Notebook

Resfile System¶

@Author: 吴炜坤

@email：weikun.wu@xtalpi.com/weikunwu@163.com

Resfile是控制Packer的外部输入文件，用于告诉Rosetta Packer如何对结构中的每一个氨基酸侧链自由度进行定义。Resfile以文件的形式被ReadResfile函数读取并生成对应的TaskOperation。用户可以很方便地在外部进行快速的定义，而不需要写出复杂的selector+RLT的方式。但Resfile系统的缺点是每个文件的定义都需要人去处理，无法自动化完成任务。

In [1]:

# 初始化PyRosetta
from pyrosetta import init, pose_from_pdb
from pyrosetta.rosetta.core.pack.task.operation import ReadResfile
from pyrosetta.rosetta.core.pack.task import TaskFactory
init()
pose = pose_from_pdb('./data/helix.pdb')

PyRosetta-4 2021 [Rosetta PyRosetta4.conda.mac.cxx11thread.serialization.python37.Release 2021.26+release.b308454c455dd04f6824cc8b23e54bbb9be2cdd7 2021-07-02T13:01:54] retrieved from: http://www.pyrosetta.org
(C) Copyright Rosetta Commons Member Institutions. Created in JHU by Sergey Lyskov and PyRosetta Team.
core.init: {0} Checking for fconfig files in pwd and ./rosetta/flags
core.init: {0} Rosetta version: PyRosetta4.conda.mac.cxx11thread.serialization.python37.Release r288 2021.26+release.b308454c455 b308454c455dd04f6824cc8b23e54bbb9be2cdd7 http://www.pyrosetta.org 2021-07-02T13:01:54
core.init: {0} command: PyRosetta -ex1 -ex2aro -database /opt/miniconda3/lib/python3.7/site-packages/pyrosetta/database
basic.random.init_random_generator: {0} 'RNG device' seed mode, using '/dev/urandom', seed=-867162182 seed_offset=0 real_seed=-867162182 thread_index=0
basic.random.init_random_generator: {0} RandomGenerator:init: Normal mode, seed=-867162182 RG_type=mt19937
core.chemical.GlobalResidueTypeSet: {0} Finished initializing fa_standard residue type set.  Created 984 residue types
core.chemical.GlobalResidueTypeSet: {0} Total time to initialize 0.668191 seconds.
core.import_pose.import_pose: {0} File './data/helix.pdb' automatically determined to be of type PDB
core.conformation.Conformation: {0} [ WARNING ] missing heavyatom:  OXT on residue GLY:CtermProteinFull 14

一、Resfile的基本格式¶

在Resfile中，我们使用的编号策略是: PDB Numbering, 并且大小写敏感。通常一个Resfile的格式包括两部分:HEADER & BODYs.

每个部分的作用:

HEADER: 控制全局如何进行Rotamer搜索方式；
BODY: 记录明确指定的特定位置或范围氨基酸Rotamer搜索方式；

Resfile实例:

(图片来源: 晶泰科技团队)

二、HEADER的语法与编写¶

2.1 全局自由度控制¶

这部分语法实现的是除BODY部分中出现的氨基酸位点进行自由度控制，控制可以设置为Design/Repacking/No_repack三种基本状态。以下列举所有的语法:

ALLAA ......... # 允许设计为20种氨基酸
ALLAAxc ......... # 允许设计为非半胱氨酸以外的所有氨基酸
POLAR ......... # 允许设计极性氨基酸(DEHKNQRST)
APOLAR ......... # 允许设计非极性氨基酸(ACFGILMPVWY)
NOTAA ......... # 不允许设计为特定的氨基酸列表。(列表连续编写无空格)
PIKAA ......... # 只允许设计为特定的氨基酸列表。(列表连续编写无空格)
NATAA ......... # Repack当前氨基酸类型，只允许构象变化。
NATRO ......... # NoRepack不允许构象变化。
PROPERTY ......... # 只允许设计为有以下性质的氨基酸

