Virtual Structural Biology Group » Учебные курсы » Структурная биоинформатика в ВШЭ

h1.  Хемоинформатика 

lecture : http://kodomo.fbb.msu.ru/~golovin/l2.pdf

Цель занятия используя пакет моудлей RDkit предложить аналог ибупрофена :

* на сайте PubChem найти все радикалы c азидом для Click Chemistry и скачать их SMILES нотации

* Найти формулу ибупрофена и предложить способ изменения его SMILES для эмуляции продукта Click Chemistry

* Заменить в найденых радикалах азидную группу на модифцированный ибупрофен.

* Превратить новые SMILES  в объекты-молекулы

* Отобрать те молекулы, которые удовлетворяют правилу пяти Lepinsky

h2. Подсказки: 

* Всю работу выполняем в Jupiter Notebook, можно запускать как локально так и на shadbox

* Добавим путь к conda и активируем профиль,if you use windows do it in putty on shadbox:

<pre><code class="bash">

source activate hse

</pre>

<pre><code class="bash">

jupyter-notebook --no-browser -port XXXX

</pre>

* Run plink on windows

<pre><code class="bash">

plink -ssh -L  8888:localhost:XXXXX ivanov@shadbox

</pre>

* open browser http://localhost:8888 , you may want use tokien from Jupiter Notebook run.

* Загрузим модули RDkit (мануал: http://www.rdkit.org/docs/GettingStartedInPython.html )

<pre><code class="python">

from rdkit import Chem

from rdkit.Chem import AllChem

from rdkit import RDConfig

from rdkit.Chem.Draw import IPythonConsole 

from rdkit.Chem import Draw

import numpy as np

from IPython.display import display,Image

</pre>

* Нарисуем ибупрофен

<pre><code class="python">

ibu=Chem.MolFromSmiles('CC(C)CC1=CC=C(C=C1)C(C)C(=O)O')

AllChem.Compute2DCoords(ibu)

display(ibu)

</pre>

* Посчитаем параметры для правила Лепински

<pre><code class="python">

import rdkit.Chem.Lipinski as Lipinksy

print Lipinksy.NumHDonors(ibu)

print Lipinksy.NumHAcceptors(ibu)

print Lipinksy.rdMolDescriptors.CalcExactMolWt(ibu)

print Lipinksy.rdMolDescriptors.CalcCrippenDescriptors(ibu)[0]

</pre>

* Загрузим скаченные данные и отфильтруем

<pre><code class="python">

strings=np.genfromtxt('2515324818764782706.txt',dtype=np.str)

for line in strings:

    if len(line[1]) < 30 and not '.' in line[1]:

        smiles  append line[1]

</pre>

* Пстроим новые молекулы и отфильтруем

<pre><code class="python">

for smi in smiles[:1500]:

    if азид  in smi:

        newsmi=smi.replace('N=[N+]=[N-]',template)

    else:

        continue

</pre>

* Новую молекулу лучше создавать в try из-за битых  smiles

<pre><code class="python">

    try:

        newmol=Chem.MolFromSmiles

        if новая молекулу удолтворяет правилу 5

            сохраним в массив

            и покажем

    except:

        pass

</pre>

* Наводим красоту за бонусные баллы, постройте 3D структуру и покрутите её

можно сделать большую картинку с Draw.MolsToGridImage

как сделать конформацию лиганда:

<pre><code class="python">

m3d=Chem.AddHs(m2d)

Chem.AllChem.EmbedMolecule(m3d)

AllChem.MMFFOptimizeMolecule(m3d,maxIters=500,nonBondedThresh=200 )

</pre>

загрузим NGL viewer

<pre><code class="python">

import nglview as nv

</pre>

и покажем первую конформацию

<pre><code class="python">

nv.show_rdkit(m3d)

</pre>