rdk/p2rank

해결하는 문제

P2Rank는 단백질 구조상의 리간드 결합 부위(포켓)를 예측하기 위해 설계되었습니다. 복잡한 특징 계산을 위한 외부 소프트웨어나 기존의 단백질-리간드 템플릿 데이터베이스가 필요 없이, 소분자(리간드)가 단백질에 결합할 가능성이 높은 위치를 빠르고 정확하게 식별할 수 있는 방법을 제공합니다.

작동 방식

이 도구는 기존의 단백질-리간드 복합체 데이터로 훈련된 머신러닝 모델을 사용합니다. 단백질의 용매 접근 가능 표면(SAS) 위의 점들을 스코어링하고 클러스터링하여 각 점의 '리간드 가능성(ligandability)'을 판단합니다. 또한 Fpocket이나 DeepSite와 같은 다른 도구가 예측한 포켓을 재스코어링하여 정확도를 향상시킬 수 있습니다.

대상 사용자

계산 화학, 신약 개발, 구조 생물학 분야의 연구자들에게 주로 적합합니다. X선 결정학, AlphaFold 모델, NMR 또는 냉동전자현미경(cryo-EM) 구조에서 유도된 단백질의 잠재적 결합 부위를 식별해야 하는 경우에 유용합니다.

주요 특징

• 높은 정확도: 일부 기존 방법보다 상위 랭크 포켓의 식별 성공률이 높습니다.
• 다양한 포맷 지원: PDB, mmCIF, BinaryCIF 파일을 지원하며, gzip 및 Zstandard 압축 형식도 포함합니다.
• 특화된 프로파일: AlphaFold 모델 및 기타 모델 구조용으로 특별한 설정을 제공하며, B-팩터 특징을 무시합니다.
• 통합 재스코어링: 다양한 다른 포켓 예측 도구의 예측 결과를 재스코어링할 수 있습니다.
• 시각화 기능: PyMOL 및 ChimeraX용 스크립트를 생성하여 예측된 포켓을 시각화할 수 있습니다.
• 내보내기 옵션: 기하학적, 형태적, 전기적 특성 등의 포켓 설명자에 대한 선택적 표 형식 내보내기와 3D 점 그리드 출력이 가능합니다.