PROPERTY一般常用可选:

METAL: 金属离子
POLAR: 极性氨基酸
HYDROPHOBIC: 疏水氨基酸
CHARGED: 带电氨基酸
NEGATIVE_CHARGE: 带负电氨基酸
POSITIVE_CHARGE: 带正电氨基酸
AROMATIC: 芳香族氨基酸

编写一个NATRO相关的Resfile的demo:

NATRO
START

In [2]:

# restrict to baestype list
resfile_type = ReadResfile('./data/NATRO.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	FALSE	FALSE	
2	FALSE	FALSE	
3	FALSE	FALSE	
4	FALSE	FALSE	
5	FALSE	FALSE	
6	FALSE	FALSE	
7	FALSE	FALSE	
8	FALSE	FALSE	
9	FALSE	FALSE	
10	FALSE	FALSE	
11	FALSE	FALSE	
12	FALSE	FALSE	
13	FALSE	FALSE	
14	FALSE	FALSE

练习¶

尝试写更多的Resfile并读取到上述的代码中，比较不同语法之间的差异。

2.2 Rotamer采样丰度的设置:¶

Rosetta Pack采样Rotamer时是离散的，默认只会采纳每个格点的中心富集的构象，我们可以通过Extra Rotamer相关控制手段来增加Rotamer的采样，默认扩充采样时，采集Rotamer时会额外考虑平均 $\chi$ 的+/-1个标准差的构象。这种Extra Rotamer相关控制仅对包埋的残基有效！

只要在Resfile中HEADER中使用Extra Rotamer Commands字段即可，目前针对不同的氨基酸有四种编写方式:

EX <chi-id> LEVEL <level-value> 语法
- EX <chi-id> 代表指定对侧链中第几个 $\chi$ 角进行扩大采样, 如EX 1 EX 2 代表同时对 $\chi_{1}$ 角和 $\chi_{2}$ 角扩大采样
- LEVEL <level-value> 代表如何允许的 $\chi$ 角标准差范围，如果缺省这部分的参数默认为+/-1个标准差
EX ARO <chi-id> LEVEL <level-value> 语法
- EX ARO <chi-id> 代表指定对侧链中第几个 $\chi$ 角进行扩大采样, 但范围仅限于芳香族氨基酸(FHWY)！
- LEVEL <level-value> 代表如何允许的 $\chi$ 角标准差范围，如果缺省这部分的参数默认为+/-1个标准差
EX_CUTOFF <number of neighbors> 语法
- Rosetta默认不会对处于蛋白表面的氨基酸进行额外Rotamer采集，除非用户显式地设置(EX_CUTOFF >=0等)，来改变“包埋”氨基酸的判断条件。默认为统计当前氨基酸10埃范围内残基数量，当数量大于设定的阈值时，认为是"包埋"的氨基酸，进行额外的Rotamer采样。因此通常EX_CUTOFF被显式地设置为0(默认值为18)，来考虑所有的氨基酸位点都做Rotamer。
USE_INPUT_SC 语法
- 第一轮Packer时考虑初始输入的侧链Rotamer构象

LEVEL参数目前有7个级别:

0 ...... no extra chi angles
1 ...... sample at 1 standard deviation
2 ...... sample at 1/2 standard deviation
3 ...... sample at two full standard deviations
4 ...... sample at two 1/2 standard deviations
5 ...... sample at four 1/2 standard deviations
6 ...... sample at three 1/3 standard deviations
7 ...... sample at six 1/4 standard deviations

以下举一个控制Rotamer丰度的Resfile例子:

NATRO
EX 1 EX 2
START

In [3]:

# restrict to baestype list
resfile_type = ReadResfile('./data/EX1EX2.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)

