casf对接和筛选能力

[netblind]

casf对接和筛选能力

[sc8668]

请问您无法复现结果是差一点还是差很多？casf就是用的原来那个casf，但蛋白用的是我们自己处理过的pdbbind的蛋白，小分子将原来decoys_docking数据和decoys_screening数据用openeye转化为sdf格式了。

[netblind]

谢谢您的回答 用casf中原来的蛋白质测试的， 结果是差很多。 请问您对蛋白质进行处理是使用薛定谔2020进行去水、添加氢，分配键序，优化氢键，并使用OPLS3 力场最小化优化直到重原子的RMSD平均不超过0.30埃，这些过程吗？还有没有进行其他的处理？如果您愿意，能提供您预处理过数据吗？非常感谢！

[sc8668]

是的，我们用schrodinger软件的蛋白准备模块进行了预处理。我感觉这些处理影响不会特别大，只要结构能顺利被rdkit读取就行了。你是不是因为很多结构无法被rdkit读取，从而导致指标变化很大？

[netblind]

蛋白质是可以正常读取的 小分子因为没有使用openeye转换，有一部分小分子不能正常读取。我试过用您公开的PDBbind-CrossDocked-Core中的蛋白质来测试，小分子同样没有转换， 也没有得到想要的结果。 筛选能力top 1%是 11.05。

[sc8668]

您是不是没有正确使用我的代码？蛋白先要生成口袋，训练集是根据配体周围10.0埃来定义的，倘若测试的时候输入整个蛋白，结果还是会差很多的。

[netblind]

测试方法是使用-gen_pocket设为True , -rl 指定原来结晶的那个小分子， 这个过程应该会生成口袋，我在测试的过程中也看到了生成口袋的tmp文件，我想应该是对的。

[netblind]

我用同样的方法，测试过dekois数据，因为您提供了完整的dekois数据，这个测试结果非常好，跟您的结果几乎一致。

[sc8668]

那我也不清楚你到底在怎么搞了。这是我用两个蛋白计算得到的1qkt的结果，差距并不明显。

1qkt.csv
1qkt2.csv

另外这是我之前跑的的一组casf筛选nnneg能力的评测，您可以自行比对数据的差异。
rtmscorev2x5.tar.gz

[netblind]

好的 非常感谢您的耐心解答，我会认真再检查对比一下，谢谢您。

[zhuhui-in]

请问您解决这个问题了吗 @netblind ，我用作者在trained_models提供的模型，测试CASF 上的docking power, 也遇到无法复现原文结果的问题。 第一个版本用的是蛋白（作者提供的v2020_casf_p.bin）+小分子（obabel 转原始的mol2为sdf）,第二个版本是蛋白（晶体结构去掉hetatm，提取10A口袋）+小分子（obabel 转原始的mol2为sdf）。两次测试的结果(without crystal pose)都是top1 success rate 82%, top3 87%， 与作者提供的结果有点差距。 其次我发现你们讨论的1qkt上的结果，我测试的结果是作者提供的数值的3倍左右，例如1qkt_119,作者给的结果是42.68， 我测试的结果为141.65， 虽然相对的排序基本一致，请问这会是什么原因造成的，能提供一些帮助么 ，谢谢~@sc8668