Name: Curación de bibliotecas químicas computacionales demostradas con alfa-aminoácidos (Video) | JoVE Journal
Uploaded: 2022-04-13T13:30:00.000+00:00
Duration: 8 min 21 s
Description: Aprende a crear y curar bibliotecas de estructuras moleculares usando software de código abierto como Maygen y RDKit. Este protocolo computacional facilita el descubrimiento de fármacos mediante filtrado de subestructuras y generación de descriptores.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

MAY reconoce la financiación de la Fundación Carl-Zeiss. Todas las cifras se generaron utilizando Microsoft Excel.

NOTA: Consulte la Figura 1 para obtener un resumen del protocolo y la Tabla de materiales para obtener detalles sobre el software utilizado.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/63632/63632fig01.jpg"> Figura 1: Diagrama de flujo resumido del protocolo. <a href="https://www.jove.com/files/ftp_upload/63632/63632fig01large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
1. Descargas de software y archivos
NOTA: Todos los programas son gratuitos para uso individual y se pueden ejecutar en una computadora personal.
<ol><li>Cree un nuevo directorio para este proyecto. Coloque los archivos y ejecutables aquí para facilitar el acceso.</li>
	<li>Descargue e instale los paquetes de software necesarios.<ol>
<li>Descargue la última versión de MAYGEN como archivo .jar. NOTA: MAYGEN está disponible gratuitamente como un archivo .jar de https://github.com/MehmetAzizYirik/MAYGEN/releases</li>
		<li>Descargue e instale el software de gestión de paquetes Conda y el kit de herramientas de química informática RDKit18. NOTA: RDKit filtrará las estructuras moleculares producidas por MAYGEN y funciona mejor en un entorno Conda. Las instrucciones para descargar la plataforma Conda se pueden encontrar en https://conda.io/projects/conda/en/latest/user-guide/install/index.html. Las instrucciones de instalación y configuración del entorno de RDKit se pueden encontrar en https://www.rdkit.org/docs/Install.html.<ol>
<li>Instale RDKit en el entorno principal de Conda en lugar de un entorno RDKit independiente a través del símbolo del sistema Anaconda. En sistemas Windows, busque "Anaconda prompt" y haga clic en el acceso directo resultante para ejecutar. En sistemas MacOS y Linux, interactúe con Conda a través del terminal sin ejecutar ningún programa adicional. A continuación, escriba el siguiente comando y presione Entrar para ejecutar, y responda sí a cualquier pregunta que surja durante la instalación: conda install -c rdkit rdkit. Si bien hay muchos programas de cálculo de descriptores disponibles gratuitamente, este ejemplo utiliza PaDEL-Descriptor19, una calculadora gratuita y rápida para descriptores moleculares y huellas dactilares.</li>
		</ol>
</li>
		<li>Descargue y guarde el archivo .jar en la carpeta del proyecto. NOTA: PaDEL-Descriptor se puede descargar de forma gratuita desde http://www.yapcwsoft.com/dd/padeldescriptor/.</li>
	</ol>
</li>
	<li>Descargue los blocs de notas de Jupyter y los archivos de texto de los patrones de subestructura de Los archivos suplementarios 1-5. NOTA: Los blocs de notas de Jupyter también se pueden descargar desde la siguiente página de GitHub: https://github.com/cmayerb1/AA-structure-manip.</li>
</ol>2. Generación de estructuras utilizando MAYGEN
<ol><li>En un símbolo del sistema, navegue hasta el directorio que contiene el archivo ejecutable MAYGEN .jar.</li>
	<li>Para cada fórmula química de interés, ejecute MAYGEN utilizando el siguiente comando: java -jar [MAYGEN .jar nombre de archivo] -f [fórmula química] -v -o [carpeta para la salida maygen] -m -sdf. Nota : esto guardará un archivo .sdf en la carpeta designada, con el nombre de la fórmula utilizada.<ol>
<li>Si la fórmula es una fórmula difusa en lugar de una fórmula discreta, reemplace la bandera -f por una bandera -difusa y encierre los intervalos de cualquier elemento entre paréntesis (por ejemplo, use C[5-7]H[12-15] para asegurarse de que todas las estructuras generadas tengan entre 5 y 7 átomos de carbono y entre 12 y 15 átomos de hidrógeno).</li>
	</ol>
</li>
</ol>3. Filtrar compuestos con subestructuras no deseadas
<ol><li>Abra un mensaje de Anaconda (consulte el paso 1.2.2.1) y navegue hasta la carpeta que contiene los blocs de notas de Jupyter descargados del archivo complementario 1.</li>
	<li>Abra el bloc de notas de Jupyter para el filtrado de subestructuras mediante el siguiente comando: jupyter notebook [nombre de archivo del bloc de notas]
</li>
	<li>En la celda designada al principio del bloc de notas, introduzca la ruta de archivo completa del archivo de .sdf de entrada (generada por MAYGEN), la ruta de archivo completa del archivo de salida de .sdf deseado y la ruta de archivo del archivo "badlist" como cadenas (entre comillas). Consulte el archivo complementario 2 para ver un ejemplo de una lista incorrecta.<ol>
<li>Si se van a conservar algunas subestructuras de la biblioteca filtrada (una lista de buenos), cree un archivo .txt de patrones SMARTS20 para esas subestructuras (una lista de buenos) y coloque la ruta del archivo de lista de mercancías en la línea designada al principio del bloc de notas. Consulte el Archivo suplementario 3 para ver un ejemplo de una lista de buenos.</li>
	</ol>
</li>
	<li>Reinicie el kernel del bloc de notas y ejecute todas las celdas (desde el menú de la parte superior , seleccione Kernel, Reiniciar y Ejecutar todo) para obtener un archivo .sdf con el nombre deseado en la carpeta de salida especificada.</li>
	<li>Repita los dos pasos anteriores para cada archivo de estructura generado por MAYGEN en el paso 2.</li>
</ol>4. (Opcional) Modificaciones adicionales de la estructura
Nota : estos se realizan en este ejemplo, pero pueden no ser necesarios para la curaduría de otras bibliotecas.
<ol><li>Reemplazo de pseudoátomos. NOTA: Aquí, un pseudoátomo es un átomo único utilizado para representar una subestructura más grande compartida por todas las estructuras generadas, reduciendo así el tiempo de generación de MAYGEN. Consulte el Archivo suplementario 4 para ver un ejemplo de reemplazo de pseudoátomos.<ol>
<li>Abra un mensaje de Anaconda (consulte el paso 1.2.2.1) y navegue hasta la carpeta que contiene los blocs de notas de Jupyter.</li>
		<li>Abra el cuaderno jupyter para el reemplazo de pseudoátomos: jupyter notebook [nombre de archivo del bloc de notas]
</li>
		<li>En la celda designada al principio del bloc de notas, introduzca la ruta de archivo completa del archivo de .sdf de entrada y la ruta de archivo completa del archivo de salida de .sdf deseado como cadenas (entre comillas).</li>
		<li>Reinicie el kernel del bloc de notas y ejecute todas las celdas para obtener un archivo .sdf con el nombre deseado en la carpeta de salida especificada.</li>
	</ol>
</li>
	<li>Tapamiento de aminoácidos N- y C-termini NOTA: Este procedimiento es específico para los alfa-aminoácidos, agregando tapas moleculares a los N- y C-termini de las columnas vertebrales de alfa-aminoácidos. Consulte el Archivo Suplementario 5 para ver un ejemplo de tapamiento de aminoácidos.<ol>
<li>Abra un mensaje de Anaconda (consulte el paso 1.2.2.1) y navegue hasta la carpeta que contiene los blocs de notas de Jupyter.</li>
		<li>Abra el cuaderno jupyter para el taponamiento de aminoácidos: jupyter notebook [nombre de archivo del bloc de notas]
</li>
		<li>En la celda designada al principio del bloc de notas, introduzca la ruta de archivo completa del archivo de .sdf de entrada y la ruta de archivo completa del archivo de salida de .sdf deseado como cadenas (entre comillas).</li>
		<li>Reinicie el kernel del bloc de notas y ejecute todas las celdas para obtener un archivo .sdf con el nombre deseado en la carpeta de salida especificada.</li>
	</ol>
</li>
</ol>5. Generación de descriptores
<ol><li>Antes de la generación de descriptores, coloque todos los archivos .sdf para los que se van a calcular los descriptores en una sola carpeta. NOTA: Si aún no ha terminado, asigne a estos archivos nombres descriptivos para facilitar el filtrado después de la generación del descriptor.</li>
	<li>Abra un símbolo del sistema y navegue hasta la carpeta que contiene el archivo PaDEL-Descriptor .jar.</li>
	<li>Ejecute PaDEL-Descriptor para los archivos .sdf recopilados mediante el siguiente comando: java -jar PaDEL-Descriptor.jar -dir [directorio de los archivos .sdf] -file [ruta de archivo de un archivo .csv para resultados] -2d -retainorder -usefilenameasmolname NOTA: El archivo de resultados tendrá el nombre de la molécula en la primera columna y cada descriptor en las columnas siguientes.</li>
	<li>Exporte estos datos a cualquier software de hoja de cálculo para su posterior análisis.</li>
</ol>

