当前位置: 首页 > article >正文

在Ubuntu 22.04上,用AutoDockTools给蛋白-小分子做对接,保姆级避坑指南

在Ubuntu 22.04上用AutoDockTools给蛋白-小分子做对接保姆级避坑指南1. 环境准备与依赖安装Ubuntu 22.04 LTS作为长期支持版本其稳定性非常适合科研计算。但首次使用时需要确保系统环境完整。打开终端CtrlAltT先执行系统更新sudo apt update sudo apt upgrade -y常见缺失库问题AutoDockTools运行时经常报错libGLU.so.1缺失这是因为Ubuntu默认不包含OpenGL工具库。通过以下命令一次性安装所有图形依赖sudo apt install -y libglu1-mesa freeglut3-dev mesa-utils验证图形支持是否正常glxinfo | grep OpenGL version提示如果使用远程服务器无图形界面需额外配置X11转发或虚拟帧缓冲sudo apt install -y xvfb Xvfb :1 -screen 0 1024x768x16 export DISPLAY:12. MGLTools安装与配置2.1 获取安装包从Scripps研究所官网下载最新版MGLTools当前为1.5.7wget https://ccsb.scripps.edu/mgltools/downloads/ -O mgltools.tar.gz tar -xzvf mgltools.tar.gz2.2 交互式安装进入解压目录执行安装脚本cd mgltools_x86_64Linux2_1.5.7 ./install.sh安装过程中会提示安装路径建议保持默认/home/用户名/MGLTools-1.5.7是否创建桌面快捷方式选择Yes2.3 环境变量配置编辑~/.bashrc添加以下内容export PATH$PATH:/home/$USER/MGLTools-1.5.7/bin export PYTHONPATH$PYTHONPATH:/home/$USER/MGLTools-1.5.7/lib/python2.7/site-packages使配置立即生效source ~/.bashrc验证安装adt若出现图形界面说明安装成功。若报错libpng12.so.0缺失执行sudo apt install -y libpng12-03. AutoDock套件部署3.1 获取二进制文件下载预编译版本当前4.2.6wget http://autodock.scripps.edu/downloads/autodocksuite/autodocksuite-4.2.6-x86_64Linux2.tar.gz tar -xzvf autodocksuite-4.2.6-x86_64Linux2.tar.gz3.2 系统级安装将可执行文件复制到系统路径sudo cp autodock4 /usr/local/bin/ sudo cp autogrid4 /usr/local/bin/验证版本autodock4 --version autogrid4 --version3.3 权限问题处理若遇到Permission denied错误需赋予执行权限sudo chmod x /usr/local/bin/autodock4 sudo chmod x /usr/local/bin/autogrid44. 实战分子对接流程4.1 蛋白受体准备以PDB ID 1STP为例用PyMOL处理原始结构fetch 1STP remove solvent save 1STP_clean.pdb在AutoDockTools中File → Read Molecule → 选择1STP_clean.pdbEdit → Hydrogens → Add → 选择AllGrid → Macromolecule → Choose → 保存为1STP.pdbqt4.2 配体小分子准备假设已有配体mol2文件ligand.mol2在AutoDockTools中导入Ligand → Torsion Tree → Detect Root调整可旋转键绿色显示Ligand → Output → 保存为ligand.pdbqt4.3 生成格点参数Grid → Set Map Types → 选择配体Grid → Grid Box 调整盒子位置和大小File → Close saving current → 保存为1STP.gpf执行格点计算autogrid4 -p 1STP.gpf -l grid.log4.4 运行分子对接Docking → Macromolecule → 选择受体Docking → Ligand → 选择配体设置GA参数默认即可输出1STP.dpf文件执行对接autodock4 -p 1STP.dpf -l dock.dlg5. 结果分析与可视化5.1 能量最低构象提取grep CLUSTERING dock.dlg | sort -nk4 | head -55.2 PyMOL可视化load 1STP.pdbqt load ligand_out.pdbqt show surface, 1STP color green, ligand_out6. 常见问题排查问题1adt启动后闪退解决方案检查~/.MGLTools/权限chown -R $USER:$USER ~/.MGLTools问题2autodock4报错Segmentation fault可能原因内存不足解决方案减少GA运行次数修改dpf文件中runs参数问题3网格计算异常中断检查grid.log中的WARNING信息重新调整Grid Box大小和位置实际项目中发现Ubuntu 22.04的默认Python 3.10可能导致某些脚本兼容性问题。建议在虚拟环境中使用Python 2.7运行关键步骤conda create -n adt python2.7 conda activate adt

