미국 수화와 영어에서 잠재적 PLK1 억제제를 식별하기 위한 이중언어 계산 워크플로우

이중언어 계산 워크플로우. 소개. 연구에 따르면 PLK1은 다양한 암에서 과발현됩니다. PLK1의 폴로 박스 도메인인 PBD를 통한 억제는 세포자멸사를 유도하는 것으로 나타났습니다.

본 연구의 목표는 원하는 의약적 및 약동학적 특성을 가진 선택적 PLK1-PBD 억제제를 규명하는 것입니다. 상동체인 PLK2와 PLK3는 선택성을 평가하기 위해 동일한 프로토콜을 적용하였습니다. 절차. 타겟 단백질 제제.

여기서는 단백질 데이터 뱅크(PDB)의 PLK1, 4HCO를 최적화하기 위해 CHARMM-GUI를 사용합니다. 이로 인해 단백질에 잔기나 수소가 빠지지 않도록 보장합니다. 도구를 사용해 보겠습니다.

입력 생성기 아래에서 PDB 리더 매니퓰레이터를 선택하세요. 아래로 스크롤해서 입력 박스를 보세요. PLK1에 대해 4HCO를 입력하기 전에 PDB 옵션이 선택되었는지 확인하세요.

다음 페이지에서 단백질 사슬 B를 선택 해제하여 사슬 A만 처리하세요. 진행하세요. PDB 정보를 아래로 스크롤하고 진행하세요. 네 가지 출력 중 PDB 파일을 선택하여 저장합니다.

마지막으로, 텍스트 편집기로 PDB 파일을 엽니다. HSD에서 HIS로 히스티딘 프로톤화 상태를 찾아 교체하세요. 천연 제품 데이터베이스 스크리닝.

PLK1을 표적으로 삼기 위한 소분자 샘플을 얻는 방법은 천연 생성물 데이터베이스를 활용하며, 세 부분으로 구성됩니다. 천연 제품 데이터베이스는 방대하기 때문에, 초기 화합물은 질병과 신뢰한도를 선택해 얻는 것입니다. 이 예시에서는 SuperNatural 3.0을 사용합니다.

SuperNatural 3.0은 질병 선택을 통해 분자를 얻는 데 사용됩니다. 쿼리의 한 가지 방법은 인간의 경로를 통해서입니다. 여기서는 유방암이 선택됩니다.

이 경로의 KEGG ID는 여기 있습니다. 그 다음 KEGG ID를 SuperNatural 3.0 경로에 입력합니다. 또는 질병을 클릭하고 유방암을 선택한 후 전체 결과 파일을 저장할 수도 있습니다.

자주 묻는 질문에서는 데이터베이스의 전체 라이브러리를 다운로드할 수 있습니다. 진행하세요. 압축된 파일을 압축 해제하고 CSV 파일을 받아 zip 파일을 삭제하세요. R 스튜디오를 열거나 원하는 IDE를 사용하세요.

R Studio에서 데이터를 가져오면 초기 완전 결과는 73,046개의 분자가 나옵니다. 신뢰 한계를 적용한 분자는 1,193개입니다. 클러스터 샘플링.

리핀스키의 다섯 가지 법칙을 RDkit에 적용한 후, 화학 패키지, 남은 분자는 999개야. 여기서 분자가 999개임이 분명합니다.

다음으로 K-평균 군집화를 적용하여 50개의 대표적인 분자를 도출합니다. 클러스터링은 타니모토 유사성에 기반합니다. 단백질-리간드 결합 및 결합 친화도 계산.

이 방법의 목표는 PLK1을 각 리간드에 결합하여 결합 친화력을 높이는 것입니다. CB-독2 개방 진행. 도크 탭으로 이동하세요.

여기 4hco를 업로드합니다. PDB를 도킹의 타깃 단백질로 사용합니다. 리간드를 업로드하세요.

여기서는 리간드 1부터 시작합니다. 또는 이 SMILES 문자열을 입력하거나 붙여넣을 수도 있습니다. 데이터 수집을 쉽게 하기 위해 이메일을 입력해 주세요.

그 후 자동 블라인드 도킹을 클릭하세요. 이메일로 결과가 전송되었습니다. 도킹 결과의 압축 파일을 저장하세요.

저장 후 압축 파일을 압축 해제하고, 그 안에는 다양한 파일이 있습니다. 복합체를 제외한 모든 파일을 삭제하세요. PDB 파일들.

기본 5 복합체가 있어야 합니다. PDB 파일들. 압축 해제되지 않은 zip 파일을 제거하여 디렉터리를 정리하세요.

CB-Dock2를 이용한 단백질-리간드 도킹이 완료되어 Vina 점수로 포즈를 순위화한 후, 다음 단계는 PRODIGY와의 결합 친화도를 계산하는 것입니다. PRODIGY와의 결합 친화성은 단백질 선택성에 대한 경쟁 평가를 보장합니다. 리간드는 구조 상동체가 아닌 PLK1을 선택적으로 선택하는 것이 유리합니다.

PRODIGY 웹 서버로 이동하세요. PRODIGY-LIGAND 탭을 선택하세요. 단지를 언급하세요.

단백질과 리간드 사슬 식별자를 결정하기 위한 PDB 파일입니다. 그 복합 시설. PDB 파일은 텍스트 편집기로 엽니다.

단백질의 사슬 식별자는 P입니다. 이는 웹 서버에 삽입됩니다. 리간드 사슬은 일반적으로 HETATM에서 시작합니다. 그걸 찾아보세요.

리간드의 사슬 식별자는 A:UNL입니다. 그 정보는 웹 서버에 삽입됩니다. 각 단백질 리간드 조합에 대해 제공된 다섯 가지 복합체가 즉시 업로드됩니다.

이 작업을 위해 R에서 개발된 파일 관리 스크립트가 사용됩니다. 스크립트는 모든 도킹 조합의 pdb 파일을 압축합니다. 압축 후 파일들은 수동으로 PRODIGY에 업로드됩니다.

PRODIGY 리간드를 제출하세요. 업로드된 조합의 다섯 가지 포즈마다 결속 친화도 목록이 있습니다. 델타-그노엘렉은 정전기 계산을 제외한 결합 친화도 점수입니다.

결과를 저장하세요. 압축되어 있습니다. zip 파일을 열면 친화도 점수가 있는 출력 폴더가 있습니다. ADMET-S 평가.

안정성이 없는 ADMET 평가는 세 가지 다른 도구를 포함합니다. ADMET는 120개 이상의 특성을 사용하여 약물 가능성과 생체이용률을 평가합니다. ORCA는 밀도 기능 이론(DFT)을 적용하여 약물 특성을 분석합니다.

진행합시다. 안정성을 위해 디렉터리를 만드세요. 작은 분자의 SMILES 끈을 회수하세요.

Avogadro나 원하는 분자 편집기를 열어보세요. SMILES 문자열을 사용해 소분자를 만들어 보세요. 조립 후에 분자를 저장하세요.

안정성 서브디렉터리에 위치하는지 확인하세요. 기하학 최적화를 진행하세요. 다음으로 ORCA 입력 파일이 생성됩니다.

예시 문서의 네 번째 줄에서 볼 수 있는 원하는 수준의 이론을 복사해 붙여넣으세요. 기본 이론 수준을 교체하세요. 파일을 생성하세요.

이 안정 폴더에 저장하세요. sh 파일이나 bash job 파일을 추가하세요. 작업 파일의 매개변수를 커스터마이즈하세요.

예를 들어, 알림을 받을 이메일을 맞춤 설정할 수 있습니다. 대표적인 결과입니다. 먼저, 다차원 축소를 위한 PCA가 있습니다.

이 그림은 회색 타원으로 묶인 서로 다른 번호 집단을 보여줍니다. 다음은 샘플 리간드 1과 PLK1-PBD의 결과입니다. 왼쪽 상단에는 녹색으로 표시된 리간드 1이 있으며, 원치 않는 잔류물이 빨강과 주황색으로 그려져 있습니다.

오른쪽은 CHARMM-GUI로 청소 및 준비를 마친 대표적인 모델입니다. 아래는 PLK1, PBD, 리간드 1이 포함된 도킹 복합체입니다. 또한 CB-Dock2는 상위 5개의 도킹 캐비티와 그 친화도를 Vina 점수 형태로 보여줍니다.

PRODIGY에서 예측된 결합 친화력은 히트맵을 통해 시각화할 수 있습니다. 히트맵은 PLK1, 2, 3의 상동체 역할을 나타냅니다. 빨간색은 약하고 바람직하지 않은 친화력을 나타내고, 녹색은 그 반대입니다.

ADMET-S 평가는 다양한 도표로 표현할 수 있습니다. 첫 번째는 삶은 달걀입니다. 히트맵은 다양한 대사 지표에 대해 리간드의 녹색과 빨간색으로 억제제 및 비기질 상태를 식별합니다.

제거 효과를 위해서는 약물이 발현 전에 분포될 이상적인 시간 임계값을 나타내는 선그래프를 사용한다. 다양한 지표를 유용한 레이더 차트로 정리할 수도 있습니다. 각 리간드의 독성포어 수는 열형 차트로 표현할 수 있습니다.

Toxtree는 크레이머의 규칙 결정 트리를 기반으로 약물 독성 분류와 정성적 추론을 모두 출력합니다. 안정성 또는 분자 반응성은 적절한 HOMO-LUMO 갭 임계값의 선그래프로 표현할 수 있습니다. 결론. 요약하자면, 이 프로토콜은 고등학교 또는 학부 수준에서 다양한 가상 약물 선별, 결합 친화력, ADMET-S 도구를 사용합니다.

이 프로토콜에서 도출된 결과는 유리한 신약 발견의 성과를 높일 잠재력을 가지고 있습니다.