Для работы был взят лизоцим из предыдущего практикума - лизоцим бактериофага PS119 (LYS_BPPS1).
Программе Autodock Vina для докинга необходимы специально форматированные файлы pdb c зарядами и указанием торсионных углов.

ДОКИНГ NAG

ПОДГОТОВКА ФАЙЛА NAG

Из файла PDB достанем SMILES-аннотацию для NAG:

CC(=O)N[C@H]1[C@H](O)O[C@H](CO)[C@@H](O)[C@@H]1O nag

C помощью obgen построим 3D структуру этого сахара в pdb формате и запустим MOPAC для оптимизации

export PATH=${PATH}:/home/preps/golovin/progs/bin
export MOPAC_LICENSE=/home/preps/golovin/progs/bin

obgen nag.smi > nag.mol
babel -ipdb nag.mol -omop nag_opt_pm6.mop -xk "PM6"
MOPAC2009.exe nag_opt_pm6.mop
babel -imopout nag_opt_pm6.out -opdb nag_opt_pm6.pdb

Рисунок 1.Структура NAG

Скриптом prepare_lygand4.py из пакета Autodock tools создадим pdbqt файл лиганда NAG.

export PATH=${PATH}:/home/preps/golovin/progs/bin
prepare_ligand4.py -l nag_opt_pm6.pdb -o nag.pdbqt

ПОДГОТОВКА ФАЙЛА С БЕЛКОМ

Так же, скриптом prepare_receptor4.py из пакета Autodock tools создадим pdbqt файл белка LYS_BPPS1.

prepare_receptor4.py -r prot.pdb -o prot.pdbqt

Параметры докинга

Теперь надо создать файл с параметрами докинга vina.cfg. Hеобходимо указать область структуры белка в которой будет происходить поиск места для связывания. Удобно его задать как куб с неким центором. Координаты центра мы определим из модели комплекса, которую мы построили на прошлом занятии. Определение центра масс с помощью команды pseudoatom в PYMOL
Получаем координаты, которые записываем в файл vina.cfg.

center_x=36.6
center_y=42.8
center_z=21.2

size_x = 25
size_y = 25
size_z = 25

num_modes = 20

Проведение докинга

 vina --config vina.cfg --receptor prot.pdbqt --ligand nag.pdbqt --out nag_prot.pdbqt --log nag_prot.log

Из файла nag_prot.log выберем энергии трех лучших расположений и геометрическую разницу между ними.

 mode |   affinity | dist from best mode
     | (kcal/mol) | rmsd l.b.| rmsd u.b.
-----+------------+----------+----------
   1         -4.8      0.000      0.000
   2         -4.7      2.257      5.065
   3         -4.6      2.565      3.423

В PyMol загрузим файлы nag_prot.pdbqt и prot.pdbqt и отобразии все состояния на одной картинке (Рис.2).

Рисунок 2.Изображение 20 состояний лиганда после докинга

Видим, что у лиганда есть предпочтительный карман, однако, 5 состояний из него "убежали".

ДОКИНГ С УЧЕТОМ ПОДВИЖНОСТИ НЕКОТОРЫХ БОКОВЫХ РАДИКАЛОВ БЕЛКА

Проведём докинг, рассматривая подвижность некоторых боковых радикалов белка. Сначала разобьем белок на две части, подвижную и неподвижную. Для подвижной части выберем 3 аминокислоты которые вы использовали в прошлом задании для позиционирования лиганда: CYS54, ALA103 и TYR105.

python /usr/share/pyshared/AutoDockTools/Utilities24/prepare_flexreceptor4.py -r prot.pdbqt -s CYS54_ALA103_TYR105 vina --config vina.cfg --receptor prot_rigid.pdbqt --flex prot_flex.pdbqt --ligand nag.pdbqt --out nag_prot_flex.pdbqt --log nag_prot_flex.log

Из файла nag_prot_flex.log выберем энергии трех лучших расположений и геометрическую разницу между ними.

mode |   affinity | dist from best mode
     | (kcal/mol) | rmsd l.b.| rmsd u.b.
-----+------------+----------+----------
   1         -5.0      0.000      0.000
   2         -4.9      2.043      2.730
   3         -4.7      1.832      4.339

Для первого состояния энергия немного лучше, чем для неподвижного белка.

Рисунок 2.Докинг с учетом подвижности некоторых боковых радикалов белка

Видим, что лиганд входит в карман в меньшем количестве состояний (9/20). Докинг с подвижными радикалами идет чуть дольше, чем докинг неподвижного белка.

Сравним результаты докинга с подвижными радикалами с результатом гомологичного моделирования из предыдущего занятия (рисунок 3)

Рисунок 3.Сравнение глубины попадание лиганда в карман. Слева докинг с подвижными боковыми цепями белка, справа - построенная в предыдущем ДЗ модель.

Из рисунка можно заключить, что докинг может расположить лиганд наиболее близким образом к старой модели