【亲测免费】 Meeko 项目使用教程
2026-01-22 04:09:39作者:秋阔奎Evelyn
1. 项目介绍
Meeko 是一个用于准备小分子以进行 AutoDock 对接的开源工具。它能够读取 RDKit 分子对象并生成适用于 AutoDock-Vina 和 AutoDock-GPU 的 PDBQT 字符串(或文件)。Meeko 还支持将对接结果转换为 RDKit 分子和 SD 文件,而不会丢失键序信息。该项目由 Scripps Research 的 Forli 实验室在计算结构生物学中心(CCSB)开发。
2. 项目快速启动
安装
通过 PyPI 安装
pip install meeko
从源码安装
git clone https://github.com/forlilab/Meeko
cd Meeko
pip install .
使用示例
生成 PDBQT 文件
from meeko import MoleculePreparation
from meeko import PDBQTWriterLegacy
from rdkit import Chem
input_molecule_file = "example/BACE_macrocycle/BACE_4.sdf"
for mol in Chem.SDMolSupplier(input_molecule_file, removeHs=False):
preparator = MoleculePreparation()
mol_setups = preparator.prepare(mol)
for setup in mol_setups:
setup.show() # 可选
pdbqt_string = PDBQTWriterLegacy.write_string(setup)
print(pdbqt_string, end="")
从对接结果生成 RDKit 分子
from meeko import PDBQTMolecule
from meeko import RDKitMolCreate
fn = "autodock-gpu_results.dlg"
pdbqt_mol = PDBQTMolecule.from_file(fn, is_dlg=True, skip_typing=True)
rdkitmol_list = RDKitMolCreate.from_pdbqt_mol(pdbqt_mol)
3. 应用案例和最佳实践
案例1:使用 Meeko 进行小分子对接
Meeko 可以用于准备小分子以进行 AutoDock-Vina 或 AutoDock-GPU 对接。通过将小分子转换为 PDBQT 格式,可以确保对接过程中的分子结构完整性。
案例2:对接结果的后处理
对接完成后,Meeko 可以将对接结果转换回 RDKit 分子,便于进一步的分析和处理。这对于药物设计和分子模拟非常有用。
最佳实践
- 输入文件格式:建议使用 SDF 格式作为输入,因为 SDF 格式能够更好地保留分子的键序信息。
- 宏环处理:Meeko 默认启用宏环构象采样,这对于处理大环分子非常有用。
- 氢原子处理:确保输入分子包含显式氢原子,以避免在对接过程中丢失氢原子。
4. 典型生态项目
RDKit
RDKit 是一个开源的化学信息学库,广泛用于化学和生物信息学领域。Meeko 与 RDKit 紧密集成,能够直接处理 RDKit 分子对象。
AutoDock
AutoDock 是一个用于分子对接的开源软件包,包括 AutoDock-Vina 和 AutoDock-GPU。Meeko 生成的 PDBQT 文件可以直接用于这些对接工具。
ProDy
ProDy 是一个用于蛋白质动力学分析的 Python 库。Meeko 可以与 ProDy 结合使用,进行更复杂的蛋白质-配体对接分析。
通过这些生态项目的结合,Meeko 能够提供一个完整的分子对接和分析解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0123
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
491
3.62 K
Ascend Extension for PyTorch
Python
300
332
暂无简介
Dart
740
178
React Native鸿蒙化仓库
JavaScript
297
346
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
866
473
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
289
123
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
11
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
20
仓颉编程语言测试用例。
Cangjie
43
870