<ol><li>Ruddigkeit, L., van Deursen, R., Blum, L. C., Reymond, J. -L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Enumeration+of+166+billion+organic+small+molecules+in+the+chemical+universe+database+GDB-17%5BTitle%5D)+AND+%22Journal+of+Chemical+Information+and+Modeling%22%5BJournal%5D)">Enumeration of 166 billion organic small molecules in the chemical universe database GDB-17.</a> Journal of Chemical Information and Modeling. 52 (11), 2864-2875 (2012).</li>
<li>Buchanan, B. G., Feigenbaum, E. A. Dendral and Meta-Dendral: their applications dimension. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBuchanan%2C+BG+%22Readings+in+Artificial+Intelligence%22">Readings in Artificial Intelligence</a>. Webber, B. L., Nilsson, N. J. , Morgan Kaufmann. 313-322 (1981).</li>
<li>Gugisch, R., et al. MOLGEN 5.0, A Molecular Structure Generator. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGugisch%2C+R+%22Advances+in+Mathematical+Chemistry+and+Applications%22">Advances in Mathematical Chemistry and Applications</a>. Basak, S. C., Restrepo, G., Villaveces, J. L. , Bentham Science Publishers. 113-138 (2015).</li>
<li>Yirik, M. A., Steinbeck, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Chemical+graph+generators%5BTitle%5D)+AND+%22PLOS+Computational+Biology%22%5BJournal%5D)">Chemical graph generators.</a> PLOS Computational Biology. 17 (1), 1008504(2021).</li>
<li>Jaghoori, M. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PMG%3A+multi-core+metabolite+identification%5BTitle%5D)+AND+%22Electronic+Notes+in+Theoretical+Computer+Science%22%5BJournal%5D)">PMG: multi-core metabolite identification.</a> Electronic Notes in Theoretical Computer Science. 299, 53-60 (2013).</li>
<li>Yirik, M. A., Sorokina, M., Steinbeck, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MAYGEN%3A+an+open-source+chemical+structure+generator+for+constitutional+isomers+based+on+the+orderly+generation+principle%5BTitle%5D)+AND+%22Journal+of+Cheminformatics%22%5BJournal%5D)">MAYGEN: an open-source chemical structure generator for constitutional isomers based on the orderly generation principle.</a> Journal of Cheminformatics. 13 (1), 48(2021).</li>
<li>Sims, C. C. Computational methods in the study of permutation groups. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSims%2C+CC+%22Computational+Problems+in+Abstract+Algebra%22">Computational Problems in Abstract Algebra</a>. Leech, J. , Pergamon. 169-183 (1970).</li>
<li>Mat, W. -K., Xue, H., Wong, J. T. -F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+genomics+of+LUCA%5BTitle%5D)+AND+%22Frontiers+in+Bioscience%22%5BJournal%5D)">The genomics of LUCA.</a> Frontiers in Bioscience. 13, 5605-5613 (2008).</li>
<li>Fournier, G. P., Alm, E. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ancestral+reconstruction+of+a+pre-LUCA+aminoacyl-tRNA+synthetase+ancestor+supports+the+late+addition+of+Trp+to+the+genetic+code%5BTitle%5D)+AND+%22Journal+of+Molecular+Evolution%22%5BJournal%5D)">Ancestral reconstruction of a pre-LUCA aminoacyl-tRNA synthetase ancestor supports the late addition of Trp to the genetic code.</a> Journal of Molecular Evolution. 80 (3-4), 171-185 (2015).</li>
<li>Higgs, P. G., Pudritz, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Thermodynamic+basis+for+prebiotic+amino+acid+synthesis+and+the+nature+of+the+first+genetic+code%5BTitle%5D)+AND+%22Astrobiology%22%5BJournal%5D)">A Thermodynamic basis for prebiotic amino acid synthesis and the nature of the first genetic code.</a> Astrobiology. 9 (5), 483-490 (2009).</li>
<li>Trifonov, E. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Consensus+temporal+order+of+amino+acids+and+evolution+of+the+triplet+code%5BTitle%5D)+AND+%22Gene%22%5BJournal%5D)">Consensus temporal order of amino acids and evolution of the triplet code.</a> Gene. 261 (1), 139-151 (2000).</li>
<li>Cleaves, H. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+origin+of+the+biologically+coded+amino+acids%5BTitle%5D)+AND+%22Journal+of+Theoretical+Biology%22%5BJournal%5D)">The origin of the biologically coded amino acids.</a> Journal of Theoretical Biology. 263 (4), 490-498 (2010).</li>
<li>Moosmann, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Redox+biochemistry+of+the+genetic+code%5BTitle%5D)+AND+%22Trends+in+Biochemical+Sciences%22%5BJournal%5D)">Redox biochemistry of the genetic code.</a> Trends in Biochemical Sciences. 46 (2), 83-86 (2021).</li>
<li>Simkus, D. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Methodologies+for+analyzing+soluble+organic+compounds+in+extraterrestrial+samples%3A+amino+acids%2C+amines%2C+monocarboxylic+acids%2C+aldehydes%2C+and+ketones%5BTitle%5D)+AND+%22Life%22%5BJournal%5D)">Methodologies for analyzing soluble organic compounds in extraterrestrial samples: amino acids, amines, monocarboxylic acids, aldehydes, and ketones.</a> Life. 9 (2), 47(2019).</li>
<li>Criado-Reyes, J., Bizzarri, B. M., García-Ruiz, J. M., Saladino, R., Di Mauro, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+borosilicate+glass+in+Miller-Urey+experiment%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">The role of borosilicate glass in Miller-Urey experiment.</a> Scientific Reports. 11 (1), 21009(2021).</li>
<li>Parker, E. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Primordial+synthesis+of+amines+and+amino+acids+in+a+1958+Miller+H2S-rich+spark+discharge+experiment%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Primordial synthesis of amines and amino acids in a 1958 Miller H2S-rich spark discharge experiment.</a> Proceedings of the National Academy of Sciences of the United States of America. 108 (14), 5526-5531 (2011).</li>
<li>Bada, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+insights+into+prebiotic+chemistry+from+Stanley+Miller%27s+spark+discharge+experiments%5BTitle%5D)+AND+%22Chemical+Society+Reviews%22%5BJournal%5D)">New insights into prebiotic chemistry from Stanley Miller's spark discharge experiments.</a> Chemical Society Reviews. 42 (5), 2186-2196 (2013).</li>
<li>RDKit: Open-source cheminformatics. , Available from: 
 <a target="_blank" href="http://www.rdkit.org">http://www.rdkit.org</a> (2021).</li>
<li>Yap, C. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PaDEL-descriptor%3A+An+open+source+software+to+calculate+molecular+descriptors+and+fingerprints%5BTitle%5D)+AND+%22Journal+of+Computational+Chemistry%22%5BJournal%5D)">PaDEL-descriptor: An open source software to calculate molecular descriptors and fingerprints.</a> Journal of Computational Chemistry. 32 (7), 1466-1474 (2011).</li>
<li>SMARTS - A language for describing molecular patterns. Daylight Chemical Information Systems, Inc. , Available from: 
 <a target="_blank" href="https://www.daylight.com/html/doc/theory/theory.smarts.html">https://www.daylight.com/html/doc/theory/theory.smarts.html</a> (2019).</li>
<li>Meringer, M., Cleaves, H. J., Freeland, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Beyond+terrestrial+biology%3A+charting+the+chemical+universe+of+%CE%B1-amino+acid+structures%5BTitle%5D)+AND+%22Journal+of+Chemical+Information+and+Modeling%22%5BJournal%5D)">Beyond terrestrial biology: charting the chemical universe of α-amino acid structures.</a> Journal of Chemical Information and Modeling. 53 (11), 2851-2862 (2013).</li>
<li>Zherebker, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Speciation+of+organosulfur+compounds+in+carbonaceous+chondrites%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">Speciation of organosulfur compounds in carbonaceous chondrites.</a> Scientific Reports. 11 (1), 7410(2021).</li>
<li>Tanford, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+hydrophobic+effect+and+the+organization+of+living+matter%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">The hydrophobic effect and the organization of living matter.</a> Science. 200 (4345), 1012-1018 (1978).</li>
<li>Grantham, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Amino+acid+difference+formula+to+help+explain+protein+evolution%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Amino acid difference formula to help explain protein evolution.</a> Science. 185 (4154), 862-864 (1974).</li>
<li>Cordero, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Covalent+radii+revisited%5BTitle%5D)+AND+%22Dalton+Transactions%22%5BJournal%5D)">Covalent radii revisited.</a> Dalton Transactions. (21), 2832-2838 (2008).</li>
<li>Cleaves, H. J., Butch, C., Burger, P. B., Goodwin, J., Meringer, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((One+among+millions%3A+the+chemical+space+of+nucleic+acid-like+molecules%5BTitle%5D)+AND+%22Journal+of+Chemical+Information+and+Modeling%22%5BJournal%5D)">One among millions: the chemical space of nucleic acid-like molecules.</a> Journal of Chemical Information and Modeling. 59 (10), 4266-4277 (2019).</li>
</ol>

