サンプルレポート

参考例 · 固定デモデータ

実際の 6LU7 バッチジョブ（3 つの drug-like SMILES）からの公開例。ホームページで自分の構造を実行すると、ZIP と PDF エクスポート付きの非公開レポートが得られます。

自分のタンパク質をドッキング

結果 ZIP には何が含まれますか？

完了した各ドッキングジョブには、ページ上のレポートと PDF に加えて results.zip が含まれます。PyMOL/Chimera、オフライン表、再現性に ZIP を使用 — PDF は同じ実行の人間可読サマリーです。

ジョブルート（実行ごとに1回）

result.json: ドッキング済みリガンド、失敗、スコア、redock 状態のサマリー。
run_manifest.json: 再現性記録：パイプラインバージョン、Vina 設定、ボックス、pH、受容体鎖、警告。
receptor_clean.pdb: ドッキングに使用した前処理受容体（剛性、クリーンな PDB）。
redock_report.json: 共結晶 redock RMSD チェック（単一リガンド / 有効時）。

ドッキング成功リガンドごと

poses/{ligand}.sdf: 上位3 Vina ポーズを多レコード SDF として。
complexes/{ligand}_complex.pdb: 3D ビューア用タンパク質–リガンド複合体。
ligands/{ligand}/: リガンド PDBQT、ドッキング済み PDBQT、プロトン化 SMILES。
admet/{ligand}.json: RDKit Lipinski、Veber、QED および関連フラグ。
interactions/{ligand}.json: PLIP 相互作用表（または距離ヒューリスティックフォールバック）。
figures/{ligand}/: 2D 相互作用図、結合部位概要 PNG、リガンド 2D 構造；PyMOL 有効時は pymol_binding_site.png オプション。

PDF レポート：親和性、ポーズ QC、印刷用に埋め込まれた相互作用図 — ZIP 内の構造ファイルの代替ではありません。

分子ドッキングレポート

サンプルドッキングレポート · PDB 6LU7 Mpro

バッチ · 3 リガンド

SARS-CoV-2 メインプロテアーゼに対する3つのdrug-like SMILESのバッチスクリーニング

完了 6/15/2026, 1:42:21 AM

バッチスクリーニング概要

送信数

ドッキング成功

ドッキング失敗

-6.21

最良アフィニティ (kcal/mol)

トップヒット： Nirmatrelvir (-6.21 kcal/mol)

Review setup（ドッキング前）

クレジット不要の検証ステップ：計算使用前にチェーン、結合部位ボックス、リガンド事前チェックを確認。

6LU7 の共結晶ドッキングボックスの Review setup — 6LU7 チェーン A の結合部位ボックス

分子量、Lipinski、QED のリガンド検証表 — リガンド事前チェック表（3 / 3 OK）

1. 概要

Screening mode: 1 受容体、3 リガンド（バッチジョブ）
受容体: 6LU7 · SARS-CoV-2 メインプロテアーゼ（Mpro）
チェーン: A
プロトン化 pH: 7.4
結合部位: cocrystal ligand
サーチボックス中心 (Å): -10.00, 13.09, 67.80
サーチボックスサイズ (Å): 20.0 × 20.0 × 20.0

2. 計算手法

再現性の詳細、ソフトウェアバージョン、査読者向けの原稿引用情報。

パイプライン (v1.9.4): Meeko 受容体/リガンド前処理と RDKit 3D 埋め込みを用いた剛性受容体 AutoDock Vina ドッキング。

プロトン化: dimorphite-DL at pH 7.4. Protonation is applied before 3D embedding and minimization (MMFF94 with UFF fallback; multi-seed ETKDG).

リガンド前処理: SMILES → dimorphite_dl → ETKDG（マルチシード）→ MMFF94/UFF → meeko リガンド準備

AutoDock Vina: exhaustiveness=8, num_modes=9, energy_range=3 kcal/mol, scoring=vina.

