Работа проходит с белком лизоцимом из организма рыбы такифугу. (SEQ.B99990001)
1.В банке pdb найдём SMILES нотацию для NAG, создадим файл nag.smi
C помощью obgen построим 3D структуру этого сахара в pdb формате: nag.pdb
2. Скриптом prepare_ligand4.py из пакета Autodock tools создаём pdbqt файл вашего лиганда:
prepare_ligand4.py -l SEQ.B99990001.pdb
Полученный pdbqt-файл лиганда NAG nag_smi.pdbqt.
3. Аналогично скриптом prepare_receptor4.py из пакета Autodock tools создадим pdbqt файл нашего белка
prepare_receptor.py -l SEQ.B99990001.pdb
Полученный файл: SEQ.B99990001.pdbqt.
Итак, мы получили необходимые входные файлы.
5. Теперь создадим файл с параметрами докинга vina.cfg.
Для докинга необходимо указать область структуры белка, в которой будет происходить поиск места для связывания.
Полученный файл: vina.cfg
6. Теперь можно провести первый докинг:
vina --config vina.cfg --receptor SEQ.B99990001.pdbqt --ligand nag_smi.pdbqt --out nag_prot.pdbqt --log nag_prot.log
Просмотрим файл nag_prot.log и занесём в отчёт энергии 3ёх лучших расположений и геометрическую разницу между ними:
| Расположение | Энергия (ккал/моль) | Геометрическая разница с лучшей моделью (rmsd l.b.) |
|---|---|---|
1 |
-6.2 |
0.000 |
2 |
-6.1 |
2.044 |
3 |
-5.9 |
2.234 |
В PyMol загрузите файлы nag_prot.pdbqt и prot.pdbqt. Включим анимацию. Отобразим все состояния на одной картинке:
На рисунке видно, что имеется 2 "стабильных" области пребывания лиганда.
7. Теперь проведем докинг, рассматривая подвижность некоторых боковых радикалов белка.
Сначала разобьем белок на две части: подвижную и неподвижную.
Для подвижной части выберем 3 аминокислоты, которые мы использовали в прошлом задании для позиционирования лиганда.
Для создания pdbqt-файла воспользуемся скриптом prepare_flexreceptor4.py:
prepare_flexreceptor4.py -r SEQ.B99990001.pdbqt -s ASP115_ASN74_VAL123
Теперь проведем докинг:
vina --config vina.cfg --receptor SEQ.B99990001_rigid.pdbqt --flex SEQ.B99990001_flex.pdbqt --ligand nag_smi.pdbqt
--out vina_prot_flex.pdbqt --log vina_prot_flex.log
Просмотрим файл: vina_prot_flex.log . Энергии трех лучших расположений и геометрическая разница между ними представлена в таблице:
| Расположение | Энергия (ккал/моль) | Геометрическая разница с лучшей моделью (rmsd l.b.) |
|---|---|---|
1 |
-5.5 |
0.000 |
2 |
-5.2 |
1.785 |
3 |
-4.9 |
1.858 |
Файлы SEQ.B99990001_rigid.pdbqt и vina_prot_flex.pdbqt были загружены в PyMOL.
Все состояния на одной картинке изображены ниже:
За счет того, что белок представляет собой не жёсткую структуру, в большей степени мы должны доверять именно этому результату.
8. Модель, полученная на прошлом занятии, очень отличается от тех, которые были получены в процессе докинга:
9. NAG содержит в себе СH3C(=O)NH группу. Создадим 3 лиганда, где метильный радикал этой группы будет заменён на OH, NH2,H.
Для каждого из этих лигандов проведем обыкновенный докинг и представим результаты в виде таблицы из трёх лучших расположений для каждого лиганда.
Для этого были получены файлы nag2.smi,
nag3.smi и
nag4.smi соответственно, со SMILES измененных лигандов.
Затем были получены их pdb-файлы: nag2.pdb,
nag3.pdb и
В результате обычного докинга были получены файлы:для первого лиганда: nag_prot_2.log и nag_prot_2.pdbqt;
для второго лиганда: nag_prot_3.log и nag_prot_3.pdbqt;
для третьего лиганда: nag_prot_4.log и nag_prot_4.pdbqt.
Таблица трех лучших расположений для первого лиганда:
| Расположение | Энергия (ккал/моль) | Геометрическая разница с лучшей моделью (rmsd l.b.) |
|---|---|---|
1 |
-5.7 |
0.000 |
2 |
-5.5 |
2.205 |
3 |
-5.3 |
2.087 |
Для второго лиганда:
| Расположение | Энергия (ккал/моль) | Геометрическая разница с лучшей моделью (rmsd l.b.) |
|---|---|---|
1 |
-5.7 |
0.000 |
2 |
-5.6 |
2.424 |
3 |
-5.5 |
2.624 |
И для третьего лиганда:
| Расположение | Энергия (ккал/моль) | Геометрическая разница с лучшей моделью (rmsd l.b.) |
|---|---|---|
1 |
-5.4 |
0.000 |
2 |
-5.2 |
2.911 |
3 |
-5.1 |
1.991 |