Los autores no tienen conflictos de intereses que revelar.

Una característica de los aminoácidos "tempranos" es la falta de azufre. Los meta-análisis mencionados anteriormente generalmente consideran que los aminoácidos codificados que contienen azufre (Cys y Met) han sido adiciones relativamente tardías al código genético, conclusiones respaldadas por la falta de aminoácidos que contienen azufre en meteoritos y experimentos de tubos de chispa. Sin embargo, los compuestos organosulfurados se detectan fácilmente en cometas y meteoritos22, y el reanálisis de experimentos de tubos de chispa utilizando gas H2S encontró aminoácidos y otros compuestos orgánicos que contienen azufre16. Al considerar un alfabeto alternativo de aminoácidos, vale la pena explorar uno enriquecido en azufre.
En el protocolo anterior, la generación de estructuras y el filtrado de subestructuras se consideran pasos críticos; dependiendo de la composición de la biblioteca de estructuras terminada, es posible que un investigador solo necesite realizar esos dos pasos. Se incluyen instrucciones y software para acciones adicionales (reemplazo de pseudoátomos y adición de subestructuras (en este caso, taponamiento de aminoácidos)) para un cálculo descriptor más relevante (el taponamiento garantiza que los cálculos de XLogP estén influenciados por la cadena lateral y no por la columna vertebral de los grupos amina o carboxilo) y una generación de estructura más rápida mediante el uso de un pseudoátomo, que se analiza con más detalle a continuación. Además, el cálculo del descriptor se realiza aquí como una forma fácil de visualizar la diversidad de las estructuras generadas y comparar los efectos del enriquecimiento de azufre en las bibliotecas terminadas.
Mientras que PaDEL-Descriptor puede calcular miles de propiedades moleculares, el volumen molecular (como volumen calculado van der Waals) y el coeficiente de partición (como XLogP) se utilizaron aquí por dos razones distintas. En primer lugar, estos dos descriptores miden las propiedades moleculares (tamaño e hidrofobicidad, respectivamente) que son familiares para la mayoría de los químicos y biólogos. En segundo lugar, en el caso de los aminoácidos, estas dos propiedades son significativas. Durante décadas, se supo que el tamaño de los aminoácidos y la hidrofobicidad influían en la termodinámica del plegamiento de proteínas23. Estas dos propiedades ayudan a explicar las frecuencias de sustitución de aminoácidos que han sido fundamentales para comprender la evolución de las proteínas24.
El ejemplo anterior muestra que, en los dos descriptores estudiados (volumen molecular e hidrofobicidad), la sustitución de un azufre divalente por un carbono y dos hidrógenos no produce cambios significativos. El ligero aumento no significativo en el volumen molecular medio de la sustitución de azufre (Figura 3) podría atribuirse al radio covalente más grande del azufre (~ 103 pm) en comparación con el carbono25 sp3 (~ 75 pm) o sp2 (~ 73 pm). Del mismo modo, la sustitución de azufre tiene un efecto mínimo sobre la media de XLogP (Figura 4). El mayor efecto fue entre las bibliotecas VAIL y VAIL_S, probablemente debido a que una combinación de la biblioteca VAIL es especialmente hidrofóbica (las cadenas laterales son solo hidrocarburos) y los grupos sulfhidrilo son mucho más ácidos que los grupos metilo que reemplazarían. El efecto mínimo de la sustitución de azufre es evidente en la Figura 2, donde las bibliotecas con sustitución de azufre ocupan el mismo espacio químico que las bibliotecas análogas sin sustitución de azufre.
La disminución en el número de estructuras (Figura 5A) y el tiempo necesario para generar esas estructuras (Figura 5B) cuando se utiliza un pseudoátomo no es sorprendente. El uso de un pseudoátomo reduce el número de átomos pesados que deben incorporarse a un gráfico químico, reduciendo el número de nodos de grafos y produciendo disminuciones exponenciales en el tiempo de generación y el número de estructuras. Aquí, la elección del fósforo trivalente como pseudoátomo se deriva de la bioquímica básica (en ausencia de adición posttraduccional de grupos fosfato, ningún aminoácido codificado genéticamente contiene fósforo) y la valencia del átomo que lo reemplazaría (un fósforo trivalente puede reemplazarse fácilmente con un carbono tetravalente que está unido individualmente a otro átomo o grupo de átomos). Si bien el código proporcionado para la sustitución de pseudoátomos es específico para reemplazar un fósforo trivalente con una subestructura de alanina, los usuarios pueden personalizar el código para que funcione con diferentes pseudoátomos o subestructuras de reemplazo, potencialmente utilizando múltiples pseudoátomos durante la generación inicial de la estructura seguido de reemplazar cada pseudoátomo con una subestructura molecular más grande.
Los métodos de generación de estructuras similares a los empleados por MAYGEN (y otros métodos como las redes neuronales) ya se utilizan en el descubrimiento de fármacos para generar bibliotecas de compuestos para el cribado in silico ; una revisión reciente4 discute estos métodos con más detalle. Como estos métodos están destinados principalmente a la creación de moléculas similares a las de un fármaco, existen algunas limitaciones en su capacidad para generar moléculas, como el uso de propiedades biológicas o farmacéuticas para limitar las estructuras creadas (QSPR / QSAR inverso) o la creación de estructuras a partir de un número preestablecido de bloques de construcción de subestructuras. Como la astrobiología se centra más en la multitud de compuestos orgánicos que pueden formarse abióticamente y menos en cualquier producto final o sus propiedades, la generación exhaustiva de estructuras de MAYGEN es ideal para crear bibliotecas de estructuras para abordar cuestiones astrobiológicas. El enfoque para el filtrado de subestructuras descrito aquí (realizado después de la generación de estructuras a través de un programa externo) difiere del programa competidor MOLGEN en que el filtrado de subestructuras de MOLGEN ocurre durante la generación de estructuras. Como MAYGEN es de código abierto, no solo es más accesible que MOLGEN debido al costo de licencia de MOLGEN, sino que las personas podrían implementar nuevas características, como el filtrado de subestructuras durante la generación de estructuras.
Como está escrito, el protocolo descrito aquí se centra en generar y curar bibliotecas de alfa-aminoácidos relativamente pequeños. Para generar diferentes bibliotecas, los usuarios pueden dar diferentes fórmulas moleculares a MAYGEN, cambiar el filtrado de la subestructura cambiando el tamaño máximo permitido del anillo y la valencia de enlace, o editar los archivos goodlist y badlist para agregar o eliminar patrones de subestructura. Las modificaciones de protocolo que implican cambiar la forma en que se agregan o reemplazan los átomos y las subestructuras (sustitución de pseudoátomos y taponamiento molecular) son factibles, pero requerirán más atención a las restricciones de valencia para evitar errores RDKit sobre valencias incorrectas en estructuras modificadas.
El protocolo detallado anteriormente está diseñado para pequeños alfa-aminoácidos. Sin embargo, el formato general (generación integral de estructuras utilizando pseudoátomos, seguido de filtrado de subestructuras y modificaciones moleculares) es altamente flexible para compuestos más allá de aminoácidos pequeños. Incluso en astrobiología, se utilizó un procedimiento reciente similar utilizando MOLGEN para investigar isómeros constitucionales de ácidos nucleicos26. Además de las herramientas descritas anteriormente, MAYGEN se puede combinar con otras herramientas de quimioinformática de código abierto para hacer que la creación y el análisis de nuevas estructuras químicas sean asequibles y accesibles para una amplia gama de campos de investigación.