オープンソースソフトウェアスタック

このジョブに記録された正確なバージョン — Methods と参考文献リストで引用してください。

コンポーネント	バージョン	開発者 / 組織	役割	Ref.
AutoDock Vina	1.2.7	Scripps Research / community fork	剛体受容体の分子ドッキング	[2]
Meeko	0.7.1	Scripps Research (Forli lab)	受容体・リガンドの PDBQT 前処理	[3]
RDKit	2025.3.6	Open-source cheminformatics toolkit	SMILES → 3D 埋め込み（ETKDG）と MMFF94 最小化	[4]
PLIP	3.0.0	University of Hamburg (Salokas et al.)	タンパク質–リガンド相互作用解析	[5]
PoseBusters	0.6.5	University of Oxford (Buttenschoen et al.)	ドッキングポーズ品質検査（dock 設定）	[6]
dimorphite-DL	2.0.2	Open-source protonation enumerator	ジョブ pH でのリガンドプロトン化状態	[7]
Biopython	1.87	Open-source bioinformatics library	構造解析と受容体処理	[8]
pocketeer	0.3.1	Apo binding-site prediction	Apo 受容体の予測ポケット順位付け	[9]
PyMOL (open-source)	not recorded	Schrödinger / community build	任意の論文向け結合部位レンダリング	[10]

論文での本ツールの引用方法

以下の段落を Methods セクションに貼り付けてください。番号付き参考文献は後に続きます。

Suggested citation paragraph (Methods / Computational details)

Molecular docking was performed using the cloud-based workflow at MolecularDocking.online (pipeline v1.9.4)[1], utilizing AutoDock Vina 1.2.7[2] with Meeko receptor/ligand preparation (Meeko 0.7.1)[3]. The receptor structure was prepared from PDB 6LU7 (chain A). The search grid was centered at (-10.00, 13.09, 67.80) Å with dimensions 20.0 × 20.0 × 20.0 Å (source: cocrystal ligand). Ligands were built from SMILES using RDKit 2025.3.6 (ETKDG embedding, MMFF94 minimization)[4] with dimorphite-DL 2.0.2 protonation at pH 7.4[7]. AutoDock Vina was run with exhaustiveness=8, num_modes=9, and energy_range=3 kcal/mol; the top-ranked pose(s) per ligand were exported. Protein–ligand interactions were analyzed with PLIP 3.0.0[5]. Pose quality was validated with PoseBusters 0.6.5 (University of Oxford docking configuration)[6]. Computational binding scores and ADMET estimates are model predictions only; experimental validation is required.

References

[1] MolecularDocking.online. Cloud molecular docking workflow (https://molecular-docking.online). Accessed 2026.
[2] Eberhardt J, Santos-Martins D, Forli S, Olson AJ. AutoDock Vina 1.2.0: new docking methods, expanded force field, and Python bindings. J Chem Inf Model. 2021;61(8):3891-3898.
[3] Forli S, Huey R, Pique ME, Sanner MF, Olson AJ. Computational protein-ligand docking and virtual drug screening with the AutoDock suite. Nat Protoc. 2016;11(5):905-919.
[4] RDKit: Open-source cheminformatics. https://www.rdkit.org/ (accessed 2024).
[5] Salokas LM, Viswanath S, Aho AJ, et al. PLIP 2021: expanding the scope of the protein-ligand interaction profiler to DNA and RNA. Nucleic Acids Res. 2023;51(W1):W530-W534.
[6] Buttenschoen GF, Morris GM, Deane CM. PoseBusters: AI-based docking methods fail to generate physically valid poses or cause unintended bias. Nat Methods. 2024;21(3):472-480.
[7] Swain M. dimorphite-DL: an open-source program for enumerating the ionization states of drug-like small molecules. J Cheminform. 2019;11(1):14.
[8] Cock PA, Antao T, Chang JT, et al. Biopython: freely available Python tools for computational molecular biology and bioinformatics. Bioinformatics. 2009;25(11):1422-1423.
[9] pocketeer: apo binding-site prediction tool used for pocket ranking in this pipeline.
[10] Schrödinger LLC. The PyMOL Molecular Graphics System, Version 2.0. (Open-source build when enabled in Advanced options.)

