MDEMATTQISKDELDELKEAFAKVDLNSNGFICDYELHELFKEANMPLPGYKVREIIQKLMLDGDRNKDG
KISFDEFVYIFQEVKSSDIAKTFRKAINRKEGICALGGTSELSSEGTQHSYSEEEKYAFVNWINKALEND
PDCRHVIPMNPNTDDLFKAVGDGIVLCKMINLSVPDTIDERAINKKKLTPFIIQENLNLALNSASAIGCH
VVNIGAEDLRAGKPHLVLGLLWQIIKIGLFADIELSRNEALAALLRDGETLEELMKLSPEELLLRWANFH
LENSGWQKINNFSADIKDSKAYFHLLNQIAPKGQKEGEPRIDINMSGFNETDDLKRAESMLQQADKLGCR
QFVTPADVVSGNPKLNLAFVANLFNKYPALTKPENQDIDWTLLEGETREERTFRNWMNSLGVNPHVNHLY
ADLQDALVILQLYERIKVPVDWSKVNKPPYPKLGANMKKLENCNYAVELGKHPAKFSLVGIGGQDLNDGN
QTLTLALVWQLMRRYTLNVLEDLGDGQKANDDIIVNWVNRTLSEAGKSTSIQSFKDKTISSSLAVVDLID
AIQPGCINYDLVKSGNLTEDDKHNNAKYAVSMARRIGARVYALPEDLVEVKPKMVMTVFACLMGRGMKRV
用swiss-model (3 models)和modeller (6 models)分别预测给定序列的结构，并用PROCHECK，Molprobity，Errat, Verify_3D分别评价所得预测模型，详细注释所得结果
依据打分情况，选出最佳的模型，说明理由。
建模注意事项：
了解本序列的结构组成（有几个结构域，分别是什么结构域……）
有针对性选择合适的模板进行建模
最后选出的最优模型用VMD显示三维结构，并注明每个结构域的位置
为了对序列结构有个大体认识，现在uniprot中对序列进行BLAST，通过查找相似序列所对应蛋白质的结构，查看其结构域。发现人类Plastin-3蛋白质和给定序列Identity和Coverage都为100.0%，初步断定两者有相同的结构域，共计2个EF-hand，2个Actin-binding，然后每个Actin-binding都有两个亚基。
图表 1结构域
首先，进入swiss-model，输入序列，点击“Search For Templates”会单纯地进行模板搜索，搜索完毕后，根据需求，自己选择模板建模。点击“Build Model”会进行模板搜索，并自动选择模板建模，下面使用“Build Model”自动建模。
图表 2建模界面
图表 3建模结果
可以看出来，总共搜出来50个Template模板，然后总共建出来5个Model。此处选择1个看上去漂亮的Model即可。
将模型下载为PDB格式，放进VMD可视化，整个蛋白质给人一种复杂精巧的感觉。(事实上是因为Swiss-model单模板建模，蛋白质不完整)
Modeller教程：https://salilab.org/modeller/tutorial/basic.html
把以下两个教程中用到的文件下载下来，然后照着教程做一遍就可以大致明白了
https://salilab.org/modeller/tutorial/basic-example.zip
https://salilab.org/modeller/tutorial/advanced-example.zip
PS：Modeller安装后，会在开始菜单生成Modeller的命令框，在框内输入 “ mod9.18 脚本名称 ”即可。如果想运行速度更快，推荐python2.7，安装后"python 脚本名称"即可。
第一步、搜寻模板
Searching forstructures related to your protein sequence AND Selecting a template
搜寻模板、此步骤有很多种做法
1、 精致式做法：用Modeller的build_profile.py从本地序列数据库搜索，然后使用compare.py比较各个Template模板，得到一个distance matrix距离矩阵，然后根据距离矩阵，选择出想要的模板。（这种方法需要用到basic-example里面的pdb_95.pir，也可以在https://salilab.org/modeller/supplemental.html里面下载）
2、 粗放式做法：使用uniprot或者PDB等数据库的blast，搜出来相似序列，然后进入PDB找出心仪的序列，下载PDB结构，作为模板。
3、 简便式做法：直接使用swiss-model搜索出来的Template模板。
此处选择第三种方法，此种方法方便快捷，而且效果较好。
第二步、模板比对
Aligning yourprotein sequence with template
将自己的序列，按照basic-example文件夹中对应文件，改成ali格式，使用mod9.18运行align2d.py文件，生成myprotein-1aoaA.ali和myprotein-1aoaA.pap文件。
第三步、模型建立
Modelbuilding
模型建立，使用model-single.py，建立模型，总共生成六个模型
图表 4model-single结果
此处可以看出六个模板初步评估结果molpdf和DOPE score越低越好，GA341 score越接近1越好，这里选择第二个模型myprotein.B99990002.pdb
第四步、模型评估
图表 5单模板VMD可视化
使用VMD进行可视化，可以明显看出有大段区域没有进行建模，形成了三段尾巴，看出来单模板建模由于信息量有限，结果不好。
第一步、模板合并
首先使用salign.py进行模板间比对，从而合并各个模板。
第二步、模板比对
使用align2d_mult.py进行模板比对