La generación de estructuras moleculares sirve como una aplicación práctica del problema general de la generación exhaustiva de grafos; dados varios nodos (átomos) y restricciones en su conectividad (por ejemplo, valencias, multiplicidades de enlaces, subestructuras deseadas / no deseadas), ¿cuántos gráficos conectados (moléculas) son posibles? Los generadores de estructuras han visto una amplia aplicación en el descubrimiento de fármacos y el desarrollo farmacéutico, donde pueden crear vastas bibliotecas de estructuras novedosas para el cribado in silico 1.
El primer generador de estructuras, CONGEN, fue desarrollado para el primer proyecto de inteligencia artificial en química orgánica, DENDRAL2 (abreviatura de DENDRitic ALgorithm). Varios sucesores de software de DENDRAL fueron reportados en la literatura; sin embargo, no todos fueron mantenidos o eficientes. Actualmente, MOLGEN3 es el generador de estructura molecular de última generación. Desafortunadamente para la mayoría de los usuarios potenciales, es de código cerrado y requiere una tarifa de licencia. Por lo tanto, ha habido la necesidad de un generador de estructura de código abierto eficiente que pueda adaptarse fácilmente a aplicaciones específicas. Un desafío para un generador de estructura eficiente es la gestión de la explosión combinatoria; a medida que aumenta el tamaño de una fórmula molecular, el tamaño del espacio de búsqueda química aumenta exponencialmente. Una revisión reciente explora más a fondo la historia y los desafíos de la generación de estructura molecular4.
Antes de 2021, el Parallel Molecule Generator (PMG)5 era el generador de estructura de código abierto más rápido, pero aún era más lento que MOLGEN en órdenes de magnitud. MAYGEN6 es aproximadamente 47 veces más rápido que PMG y alrededor de 3 veces más lento que MOLGEN, lo que convierte a MAYGEN en el generador de estructuras de código abierto más rápido y eficiente disponible. Se pueden encontrar comparaciones más detalladas y pruebas de evaluación comparativa en el documento que presenta MAYGEN6. Una característica clave del programa es su prueba lexicográfica basada en el ordenamiento para estructuras canónicas, un método ordenado de generación de gráficos basado en el algoritmo Schreier-Sims7 . El software se puede integrar fácilmente en otros proyectos y mejorar para las necesidades de los usuarios.
Al igual que MOLGEN y PMG, MAYGEN toma una fórmula molecular definida por el usuario y genera todas las estructuras posibles para esa fórmula. Por ejemplo, si un usuario ejecuta MAYGEN con la fórmula C5H12, MAYGEN generará todas las estructuras posibles que contengan cinco átomos de carbono y doce átomos de hidrógeno. A diferencia de su contraparte de código abierto PMG, MAYGEN también puede acomodar fórmulas moleculares "difusas" que usan intervalos en lugar de números discretos para el recuento de cada elemento. Por ejemplo, si un usuario ejecuta MAYGEN con la fórmula C5-7H12-15, MAYGEN generará todas las estructuras posibles que contengan entre cinco y siete átomos de carbono y doce y quince átomos de hidrógeno, lo que permitirá la generación simple de estructuras con una amplia gama de composiciones atómicas.
La astrobiología es uno de esos campos que puede beneficiarse de los generadores de estructura molecular. Un tema popular en astrobiología es la evolución del alfabeto de aminoácidos compartido por toda la vida existente en la Tierra. Una de las características definitorias del Último Ancestro Común Universal (LUCA) es su uso de veinte aminoácidos codificados genéticamente para la construcción de proteínas 8,9. Sobre la base de meta-análisis de trabajo en múltiples campos 10,11,12, aproximadamente 10 de estos aminoácidos (Gly, Ala, Val, Asp, Glu, Ser, Thr, Leu, Ile, Pro) se forman fácilmente en condiciones abióticas y probablemente constituyeron el alfabeto de aminoácidos de los organismos pre-LUCA. Con el tiempo, este alfabeto "temprano" se expandió en respuesta a diferentes necesidades estructurales y funcionales. Por ejemplo, una revisión reciente de Moosmann13 afirma que la adición de miembros más recientes de los aminoácidos codificados genéticamente (a saber, Met, Tyr y Trp) permitió la supervivencia en ambientes ricos en oxígeno al prevenir la proliferación intracelular de especies reactivas de oxígeno.
Un conjunto cada vez mayor de técnicas de química analítica permite comprender las estructuras de aminoácidos que pueden formarse en condiciones abióticas. Una revisión reciente14 realizada por Simkus y otros detalla los métodos utilizados para detectar numerosos compuestos orgánicos en meteoritos, así como compuestos orgánicos de simulaciones in vitro de entornos terrestres tempranos 15,16,17. La generación sistemática de estructuras químicas permite a los investigadores explorar más allá de los compuestos orgánicos detectados a través de la instrumentación, poblando el espacio estructural alrededor de las "islas" estructurales identificadas por la química analítica. En el caso de los aminoácidos "tempranos", esta generación sistemática de estructuras muestra posibles químicas de proteínas disponibles para la vida temprana sin limitar la exploración a estructuras que han sido detectadas experimentalmente en condiciones de síntesis abiótica. Con kits de herramientas de química de código abierto y generadores de estructuras eficientes como MAYGEN, crear y explorar nuevas bibliotecas de estructuras químicas es ahora más fácil que nunca y puede guiar investigaciones más detalladas sobre químicas alternativas de la vida.

