开源分子对接软件Ledock之--CPU并行用于虚筛选

前言

LeDock是一款开源分子对接软件，过往的对比研究显示LeDock在配体构象生成和打分上具有比较优势，从使用上看对接计算速度亦具有明显优势。LeDock默认使用单线程CPU计算分子对接任务，单机使用对当前多核心多线程的CPU利用不够。

本文介绍采用GNU parallel并行计算以及使用Slurm提交任务提高CPU利用率，实现高通量虚拟筛选，适合单机及HPC。
过往使用案例中，100个线程的机器每天可实现30~50万+小分子数据库的虚拟筛选，每天可以完成一个靶点在Specs数据库上的虚拟筛选工作。具有较好的性价比和实用性。

一、准备工作

操作系统及程序安装：
系统：Ubuntu 22.04
GNU Parallel的安装： Parallel的安装介绍
Slurm安装：Slurm安装介绍
LeDock安装：开源分子对接软件LeDock之–在单机上快速部署及使用

受体文件：pdb格式，pdbid 8U2E，命名为 com.pdb（其配体编号为UP9, 同上一篇博文）
虚拟筛选的数据库来源：ZINC 20 ,下载mol2结构文件，用lefrag拆分，每个小分子保存为一个.mol2文件。随机取其中999个分子，加入了UP9.mol2，共1000个分子，代表虚拟筛选的示例数据库。以上 1000个文件保存至数据库ligands_folder文件夹。
ZINC下载如下所示：

二、使用步骤

1. LeDock的安装

LeDock的安装，请参考上一篇博文：开源分子对接软件LeDock之–在单机上快速部署及使用

按照操作下载获得包含LeDock程序的 Lephar文件夹。

2. LeDock虚拟筛选脚本ledock_hts.sh的调整

ledock_hts.sh是基于LeDock，采用GNU Parallel和Slurm，在集群上用来高通量虚拟筛选的脚本，可以部署在单机或者HPC。脚本来源：https://github.com/cemilcansaylan/ledock_hts.

原脚本存在一些typo，使用的话需要做一些调整。 调整后的脚本ledock_hts_mod.sh可在此下载：ledock_hts_mod.sh

以下将展示如何使用ledock_hts_mod.sh，通过CPU并行用于高通量虚拟筛选，适合本地机器使用；如果使用HPC，在HPC Slurm安装好的前提下，调整Slurm运行脚本#SBATCH部分的内容，可以实现对多个计算节点的控制。

将以上提到的4个文件/文件夹保存于虚拟筛选的工作主目录（即 $main_folder），工作主目录内容如下所示：

3. 运行虚拟筛选

3.1 修改输入参数

用ledock_hts_mod.sh脚本的输入参数运行：

export main_folder=$(pwd)   ##获取main_folder路径

# 准备虚拟筛选输入文件和sbatch文件
./ledock_hts_mod.sh --workdir $main_folder \
					--task_number 2  \
					--receptor $main_folder/com.pdb \
					--ligands_folder $main_folder/ligands_folder \
					--center_coord 14.063 -5.323 -15.805 \
					--box_size 21.341 14.044 18.433 \
					--account bbdrug \
					--partition compute \
					--cpu 12 \
					--ledock_path $main_folder/Lephar \
					--gnu_parallel_path /usr/bin

以上参数的解释如下，具体需要根据实际情况配置，但每一项均不可缺省：
–workdir $main_folder ##主文件夹路径
–task_number 6 ##任务数量，即虚拟筛选分多少个task
–receptor $main_folder/com.pdb ##受体文件地址，可以是受体-配体复合物，也可以是单独受体结构
–ligands_folder $main_folder/ligands_folder ##数据库文件夹路径，保存拆分为包含单个mol2格式分子的数据库
–center_coord 14.063 -5.323 -15.805 ##docking box的中心点x y z，该项必须设置
–box_size 21.341 14.044 18.433 ##box size的x y z尺寸，该项必须设置
–account bbdrug ##Slurm Sbatch的账户名，设置一个即可
–partition compute ##Slurm Sbatch的partition，需要与Slurm设置匹配
–cpu 12 ##每个task使用的CPU数量，需要少于核数或者线程数
–ledock_path $main_folder/Lephar ##LeDock程序所在文件夹路径
–gnu_parallel_path /usr/bin ##parallel所在文件夹路径