第三步、手工添加模板
由于之前下载的多模板，从coverage可以看出来，都缺少开头的一段序列，因此进入swiss-model再拿开头的一段序列，寻找对应的模板2f2oA，然后使用单序列比对align2d.py，生成myprotein-2f2oA.ali比对结果文件，补充进myprotein-mult.ali
（注意，如果之前拿去Swiss-model搜模板是开头的那150个氨基酸，比对的时候myprotein最好用250个左右的氨基酸，从而使得插的空位是补在2f2oA序列上）
第四步、模型建立
使用model_mult.py建立模型
图表 6model_mult结果
第五步、模型可视化
图表 7多模板VMD可视化
选择第三个模型进行可视化，毕竟是三个同源模板+一个补空位的模板，可视化效果很不错。
Modeller多模板建模深度优化
尝试进行Loop refining
首先，使用模型评价脚本evaluate_model.py，找到需要优化的区域，但是由于多模板建模没有生成几个模板合成的PDB文件，plot_profiles.py脚本不能用，自己用R语言绘图，然而由于无法绘制模板曲线，无法找到优化区域，此优化目前没有找到进行下去的办法
https://salilab.org/modeller/tutorial/advanced.html
使用model-segment.py脚本，指定用于建模的氨基酸长度，原来脚本也是不能简单地直接两个模板，我只能单纯地去掉前120个氨基酸，这样从原理上我就觉得还不如之前手动匹配氨基酸。
使用Modeller提供的在线服务，进行建模，改建模过程将花费较长时间，建议填写邮箱。
https://modbase.compbio.ucsf.edu/modweb/
模型细节
图表 8ModWeb模型细节
VMD可视化
选择第一个模型，由于是单模板，所以模板比较小，所以模型也就比较小，将模型下载为PDB格式，放进VMD可视化，这效果真的很棒，整个蛋白质就给人一种简洁而又不失精致、典雅而又不失自然的美感。
图表 9ModWeb的VMD可视化
接下来，将对Swiss-model、Modeller多模板建模、ModWeb三个结果进行模型评估。
Swiss-model、Modeller多模板建模和ModWeb的VMD可视化结果可见上文。下面将使用PROCHECK、Molprobity、Errat、 Verify_3D进行评估
使用http://services.mbi.ucla.edu/SAVES/工具，相当于检测大礼包，可以一起运行PROCHECK、Errat和Verify_3D
下图左图是Modeller多模板建模评分结果、中图是Swiss-model评分结果、右图是ModWeb评分结果。
PROCHECK是检测生理化学参数的，这个检测方式只有Swiss-model能评估，29个PASS，21个ERROR
VERIFY3D是检测3D结构的，Modeller多模板建模中83.97%的残基评分较高，Swiss-model建模中有92.06%的残基评分较高，ModWeb建模中有46.67%的残基评分较高，此项评估Swiss-model胜出。
Errat是根据结晶学评估蛋白质三维结构的，此时Swiss-model建模中得分为93.555，Modeller多模板建模得分为53.710，ModWeb评分为67.974，此项评估Swiss-model胜出。
Molprobity评估较为严格，需要经过加氢等一系列步骤，Swiss-model和ModWeb都有绿色较好的项，而Modeller最好的也是一个橙色的警告项，此项评估Swiss-model胜出。
Errat评估细节
黑线多就是错误率高，这项明显Swiss-model黑线要少得多，更好一些。
图表 10Swiss-model的Errat评分
图表 11Modeller的Errat评分
图表 12ModWeb的Errat评分
PROCHECK评估细节
下面是拉曼图（Ramachandran）左图是Swiss-model建模结果、中图是Modeller多模板结果，右图为ModWeb结果。
黄色为允许区域，红色为最大允许区域，白色为不允许区域。两者红色和黄色区域较为一致。
Molprobity评估细节
Molprobity会经过加氢等步骤，先对PDB文件进行修改，再评估，绿色为很好，橙色为警告，红色为不可接受。
图表 13 Swiss-model的Molprobity评分
图表 14 Modeller多模板的Molprobity评分
图表 15ModWeb的Molprobity评分
首先对VMD可视化结果大体观察，Swiss-model和Modeller看上去都蛮复杂，感觉像是有EF-hand和Actin-binding，其中Actin-binding大概也是有两个亚基，而ModWeb可视化后，实在是有点过于简单，看不出有这么复杂的结构，Swiss-model和Modeller多模板建模更胜一筹。
使用Swiss-model在线建模，Modeller多模板本地建模，Modeller在线服务器ModWeb建模，三者进行比较，可以发现Modeller本地建模和在线服务器ModWeb评分不相上下各项指标互有高低，多项指标Modeller比ModWeb要高，Swiss-model在线建模效果评分最好。
综上，目前Swiss-model建模效果评分最高，但是本质上Swiss-model和ModWeb都是单模板建模，没有成功建模的部分都没有加上去，所以我最后选择自己多模板建立的模型，并且可视化结构域。如果Modeller本地建模能继续优化，使用examples/automodel/model-segment.py指定各部分的模板，还能做得更好。
https://salilab.org/modeller/9.18/manual/node23.html
PS:做作业的时候发现13级学姐的帖子，大家也可以去参考一下：http://www.dxy.cn/bbs/topic/31372707
联系客服
