アメリカ手話と英語における潜在的なPLK1阻害剤を特定するためのバイリンガル計算ワークフロー

バイリンガルの計算ワークフロー。はじめに。研究によると、PLK1はさまざまながんで過剰発現しています。PLK1のポロボックスドメインであるPBDを阻害すると、アポトーシスが誘導されることが示されています。

本研究の目的は、望ましい医薬品および薬物動態的特性を持つ選択的PLK1-PBD阻害剤を特定することです。ホモログPLK2とPLK3は選択性を評価するために同じプロトコルを適用しました。手順だ。ターゲットを絞ったタンパク質の調製。

ここではCHARMM-GUIを用いて、Protein Data Bank(PDB)からPLK1、4HCOを最適化します。これにより、タンパク質に残基や水素の欠落がないことが保証されます。ツールを使い始めましょう。

入力ジェネレーターでPDBリーダーマニピュレーターを選択します。入力欄までスクロールしてください。PLK1の4HCO入力前にPDBオプションを選択していることを必ず確認してください。

次のページで、タンパク質鎖Bを選択して鎖Aのみを処理します。進行します。PDB情報をスクロールして進めてください。4つの出力のうち、PDBファイルを選択して保存します。

最後に、テキストエディタでPDBファイルを開いていきます。HSDからHISへのヒスチジンプロトン化状態を見つけて置き換えてください。天然物データベースのスクリーニング。

PLK1を標的とする小分子サンプルを取得する方法は、天然物データベースを用い、3つの部分から成り立っています。天然物データベースは非常に充実しており、初期化合物は病害と信頼値の選択によって得られます。この例ではSuperNatural 3.0が使われています。

SuperNatural 3.0は、病気選択を通じて分子を得るために使われています。一つの方法は人間の経路を通じてです。ここでは乳がんが選ばれています。

この経路のKEGG IDはこちらです。次に、KEGG IDをSuperNatural 3.0の経路に入力します。あるいは、病気をクリックして乳がんを選択し、完全な結果ファイルを保存することもできます。

よくある質問では、データベースの全ライブラリをダウンロードできます。進め。zipファイルを解凍し、CSVを取得し、zipファイルを削除します。R Studioを開くか、お好きなIDEを使ってください。

R Studioでデータをインポートすると、最初の完全な結果は73,046分子となります。信頼限界を適用すると分子は1,193個です。クラスターサンプリング。

リピンスキーの5の法則をRDキットに適用した後、化学パッケージ、残りは999分子だ。ここでは分子が999個あることが明らかです。

次に、K平均クラスタリングを適用して50の代表的な分子を導出します。クラスタリングは谷本の類似度に基づいています。タンパク質-リガンドのドッキングおよび結合親和性の計算。

この方法の目的は、PLK1を各リガンドにドッキングして結合親和性を高めることです。CBドック2を開けてください。ドックタブに進みましょう。

ここで4hcoをアップロードします。PDBをドッキングのターゲットタンパク質として使います。リガンドをアップロードします。

ここではリガンド1から始めます。あるいは、このSMILES文字列を入力するか貼り付けることもできます。データ収集のため、メールを入力してください。

その後、「Auto Blind Docking」をクリックしてください。結果はメールで送られました。ドッキング結果のzipファイルを保存してください。

保存後、zipファイルは解凍され、その中にさまざまなファイルが入っています。複合体以外のすべてのファイルを削除してください。PDBファイル。

デフォルトで5つの複合施設があるはずです。PDBファイル。解凍されていないzipファイルを削除してディレクトリをクリーンアップしてください。

CB-Dock2によるタンパク質-リガンドドッキングが完了し、Vinaスコアでポーズをランク付けした後、次のステップはPRODIGYとの結合親和性の計算です。PRODIGYとの結合親和性により、タンパク質選択性の競争評価が保証されます。配位子は構造相同体ではなくPLK1を選択的にする方が有利です。

PRODIGYのウェブサーバーに進みましょう。PRODIGY-LIGANDタブを選択してください。複合施設について言及してください。

PDBファイルでタンパク質およびリガンド鎖識別子を決定するために。その複合施設。pdbファイルはテキストエディタで開きます。

タンパク質の鎖識別子はPです。これはウェブサーバーに挿入されます。リガンド鎖は通常HETATMから始まります。それを探してください。

リガンドの鎖識別子はA:UNLです。それはウェブサーバーに挿入されます。各タンパク質リガンドの組み合わせに対して提供された5つの複合体は一度にアップロードされます。

この作業にはRで開発されたファイル管理スクリプトが使用されます。スクリプトはすべてのドッキング組み合わせのpdbファイルをzip化します。zip化後、ファイルは手動でPRODIGYにアップロードされます。

PRODIGYリガンドの提出を進めてください。アップロードされた組み合わせの5つのポーズごとにバインディングアフィニティのリストがあります。デルタ・グノエレックは静電気計算を除いた結合親和性スコアです。

結果を保存し、圧縮してください。zipファイルを開くと、親和度スコアの出力フォルダがあります。ADMET-S評価。

安定性のないADMET評価には3つの異なるツールが使われます。ADMETは120以上の特性を用いて薬剤性および生体利用能を評価しています。ORCAは密度関数理論(DFT)を用いて薬剤の特性を解析しています。

続けましょう。安定性のためにディレクトリを作成しましょう。小分子のSMILES文字列を回収します。

Avogadroやお好きな分子エディターを開いてください。SMILESの文字列を使って小分子を作りましょう。組み立てた後に分子を保存してください。

安定性サブディレクトリに位置していることを確認しましょう。次に「ジオメトリ最適化」へ進みます。次に、ORCA入力ファイルが生成されます。

この安定フォルダにセーブしてください。shファイルやbashジョブファイルを追加してください。ジョブファイルのパラメータをカスタマイズします。

例えば、通知するメールはカスタマイズ可能です。代表的な結果。まず、多次元削減のためのPCAがあります。

この図は、異なる番号付きクラスターが灰色の楕円でまとめられていることを示しています。次に、サンプルリガンド1とPLK1-PBDの結果です。左上には緑色のリガンド1の描写があり、不要な残基が赤とオレンジで描かれています。

右側はCHARMM-GUIで清掃と準備を行った代表的なモデルです。下はPLK1、PBD、リガンド1を含むドッキング複合体です。さらに、CB-Dock2はVinaスコアの形で上位5つのドッキングキャビティとその親和性を示します。

PRODIGYによる結合親和性の予測はヒートマップで可視化できます。ヒートマップはPLK1、2、3のホモログの役割を示しています。赤は弱く望ましくない適性を表し、緑はその逆を表します。

ADMET-S評価はさまざまな図で表現できます。まずはゆで卵です。異なる代謝指標に対して、阻害剤および非基質の状態を緑色と赤色で識別するヒートマップ。

クリアランスには、発現前に薬物が分布する理想的な時間閾値を示す折れ線グラフが使われます。さまざまな指標をまとめて有用なレーダーチャートを作成することも可能です。各配位子の毒性成分数は列図で示すことができます。

Toxtreeは、クレイマーのルール決定木に基づく薬物毒性分類と定性的推論の両方を出力します。安定性や分子反応性は、十分なHOMO-LUMOギャップ閾値の折れ線グラフで表現できます。結論。まとめると、このプロトコルは高校や学部レベルで様々な仮想薬物スクリーニング、結合親和性、ADMET-Sツールを使用します。

このプロトコルから得られる結果は、良好な創薬の成果を高める可能性があります。