<table><tbody><tr><td>conda v. 4.10.3</td><td></td><td></td><td>https://www.anaconda.com/products/individual</td></tr><tr><td>Java 17</td><td></td><td></td><td>https://java.com/en/download/help/download_options.html</td></tr><tr><td>MAYGEN v. 1.8</td><td></td><td></td><td>https://github.com/MehmetAzizYirik/MAYGEN/releases</td></tr><tr><td>PaDEL-Descriptor v. 2.21</td><td></td><td></td><td>http://www.yapcwsoft.com/dd/padeldescriptor/</td></tr><tr><td>python v. 3.7.11</td><td></td><td></td><td>incluido en el entorno Anaconda</td></tr><tr><td>RDKit v. 2020.09.1.0</td><td></td><td></td><td>https://www.rdkit.org/docs/Install.html, o instalado a través de conda: https://anaconda.org/rdkit/rdkit</td></tr><tr><td>*Estas versiones específicas se utilizaron para este manuscrito; El usuario puede obtener versiones más recientes si están disponibles.</td><td></td><td></td><td></td></tr></tbody></table>

curación de bibliotecas químicas computacionales demostradas con alfa-aminoácidos

Curation of Computational Chemical Libraries Demonstrated with Alpha-Amino Acids

La generación exhaustiva de estructuras moleculares tiene numerosas aplicaciones químicas y bioquímicas, como el diseño de fármacos, la construcción de bases de datos moleculares, la exploración de bioquímicas alternativas y muchas más. Matemáticamente hablando, estos son generadores de gráficos con restricciones químicas. En el campo, el generador más eficiente actualmente (MOLGEN) es un producto comercial, lo que limita su uso. Alternativa a eso, otro generador de estructura molecular, MAYGEN, es una herramienta reciente de código abierto con una eficiencia comparable a MOLGEN y la capacidad de los usuarios para aumentar su rendimiento mediante la adición de nuevas características. Uno de los campos de investigación que pueden beneficiarse de este desarrollo es la astrobiología; Los generadores de estructura permiten a los investigadores complementar los datos experimentales con posibilidades computacionales para la bioquímica alternativa. Este protocolo detalla un caso de uso para la generación de estructuras en astrobiología, a saber, la generación y curación de bibliotecas de alfa-aminoácidos. Utilizando generadores de estructuras de código abierto y herramientas de quimioinformática, las prácticas descritas aquí se pueden implementar más allá de la astrobiología para la creación y curación de bibliotecas de estructuras químicas de bajo costo para cualquier pregunta de investigación.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td rowspan="2"></td>
			<td rowspan="2">Biblioteca</td>
			<td colspan="2" rowspan="2">Fórmula</td>
			<td colspan="2" rowspan="2">Restricciones adicionales</td>
			<td rowspan="2">Aminoácidos codificados "tempranos"</td>
			<td rowspan="2">Tiempo de generación (ms)</td>
			<td colspan="2">Estructuras</td>
		</tr>
<tr>
<td>Inicial</td>
			<td>Final</td>
		</tr>
<tr>
<td>1</td>
			<td>Gly</td>
			<td colspan="2">C2H5NO2
</td>
			<td colspan="2">incluir subestructura Gly</td>
			<td>Gly</td>
			<td>192</td>
			<td>84</td>
			<td>1</td>
		</tr>
<tr>
<td>2</td>
			<td>VAIL</td>
			<td colspan="2">PC0-3H3-9
</td>
			<td colspan="2"></td>
			<td>Val, Ala, Ile, Leu</td>
			<td>172</td>
			<td>70</td>
			<td>22</td>
		</tr>
<tr>
<td>3</td>
			<td>DEST</td>
			<td colspan="2">PC0-3O1-2H3-5
</td>
			<td colspan="2"></td>
			<td>Asp, Glu, Ser, Thr</td>
			<td>481</td>
			<td>1928</td>
			<td>254</td>
		</tr>
<tr>
<td>4</td>
			<td>Pro</td>
			<td colspan="2">C2-5NO2H7-11
</td>
			<td colspan="2">Incluir subestructura N-meGly o N-meAla</td>
			<td>Pro</td>
			<td>4035</td>
			<td>79777</td>
			<td>16</td>
		</tr>
<tr>
<td>5</td>
			<td>VAIL_S</td>
			<td colspan="2">PSC0-2H3-7
</td>
			<td colspan="2"></td>
			<td></td>
			<td>122</td>
			<td>65</td>
			<td>31</td>
		</tr>
<tr>
<td>6</td>
			<td>DEST_S</td>
			<td colspan="2">PSC0-2O1-2H3
</td>
			<td colspan="2"></td>
			<td></td>
			<td>349</td>
			<td>1075</td>
			<td>79</td>
		</tr>
<tr>
<td>7</td>
			<td>Pro_S</td>
			<td colspan="2">C2-4SNO2H7-9
</td>
			<td colspan="2">Incluir subestructura N-meGly o N-meAla</td>
			<td></td>
			<td>3999</td>
			<td>75734</td>
			<td>10</td>
		</tr>
</tbody></table>Tabla 1: Bibliotecas compuestas utilizadas en este ejemplo. Las bibliotecas construidas a partir de fórmulas 1-4 (Gly, VAIL, DEST y Pro) se basan en fórmulas difusas publicadas previamente de los aminoácidos codificados "tempranos"21, mientras que las bibliotecas construidas a partir de fórmulas 5-7 (VAIL_S, DEST_S y Pro_S) se basan en variantes de fórmulas 2-4 que imaginan un azufre divalente reemplazando uno de los átomos de carbono. Los recuentos de estructura reflejan el número de moléculas generadas por MAYGEN para cada fórmula ("Inicial") y el número de moléculas restantes después de filtrar aquellas con subestructuras no deseadas ("Final"). Abreviaturas: VAIL = valina, alanina, isoleucina, leucina; DEST = ácido aspártico, ácido glutámico, serina, treonina; X_S = azufre divalente reemplaza uno de los carbonos en la biblioteca X; N-meX = N-metilX.
Los métodos generales anteriores se aplicaron a fórmulas basadas en los aminoácidos codificados "tempranos", siguiendo el procedimiento de Meringer et al.21 Las estructuras de Badlist se tomaron de esta misma fuente y se convirtieron en cadenas SMARTS para representar fácilmente patrones subestructurales. En este ejemplo no se utilizaron dos subestructuras de listas incorrectas: la estructura 018 (CH 3-CH-N) coincidía con los isómeros cercanos de la prolina que no eran inestables; La estructura 106 (R-C-C-OH, donde R = subestructura de alanina que se une al beta-carbono) coincidió con el ácido glutámico, un aminoácido codificado. Además de estas fórmulas químicas, se crearon variantes con azufre divalente que toman el lugar de un átomo de carbono y dos átomos de hidrógeno. Por razones de rendimiento, varias de estas fórmulas utilizan un átomo de fósforo trivalente (por ejemplo, un "pseudoátomo") como sustituto del beta-carbono de una subestructura de alanina. En la Tabla 1 se enumeran las bibliotecas generadas en este ejemplo, las fórmulas utilizadas para generarlas y el número de compuestos que contiene. Los nombres de las bibliotecas se basan en los aminoácidos codificados de los que se derivan: ya sea utilizando la abreviatura de 3 letras (Gly = glicina, Pro = prolina) o la abreviatura de una sola letra (VAIL = valina, alanina, isoleucina, leucina; DEST = Ácido aspártico, ácido glutámico, serina, treonina). El sufijo "_S" indica que un azufre fue sustituido por un carbono en la fórmula de la biblioteca original (por ejemplo, VAIL_S está construido con la misma fórmula difusa que VAIL, pero con un azufre divalente que reemplaza a uno de los carbonos).
