lightdock - - tutorials（zn-0.9.3）

用户10497140

发布于 2025-09-04 22:15:06

2260

文章被收录于专栏：生物医药生物医药

LightDock 是一种基于萤火虫群优化（GSO）算法的蛋白质-蛋白质、蛋白质-肽和蛋白质-DNA 对接协议。总而言之，LightDock 具有以下特点：

只需要结构配体的三维坐标来预测蛋白质-蛋白质、蛋白质-肽或蛋白质-DNA 复合物。
在对接计算过程中，可以包括以残基约束形式存在的额外信息（来自实验或生物信息学预测）。该协议能够考虑受体和/或配体伙伴中的这些信息。
它能够以刚体方式模拟蛋白质-蛋白质、蛋白质-肽和蛋白质-DNA相互作用，或者使用各向异性网络模型（ANM）模拟骨架的灵活性
用户可自定义。LightDock 不仅是一个协议，还是一个用于测试和开发自定义评分函数的框架。GSO 优化算法对所使用的力场无差别，因此理论上 LightDock 能够在任何用户提供的力场中最小化对接能。
准备好在 HPC 架构中扩展。LightDock 的性质是显而易见的并行，因为每个集群被视为一个独立的模拟。这一特性使 LightDock 能够扩展到模拟的集群数量相等的 CPU 核心数。提供了两种实现方式：1) 多进程（默认）和 2) MPI（使用 mpi4py 库，默认未安装）。
在最小化过程中可以使用多个评分函数。与其指定单个评分函数，可以给出一个包含评分函数权重和名称的文件作为输入。LightDock 将把不同的评分函数组合为它们值乘以文件中指定的权重的线性组合。

Swarms

在 LightDock 中，受体分子保持固定（尽管如果 ANM 模式启用，原子可能会移动）。在其表面计算出一组点。这些点中的每一个都是一个集群中心，代表一个独立的模拟。例如，对于复合物 1PPE，会自动计算 185 个集群：

Glowworms

对于这些群体中心中的每一个，都会随机放置一定数量的萤火虫，即算法代理（如果未指定残留物限制）。每个萤火虫代表一种可能的配体构象。在下面的图中，展示了两个选定的群体中的两组200个萤火虫：

More in detail,每个萤火虫在其质心处表示为一个 3D 轴对象，并且定向为实际的 3D 轴方向

基于 GSO 算法的 LightDock 将根据发出的荧光素量（得分）优化构象。构象将在平移、旋转和 ANM 空间中向更优能区演化。

Setup a simulation

LightDock 协议的第一步是设置。如果你执行lightdock3_setup.py命令，将会显示多个选项：

usage: lightdock3_setup [-h] [-s SWARMS] [-g GLOWWORMS] [--seed_points STARTING_POINTS_SEED] [--noxt]
                        [--noh] [--now] [--verbose_parser] [-anm] [--seed_anm ANM_SEED]
                        [--anm_rec_rmsd ANM_REC_RMSD] [--anm_lig_rmsd ANM_LIG_RMSD] [-ar ANM_REC]
                        [-al ANM_LIG] [-r restraints] [-membrane] [-transmembrane] [-sp]
                        [-sd SURFACE_DENSITY] [-sr SWARM_RADIUS] [-flip] [-fd FIXED_DISTANCE]
                        [-spr SWARMS_PER_RESTRAINT] [--ds] [-V]
                        receptor_pdb_file ligand_pdb_file
lightdock3_setup: error: the following arguments are required: receptor_pdb_file, ligand_pdb_file