# 查看每个残基的Rotamer采样级别:
print(packer_task.task_string(pose))

start
1 A  NATRO  EX ARO 1 EX ARO 2
2 A  NATRO  EX ARO 1 EX ARO 2
3 A  NATRO  EX ARO 1 EX ARO 2
4 A  NATRO  EX ARO 1 EX ARO 2
5 A  NATRO  EX ARO 1 EX ARO 2
6 A  NATRO  EX ARO 1 EX ARO 2
7 A  NATRO  EX ARO 1 EX ARO 2
8 A  NATRO  EX ARO 1 EX ARO 2
9 A  NATRO  EX ARO 1 EX ARO 2
10 A  NATRO  EX ARO 1 EX ARO 2
11 A  NATRO  EX ARO 1 EX ARO 2
12 A  NATRO  EX ARO 1 EX ARO 2
13 A  NATRO  EX ARO 1 EX ARO 2
14 A  NATRO  EX ARO 1 EX ARO 2

可见所有位点的Rotamer都会额外采集 $\chi_{1}$ 和 $\chi_{2}$ 角。（上述结果存在显示错误，我们并没有设置ARO，其实是没有设置ARO的。因此不影响实际的运行效果）

除了全局控制，我们可以还可在HEADER中特定地给一些氨基酸设置额外Rotamer采集：

1. EX 1 EX 2

2. EX ARO 2

3. EX 1 LEVEL 7

4. EX 1 EX ARO 1 LEVEL 4

练习¶

思考上述语法的具体含义。

三、BODY的语法与编写¶

BODY部分用于指明特定位点或范围的氨基酸Rotamer自由度。指定的形式一共有4种。

特定单个位点指定
指定位点范围
指定链范围
多重指定

3.1 位点指定¶

第一列为氨基酸的PDB编号(允许有insert code)。第二列为PDB链编号，第三列为COMMAND项。

基本语法:

<PDBNUM>[<ICODE>] <CHAIN> <COMMANDS>

注: ICODE是指PDB中存在特殊插入编号字符时使用，如抗体等有特殊编号的系统，和PDBNUM连续编写如35A，35B等。正常的PDBNUM应该只有数字。

使用举例:

NATRO
EX 1 EX 2
START

3 A ALLAA # 3号位允许设计为20种氨基酸
4 A APOLAR # 4号位只允许在非极性氨基酸范围

In [4]:

# restrict to baestype list
resfile_type = ReadResfile('./data/position_mut.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	FALSE	FALSE	
2	FALSE	FALSE	
3	TRUE	TRUE	ALA,CYS,ASP,GLU,PHE,GLY,HIS,HIS_D,ILE,LYS,LEU,MET,ASN,PRO,GLN,ARG,SER,THR,VAL,TRP,TYR
4	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
5	FALSE	FALSE	
6	FALSE	FALSE	
7	FALSE	FALSE	
8	FALSE	FALSE	
9	FALSE	FALSE	
10	FALSE	FALSE	
11	FALSE	FALSE	
12	FALSE	FALSE	
13	FALSE	FALSE	
14	FALSE	FALSE

3.2 位点范围进行指定¶

范围氨基酸指定格式:

<PDBNUM>[<ICODE>] - <PDBNUM>[<ICODE>] <CHAIN> <COMMANDS>

使用举例:

NATRO
EX 1 EX 2
START

1 - 5 A APOLAR # A链1-5号位只允许在非极性氨基酸范围

In [5]:

# restrict to baestype list
resfile_type = ReadResfile('./data/range_mut.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	TRUE	TRUE	ALA:NtermProteinFull,CYS:NtermProteinFull,PHE:NtermProteinFull,GLY:NtermProteinFull,ILE:NtermProteinFull,LEU:NtermProteinFull,MET:NtermProteinFull,PRO:NtermProteinFull,VAL:NtermProteinFull,TRP:NtermProteinFull,TYR:NtermProteinFull
2	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
3	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
4	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
5	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
6	FALSE	FALSE	
7	FALSE	FALSE	
8	FALSE	FALSE	
9	FALSE	FALSE	
10	FALSE	FALSE	
11	FALSE	FALSE	
12	FALSE	FALSE	
13	FALSE	FALSE	
14	FALSE	FALSE

