| 歡迎瀏覽我的CSND博客！ Blockbuater_drug …點擊進入 |
|---|
文章目錄
前言
本文是UCSF DOCK的使用案例分享，我們將使用DOCK 6.11自帶的片段庫，使用DOCK/RDKit的 DOCK_D3N功能從頭設計分子。
一、 軟件及操作環境
操作環境：Ubuntu 22.04
軟件版本：UCSF DOCK 6.11，安裝可以參考這篇博文；UCSF Chimera 1.17.3，UCSF ChimeraX 1.7.1，安裝可以參考這篇博文。
在標準DOCK_DN設計中，分子基于用戶定義的能量網格和/或扭轉環境構建。目前還沒有基于關鍵化學信息學描述符驅動分子構建的方法。在DOCK6.11版中，用戶可以偏置分子生長，以促進部分生長的分子進入下一層生長，這取決于用戶定義的描述符范圍。
當每個部分生長的分子被傳遞到下一個生長層時，分子經歷類似Metropolis的標準（Simulated Annealing算法獲得全局最優解的核心思想），以評估計算的描述符的值是否落入基于輸入文件的用戶定義的范圍內。如果他們通過標準，分子將立即被發送到下一層。然而，如果分子不符合標準，它們將被拒絕。由于該標準是基于Metropolis類程序，因此這些描述符的所得分布將在給定分子系綜的用戶定義的上限和下限附近具有軟尾。
當DOCK使用RDKit（使用gnu.rdkit或gnu.parallel.rdkit配置）編譯時，稱為DOCK/RDKit，DOCK/RDKit利用RDKit中的多個化學信息學描述符。描述符中顯示的所有描述符都將具有“RD_”前綴。主要4項不相干的描述符：定量的類藥性質QED（0~1），可合成性Syntha（1-10），TPSA（0 ~ + ），logP。
DOCK_D3N與Generic de novo design, De Novo Refinement以及Fcused De Novo Design運行的卻別在于對接程序使用的是：dock6.rdkit 或者dock6.rdkit_mpi。其主要思想展示在這張圖：
DOCK_D3N與Generic de novo design具有類似的設計流程，詳細內容可參考DOCK使用手冊，主要流程如下圖。
二、研究目的
NX-2127是一款具有雙重活性的口服小分子靶向蛋白降解劑，可以布魯頓氏酪氨酸激酶（BTK）蛋白。在與BTK結合的同時，NX-2127還可以招募E3泛素連接酶，使BTK蛋白“泛素化”，從而BTK被蛋白酶體降解。
在本實例中，我們將使用DOCK自帶的片段庫，使用DOCK/RDKit的 DOCK_D3N，基于配體-受體的結合信息，從頭設計BTK抑制劑分子。
三、結構文件準備
本案例輸入文件來自于前一篇案例分享：UCSF DOCK 分子對接詳細案例（03）-分子從頭設計de novo Design
也可以在此下載本案例需要的輸入文件：下載案例（4）輸入文件
新建本案例需要的目錄：
cd DOCK_workdir
mkdir 012_denovo_D3N && 012_denovo_D3N
將此前建立的格點文件.bmp和.nrg文件復制到本目錄：
cp ../002_surface_spheres/selected_spheres.sph ./
cp ../003_gridbox/grid.bmp ../003_gridbox/grid.nrg ./
cp ../010_denovo_refine/Chopped_ligand_for_denovo.mol2 ./
現在，012_denovo_D3N 內容如下：
四、 DOCK/RDKit中 de novo design
4.1 de novo design - refine_D3N
cd ./012_denovo_D3N
創建參數輸入文件refine_D3N.in，準備輸入參數：
touch refine_D3N.in
dock6.rdkit -i refine_D3N.in
輸入后提示：
參考以下的輸入參數，完成引導的refine_D3N.in生成。
conformer_search_type denovo
dn_fraglib_scaffold_file $DOCKHOME/parameters/fraglib_scaffold.mol2
dn_fraglib_linker_file $DOCKHOME/parameters/fraglib_linker.mol2
dn_fraglib_sidechain_file $DOCKHOME/parameters/fraglib_sidechain.mol2
dn_user_specified_anchor yes
dn_fraglib_anchor_file Chopped_ligand_for_denovo.mol2
dn_torenv_table $DOCKHOME/parameters/fraglib_torenv.dat
dn_name_identifier 8u2e_refine_D3N
dn_sampling_method graph
dn_graph_max_picks 30
dn_graph_breadth 3
dn_graph_depth 2
dn_graph_temperature 100.0
dn_pruning_conformer_score_cutoff 100.0
dn_pruning_conformer_score_scaling_factor 2.0
dn_pruning_clustering_cutoff 100.0
dn_mol_wt_cutoff_type soft