receptor_pdb_file: 包含受体结构的 PDB 格式文件

ligand_pdb_file: 包含配体结构的 PDB 格式文件

下面是 lightdock3_setup.py 接受的其余参数的描述：

-s: the number of swarms of the simulations, if not provided by the user, automatically calculated depending on receptor surface area and shape -s : 模拟的群数量，如果用户未提供，则根据受体表面积和形状自动计算
-g: the number or glowworms for each swarm, if not provided by the user, 200 by defualt -g : 每个群落的萤火虫数量，如果用户未提供，默认为 200
--seed_points STARTING_POINTS_SEED: An integer can be specified as the seed used in the random number generator of the initial random poses of the ligand. --seed_points STARTING_POINTS_SEED: 可以指定一个整数作为初始随机构象的随机数生成器的种子。
--noxt: If this option is enabled, LightDock ignores OXT atoms. This is useful for several scoring functions which don’t understand this special type of atom. --noxt : 如果启用此选项，LightDock 会忽略 OXT 原子。这对于不理解这种特殊类型原子的几种评分函数很有用。
--noh: If this option is enabled, LightDock ignores hydrogen atoms. This is relevant for dfire, fastdfire or dfire2 scoring functions (among others). Only removes atoms starting with H character, thus not recognizing types such as 1H, etc. --noh : 如果启用此选项，LightDock 会忽略氢原子。这对于 dfire 、 fastdfire 或 dfire2 评分函数（以及其他）相关。仅移除以 H 字符开头的原子，因此不识别 1H 等类型。
--now: If this option is enabled, crystal waters will be removed. --now : 如果启用此选项，晶体水将被移除。
--verbose_parser: If this option is enabled, LightDock will output in a verbose mode the atoms ignored when parsing PDB structures. --verbose_parser : 如果启用此选项，LightDock 将在解析 PDB 结构时以详细模式输出被忽略的原子。
--anm: If this option is enabled, the ANM mode is activated and backbone flexibility is modeled using ANM (via ProDy). --anm : 如果启用此选项，ANM 模式将被激活，并使用 ANM（通过 ProDy）对骨架柔性进行建模。
--seed_anm ANM_SEED: An integer can be specified as the seed used in the random number generator of ANM normal modes extents. --seed_anm ANM_SEED: 可指定一个整数作为 ANM 正则模式范围随机数生成器的种子。
-ar ANM_REC: The number of non-trivial normal modes calculated for the receptor in the ANM mode. -ar ANM_REC: 在 ANM 模式下计算的受体非平凡振动模式的数量。
-al ANM_LIG: The number of non-trivial normal modes calculated for the ligand in the ANM mode. -al ANM_LIG: 在 ANM 模式下，为配体计算的非平凡正则模式的数量。
--anm_rec_rmsd ANM_REC_RMSD: the maximum RMSD between generated ANM conformers and initial structure of the receptor. By default is 0.5Å. --anm_rec_rmsd ANM_REC_RMSD: 生成的 ANM 构象与受体初始结构之间的最大 RMSD。默认值为 0.5Å。
--anm_lig_rmsd ANM_LIG_RMSD: the maximum RMSD between generated ANM conformers and initial structure of the ligand. By default is 0.5Å. --anm_lig_rmsd ANM_LIG_RMSD: 生成的 ANM 构象与配体初始结构之间的最大 RMSD。默认值为 0.5Å。
-r, -rst restraints_file: If restraints_file is provided, residue restraints will be considered during the setup and the simulation. See 2.2. Residue Restraints section for more information. -r, -rst restraints_file: 如果提供 restraints_file ，则在设置和模拟过程中将考虑残基约束。有关更多信息，请参阅 2.2. Residue Restraints 部分。
-membrane: When enabled, this flag considers the receptor partner is aligned to the Z-axis and filters out swarms which would not be compatible with a trans-membrane domain. To do so, it makes use of the residues provided as receptor restraints. -membrane : 当此标志启用时，它会考虑受体配体对与 Z 轴对齐，并过滤掉那些与跨膜结构域不兼容的簇。为此，它利用作为受体约束提供的残基。
-transmembrane: When enabled, this flag considers the receptor partner is aligned to the Z-axis and filters out swarms which would not be inside the membrane. -transmembrane : 当启用此标志时，该标志将考虑受体配体对与 Z 轴对齐，并过滤掉不在膜内的群集。
-sp: If enabled (False by default), writes in the init folder debugging extra files. -sp : 如果启用（默认为 False），则会在 init 文件夹中写入调试额外文件。
-sd SURFACE_DENSITY: Controls the automatic calculation of swarms over the receptor surface. It is expressed as swarms/Å2 -sd SURFACE_DENSITY: 控制在受体表面上自动计算群集。它表示为群集/Å 2
-sr SWARM_RADIUS: Controls the swarm size for creating the starting ligand poses. Radius is expressed in Å (Angstroms). -sr SWARM_RADIUS: 控制群集大小以创建起始配体姿势。半径以埃（Å）表示。
-flip: Activates the 180° flip of 50% of starting poses when using restraints. This might help to capture symmetric binding interfaces. -flip : 在使用约束时，激活 50%起始姿势的 180°翻转。这可能有助于捕获对称的结合界面。
-fd FIXED_DISTANCE: Places swarms at a (approximated) fixed distance given by the user instead of using the ligand minimum radii. FIXED_DISTANCE is in Å. -fd FIXED_DISTANCE: 将群集放置在用户指定的（近似）固定距离上，而不是使用配体的最小半径。FIXED_DISTANCE 以埃为单位。
-spr SWARMS_PER_RESTRAINT: By default, a maximum of 20 swarms are kept by restraint to ensure a good sampling around provided residue-restraints. User might increase this to generate more swarms per restraint. -spr SWARMS_PER_RESTRAINT: 默认情况下，每个约束会保留最多 20 个群，以确保在提供的残基约束周围进行良好的采样。用户可以增加此值以在每个约束下生成更多群。
--ds: Enables the dense sampling mode. This mode generates a massive number of swarms (see below): --ds : 启用密集采样模式。此模式会生成大量群（见下文）：