相关文章:

在Ubuntu 22.04上,用AutoDockTools给蛋白-小分子做对接,保姆级避坑指南

在Ubuntu 22.04上,用AutoDockTools给蛋白-小分子做对接,保姆级避坑指南1. 环境准备与依赖安装Ubuntu 22.04 LTS作为长期支持版本,其稳定性非常适合科研计算。但首次使用时,需要确保系统环境完整。打开终端(CtrlAltT&am…...

从lsusb输出到硬件信息库:如何查询Linux中USB设备的厂商和型号

从lsusb输出到硬件信息库:Linux下USB设备厂商与型号的深度解析 当你插入一个陌生的USB设备到Linux系统时,终端里 lsusb 命令输出的那一串神秘代码 ID xxxx:xxxx 往往让人摸不着头脑。这些十六进制数字背后隐藏着设备的真实身份——厂商和具体型号。本…...

机器学习赋能冷等离子体种子处理:Extra Trees模型精准预测发芽率提升

1. 项目概述与核心价值 在精准农业的探索前沿,我们常常面临一个看似简单却极其关键的挑战:如何在不损伤种子的前提下,有效提升其发芽率和幼苗活力?传统方法依赖大量重复的田间试验,周期长、成本高,且结果受…...

使用vscode 搭建Java 开发环境

vscode 是一款开源,免费的代码编译环境,有丰富的插件可以选择,这篇文章就从配置Java环境介绍一下vscode使用的原理。 下载配置Java 从官网下载jdk安装了之后,直接安装即可,这里我安装了jdk1.8和jdk22,这里…...

宇视VM易用性推宣-电视墙自动切换主辅码流

宇视VM易用性推宣-电视墙自动切换主辅码流 一.功能介绍本文主要介绍B3359P30版本VM新特性功能:解码拼控电视墙自动切换主辅码流。二.配置步骤1、登录VM首页,选择设备管理页签,在界面左侧菜单列表选择终端设备&#xff…...

告别卡顿!深度解析麒麟V10桌面版mate-indicators与auditd内存飙升的关联与根治

麒麟V10桌面版性能优化实战:解决mate-indicators与auditd内存异常问题最近有不少麒麟V10桌面版用户反馈系统运行一段时间后变得异常卡顿,打开系统监视器查看,发现mate-indicators或auditd进程的内存占用居高不下,有时甚至达到几个…...

量子机器学习预测误差:从T/N线性关系到紧致界理论突破

1. 量子机器学习预测误差:从理论到实践的深度解析在量子机器学习这个前沿交叉领域,我们常常面临一个核心挑战:如何评估一个在有限数据上训练出的量子模型,面对全新未知数据时的真实表现?这不仅是理论研究者关心的课题&…...

Java YOLO推理精度漂移终极解决方案:从预处理到后处理的工业级优化指南

做Java+YOLO工业部署的朋友,相信都遇到过这个噩梦:Python端训练时mAP高达90%,导出ONNX模型到Java端一跑,精度直接掉到60%甚至更低,同一个目标在Python里置信度0.9,到Java里只有0.3,检测框要么飘到天边,要么同一个目标出好几个框。 我在汽车零部件质检项目上就踩过这个…...