dn_upper_constraint_mol_wt 550.0
dn_lower_constraint_mol_wt 0.0
dn_mol_wt_std_dev 35.0
dn_drive_verbose no
dn_drive_clogp no
dn_drive_esol no
dn_drive_tpsa no
dn_drive_qed no
dn_drive_sa no
dn_drive_stereocenters no
dn_drive_pains no
dn_constraint_rot_bon 15
dn_constraint_formal_charge 2.0
dn_heur_unmatched_num 1
dn_heur_matched_rmsd 2.0
dn_unique_anchors 1
dn_max_grow_layers 9
dn_max_root_size 25
dn_max_layer_size 25
dn_max_current_aps 5
dn_max_scaffolds_per_layer 1
dn_write_checkpoints yes
dn_write_prune_dump yes
dn_write_orients no
dn_write_growth_trees no
dn_output_prefix output
use_internal_energy yes
internal_energy_rep_exp 12
internal_energy_cutoff 100.0
use_database_filter yes
dbfilter_max_heavy_atoms 200
dbfilter_min_heavy_atoms 0
dbfilter_max_rot_bonds 10
dbfilter_min_rot_bonds 0
dbfilter_max_hb_donors 5
dbfilter_min_hb_donors 1
dbfilter_max_hb_acceptors 10
dbfilter_min_hb_acceptors 2
dbfilter_max_molwt 500
dbfilter_min_molwt 200
dbfilter_max_formal_charge 1
dbfilter_min_formal_charge -1
dbfilter_max_stereocenters 5
dbfilter_min_stereocenters 0
dbfilter_max_spiro_centers 3
dbfilter_min_spiro_centers 0
dbfilter_max_clogp 5
dbfilter_min_clogp -3
dbfilter_max_logs 20.0
dbfilter_min_logs -20.0
dbfilter_max_tpsa 150
dbfilter_min_tpsa 50
dbfilter_max_qed 1.0
dbfilter_min_qed 0.0
dbfilter_max_sa 10.0
dbfilter_min_sa 1.0
dbfilter_max_pns 100
dbfilter_sa_fraglib_path $DOCKHOME/parameters/sa_fraglib.dat
dbfilter_PAINS_path $DOCKHOME/parameters/pains_table_2019_09_01.dat
orient_ligand no
bump_filter no
score_molecules yes
contact_score_primary no
grid_score_primary yes
grid_score_rep_rad_scale 1
grid_score_vdw_scale 1
grid_score_es_scale 1
grid_score_grid_prefix grid
minimize_ligand yes
minimize_anchor no
minimize_flexible_growth yes
use_advanced_simplex_parameters no
simplex_max_cycles 1
simplex_score_converge 0.1
simplex_cycle_converge 1.0
simplex_trans_step 1.0
simplex_rot_step 0.1
simplex_tors_step 10.0
simplex_grow_max_iterations 250
simplex_grow_tors_premin_iterations 0
simplex_random_seed 0
simplex_restraint_min no
atom_model all
vdw_defn_file $DOCKHOME/parameters/vdw_de_novo.defn
flex_defn_file $DOCKHOME/parameters/flex.defn
flex_drive_file $DOCKHOME/parameters/flex_drive.tbl
編寫slurm運行腳本refine_D3N.sh，寫入以下內容：
#! /bin/bash
#SBATCH --time=5:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=10
#SBATCH --job-name=BTK_D3N