Results of the setup

执行 lightdock3_setup.py 命令后，在您的对接项目的根目录下将生成多个文件和目录：

init: A directory containing initialization data, see below: init ：包含初始化数据的目录，见下文：
- swarm_centers.pdb: A file in PDB format containing dummy atoms which coordinates correspond to a swarm center. swarm_centers.pdb ：一个 PDB 格式的文件，包含虚拟原子，其坐标对应于群集中心。
- initial_positions_X.dat: One file like this for each swarm (where X indicates the id of the swarm), containing the translation, quaternion and normal modes extents (if ANM is activated) for each of the glowworms in this swarm. initial_positions_X.dat ：每个群集（其中 X 表示群集的 id）一个这样的文件，包含该群集中每个萤火虫的平移、四元数和（如果 ANM 已激活）正常模式范围。
- starting_positions_X.pdb: Same as before, but a PDB file with the glowworm translation vector expressed as a dummy atom (only if sp is enabled). starting_positions_X.pdb : 与之前相同，但使用一个表示萤火虫平移向量的 PDB 文件（仅当 sp 启用时）。
- starting_poses_X.bild: Same as before, but this time every glowworm pose in rotational space is expressed as a BILD 3D object which can be read by UCSF Chimera (only if sp is enabled). More information about the format can be found here. starting_poses_X.bild : 与之前相同，但这次旋转空间中的每只萤火虫姿态都表示为 UCSF Chimera 可读取的 BILD 3D 对象（仅当 sp 启用时）。有关此格式的更多信息，请在此处查找。
swarm_0, ..., swarm_(N-1): For each of the N swarms specified by the -s argument or calculated automatically (by default), a directory is created. Note that the first directory is called swarm_0 and not swarm_1. swarm_0, ..., swarm_(N-1) : 对于 N 参数指定的或自动计算的 -s 群体中的每一个，都会创建一个目录。请注意，第一个目录被称为 swarm_0 而不是 swarm_1 。
setup.json: A file with a summary of the setup step in JSON format. This file will be necessary for running the simulation in the next step. setup.json : 一个包含设置步骤摘要的 JSON 格式文件。在下一步运行模拟时，此文件是必需的。
lightdock_*.pdb: LightDock parses the input PDB structures and creates two new PDB files, one for the receptor and one for the ligand where the molecules have been centered to the origin of coordinates. lightdock_*.pdb : LightDock 解析输入的 PDB 结构，并创建两个新的 PDB 文件，一个用于受体，一个用于配体，其中分子已居中到坐标原点。
*.xyz.npy: Two files with this extension, one for the receptor and one for the ligand, which contains information about the minimum ellipsoid containing each of the structures in NumPy format. *.xyz.npy : 两个具有此扩展名的文件，一个用于受体，一个用于配体，其中包含有关 NumPy 格式中包含每个结构的最小椭球的信息。
lightdock_rec.nm.npyand lightdock_lig.nm.npy: If ANM is enabled, two files are created containing the normal modes information calculated by the ProDy library. lightdock_rec.nm.npy and lightdock_lig.nm.npy : 如果启用了 ANM，则会创建两个文件，其中包含 ProDy 库计算的振动模式信息。
*mask.npy: If ANM is enabled, two extra files are created containing a boolean NumPy array for the atoms of receptor and ligand to be used on ANM deformation. *mask.npy : 如果启用了 ANM，则会创建两个额外的文件，其中包含用于 ANM 变形的受体和配体原子的布尔 NumPy 数组。

