rdk/p2rank

解决的问题

P2Rank 旨在预测蛋白质结构上的配体结合位点（口袋）。它提供了一种快速且准确的方法，无需依赖外部软件进行复杂的特征计算，也无需使用已知蛋白质-配体模板数据库，即可识别小分子（配体）可能结合到蛋白质的位置。

工作原理

该工具使用在已知蛋白质-配体复合物上训练的机器学习模型。它对蛋白质的溶剂可及表面（SAS）上的点进行评分和聚类，以确定各个点的“配体结合能力”（ligandability）。它还可以对其他工具（如 Fpocket 或 DeepSite）预测的口袋进行重新评分，以提高准确性。

适用人群

主要面向计算化学、药物发现和结构生物学领域的研究人员，他们需要识别蛋白质上的潜在结合位点，包括来自 X 射线晶体学、AlphaFold 模型、NMR 或冷冻电镜（cryo-EM）结构的蛋白质。

主要亮点

• 高精度：在识别顶级口袋方面，相比某些传统方法具有更高的成功率。
• 广泛格式支持：支持 PDB、mmCIF 和 BinaryCIF 文件，包括 gzip 和 Zstandard 压缩格式。
• 专用配置：包含针对 AlphaFold 模型及其他建模结构的特定配置，忽略 B 因子特征。
• 集成重评分：可对多种其他口袋预测工具的预测结果进行重评分。
• 可视化功能：生成 PyMOL 和 ChimeraX 的脚本，用于可视化预测的口袋。
• 导出选项：可选择性导出口袋描述符（几何、形状、静电）的表格数据和 3D 点网格。