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

h1. Докинг низкомолекулярных лигандов в структуру белка 

h2. Традиционные ссылки на полезные ресурсы: 

* Видеурок по работе с Autodock Vina [[http://vina.scripps.edu/tutorial.html

* Статья по ODDT https://jcheminf.springeropen.com/articles/10.1186/s13321-015-0078-2

Вся работа по расчётам будет проходить на через ipython notebook.

h3. Введение 

Цель данного занятия ознакомится с возможностями докинга низкомолекулярного лиганда в структуру белка.

В этом занятии мы будем пользоваться пакетом Autodock Vina и oddt. Это программное обеспечение распространяется бесплатно для академических пользователей.

h3. Объект 

Вы будете работать с белком лизоцимом структуру которого вы построили на основе гомологичного моделирования на прошлом *практикуме*.

Надо определить место докинга, удалить лигнад, запустить докинг и провести анализ

h3. Модули 

<pre><code class="python">

import numpy as np

import copy

# Отображение структур

import IPython.display

import ipywidgets

from IPython.display import display,display_svg,SVG,Image

# Open Drug Discovery Toolkit

import oddt

import oddt.docking

import oddt.interactions

# Органика

from rdkit.Chem import Draw

from rdkit.Chem.Draw import IPythonConsole

import pmx # Модуль для манипулирования pdb 

</code></pre>

h3.  Подготовка белка 

<pre><code class="python">

pdb=pmx.Model('my.B99990001.pdb')

for r in pdb.residues[135:]:

    print r #посмотрим остатки

</code></pre>

<pre><code class="python">

# создание объектов белок и лиганда

newpdb = pdb.copy()

for r in newpdb.residues[-X:]:

    newpdb.remove_residue(r)

lig = pdb.copy()

del lig.residues[:-X]

</code></pre>

<pre><code class="python">

for a in lig.atoms:

   a.x # найдите геометрический центр лиганда

</code></pre>

<pre><code class="python">

newpdb.writePDB(.....)

</code></pre>

h3. Подготовка белка для докинга 

<pre><code class="python">

prot = oddt.toolkit.readfile('pdb','myprot.pdb').next()

prot.OBMol.AddPolarHydrogens()

prot.OBMol.AutomaticPartialCharge()

print 'is it the first mol in 1lmp is protein?',prot.protein,':) and MW of this mol is:', prot.molwt 

</code></pre>

h3. Лиганды для докинга 

<pre><code class="python">

smiles = ['c1cccc(O)c1', 'c1c(O)ccc(O)c1','c1(O)cc(c2ccccc2)cc(O)c1']

mols= []

images =[]

for s in smiles:

    m = oddt.toolkit.readstring('smi', s)

    if not m.OBMol.Has3D(): 

        m.make3D(forcefield='mmff94', steps=150)

        m.removeh()

        m.OBMol.AddPolarHydrogens()

    mols.append(m)

    ###with print m.OBMol.Has3D() was found that:

    ### deep copy needed to keep 3D , write svg make mols flat

    images.append((SVG(copy.deepcopy(m).write('svg'))))

display_svg(*images)

</code></pre>

h3. Докинг 

<pre><code class="python">

#create docking object

dock_obj= oddt.docking.AutodockVina.autodock_vina(

    protein=prot,size=(20,20,20),center=[xx,yy,zz],

    executable='/usr/bin/vina',autocleanup=True, num_modes=20)

print dock_obj.tmp_dir

print " ".join(dock_obj.params) # Опишите выдачу

</code></pre>

<pre><code class="python">

# do it

res = dock_obj.dock(mols,prot)

</code></pre>

h3. Результаты докинга 

<pre><code class="python">

for i,r in enumerate(res):

    print "%4d%10s%8s%8s%8s" %(i,r.formula, r.data['vina_affinity'],  r.data['vina_rmsd_ub'], r.residues[0].name)

</code></pre>

h3. Анализ докинга

<pre><code class="python">

for i,r in enumerate(res):

    hbs = oddt.interactions.hbonds(prot,r)

    stack= oddt.interactions.pi_stacking(prot,r)

    phob = oddt.interactions.hydrophobic_contacts(prot,r)

</code></pre>

h3. Визуализация 

<pre><code class="python">

for i,r in enumerate(res):

    r.write(filename='r%s.pdb' % i, format='pdb')

</code></pre>

<pre><code class="bash">

pymol myprot.pdb r*pdb

</code></pre>

h2. Задание 

# NAG содержит в себе СH3C(=O)NH группу. Создайте лиганды где метильный радикал этой группы будет заменён на :

*  OH

*  NH3+

*  H

*  Ph 

*  COO-

Для каждого из этих лигандов проведите  докинг и представьте результаты в виде таблицы от лучшего заместителя к худшему.

# Предложите методы из статьи про ODDT (пакет Sklearn), которые можно было бы использовать в Вашем упражнении