秒前
李健应助健康的幻珊采纳,获得10
11秒前
小二郎应助科研通管家采纳,获得10
12秒前
HEIKU应助科研通管家采纳,获得10
12秒前
科研通AI2S应助科研通管家采纳,获得10
12秒前
HEIKU应助科研通管家采纳,获得10
12秒前
HEIKU应助科研通管家采纳,获得10
12秒前
鳗鱼完成签到,获得积分10
12秒前
13秒前
赵十七完成签到,获得积分10
13秒前
机灵夜云发布了新的文献求助10
15秒前
16秒前
16秒前
raquelle完成签到,获得积分10
16秒前
高分求助中
Shape Determination of Large Sedimental Rock Fragments 2000
Sustainability in Tides Chemistry 2000
Wirkstoffdesign 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3129128
求助须知:如何正确求助?哪些是违规求助? 2779966
关于积分的说明 7745466
捐赠科研通 2435144
什么是DOI,文献DOI怎么找? 1293924
科研通“疑难数据库(出版商)”最低求助积分说明 623474
版权声明 600542