基于大语言模型的表位智能设计与筛选:epiGPTope项目解析

1. 项目概述与核心挑战在免疫学和生物技术领域,表位(Epitope)的发现与设计一直是一个核心且充满挑战的课题。简单来说,表位就是抗原(如病毒、细菌表面的蛋白质)上那一小段能被我们免疫系统(抗体…...

基于经典机器学习模型的GitHub代码审查评论情感分析实践

1. 项目概述:为什么我们需要分析代码审查评论的情感?在软件开发的日常协作中,代码审查(Code Review)是保证代码质量、促进知识共享和团队协作的核心环节。然而,审查过程不仅仅是技术逻辑的校验,…...

强化学习赋能匹配滤波器:可解释心电R波检测新范式

1. 项目概述:当经典匹配滤波器遇上强化学习在生物医学信号处理,尤其是心电分析这个行当里,R波的精准检测是几乎所有后续分析的基石。无论是计算心率、分析心率变异性,还是筛查心律失常,第一步都是把那些尖尖的R波从嘈杂…...

mysql视图和用户管理

视图 视图是一个虚拟表,其内容由查询定义。同真实的表一样,视图包含一系列带有名称的列和行数据。视图的数据变化会影响到基表,基表的数据变化也会影响到视图。视图很简单,就是把我们后面的select之前我们使用的时候是形成一…...

ARM SME指令集与MOVA指令详解:矩阵运算优化

1. ARM SME指令集概述在当今计算密集型应用如机器学习、信号处理和科学计算的推动下,现代处理器架构不断扩展其并行计算能力。ARMv9架构引入的SME(Scalable Matrix Extension)正是这种演进的典型代表,它为矩阵和向量操作提供了硬件…...

跨VM RowHammer攻击防御技术与DRAM安全研究

1. 跨VM RowHammer攻击与防御技术概述在云计算环境中,虚拟机(VM)之间的安全隔离是保障多租户数据安全的核心机制。然而,RowHammer攻击的出现对这一基础安全假设提出了严峻挑战。RowHammer是一种利用DRAM物理特性的硬件漏洞攻击方式,攻击者通过…...

LLM推理解耦技术:提升大型语言模型推理效率的关键方法

1. LLM推理解耦技术概述在大型语言模型(LLM)推理服务领域,推理解耦(Inference Disaggregation)正成为突破传统性能瓶颈的关键技术路径。这项技术的核心思想是将原本耦合的推理流程拆分为具有不同计算特征的独立阶段&am…...

Keil uVision开发环境文件类型全解析

1. uVision支持的文件类型全解析作为一名嵌入式开发工程师,我使用Keil uVision IDE已有八年时间。今天想系统梳理一下这个开发环境支持的各种文件类型,特别是那些在实际项目中经常遇到但官方文档解释不够详细的格式。理解这些文件类型对于项目管理和问题…...

BFloat16与SME2指令集在AI加速中的应用

1. BFloat16浮点格式解析BFloat16(Brain Floating Point 16)是专为机器学习设计的16位浮点格式,它在保持与32位单精度浮点(FP32)相同指数位宽(8位)的同时,将尾数位从23位缩减到7位。…...

基于机器学习的癫痫发作检测与预测:从EEG信号处理到LSTM时序建模

1. 项目概述:从被动监测到主动预警的癫痫管理革新作为一名长期关注医疗健康与人工智能交叉领域的技术从业者,我始终对如何将前沿算法转化为切实的临床价值抱有浓厚兴趣。癫痫,作为一种影响全球数千万人的慢性神经系统疾病,其核心痛…...

告别瞎猜!用DBSCAN和K-means搞定毫米波雷达点云聚类,附完整Matlab代码与数据集

毫米波雷达点云聚类实战:DBSCAN与K-means算法深度对比与Matlab实现在自动驾驶和智能感知领域,毫米波雷达因其全天候工作能力和稳定的性能表现,成为环境感知系统中不可或缺的传感器。然而,原始雷达点云数据往往呈现出稀疏、噪声多且…...

