rdk/p2rank

解決的問題

P2Rank 是設計用於預測蛋白質結構上的配體結合位點（口袋）。它提供了一種快速且準確的方法，無需依賴外部軟體進行複雜的特徵計算，也無需使用已知蛋白質-配體模板資料庫，即可識別小分子（配體）可能結合到蛋白質的位置。

工作原理

該工具使用在已知蛋白質-配體複合物上訓練的機器學習模型。它對蛋白質的溶劑可及表面（SAS）上的點進行評分與聚類，以確定各點的「配體結合能力」（ligandability）。它還可對其他工具（如 Fpocket 或 DeepSite）預測的口袋進行重新評分，以提升準確性。

適用對象

主要面向計算化學、藥物發掘與結構生物學領域的研究人員，他們需要識別蛋白質上的潛在結合位點，包括來自 X 射線晶體學、AlphaFold 模型、NMR 或冷凍電鏡（cryo-EM）結構的蛋白質。

主要亮點

• 高準確度：在識別頂級口袋方面，相比某些傳統方法具有更高的成功率。
• 廣泛格式支援：支援 PDB、mmCIF 與 BinaryCIF 檔案，包含 gzip 與 Zstandard 壓縮格式。
• 專用設定：包含針對 AlphaFold 模型及其他建模結構的特定設定，忽略 B 因子特徵。
• 整合重評分：可對多種其他口袋預測工具的預測結果進行重評分。
• 可視化功能：產生 PyMOL 與 ChimeraX 的腳本，用於視覺化預測的口袋。
• 匯出選項：可選擇性匯出口袋描述符（幾何、形狀、電性）的表格資料與 3D 點網格。