Residue Restraints

在受体和/或配体上已实现了残基约束。此功能的工作方式如下：

From a restraints_file file containing the following information: 从包含以下信息的 restraints_file 文件中：

R A.SER.150 
R A.TYR.151 P
L B.LYS.2
L B.ARG.3 P

其中R表示Receptor，L表示Ligand，而该行的其余部分是原始 PDB 文件编号格式中的残基标识符。请注意，支持残基插入代码（例如，在使用 Chothia 抗体编号的抗体-抗原系统时）。

末尾的P标签表示这种约束是被动式的，与主动式（无标签）形成对比。

We do not recommend to use passive residue restraints unless you understand completely their implications.

我们不建议使用被动残基约束，除非您完全理解其影响。

对于受体指定的每个残基约束，在lightdock3_setup.py期间仅考虑最近的群集。目前，每个残基仅考虑最近的 10 个群集。如果某些群集重叠，则仅使用该群集的一个副本。如果未在配体级别指定残基约束，则将生成配体分子的随机取向。另一方面，如果在配体级别定义了残基约束，lightdock3_setup.py将找到随机{receptor residue restraint, ligand residue restraint}对（仅考虑给定群集最近的受体残基约束），并将给定ligand residue restraint朝向receptor residue restraint。通过这种机制，算法倾向于配体分子的正确取向。

然后，模拟将尝试优化能量和约束条件，同时仅考虑活性残基。

模拟结束后，可以使用脚本lgd_filter_restraints.py来移除不满足所提供约束条件且超过特定阈值的预测。

Tips and tricks

As a general rule of thumb，受体结构是较大的分子，而配体是较小的分子。在这个大小概念中，所使用的度量是包含分子的最小椭球的最长直径。可以在$LIGHTDOCK_HOME/bin/路径中找到一个名为lgd_calculate_diameter.py的脚本，用于计算该度量的近似值。
如果init目录存在，lightdock3_setup.py会使用该目录中包含的信息。
文件setup.json旨在确保结果的再现性，但用户不应修改它。
被动残基约束仅用于过滤（受体）或偏置初始方向（配体），但在评分函数中不被考虑。

Run a simulation

Parameters

为了运行 LightDock 模拟，必须执行lightdock3.py命令。如果没有参数执行，将显示接受的选项列表：

usage: lightdock3 [-h] [-f configuration_file] [-s SCORING_FUNCTION] [-sg GSO_SEED] [-t TRANSLATION_STEP]
                  [-r ROTATION_STEP] [-V] [-c CORES] [--profile] [-mpi] [-ns NMODES_STEP] [-min] [--listscoring]
                  [-l SWARM_LIST [SWARM_LIST ...]]
                  setup_file steps
lightdock3: error: the following arguments are required: setup_file, steps

执行 LightDock 模拟最简单的方法是：

lightdock3.py setup.json 10

第一个参数是设置步骤生成的配置文件，第二个是模拟的步数。

lightdock3.py接受的其他可能参数是：

-fconfiguration_file：这是一个包含 GSO 算法不同参数的特殊文件。默认情况下，无需更改此文件，但高级用户可能会更改其中一些值。以下是此文件内容的示例：

##
#
# GlowWorm configuration file - algorithm parameters
#
##

[GSO]

# Rho
rho = 0.4

# Gamma
gamma = 0.6

# Initial Luciferin
initialLuciferin = 5.0

# Initial glowworm vision range (in A)
initialVisionRange = 15.0

# Max vision range (in A)
maximumVisionRange = 40.0

# Beta
beta = 0.16

# Max number of neighbors
maximumNeighbors = 5

这些是 LightDock 论文中使用的参数，其中许多参数继承自原始 GSO 论文。请参考 Kaipa, Krishnanand N.和 Ghose, Debasish 的论文以获取更多细节。

-s评分函数：可能是模拟中最重要的参数之一。用户可以使用此标志更改默认评分函数（DFIRE，快速 C 语言实现fastdfire）。可以接受评分函数的名称或包含多个评分函数名称和权重的文件。有关接受的评分函数的完整列表以及如何组合它们，请参阅第 3.2 节。

