GNINA Docking

CNN-accelerated molecular docking with score-based pose ranking.

Google Colab WorkerT4 GPU 무료

버튼을 클릭하면 GNINA 도킹 노트북이 Google Colab에서 바로 열립니다.
Protein Prep과 Ligand Prep 결과 파일을 업로드하고 셀을 순서대로 실행하면 무료로 GPU를 사용하여 도킹할 수 있습니다.

①런타임 → GPU(T4)
②PDB + SDF 업로드
③모두 실행 → 결과 다운로드
Google Colab에서 열기

GNINA 도킹이란?

GNINA는 AutoDock Vina 기반의 분자 도킹 프로그램으로, 합성곱 신경망(CNN)을 활용해 포즈(pose)의 정확도를 추가로 평가합니다. 단순히 에너지 점수만 계산하는 기존 방법과 달리, CNN이 구조적으로 어색한 포즈를 걸러내어 더 신뢰할 수 있는 결과를 제공합니다.

Vina Score
결합 에너지 (kcal/mol).
−8 이하 → 강한 결합 후보
−6 ~ −8 → 중간 결합
−6 이상 → 약한 결합
CNN Score
포즈 품질 (0 ~ 1).
0.8 이상 → 고품질 포즈
0.5 ~ 0.8 → 보통
0.5 미만 → 낮은 신뢰도
CNN Affinity
CNN 예측 결합력 (pK 단위).
9 이상 → 나노몰 활성 예측
6 ~ 9 → 마이크로몰
6 미만 → 약한 활성

단계별 사용 방법

  1. 01

    Protein Prep 실행

    BioDeck → Protein Prep에서 수용체 PDB를 정제하세요. 결과 파일 *_clean.pdb를 다운로드합니다.

  2. 02

    Ligand Prep 실행

    BioDeck → Ligand Prep에서 화합물 라이브러리를 3D 최적화하세요. 결과 파일 prepared_ligands.sdf를 다운로드합니다.

  3. 03

    Colab 노트북 열기

    위의 "Colab에서 열기" 버튼을 클릭합니다. 런타임 → 런타임 유형 변경 → GPU(T4) 선택 후 저장하세요.

  4. 04

    파일 업로드 & 실행

    노트북 안내에 따라 *_clean.pdb와 prepared_ligands.sdf를 업로드합니다. 「모두 실행」(Ctrl+F9)으로 전체 셀을 순서대로 실행하세요.

  5. 05

    결과 다운로드

    노트북 마지막 셀에서 docking_scores.csv, docked_results.sdf, docking_chart.png를 자동 다운로드합니다.

💡 Tip — GPU 런타임이 아닌 경우 도킹 속도가 매우 느려집니다. 반드시 런타임 유형 → T4 GPU를 선택하세요. Colab Pro 없이도 하루 수 시간의 무료 GPU를 사용할 사있습니다.

filter_alt
필터링 결과 기준 (3가지 다운로드)

도킹이 완료되면 3가지 범주로 분류된 다운로드 패키지(CSV, 합쳐진 SDF, 차트 이미지 포함)를 제공합니다. 이어지는 Molecular Dynamics (MD) 시뮬레이션 등에 활용할 높은 신뢰도의 화합물을 쉽게 선별할 수 있습니다.

All Results

전체 결과 (필터링 없음)

GNINA가 생성한 유효한 포즈를 모두 포함합니다. 수작업으로 데이터를 검토하거나 완전히 독립적인 기준으로 분석하고 싶을 때 사용합니다.

Moderate Filter

일반적인 기준

통상적으로 In Vitro 실험을 진행해볼 만한 수준의 결합력을 갖춘 후보를 선별합니다.

  • CNN Score ≥ 0.70 (포즈 형태가 전반적으로 자연스러움)
  • CNN Affinity ≥ 6.0 (마이크로몰 수준 이상의 결합력 예상)
  • Vina Score ≤ -7.5 (우수한 열역학적 안정성)
Strict (MD 추천)

엄격한 기준

MD 시뮬레이션과 같은 고비용 검증 단계로 넘어가기에 적합한 최우수 후보군입니다.

  • CNN Score ≥ 0.85 (수소결합 및 입체장애가 거의 완벽함)
  • CNN Affinity ≥ 7.5 (~30nM 이하의 매우 강력한 결합 예상)
  • Vina Score ≤ -9.0 (매우 강한 결합 에너지)