完全な参考文献リスト（10 件）

MolecularDocking.online. MolecularDocking.online. Cloud molecular docking workflow (https://molecular-docking.online). Accessed 2026.
AutoDock Vina. Eberhardt J, Santos-Martins D, Forli S, Olson AJ. AutoDock Vina 1.2.0: new docking methods, expanded force field, and Python bindings. J Chem Inf Model. 2021;61(8):3891-3898.
Meeko / AutoDock suite. Forli S, Huey R, Pique ME, Sanner MF, Olson AJ. Computational protein-ligand docking and virtual drug screening with the AutoDock suite. Nat Protoc. 2016;11(5):905-919.
RDKit. RDKit: Open-source cheminformatics. https://www.rdkit.org/ (accessed 2024).
PLIP. Salokas LM, Viswanath S, Aho AJ, et al. PLIP 2021: expanding the scope of the protein-ligand interaction profiler to DNA and RNA. Nucleic Acids Res. 2023;51(W1):W530-W534.
PoseBusters. Buttenschoen GF, Morris GM, Deane CM. PoseBusters: AI-based docking methods fail to generate physically valid poses or cause unintended bias. Nat Methods. 2024;21(3):472-480.
dimorphite-DL. Swain M. dimorphite-DL: an open-source program for enumerating the ionization states of drug-like small molecules. J Cheminform. 2019;11(1):14.
Biopython. Cock PA, Antao T, Chang JT, et al. Biopython: freely available Python tools for computational molecular biology and bioinformatics. Bioinformatics. 2009;25(11):1422-1423.
pocketeer. pocketeer: apo binding-site prediction tool used for pocket ranking in this pipeline.
PyMOL. Schrödinger LLC. The PyMOL Molecular Graphics System, Version 2.0. (Open-source build when enabled in Advanced options.)

3. 結合モードの解釈

予測結合のディスカッション形式の概要（原稿サポート段落に類似）。

リガンド：

AutoDock Vinaは CC(C)(C)C(NC(=O)C(F)(F)F)C(=O)N1CC2CC(C1)N2C(=O)C(F)(F)F に対して中程度の結合を予測しました（最高スコア -6.21 kcal/mol）。スクリーニングされた化合物の中で、CC(C)(C)C(NC(=O)C(F)(F)F)C(=O)N1CC2CC(C1)N2C(=O)C(F)(F)F がトップヒットとしてランク付けされました。主要な予測相互作用（PLIP）には ASN142A, GLN189A との 2 個の水素結合; ASN142A との疎水性接触; HIS41A, THR26A とのハロゲン結合. リガンドは ASN142A, GLN189A, HIS41A, THR26A などのポケット残基に囲まれています。複数のドッキングモードが類似したスコアを示しています。構造ファイル内の代替ポーズの確認を検討してください。これらの結果は計算上の予測に過ぎず、機構的結論を導く前に実験的検証（例：SPR、ITC、細胞ベースアッセイ）が必要です。