-c核心：默认情况下，LightDock 会使用硬件上可用的全部 CPU 核心来运行模拟，但可以通过此选项指定不同的 CPU 核心数。

-mpi：如果启用此标志，LightDock 将使用MPI4py库以便分布到不同的节点。

--profile：这是一个实验性标志，用于分析 LightDock 所消耗的计算时间和内存。

-sgGSO_SEED：这是用于运行模拟的随机数生成器的种子整数。不同的种子会导致不同的模拟输出。

-tTRANSLATION_STEP: 当优化向量的平移部分被插值时，此参数控制插值点。默认设置为 0.5。

-rROTATION_STEP: 当优化向量的旋转部分被插值（使用四元数 SLERP）时，此参数控制插值点。默认设置为 0.5。

-nsNMODES_STEP: 当优化向量的 ANM 正则模式范围部分被插值时，此参数控制插值点。默认设置为 0.5。

-min: 如果启用此选项，则在每个群集的每一步，针对最佳萤火虫进行基于评分的局部最小化。使用的算法是scipy.optimize库中的 Powell（fmin_powell）实现。如果-anm在模拟中启用，优化也包括 ANM 空间（与平移和旋转空间一起）。

--listscoring: 显示可用的评分函数。

-lSWARM_LIST [SWARM_LIST …]: 仅模拟此列表指定的群集 ID。例如，仅模拟群集 0：-l 0.

-V: 显示 LightDock 版本。

Available scoring functions

LightDock 中实现的评分函数完整列表是：

cpydock: C 语言实现的 pyDock 评分函数（也称为 pyDockLite）

dfire: 在 Cython 中实现 DFIRE 评分函数。

fastdfire: 使用 Python C-API 实现 DFIRE 评分函数，比dfire更快。

dfire2: 使用 Python C-API 实现 DFIRE2 评分函数，尽管也包含了一个 Cython 版本用于演示目的。

dna: 实现了 pyDockDNA 评分函数（无脱溶剂化）和用于蛋白质-DNA 对接的自定义范德华权重。使用 Python C-API 实现。

ddna: 实现了 DDNA 评分函数，如 C. Zhang, S. Liu, Q. Zhu 和 Y. Zhou 在《J. Med. Chem. 48, 2325-2335 (2005)》中描述的用于蛋白质-配体、蛋白质-蛋白质和蛋白质-DNA 复合物的基于知识的能量函数。

mj3h: 20 种残基的成对接触能，Mj3h。

pisa: 来自《使用侧链建模和原子势改进蛋白质复合物模型排名》发表的统计势。

sd: 基于静电和范德华力的评分函数，如 SwarmDock 出版物中所述，但使用 AMBER94 力场电荷和参数。

sipper: 暴露残基的分子间成对倾向性，SIPPER。

tobi: TOBI 势能评分函数。

vdw: 原始 pyDock 出版物中描述的截断范德华（伦纳德-琼斯势）

Multiple scoring functions

LightDock 在最小化过程中可以同时使用多个评分函数。模拟中的每个萤火虫会对每个不同的评分函数使用一个模型，因此物理内存可能成为同时使用评分函数数量的限制。

可以定义一个包含评分函数名称及其权重的文件，例如：

cat scoring.conf

sipper 0.5
dfire 0.8

对于每个姿势，评分将在这个例子中是两个函数的线性组合：

Scoring = 0.5*SIPPER + 0.8*DFIRE

请注意，组合评分函数必须在原子类型方面兼容（它们识别相同的类型），并且如果启用，所有这些函数都可以使用 ANM。

Tips and tricks

所有可用的评分函数都可以在路径$LIGHTDOCK_HOME/lightdock/scoring找到。每个评分函数在源代码树中都有自己的目录。

Generate models

模拟完成后，预测模型可以作为 PDB 结构文件生成。为此，请执行lgd_generate_conformations.py命令：

usage: conformer_conformations [-h] [--setup setup_file]
                               receptor_structure ligand_structure lightdock_output glowworms
conformer_conformations: error: the following arguments are required: receptor_structure, ligand_structure, lightdock_output, glowworms

例如，在一个由 10 个萤火虫组成的群体中生成步骤 5 中预测的 10 个模型：

cd $LIGHTDOCK_HOME/examples/2UUY
cd swarm_0
lgd_generate_conformations.py ../2UUY_rec.pdb ../2UUY_lig.pdb gso_5.out 10

