常用包说明

\documentclass{proc} % 一个基于 article 的会议文集文件类型
\usepackage[utf8]{inputenc} % 输入编码 utf-8
\usepackage{natbib} % 参考文献引用格式
\usepackage{graphicx} % 插图的标准宏包
\usepackage{authblk} % 自定义作者环境
\usepackage{soul} % 文本强调
\usepackage{xcolor} % 提供了更方便的混色语法
\usepackage{booktabs} % 三线表
\usepackage{adjustbox} % 图片文档对齐
\usepackage{lscape} % 单页面变为横置
\usepackage[margin=.6in, footskip=.75cm]{geometry} % 设置页面各部分尺寸
\usepackage{hyperref} % 超链接与其他 PDF 专有功能
\usepackage{rotating} % 旋转文字，图像，表格等对象

LaTex常用包及其功能：https://blog.csdn.net/i1020/article/details/98525978

Rdkit 使用

小技巧

禁用 log

from rdkit import RDLogger
RDLogger.DisableLog('rdApp.*')

PyMol 使用

参考：http://pymol.chenzhaoqiang.com/index.html

3D 模型操作

模型的对齐（align）

和 PDB 中已有模型做对齐

pymol grafting/model-0.relaxed.pdb

# Input in pymol command line
fetch 4m5y  # fetch 4m5y as framework to compare
alignto  # alignto 4m5y for close comparison 

和本地模型做对齐

将已有的两个模型同时打开，并比较其结构的相似性。

总体介绍

目前抗体圈主要是在英美。美国以 RosettaCommons 为核心，有好多人在做抗体设计。英国以 Oxford 的 Charlotte Deane 为代表，有很多研究人员做此方向。

Rosetta 目前被蛋白质设计相关组广为使用。主要是美国的一些科研机构在用。包含抗体序列numbering、抗体结构预测、抗体抗原 docking 和 抗体设计等项目的多个软件。Numbering 主要用的是 PyIgClassify (2015), 抗体结构预测包括 RosettaAntibody(2009), AbPredict (2016, 2019), 和 RosettaCM (2013)，抗体抗原 docking 包括 RosettaDock (2008) 和 *SnugDock(2010)，抗体设计包括 RosettaAntibodyDesign (RAbD, 2018) 和 AbDesign (2015)，通过引用量来看 RosettaCM (748)，RosettaAntibody (2009, 175)，RosettaDock (2008, 516) 和 SnugDock (2010, 122) 用的人较多。另外，Rosetta 有个在线平台 Rosie，提供在线服务，做蛋白质结构预测和 Docking 等，https://rosie.rosettacommons.org/queue。

镜像使用

docker pull 获取镜像

docker pull informaticsmatters/rdock

docker run 从镜像创建容器

docker run -it --rm -u $(id -u):$(id -g) -v $PWD:$PWD:Z -w $PWD informaticsmatters/rdock bash # 启动 bash

在 docker 中运行命令

在启动容器时运行

docker run -it --rm ubuntu:18.04 bash

在 bash 中直接运行

docker run -it --rm ubuntu:18.04 bash
rbdock

在 DockerFile 中使用 CMD 命令运行

FROM frolvlad/alpine-oraclejre8
ARG JAR_FILE_NAME
ADD target/${JAR_FILE_NAME} app.jar
 
CMD java -jar /app.jar

外部访问容器

入门介绍

用 apt 安装：

https://yeasy.gitbook.io/docker_practice/install/ubuntu

Reinvent 系列介绍

Reinvent 是阿斯利康开发的一系列利用 AI 技术做药物研发的工具。包括：

1. Reinvent：一个利用强化学习进行化学分析发现的工具，支持新的 scaffold 发现、基于 scaffold 的活性分子生成、分子优化等功能。后面会详细介绍。

总结

这个讲座，对于系统认识 AI 药物设计领域非常有帮助。核心的流程包括：生成、活性评估+RL、成药性筛选+RL、合成、测试、反馈。其中，生成用 AI model，评估用物理模型+AI，合成可以通过计算 retro-syntehsis path 来实现，测试用 AI 实验室，反馈是对实验结果做分析。