FastRelax 是 Rosetta 分子建模套件中的一个优化算法,用于在物理和统计势能函数的引导下对蛋白质或其他分子的结构进行快速、局部或全局的能量优化。FastRelax 主要通过小规模的构象变化(relaxation)来降低蛋白质结构的能量,并生成物理合理的蛋白质构象。
FastRelax 的特点
-
能量优化:FastRelax 使用 Rosetta 的能量函数(通常是
score12
或talaris
等)对蛋白质结构进行能量优化。它的目标是找到低能量的构象,这通常与生物学功能相关。 -
快速收敛:FastRelax 相较于其他更为详细的优化算法(如标准
Relax
协议),有更快的收敛速度,因此适合用于大型蛋白质的优化。 - 小规模构象变化:FastRelax 会对主链和侧链进行轻微的调整,使其适应局部能量最低的状态,而不会进行大幅度的结构重排。
- 约束与权重:在 FastRelax 过程中,可以使用距离约束、主链约束等方法,使得优化过程中结构不会偏离初始的原子排布太多。
FastRelax 的工作原理
- 结构扰动:FastRelax 在初始结构的基础上进行小幅度的构象扰动。通过侧链的旋转和主链的扭转,探索局部构象空间。
- 打分与筛选:使用 Rosetta 的能量函数对扰动后的结构进行打分,筛选出能量最低的构象。
- 循环迭代:多次执行扰动、优化和打分的循环过程,最终得到能量最低的模型。
FastRelax 的输入和输出
- 输入:通常是一个 PDB 文件(或其他结构文件),以及指定的能量函数和约束条件。
- 输出:优化后的结构文件,通常是 PDB 格式,显示能量更低、物理合理的构象。
使用 FastRelax 的命令
FastRelax 可以通过 Rosetta 进行调用,通常在命令行中执行。
下面是一个典型的 FastRelax 命令示例:
./relax.default.linuxgccrelease \
-s input.pdb \
-relax:fast \
-nstruct 10 \
-relax:constrain_relax_to_start_coords \
-relax:coord_constrain_sidechains
-
-s input.pdb
:指定输入的 PDB 文件。 -
-relax:fast
:启用 FastRelax 模式。 -
-nstruct 10
:生成 10 个独立的优化结构。 -
-relax:constrain_relax_to_start_coords
:约束结构优化不会偏离初始结构过远。 -
-relax:coord_constrain_sidechains
:约束侧链的位置。
常见选项
-
-nstruct
:指定生成多少个优化模型。 -
-score:weights
:指定能量权重文件(如ref15
或talaris2014
等)。 -
-relax:default_repeats
:指定 FastRelax 的重复次数。
除此之外还可以使用xml文件进行Relax:
<ROSETTASCRIPTS>
<SCOREFXNS>
<ScoreFunction name="ref15" weights="beta_nov16.wts" />
</SCOREFXNS>
<TASKOPERATIONS>
<InitializeFromCommandline name="init" />
</TASKOPERATIONS>
<MOVERS>
<FastRelax name="relax" repeats="5" scorefxn="ref15" />
</MOVERS>
<PROTOCOLS>
<Add mover="relax" />
</PROTOCOLS>
</ROSETTASCRIPTS>
利用上面的relax.xml文件,一步使用Rosetta:
~/software/rosetta_src_2021.16.61629_bundle/main/source/bin/rosetta_scripts.static.linuxgccrelease -s MC1R_MSH_1.pdb -parser:protocol relax.xml -relax:fast -corrections::beta_nov16 true
FastRelax 的应用场景
- 模型优化:在从同源建模、分子动力学或其他预测方法中获得蛋白质结构后,可以使用 FastRelax 进一步优化其能量。
- 点突变设计:对于特定的突变设计,FastRelax 可以帮助优化突变后蛋白质的局部结构。
- 抗体建模:在抗体建模中,使用 FastRelax 优化抗体的可变区以使其达到低能量构象。
总结
FastRelax 是 Rosetta 中用于快速优化蛋白质构象的高效工具,通过在局部或全局进行小幅度的构象调整,能够生成能量更低、更稳定的结构。它特别适合处理较大的蛋白质或多次优化任务,并且通过与 Rosetta 的强大能量函数结合,可以显著提高预测结构的质量。