#SBATCH --output=BTK_D3Ndock6.rdkit_mpi -i refine_D3N.in -o refine_D3N.slurm.out
運行：
sbatch refine_D3N.sh
運行大約10 min。
結果文件：8u2e_refine_D3N.denovo_build.mol2，生成34288 個分子，可以通過Chimera或者ChimeraX的ViewDock查看。
4.2 對輸出重新評分
通過4.1中的方式產生的分子已經通過grid score進行評分，可以進一步做rigid docking能量最小化優化，以此更加準確評價生成分子與受體之間結合能力。
生成空白的輸入文件：
touch refine_D3N_min.in
運行：
dock6.rdkit -i refine_D3N_min.in
參照一下條件輸入參數，最終生成運行文件。輸入結束后，將繼續運行以上命令。
conformer_search_type rigid
use_internal_energy yes
internal_energy_rep_exp 12
internal_energy_cutoff 100.0
ligand_atom_file 8u2e_refine_D3N.denovo_build.mol2
limit_max_ligands no
skip_molecule no
read_mol_solvation no
calculate_rmsd no
use_database_filter no
orient_ligand yes
automated_matching yes
receptor_site_file selected_spheres.sph
max_orientations 1000
critical_points no
chemical_matching no
use_ligand_spheres no
bump_filter yes
bump_grid_prefix grid
max_bumps_anchor 2
max_bumps_growth 2
score_molecules yes
contact_score_primary no
grid_score_primary yes
grid_score_rep_rad_scale 1
grid_score_vdw_scale 1
grid_score_es_scale 1
grid_score_grid_prefix grid
minimize_ligand yes
simplex_max_iterations 1000
simplex_tors_premin_iterations 0
simplex_max_cycles 1
simplex_score_converge 0.1
simplex_cycle_converge 1.0
simplex_trans_step 1.0
simplex_rot_step 0.1
simplex_tors_step 10.0
simplex_random_seed 0
simplex_restraint_min no
atom_model all
vdw_defn_file $DOCKHOME/parameters/vdw_de_novo.defn
flex_defn_file $DOCKHOME/parameters/flex.defn
flex_drive_file $DOCKHOME/parameters/flex_drive.tbl
ligand_outfile_prefix refine_D3N_min
write_orientations no
num_scored_conformers 1
rank_ligands no
或者，編寫slurm運行腳本refine_D3N_min.sh，寫入以下內容：
#! /bin/bash
#SBATCH --time=5:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=10
#SBATCH --job-name=BTK_refine_D3N_min
#SBATCH --output=BTK_refine_D3N_mindock6.rdkit_mpi -i refine_D3N_min.in -o refine_D3N_min.out
slurm運行：
sbatch refine_D3N_min.sh
大約運行1 min。結果文件：refine_D3N_min_scored.mol2。
在以上演示條件下，生成獲得39個分子，可以通過Chimera或者ChimeraX的ViewDock查看。
可以看到，采用自帶片段庫生成的一些分子與固有配體up9具有相似的空間基團連接方式；可通過進一步優化片段庫得設置，得到更加多樣化的新分子。
總結
在本實例中，我們使用DOCK的通用片段庫，使用DOCK_D3N的方式，從頭開始為我們的受體構建新的配體，這只是一個運行案例，在實際項目任務中，需要進一步優化加載的片段庫、設置合適的片段生長方式、過濾條件等，不斷生成接近預期的目標新分子。
參考資料
- https://ringo.ams.stonybrook.edu/index.php/Main_Page
- https://dock.compbio.ucsf.edu/DOCK_6/dock6_manual.htm
- http://dx.doi.org/10.1021/acs.jcim.3c01031
| 歡迎瀏覽我的CSND博客！ Blockbuater_drug …點擊進入 |
|---|