Después de la generación de estructuras con MAYGEN, las bibliotecas resultantes se filtraron de compuestos que contenían al menos una subestructura contenida en la lista de errores. Después de este filtrado, cualquier átomo de fósforo fue reemplazado por una subestructura de alanina. A continuación, se crearon versiones "tapadas" de todas las estructuras, con un grupo acetilo agregado al N-terminal y un grupo N-metilamida agregado al C-terminal. Esto se hizo para eliminar el efecto sobre la hidrofobicidad de los grupos de amina libre y ácido carboxílico en la columna vertebral de alfa-aminoácidos. PaDEL-Descriptor se utilizó para calcular XLogP para todas las estructuras tapadas y calculó el volumen de van der Waals (VABC) para todas las estructuras sin límite.
La Figura 2 muestra el espacio químico de las bibliotecas filtradas, tal como lo definen los descriptores VABC y XLogP. Aquí, el rango de posibles valores logP aumenta con el volumen molecular, incluso dentro de bibliotecas que carecen explícitamente de cadenas laterales hidrófilas (por ejemplo, VAIL, Pro). Los aminoácidos codificados con cadenas laterales de hidrocarburos eran más hidrófobos que la mayoría de los otros aminoácidos de un volumen comparable de su respectiva biblioteca. Este también parece ser el caso de Met y Cys en comparación con otros miembros de la biblioteca VAIL_S con volúmenes similares. Los aminoácidos codificados con cadenas laterales de hidroxilo (Ser y Thr) se encontraban entre los miembros más pequeños de la biblioteca DEST, con Asp solo un poco más grande que Thr.
La Figura 3 y la Figura 4 muestran los impactos en el volumen y el logP cuando un azufre divalente reemplaza a un carbono en una cadena lateral de alfa-aminoácidos. La sustitución de azufre condujo a un ligero aumento en el volumen molecular en todas las bibliotecas (Figura 3). El efecto de la sustitución de azufre sobre el logP no es tan homogéneo como para el volumen (Figura 4). El logP medio de la biblioteca VAIL_S es ligeramente inferior al de la biblioteca VAIL, pero este efecto no se observa en ninguno de los otros pares de bibliotecas (DEST y DEST_S, Pro y Pro_S).
La Figura 5 cuantifica los efectos sobre la generación de estructuras de un pseudoátomo que sustituye a una subestructura común; aquí, una P trivalente sustituyó a una fracción de alanina durante la generación de la estructura. El uso de un pseudoátomo en la generación de estructuras disminuyó en gran medida el número de estructuras generadas por ~ 3 órdenes de magnitud (Figura 5A) y el tiempo total necesario para generar esas estructuras en 1-2 órdenes de magnitud (Figura 5B).
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/63632/63632fig02.jpg"> Figura 2: Espacio químico de todas las bibliotecas de aminoácidos filtrados. Los marcadores negros representan aminoácidos de bibliotecas sin azufre; los marcadores amarillos representan aminoácidos de bibliotecas enriquecidas con azufre. Círculos: VAIL y VAIL_S; cuadrados: DEST y DEST_S; triángulos: Pro y Pro_S; estrellas: aminoácidos codificados. Tenga en cuenta que los dos aminoácidos codificados que contienen azufre (Met y Cys) no se consideran aminoácidos "tempranos", pero están presentes en la biblioteca VAIL_S. Abreviaturas: XLogP = coeficiente de reparto; VAIL = valina, alanina, isoleucina, leucina; DEST = ácido aspártico, ácido glutámico, serina, treonina; X_S = El azufre divalente reemplaza a uno de los carbonos en la biblioteca X. <a href="https://www.jove.com/files/ftp_upload/63632/63632fig02large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/63632/63632fig03.jpg"> Figura 3: Volúmenes medios de van der Waals (en Å3) de bibliotecas con y sin azufre. Las barras negras representan los volúmenes medios de las bibliotecas sin azufre (VAIL, DEST, Pro), mientras que las barras amarillas representan los volúmenes medios de las versiones sustituidas por azufre de esas bibliotecas (VAIL_S, DEST_S, Pro_S). Las barras de error muestran la desviación estándar. Abreviaturas: VAIL = valina, alanina, isoleucina, leucina; DEST = ácido aspártico, ácido glutámico, serina, treonina; X_S = El azufre divalente reemplaza a uno de los carbonos en la biblioteca X. <a href="https://www.jove.com/files/ftp_upload/63632/63632fig03large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/63632/63632fig04.jpg"> Figura 4: Valores medios de XLogP de bibliotecas con y sin azufre. Las barras negras representan bibliotecas sin azufre (VAIL, DEST, Pro), mientras que las barras amarillas representan versiones sustituidas por azufre de esas bibliotecas (VAIL_S, DEST_S, Pro_S). Las barras de error muestran la desviación estándar. Abreviaturas: XLogP = coeficiente de reparto; VAIL = valina, alanina, isoleucina, leucina; DEST = ácido aspártico, ácido glutámico, serina, treonina; X_S = El azufre divalente reemplaza a uno de los carbonos en la biblioteca X. <a href="https://www.jove.com/files/ftp_upload/63632/63632fig04large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/63632/63632fig05.jpg"> Figura 5: Efectos de un pseudoátomo trivalente en la generación de la estructura MAYGEN. Todas las pruebas se realizaron en una PC con un procesador Intel i7-7700HQ a 2,8 GHz, 16 GB de RAM, sin guardar estructuras en un archivo y la opción -m para usar multithreading. Las pruebas que utilizaron un pseudoátomo utilizaron las fórmulas difusas como se describe en la Tabla 1. Para las pruebas sin pseudoátomo, las fórmulas difusas utilizadas fueron las mismas que se describen en la Tabla 1 con los siguientes cambios: P se reemplazó por N; los recuentos de carbono se incrementaron en 3; los recuentos de hidrógeno se incrementaron en 7; los recuentos de oxígeno se incrementaron en 2. Las barras negras muestran bibliotecas generadas con un pseudoátomo; las barras grises muestran bibliotecas generadas sin un pseudoátomo. (A) Número de estructuras generadas utilizando las fórmulas difusas utilizadas para construir las bibliotecas VAIL y DEST con y sin fósforo trivalente sustituyendo a una subestructura de alanina. (B) Tiempo (en ms) necesario para construir las bibliotecas VAIL y DEST con y sin un fósforo trivalente que sustituya a una subestructura de alanina. Abreviaturas: VAIL = valina, alanina, isoleucina, leucina; DEST = ácido aspártico, ácido glutámico, serina, treonina. <a href="https://www.jove.com/files/ftp_upload/63632/63632fig05large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
Archivo suplementario 1: Cuaderno de detección de subestructuras. <a href="https://www.jove.com/files/ftp_upload/63632/supple_1.zip" target="_blank">Haga clic aquí para descargar este archivo.</a>
Archivo suplementario 2: Lista de errores de muestra. <a href="https://www.jove.com/files/ftp_upload/63632/supple_2.zip" target="_blank">Haga clic aquí para descargar este archivo.</a>
Archivo suplementario 3: Lista de buenas muestras. <a href="https://www.jove.com/files/ftp_upload/63632/supple_3.zip" target="_blank">Haga clic aquí para descargar este archivo.</a>
Archivo suplementario 4: Cuaderno de reemplazo de pseudoátomos. <a href="https://www.jove.com/files/ftp_upload/63632/supple_4.zip" target="_blank">Haga clic aquí para descargar este archivo.</a>
Archivo suplementario 5: Cuaderno de tapado de aminoácidos. <a href="https://www.jove.com/files/ftp_upload/63632/supple_5.zip" target="_blank">Haga clic aquí para descargar este archivo.</a>

El propósito de este protocolo es generar y curar de manera eficiente bibliotecas de estructuras de moléculas pequeñas utilizando software de código abierto.

Curación de bibliotecas químicas computacionales demostradas con alfa-aminoácidos

Exhaustive generation of molecular structures has numerous chemical and biochemical applications such as drug design, molecular database construction, ...

Nuestro protocolo demuestra cómo el software de código abierto puede permitir a cualquier investigador crear y curar una biblioteca de estructura computacional. Este atractivo de los protocolos proviene de su apertura y flexibilidad. Cualquiera puede usarlo y modificarlo para que se adapte a su pregunta de investigación específica.Las versiones de este protocolo se pueden aplicar a aplicaciones de descubrimiento de fármacos, creando rápidamente bibliotecas de estructuras específicas para el cribado in silico. Aunque el protocolo se explica paso a paso, si los usuarios no están familiarizados con Java o la codificación básica, primero pueden mirarlos antes de implementar el protocolo. Comience creando un nuevo directorio para el proyecto.Coloque todos los archivos y ejecutables en este directorio para facilitar el acceso. Descargue la última versión de Maygen como un archivo jar y el software de gestión de paquetes Anaconda. En los sistemas Windows, busque el mensaje Anaconda y haga clic en el acceso directo resultante para ejecutarlo.Para crear un entorno RDKit en Anaconda y descargar el RDKit en el entorno, escriba el comando que se muestra en la pantalla, presione entrar para ejecutar y responda sí a cualquier pregunta que surja durante la instalación. Luego descargue los Jupyter Notebooks y los archivos de texto de los patrones de sustrato de los archivos suplementarios, del uno al cinco. En el símbolo del sistema, navegue hasta el directorio que contiene el maygen.archivo ejecutable jar. Para cada fórmula química de interés, use el comando que se muestra en la pantalla para ejecutar Maygen. Si la fórmula es una fórmula difusa en lugar de una fórmula discreta, reemplace el indicador F del guión por un indicador difuso del guión y incluya los intervalos de los elementos entre paréntesis.En un mensaje de Anaconda, vaya a la carpeta que contiene Jupyter Notebooks y active el entorno RDKit. Los blocs de notas descargados requieren RDKit. Por lo tanto, cualquier uso futuro de ellos en este protocolo requerirá que se abran en el entorno RDKit.A continuación, abra Jupyter Notebook para el filtrado de subestructuras y cierre el nombre del archivo entre comillas si contiene espacios. En la celda designada al principio del bloc de notas, escriba la ruta de acceso completa del archivo sdf de entrada. La ruta de archivo completa del archivo de salida sdf deseado y la ruta de archivo del archivo de lista incorrecta como cadenas.Si es necesario conservar algunas subestructuras de la biblioteca filtrada o una lista buena, cree un archivo txt de patrones SMARTS para esas subestructuras y coloque la ruta del archivo de lista buena en la línea designada al principio del bloc de notas. En el menú de la parte superior, seleccione kernel, reinicie y ejecute todo para reiniciar el kernel del portátil y ejecutar todas las celdas. Se creará un archivo sdf con el nombre deseado en la carpeta de salida especificada.Repita estos pasos para cada archivo de estructura generado por Maygen. Para el reemplazo de pseudoátomos, abra un mensaje de Anaconda, navegue a la carpeta que contiene Jupyter Notebooks y active el entorno RDKit. A continuación, abra el Jupyter Notebook para el reemplazo de pseudoátomos.En la celda designada al principio del bloc de notas, escriba la ruta de acceso completa del archivo sdf de entrada y la ruta de archivo completa del archivo de salida sdf deseado como cadenas. Reinicie el kernel del bloc de notas y ejecute todas las celdas para obtener un archivo sdf con el nombre deseado en la carpeta de salida especificada. Del mismo modo, abra un indicador de Anaconda para el taponamiento de aminoácidos N y C termini.Desplácese hasta la carpeta que contiene Jupyter Notebooks y active el entorno RDKit. Abra el Jupyter Notebook para tapar aminoácidos. En la celda designada al principio del bloc de notas, escriba la ruta de acceso completa del archivo sdf de entrada y la ruta de archivo completa del archivo de salida sdf deseado como cadenas.Reinicie el kernel del bloc de notas y ejecute todas las celdas para obtener un archivo sdf con el nombre deseado en la carpeta de salida especificada. Para la generación de descriptores, coloque todos los archivos sdf para los que se van a calcular los descriptores en una sola carpeta. Luego descargue el descriptor PaDEL, descomprímalo y extráigalo a esa carpeta.Abra un símbolo del sistema, navegue hasta la carpeta que contiene el archivo jar del descriptor PaDEL y ejecute el descriptor PaDEL para los archivos sdf recopilados. El espacio químico de todas las bibliotecas de aminoácidos filtrados se muestra aquí. Los marcadores negros representan aminoácidos de las bibliotecas sin azufre y los marcadores amarillos representan aminoácidos de bibliotecas enriquecidas con azufre.Aquí, las bibliotecas VAIL y VAIL_S están representadas por círculos. Las bibliotecas DEST y DEST_S están representadas por cuadrados. Las bibliotecas Proline y Pro S están representadas por triángulos y las estrellas representan aminoácidos codificados.El rango de posibles valores de log P aumenta con el volumen molecular incluso dentro de las bibliotecas que carecen explícitamente de cadenas laterales hidrofílicas. Los aminoácidos codificados con cadenas laterales de hidrocarburos son más hidrófobos que la mayoría de los otros aminoácidos de un volumen comparable de su respectiva biblioteca. Este es también el caso de la insistencia de metionina en comparación con otros miembros de la biblioteca VAILS con volúmenes similares.Los aminoácidos codificados con cadenas laterales de hidroxilo se encontraban entre los miembros más pequeños de la biblioteca DEST con ácido aspártico solo un poco más grande que tres aninas. La imagen representada muestra los volúmenes medios de Van der Waal de bibliotecas con azufre y sin azufre. La sustitución de azufre condujo a un ligero aumento en el volumen molecular en todas las bibliotecas.Los valores del coeficiente de partición medio de las bibliotecas con y sin azufre se muestran aquí. El efecto de la sustitución de azufre en el log P no es tan homogéneo como para el volumen. La imagen representativa muestra los efectos de un pseudoátomo trivalente en la generación de la estructura de Maygen.El uso de un pseudoátomo en la generación de estructuras disminuyó el número de estructuras generadas por alrededor de tres órdenes de magnitud en el tiempo total necesario para generar esas estructuras en uno o dos órdenes de magnitud. Siguiendo este protocolo, se pueden integrar funcionalidades adicionales en el futuro en función de las necesidades de los investigadores. Por ejemplo, se podrían integrar filtros de subestructura en Maygen para evitar el paso posterior al procesamiento.Generación, curaduría y modificación de bibliotecas. Este proceso general puede acomodar otras estructuras moleculares y modificaciones con algunos conocimientos de codificación, lo que permitirá a los investigadores explorar bibliotecas computacionales más allá de las de los aminoácidos alfa. Este protocolo ayudará a los investigadores a mejorar su trabajo computacional en los orígenes del campo de la vida.Los kits de herramientas de código abierto ayudarán en gran medida a estos esfuerzos.