3.3 链为单位进行指定¶

链单位指定基本格式:

* <CHAIN> <COMMANDS>

使用举例:

NATRO
EX 1 EX 2
START

* A PROPERTY HYDROPHOBIC # A链所有位点可设计为疏水的天然氨基酸

In [6]:

# restrict to baestype list
resfile_type = ReadResfile('./data/chain_range.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

# 查看每个残基的Rotamer采样级别:
print(packer_task.task_string(pose))

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	TRUE	TRUE	PHE:NtermProteinFull,ILE:NtermProteinFull,LEU:NtermProteinFull,MET:NtermProteinFull,VAL:NtermProteinFull,TRP:NtermProteinFull,TYR:NtermProteinFull
2	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
3	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
4	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
5	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
6	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
7	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
8	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
9	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
10	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
11	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
12	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
13	TRUE	TRUE	PHE,ILE,LEU,MET,VAL,TRP,TYR
14	TRUE	TRUE	PHE:CtermProteinFull,ILE:CtermProteinFull,LEU:CtermProteinFull,MET:CtermProteinFull,VAL:CtermProteinFull,TRP:CtermProteinFull,TYR:CtermProteinFull

start

3.4 非标准氨基酸的指定¶

当在BODY中想引入非标准氨基酸时，需要特殊的格式进行指定(2019年版本的Rosetta支持该语法)

<PDBNUM>[<ICODE>] <CHAIN> <COMMANDS> X[ncaa]

不同的地方在于COMMANDs部分: 非标准氨基酸加入前必须加入"X[ncaa]" ncaa=非标准氨基酸的三字母缩写

使用举例:

NATRO
EX 1 EX 2
START

5 A PIKAA X[B36]X[A20] # 5号引入单点非标准氨基酸B36以及A20非标准氨基酸

In [7]:

from pyrosetta.rosetta.core.pack.palette import CustomBaseTypePackerPalette
# restrict to baestype list
resfile_type = ReadResfile('./data/ncaa.resfile')

# 先在CustomBaseTypePackerPalette引入NCAA列表
pp = CustomBaseTypePackerPalette()
pp.add_type('B36')
pp.add_type('A20')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.set_packer_palette(pp) ## 加载Palette到TaskFactory中;
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	FALSE	FALSE	
2	FALSE	FALSE	
3	FALSE	FALSE	
4	FALSE	FALSE	
5	TRUE	TRUE	B36,A20
6	FALSE	FALSE	
7	FALSE	FALSE	
8	FALSE	FALSE	
9	FALSE	FALSE	
10	FALSE	FALSE	
11	FALSE	FALSE	
12	FALSE	FALSE	
13	FALSE	FALSE	
14	FALSE	FALSE

3.5 多重逻辑指定¶

在Resfile中，如果BODY部分指定发生了重叠，有两种处理方式:

如果BODY是同一种指定级别，按照交集逻辑进行处理，无交集时为空集。
不同指定级别时，单位点指定的优先级高于范围级指定的优先级

使用举例:

NATRO
EX 1 EX 2
START

1 - 5 A APOLAR # A链1-5号位只允许在非极性氨基酸范围内进行Rotamer搜索
3 - 5 A POLAR  # A链3-5号位只允许在极性氨基酸范围内进行Rotamer搜索

In [8]:

# restrict to baestype list
resfile_type = ReadResfile('./data/multi-logic.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	TRUE	TRUE	ALA:NtermProteinFull,CYS:NtermProteinFull,PHE:NtermProteinFull,GLY:NtermProteinFull,ILE:NtermProteinFull,LEU:NtermProteinFull,MET:NtermProteinFull,PRO:NtermProteinFull,VAL:NtermProteinFull,TRP:NtermProteinFull,TYR:NtermProteinFull
2	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
3	FALSE	FALSE	
4	FALSE	FALSE	
5	FALSE	FALSE	
6	FALSE	FALSE	
7	FALSE	FALSE	
8	FALSE	FALSE	
9	FALSE	FALSE	
10	FALSE	FALSE	
11	FALSE	FALSE	
12	FALSE	FALSE	
13	FALSE	FALSE	
14	FALSE	FALSE

同一指定级别，3-5号氨基酸自由度为空集。

另外一种情况:

使用举例:

NATRO
EX 1 EX 2
START

1 - 5 A APOLAR # A链1-5号位只允许在非极性氨基酸范围内进行Rotamer搜索
3 A POLAR  # A链3号氨基酸设计为极性氨基酸范围

In [9]:

# restrict to baestype list
resfile_type = ReadResfile('./data/multi-logic2.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	TRUE	TRUE	ALA:NtermProteinFull,CYS:NtermProteinFull,PHE:NtermProteinFull,GLY:NtermProteinFull,ILE:NtermProteinFull,LEU:NtermProteinFull,MET:NtermProteinFull,PRO:NtermProteinFull,VAL:NtermProteinFull,TRP:NtermProteinFull,TYR:NtermProteinFull
2	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
3	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
4	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
5	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
6	FALSE	FALSE	
7	FALSE	FALSE	
8	FALSE	FALSE	
9	FALSE	FALSE	
10	FALSE	FALSE	
11	FALSE	FALSE	
12	FALSE	FALSE	
13	FALSE	FALSE	
14	FALSE	FALSE

得到的结果: 3号设计为极性氨酸，1-2，4-5号氨基酸设计为非极性氨基酸。因为单位点优先级高于氨基酸范围指定。

再举一个例子:

NATRO
EX 1 EX 2
START

* A POLAR  # A链所有氨基酸设计为极性氨酸
1 - 5 A APOLAR # A链1-5号位只允许在非极性氨基酸范围内进行Rotamer搜索

In [10]:

# restrict to baestype list
resfile_type = ReadResfile('./data/multi-logic3.resfile')

# 将TaskOperations加载至TaskFactory中
pack_tf = TaskFactory()
pack_tf.push_back(resfile_type)

# 生成PackerTask
packer_task = pack_tf.create_task_and_apply_taskoperations(pose)
print(packer_task)

#Packer_Task

Threads to request: ALL AVAILABLE

resid	pack?	design?	allowed_aas
1	TRUE	TRUE	ALA:NtermProteinFull,CYS:NtermProteinFull,PHE:NtermProteinFull,GLY:NtermProteinFull,ILE:NtermProteinFull,LEU:NtermProteinFull,MET:NtermProteinFull,PRO:NtermProteinFull,VAL:NtermProteinFull,TRP:NtermProteinFull,TYR:NtermProteinFull
2	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
3	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
4	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
5	TRUE	TRUE	ALA,CYS,PHE,GLY,ILE,LEU,MET,PRO,VAL,TRP,TYR
6	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
7	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
8	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
9	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
10	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
11	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
12	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
13	TRUE	TRUE	ASP,GLU,HIS,HIS_D,LYS,ASN,GLN,ARG,SER,THR
14	TRUE	TRUE	ASP:CtermProteinFull,GLU:CtermProteinFull,HIS:CtermProteinFull,HIS_D:CtermProteinFull,LYS:CtermProteinFull,ASN:CtermProteinFull,GLN:CtermProteinFull,ARG:CtermProteinFull,SER:CtermProteinFull,THR:CtermProteinFull

得到的结果: 1-5号设计为非极性氨酸，其余氨基酸设计为极性氨基酸。因为氨基酸范围指定优先级大于链范围指定。

In [ ]: