蛋白小分子结合力预测机器学习+openmm蛋白python模拟
1.预测蛋白小分子结合能力，机器学习，随机森林。
参考: 1由github/deepchem衍生而来，修改了openmm和pdbfixer的安装方法，修改了conda的安装方法, 原项目如下。
修改后项目
训练集合线性相关R平方>0.9，但预测集合几乎没有任何线性相关。
本次脚本运行的机器学习无法准确预测蛋白和小分子的亲和力，这也从侧面印证了这一课题的高难度，也说明机器学习在该方向的应用仍然不够成熟。
补充：因时间关系，本文作者也没有运行过更大的数据集情况下的准确度，即有可能当我们使用更大的训练集合后，以上脚步将展现出一定的预测能力， 请在新的注释版本内叉掉默认的大数据集(代码位置靠后) ，进行更长时间的训练，以验证是否会提升预测能力。
-----------------------------以上，以下两个项目并无直接关联，请悉知----------------------
2. openmm简约版本蛋白共晶动力学模拟(GPU)
2由openmm 官方tutorial衍生而来，添加了conda安装命令，添加了pdbfixer一段，提供了可供任意使用者自己修改蛋白编码的第五句代码，并修改了输入输出文件的名称。该项目并无对应的原始项目，以下为个人创建。
只需修改第五句代码行的蛋白编码，其他所有均无需修改。
注意，以上默认脚本为只模拟蛋白质，不含小分子。
如希望模拟中包含小分子，建议在该脚本基础上采用charmm gui的输入文件
完成后下载output.pdb，使用任意可视化软件分析，如pymol，vmd等。该动力学流程完全基于python，只用了很少代码即可完成一个模拟，对操作者相对友好。或在线安装 https://www. mdtraj.org/1.9.5/instal lation.html 进行分析。