以上就完成了ledock_hts_mod.sh参数的设定。
运行之后产生3项：sbatch_submit.job，inputs文件夹，docking_output文件夹。

以上，也可以用configure file方式运行ledock_hts_mod.sh，两者输出结果相同。
configure file内容如下，保存为ledock_hts.conf （注意：$main_folder需要使用绝对路径）

--workdir $main_folder
--task_number 6 
--receptor $main_folder/com.pdb 
--ligands_folder $main_folder/ligands_folder
--center_coord 14.063 -5.323 -15.805 
--box_size 21.341 14.044 18.433 
--account bbdrug 
--partition compute
--cpu 12 
--ledock_path $main_folder/Lephar 
--gnu_parallel_path /usr/bin

configure file作为输入的运行方式：

./ledock_hts_mod.sh --config ./ledock_hts.conf 

3.2 运行虚拟筛选任务并通过Slurm命令查看任务队列运行情况

#运行虚拟筛选任务:
bash ./sbatch_submit.job
#查看任务队列运行情况:
squeue

在笔者的工作站电脑上，运行~20min完成。
每个task结束后都会有slurm的.err和.out文件输出在主文件夹，可以在#SBATCH 脚本部分设置关闭输出。

3.3 运行结束后汇集虚拟筛选结果

用ledock_anal汇集对接结果到main_folder中的hts_summary.csv：

cd $main_folder/ligands_folder
$main_folder/Lephar/ledock_anal/ledock_anal.csh
mv ./docking_summary.txt $main_folder/hts_summary.csv
cd $main_folder

以下是部分hts_summary.csv 中的结果，展示有Energy及LE值。有4个分子打分高于固有配体UP9。

3.4 用ledock获取感兴趣分子的对接pose

在ligands_folder生成pose的pdb文件：

$main_folder/Lephar/ledock_linux_x86 -spli $main_folder/ligands_folder/UP9.dok	
$main_folder/Lephar/ledock_linux_x86 -spli $main_folder/ligands_folder/ZINC000013689727.dok
$main_folder/Lephar/ledock_linux_x86 -spli $main_folder/ligands_folder/ZINC000044917173.dok
$main_folder/Lephar/ledock_linux_x86 -spli $main_folder/ligands_folder/ZINC000013689725.dok
$main_folder/Lephar/ledock_linux_x86 -spli $main_folder/ligands_folder/ZINC000095353640.dok

3.5 用pymol查看感兴趣分子的对接pose

pymol	$main_folder/com.pdb \
		$main_folder/inputs/pro.pdb \
		$main_folder/ligands_folder/UP9_dock001.pdb \
		$main_folder/ligands_folder/ZINC000013689727_dock001.pdb \
		$main_folder/ligands_folder/ZINC000044917173_dock001.pdb \
		$main_folder/ligands_folder/ZINC000013689725_dock001.pdb \
		$main_folder/ligands_folder/ZINC000095353640_dock001.pdb

可以看到打分较高分子在母核部分叠合较多，侧链并不完全与固有配体UP9（绿色）一致。

三、使用注意事项

（1） center_coord, box_size分别是对接盒子长方体的中心点和长宽高尺寸，确定方式有多种，此处不再详述。需要按照对接需求设置；建议提交运行前，确认输入数据无误，保证docking site 为预定的空间。

（2）由于使用了export main_folder，整个运行及处理过程中，需要保持在同一个Terminal中输入，新打开的Terminal需要cd到main_folder，再次输入: export main_folder=$(pwd)，方可继续使用。

总结

本文介绍采用GNU parallel并行计算以及使用Slurm提交任务提高CPU利用率，实现LeDock高通量虚拟筛选，适合在单机及HPC上配置。

参考文献：

1. https://editor.csdn.net/md/?articleId=136072504
2. https://editor.csdn.net/md/?articleId=136057641
3. https://editor.csdn.net/md/?articleId=136002697