上位ポーズが接近PoseBusters QC 合格

最良モードのリードは 0.14 kcal/mol（<0.25 kcal/mol）です。順位は1位ですが、構造ファイルで近いポーズを確認してください。

PoseBusters：22/22 件のチェック合格。

PoseBusters（オックスフォード大学ドッキング設定）で検証。

検出された接触（合計 5）

PLIP

2 個の水素結合
1 個の疎水接触
2 個のハロゲン結合

ポケット残基： ASN142A, GLN189A, HIS41A, THR26A

4. 論文用図

スライドと原稿用の PNG（ZIP にも含まれます）。

リガンド：

2D 相互作用図 — ligand_1 — 2D 相互作用図
PLIP が検出した水素結合・疎水接触・塩橋の LigPlot 風マップ。

結合部位の概要 — ligand_1 — 結合部位の概要
ドッキングしたリガンド付きポケット強調（matplotlib 3D 概要）。

リガンド 2D 構造 — ligand_1 — リガンド 2D 構造
ドッキングに用いたプロトン化リガンドの化学構造。

PyMOL 結合部位レンダー — ligand_1 — PyMOL 結合部位レンダー
レイトレースの論文用図（cartoon 受容体 + sticks）。バッチでは最良ヒットのみ。

5. 3D 構造ビュー

インタラクティブなタンパク質–リガンド複合体。リガンドと Vina ポーズ（上位 3 つをエクスポート）を選択。ポーズ 1 が最高スコアのモードです。

Ligand:Pose:

Drag to rotate · scroll to zoom · right-drag to pan. Top 3 Vina poses are exported when available; pose 1 is the best-scoring mode.

6. ADMET 概要

RDKit ベースの drug-likeness 推定（Lipinski、Veber、QED）。実験 ADMET ではありません。

リガンド：

Drug-like（ルール合格）

分子量 (Da): 404.3
LogP: 0.04
TPSA (Å²): 70.9
水素結合ドナー / 水素結合アクセプター: 2 / 3
回転可能結合: 2
QED: 0.639
Lipinski: 合格
Veber: 合格

RDKit 記述子による計算 ADMET 推定であり、実験 ADMET データではありません。

7. リガンド別ドッキング結果（全化合物）

各行はこのバッチの 1 化合物（合計 3）です。ステータス、次にアフィニティでソート。スクリーニング比較用に ADMET 列を含みます。

#	化合物	SMILES	ステータス	最良アフィニティ (kcal/mol)	2 位との差	ポーズ信頼度	Pose QC	分子量 (Da)	Lipinski	QED
1	Nirmatrelvir	CC(C)(C)C(NC(=O)C(F)(F)F)C(=O)N1CC2CC(C1)N2C(=O)…	OK	-6.21	0.14	上位ポーズが接近	PoseBusters QC 合格	404.3	合格	0.64
2	Ibuprofen	CC(C)Cc1ccc(C(C)C(=O)O)cc1	OK	-6.03	0.23	上位ポーズが接近	PoseBusters QC 合格	205.3	合格	0.75
3	Aspirin	CC(=O)Oc1ccccc1C(=O)O	OK	-5.05	0.40	中程度の分離	PoseBusters QC 合格	179.2	合格	0.47

実行メモ

使用受容体チェーン：A

サーチボックスは共結晶リガンド中心を基準（20×20×20 Å）。

ligand_1：DIMORPHITE_MULTIPLE_STATES：pH 7.4 で 4 種類のプロトン化状態；ドッキングは最初の変異体を使用。

ligand_1：検証済みリガンド PDBQT を再利用（Review setup からプロトン化状態をロック）。

ligand_2：検証済みリガンド PDBQT を再利用（Review setup からプロトン化状態をロック）。

ligand_3：検証済みリガンド PDBQT を再利用（Review setup からプロトン化状態をロック）。

制限事項

剛性受容体のみ（側鎖は柔軟化しない）。
ジョブあたり 1 タンパク質チェーン（複数チェーン PDB はチェーンを選択）。
リガンドプロトン化は dimorphite_dl をジョブ pH（デフォルト 7.4）またはリガンドごとの pH 上書き（4.0–10.0）で実行。
リガンド入力：SMILES、MOL ブロック、または SDF（最初のレコード）。
オプション preserve_hetatm（例 ZN、MG）はクリーンな受容体 PDB で金属を保持。
結合リガンド検出時に共結晶 redock sanity チェック（run_redock=true）。

Ready to run your own docking job?

Start on the home page

読み込み中…