神经网络在高能物理探测器定时中的应用:从CFD到ANN的精度突破

1. 项目概述:当探测器遇上神经网络在高能物理实验的前沿,时间就是一切。无论是精确测量粒子的飞行时间以确定其动量,还是重建粒子碰撞的顶点,皮秒(ps,10^-12秒)量级的定时精度往往是决定实验成败…...

26年5月系分论文~写作思路深度拆解

Hello 我是方才,15人研发leader、5年团队管理&架构经验。文末,附26年10月最新软考备考资料备考交流群,群友可享受每月直播哟!2605系分论文分析今天系分和架构均已考完,方才先预祝所有考生均能逢考必过!…...

状态机设计模式优雅的进行通信解包~

正文大家好,我是bug菌~在早年玩单片机的时候,最开始接触到的通信协议基本上都是串口通信协议了吧,那时候拿到一个通信需求无非想着怎么设计一个不错的通信协议,然后写出来一套惊艳的解析算法,在实践过程中你肯定遇到过…...

CentOS 7最小化安装后,复制粘贴和网络配置的保姆级教程(附图形界面切换)

CentOS 7最小化安装后的生存指南:从零配置到高效开发环境搭建刚完成CentOS 7最小化安装的新手用户,往往会陷入一种"手足无措"的状态——既无法从宿主机复制粘贴命令,又无法连接网络更新系统。这种困境就像被丢进一个没有工具的荒岛…...

Transformer模型推理性能实测:PyTorch+A10 GPU与MLX+Apple Silicon对比

1. 项目概述与背景最近在部署几个基于Transformer的NLP服务时,遇到了一个经典的选择题:是继续沿用我们团队熟悉的PyTorch NVIDIA GPU方案,还是尝试拥抱苹果生态,用MLX框架在Mac上跑推理?这个问题在团队内部引发了不小…...

从华为EulerOS到openEuler:一个国产操作系统的开源之路与社区生态

从华为EulerOS到openEuler:一个国产操作系统的开源之路与社区生态在开源软件的世界里,每一个成功项目的背后都有一段独特的故事。当华为决定将其内部使用的EulerOS操作系统开源为openEuler时,这不仅是一个技术决策,更是一次关于开…...

DYNAMIX:基于强化学习的动态批处理优化,破解分布式训练效率与精度困局

1. 项目概述与核心痛点在分布式机器学习(DML)的实际部署中,有一个参数总是让工程师们又爱又恨,那就是批处理大小(Batch Size)。它不像学习率那样有丰富的理论指导,也不像网络结构那样有清晰的演…...

纯前端到底要不要学 Java

最近被问了好几次:纯前端有没有必要学 Java。这问题其实没有标准答案,得看你现在在做什么、后面想往哪走。如果你平时的工作就是调 RESTful 接口、拿数据渲染页面,后端全给你包好了,那 Java 不学完全没问题。把 React、Vue 这些前…...

脉冲神经网络在工业预测性维护中的低功耗应用

1. 脉冲神经网络在工业预测性维护中的低功耗革命在工业物联网(IIoT)领域,设备健康监测一直面临着能耗与精度的双重挑战。传统振动监测方案需要将高分辨率数据上传云端分析,不仅产生巨大通信开销,更限制了电池供电设备的续航能力。我们团队最近…...

双线性系统与RNN架构演进:从理论到实践

1. 双线性系统基础与RNN架构演进 双线性系统作为控制理论中的重要模型类别,其数学本质是状态变量与控制输入的乘积项构成的动态系统。这类系统在形式上可以表示为: dx/dt Ax Bu Nxu y Cx Du其中Nxu项就是典型的双线性耦合项。这种结构在保持线性系…...

Google I/O 2026 | 开发者主题演讲精华集锦

作者 / Google I/O 团队AI 已不再只是提供辅助,而是迈向了能够在整个工作流中独立处理复杂任务的智能体阶段。在今年的 I/O 大会上,我们发布了 Gemini 3.5 系列模型,并升级了我们的 "智能体优先" 式开发平台 Antigravity&#xff0…...