AI-Dock & AI-Dock Plus

AI-Dock

AI-Dock은 AI를 활용해 결합 에너지(kcal/mol)를 기반으로 단백질-리간드 상호작용을 예측하고
딥러닝 모델을 통해 정확도를 높이는 혁신적인 도킹 프로그램입니다.
선행 모듈: PocketFinder

ai-dock-1
ai-dock-1-1

파라미터

도킹박스 확인

ai-dock-2
도킹 과정을 시작하기 전, 도킹 박스를 확인합니다.
박스 위치를 옮기거나 크기를 조정할 수 있습니다.

도킹 옵션

파마코-넷에서 제공하는 리간드 라이브러리(Ligand Select)에서 리간드를 선택하거나,
사용자의 컴퓨터에 저장되어 있는 리간드 파일(Ligand Upload)을 업로드하여 표적 단백질과 도킹할 수 있습니다.

ai-dock-3
① Number of Results: 결합 에너지 결과 표시 개수
기본적으로 결합 에너지를 기준으로 상위 500개의 결과를 표시(모든 스크리닝 결과를 얻도록 조정 가능)
② Ligand Select or Ligand Upload:
- "Random"을 선택하고 라이브러리(FDA, Enamine, Mcule, Natural Origin 등)를 선택한 후 스크리닝 할 리간드의 수를 입력
- "Upload"를 선택하고 스크리닝 할 리간드가 포함된 zip 파일을 업로드
③ GPU Threading Count: 도킹에 사용할 GPU 개수
기본적으로 1개의 스레드 사용(스레드 수를 늘리면 스크리닝 프로세스를 더 빠르게 진행 가능)

최적의 스크리닝 프로세스 조건을 보장하려면 고급 옵션을 기본값으로 유지하는 것이 좋습니다.

ai-dock-4
① Number of Runs: 자동 도킹 실행 횟수
② Population Size: 개체군 내 개체 수로 각 개체는 유전자형과 그에 연관된 표현형의 결합체
③ Heuristics: 휴리스틱 알고리즘 사용 여부
도킹에서 휴리스틱 알고리즘을 사용하면 최적의 결합 구조를 식별할 확률을 높이기 위해 구조적 공간을 더 효율적이고 효과적으로 탐색
④ RmStol: 루트 평균 제곱 편차 허용 오차(단위: 옹스트롬, Å)
RMSD를 기준으로 유사한 리간드 컨포머를 클러스터링하여 가장 가능성이 높은 결합 모드를 식별하고 그룹화하는 기준을 설정
⑤ Ligand Types: 리간드에 존재하는 원자의 종류
⑥ Keep Ligand: 도킹 시뮬레이션 동안 사용자가 원본 단백질 파일에서 유지하고 싶은 리간드 선택