注意：此命令使用的结构是lightdock3_setup.py命令中使用的原始结构。

注意：如果lgd_generate_conformations.py命令失败，请尝试再次提供--setup setup_file。

Clustering

群内聚类对于协议至关重要，这不是一个可选步骤。这对于去除群内收敛到相同结构的非常相似的构象特别关键，如果不通过聚类去除，这些构象会给最终排序带来噪声。对于每个群，你可以执行lgd_cluster_bsas.py命令：

cd swarm_0
lgd_cluster_bsas.py gso_5.out

The output would be: 输出将是：

Reading CA from lightdock_3.pdb
Reading CA from lightdock_6.pdb
Reading CA from lightdock_0.pdb
Reading CA from lightdock_5.pdb
Reading CA from lightdock_9.pdb
Reading CA from lightdock_7.pdb
Reading CA from lightdock_2.pdb
Reading CA from lightdock_8.pdb
Reading CA from lightdock_1.pdb
Reading CA from lightdock_4.pdb
Glowworm 6 with pdb lightdock_6.pdb
RMSD between 3 and 6 is 7.562
New cluster 1
Glowworm 0 with pdb lightdock_0.pdb
RMSD between 3 and 0 is 7.757
RMSD between 6 and 0 is 9.089
New cluster 2
Glowworm 5 with pdb lightdock_5.pdb
RMSD between 3 and 5 is 6.856
RMSD between 6 and 5 is 8.706
RMSD between 0 and 5 is 4.665
New cluster 3
Glowworm 9 with pdb lightdock_9.pdb
RMSD between 3 and 9 is 3.683
Glowworm 9 goes into cluster 0
Glowworm 7 with pdb lightdock_7.pdb
RMSD between 3 and 7 is 6.830
RMSD between 6 and 7 is 7.673
RMSD between 0 and 7 is 6.709
RMSD between 5 and 7 is 4.561
New cluster 4
Glowworm 2 with pdb lightdock_2.pdb
RMSD between 3 and 2 is 7.346
RMSD between 6 and 2 is 9.084
RMSD between 0 and 2 is 7.646
RMSD between 5 and 2 is 7.772
RMSD between 7 and 2 is 9.414
New cluster 5
Glowworm 8 with pdb lightdock_8.pdb
RMSD between 3 and 8 is 7.980
RMSD between 6 and 8 is 5.623
RMSD between 0 and 8 is 8.147
RMSD between 5 and 8 is 8.182
RMSD between 7 and 8 is 7.451
RMSD between 2 and 8 is 8.337
New cluster 6
Glowworm 1 with pdb lightdock_1.pdb
RMSD between 3 and 1 is 5.530
RMSD between 6 and 1 is 9.025
RMSD between 0 and 1 is 6.481
RMSD between 5 and 1 is 6.954
RMSD between 7 and 1 is 7.928
RMSD between 2 and 1 is 3.114
Glowworm 1 goes into cluster 5
Glowworm 4 with pdb lightdock_4.pdb
RMSD between 3 and 4 is 9.306
RMSD between 6 and 4 is 7.367
RMSD between 0 and 4 is 8.225
RMSD between 5 and 4 is 9.455
RMSD between 7 and 4 is 8.641
RMSD between 2 and 4 is 9.509
RMSD between 8 and 4 is 7.742
New cluster 7
{0: [3, 9], 1: [6], 2: [0], 3: [5], 4: [7], 5: [2, 1], 6: [8], 7: [4]}

A new file in CSV format is created with the clustering information: 创建了一个新的 CSV 格式文件，其中包含聚类信息：

cat cluster.repr

0:2: 9.87810:3:lightdock_3.pdb
1:1: 9.66368:6:lightdock_6.pdb
2:1: 7.52192:0:lightdock_0.pdb
3:1: 7.36888:5:lightdock_5.pdb
4:1: 6.46572:7:lightdock_7.pdb
5:2: 5.66227:2:lightdock_2.pdb
6:1: 5.03967:8:lightdock_8.pdb
7:1:-34.67761:4:lightdock_4.pdb

For each line, the information is: 对于每一行，信息是：

cluster_id : population : best_scoring : glowworm_id : representative PDB structure

Summary

In summary,these are the main steps of any LightDock simulation:

总之，这是任何 LightDock 模拟的主要步骤：