curation-computational-chemical-libraries-demonstrated-with-alpha

Research

Investigación

JoVE Journal

Chemistry

Química

Amidas terciarias péptido (PTA) son una superfamilia de peptidomiméticos que incluyen pero no se limitan a péptidos, peptoides y péptidos N-metilado. Aquí se describe un método de síntesis que combina estrategias de sub-monómero división y piscina y para sintetizar un solo grano de la biblioteca de un compuesto de las PTA.

Síntesis Split-y-piscina y caracterización del péptido Terciario Amida Biblioteca

Bibliotecas de exhibición bacteriana Biopanning es una técnica probada para el descubrimiento de los reactivos de la afinidad del péptido, una alternativa robusta a los anticuerpos. El método de ordenación semi automatizado en este documento ha aerodinamizado biopanning para disminuir la ocurrencia de falsos positivos. Aquí ilustramos el proceso de pensamiento y técnicas aplicadas en evaluar a los candidatos y la minimización de análisis aguas abajo.

Biopanning semi-automatizado de bibliotecas de exhibición bacteriana péptido afinidad reactivo descubrimiento y análisis de los aislamientos que

La creación de sistemas de dimerización de proteínas inducidos químicamente con la afinidad y especificidad deseadas para cualquier ligando de moléculas pequeñas dado tendría muchas aplicaciones de detección y accionamiento biológico. Aquí, describimos un método eficiente y generalizable para la ingeniería de novo de sistemas de dimerización inducidos químicamente a través de la selección escalonada de una biblioteca combinatoria de anticuerpos de un solo dominio visualizada por fago.

Creación de sistemas de dimerización de proteínas altamente específicos inducidos químicamente por la selección de fagos escalonados de una biblioteca combinatoria de anticuerpos de un solo dominio

Este estudio tenía como objetivo presentar una estrategia para identificar las interacciones entre fármacos y péptidos. La estrategia consiste en la biopanning de péptidos cortos que reconocen fármacos basados en un biosensor de micropeso de cristal de cuarzo (QCM), seguido de análisis bioinformática para evaluar cuantitativamente la información obtenida para el reconocimiento de fármacos y la anotación de los sitios de unión a fármacos sobre proteínas.

Estrategia de análisis bioaformático y bioinformática basada en biosensores para la validación global de interacciones entre fármacos y proteínas

Este artículo describe el proceso completo de XChem para el cribado de fragmentos basados en cristales, desde la solicitud de acceso y todos los pasos posteriores hasta la difusión de los datos.

Lograr un cribado eficiente de fragmentos en las instalaciones de XChem en Diamond Light Source

Describimos una metodología basada en la diversificación de secuencias para estimar las preferencias de aminoácidos de sitios de unión multiespecíficos en interacciones proteína-proteína (PPIs). En esta estrategia, se generan miles de ligandos peptídicos potenciales y se seleccionan in silico, superando así algunas limitaciones de los métodos experimentales disponibles.

Predicción computacional de las preferencias de aminoácidos de dominios de unión a péptidos potencialmente multiespecíficos implicados en las interacciones proteína-proteína

En este trabajo se describe un protocolo para la optimización y parametrización de residuos de aminoácidos modificados con especies carbonilas reactivas, adaptables a sistemas proteicos. Los pasos del protocolo incluyen el diseño y la optimización de la estructura, las asignaciones de carga, la construcción de parámetros y la preparación de sistemas de proteínas.

Síntesis de aminoácidos modificados con carbonilos reactivos in silico para evaluar los efectos estructurales mediante simulaciones de dinámica molecular 

Este protocolo bilingüe proporciona un flujo de trabajo computacional de descubrimiento de fármacos que evalúa las interacciones proteína-ligando de quinasas tipo polo 1 a 3 (PLK1–3) y de las propiedades de absorción, distribución, metabolismo, excreción, toxicidad y estabilidad (ADMET-S) de moléculas naturales procedentes de bases de datos.

Un flujo de trabajo computacional bilingüe para identificar posibles inhibidores de PLK1 en la lengua de signos americana y en inglés

El diseño de proteínas implica la construcción de secuencias de aminoácidos y la incorporación de motivos específicos para crear variantes funcionales. Este enfoque es fundamental para el desarrollo de péptidos antimicrobianos (AMP) para combatir los patógenos resistentes a los antibióticos. En este artículo se presenta un procedimiento para la construcción de proteínas utilizando diversas herramientas bioinformáticas.

Aplicación de I TASSER, trRosetta, UCSF Chimera, servidor HADDOCK y HEX loria para el diseño de proteínas De Novo e In Silico

Este artículo describe AMOS, la base de datos de Métodos Analíticos y Espectros Abiertos basada en la web, una aplicación de quimioinformática diseñada para proporcionar a los investigadores un fácil acceso a los métodos analíticos y a los datos espectrales.

Aplicación de la quimioinformática para desarrollar una base de datos de métodos analíticos con capacidad de búsqueda estructural

Aprende a crear y curar bibliotecas de estructuras moleculares usando software de código abierto como Maygen y RDKit. Este protocolo computacional facilita el descubrimiento de fármacos mediante filtrado de subestructuras y generación de descriptores.

Curación de bibliotecas químicas computacionales demostradas con alfa-aminoácidos

Explorar más videos