本文主要是介绍UCSF DOCK 分子对接详细案例（03）-分子从头设计de novo Design，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
| 欢迎浏览我的CSND博客！ Blockbuater_drug …点击进入 |
|---|
文章目录
- 前言
- 一、 软件及操作环境
- 二、研究目的
- 三、结构文件准备
- 四、 DOCK中 de novo design
- 五、 De Novo Refinement
- 六、 Focused De Novo Design
- 总结
- 参考资料
前言
本文是UCSF DOCK的使用案例分享，包括DOCK 6.11的de novo Design 模块包含的三项功能：
（1）Generic de novo design
（2）De Novo Refinement
（3）用户自定义生成片段库并实现Focused De Novo Design
一、 软件及操作环境
操作环境：Ubuntu 22.04
软件版本：UCSF DOCK 6.11，安装可以参考这篇博文；UCSF Chimera 1.17.3，UCSF ChimeraX 1.7.1，安装可以参考这篇博文。
二、研究目的
NX-2127是一款具有双重活性的口服小分子靶向蛋白降解剂，可以布鲁顿氏酪氨酸激酶（BTK）蛋白。在与BTK结合的同时，NX-2127还可以招募E3泛素连接酶，使BTK蛋白“泛素化”，从而BTK被蛋白酶体降解。
在本实例中，我们将使用DOCK的通用片段库，从头开始为我们的受体构建新的配体：
首先，展示通用的Generic de novo design，随后是基于anchor的优化生成De Novo Refinement，最后是基于用户自定义生成片段库的Focused De Novo Design。
三、结构文件准备
grid文件来自于前一篇案例分享：UCSF DOCK 分子对接详细案例（02）-并行用于高通量虚拟筛选
也可以在此下载本案例需要的输入文件：下载
新建本案例需要的目录：
cd DOCK_workdir
mkdir 009_denovo_generic 010_denovo_refine 011_denovo_focused
现在，DOCK_workdir 内容如下：
四、 DOCK中 de novo design
4.1 generic de novo design
cd ./009_denovo_generic
将此前建立的格点文件.bmp和.nrg文件复制到本目录：
cp ../003_gridbox/grid.bmp ../003_gridbox/grid.nrg ./
创建参数输入文件generic.in，输入以下内容：
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 no
dn_torenv_table $DOCKHOME/parameters/fraglib_torenv.dat
dn_name_identifier 8u2e_generic
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_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 no
dn_write_orients no
dn_write_growth_trees no
dn_output_prefix 8u2e_generic
use_internal_energy yes
internal_energy_rep_exp 12
internal_energy_cutoff 100.0
use_database_filter no
orient_ligand yes
automated_matching yes
receptor_site_file ../002_surface_spheres/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
minimize_anchor yes
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_anchor_max_iterations 500
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
编写slurm运行脚本generic.sh，写入以下内容：
#! /bin/sh
#SBATCH --time=5:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=10
#SBATCH --job-name=BTK_generic
#SBATCH --output=BTK_genericdock6 -i generic.in
运行：
sbatch cart_min.sh
大约运行30 min。
结果文件：8u2e_generic.denovo_build.mol2，生成565个分子，可以通过Chimera或者ChimeraX的ViewDock查看：
4.2 Rescoring the Outputs对输出重新评分
通过4.1中的方式产生的分子已经通过grid score进行评分，可以进一步做rigid docking能量最小化优化，以此更加准确评价生成分子与受体之间结合能力。
vim generic_min.in
conformer_search_type rigid
use_internal_energy yes
internal_energy_rep_exp 12
internal_energy_cutoff 100.0
ligand_atom_file 8u2e_generic.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 ../002_surface_spheres/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 ../003_gridbox/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 generic_min
write_orientations no
num_scored_conformers 1
rank_ligands no
运行：
dock6 -i generic_min.in
或者，编写slurm运行脚本generic_min.sh，写入以下内容：
#! /bin/bash
#SBATCH --time=5:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=10
#SBATCH --job-name=BTK_generic.min
#SBATCH --output=BTK_generic.mindock6 -i generic_min.in
slurm运行：
sbatch generic_min.sh
大约运行5 min。
结果文件：generic_min_scored.mol2，对生成565个分子优化，可以通过Chimera或者ChimeraX的ViewDock查看：
通过对比可以看出，优化后排名靠前的分子与未优化时靠前的分子，结构相近且具有较小的片段，因此该分子或者说该分子系列可能具有很好的受体结合能力。
五、 De Novo Refinement
cd ../010_denovo_refine
如何在固有配体的指引下生成新的结构，并且与受体依然有良好的结合是药物设计的核心任务。该项工作往往是对配体受体充分了解后开展的，没特定的模式可供套用。
如下图所示，N-甲基哌嗪处于口袋外的溶剂区域，如果采用fast-follow结构修饰的研究策略，那单独改造这个部分是保持活性的同时，重点研究的片段之一。如果考虑采用de novo生成方法，获得全新骨架系列分子的抑制剂，以上方法将不再适用。
一般而言，口袋内部的结合对配体-受体的结合起着非常重要的作用，结合熵变与结合焓变可能都是非常重要的结合贡献力量。保持溶剂区片段不变，寻找具有新型结构的在口袋内部结合的片段，是一项具有挑战性但意义巨大的工作。
本实例是基于已知的药效分子与靶点BTK的结合模式，利用DOCK De Novo Refinement功能，产生新的具有潜在结合的配体分子，保留溶剂区片段（可以尝试，同时保留另外一个靠近口袋外的片段，此处不再展示）。分为三部分：
准备配体
如上图所示，删除配体分子溶剂区片段以外的结构，保存分子为.mol2格式，查看删除分子的连接原子编号（这里是C24），在mol2分子中修改其原子类型为Du，并标记原子名字为Du1，这个位置是产生新结构的起始位置。如下:
保存文件，名称Chopped_ligand_for_denovo.mol2。
运行Refinement
保存运行参数文件：de_novo_refine.in，内容如下：
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
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_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 no
dn_write_orients no
dn_write_growth_trees no
dn_output_prefix 8u2e_refine
use_internal_energy yes
internal_energy_rep_exp 12
internal_energy_cutoff 100.0
use_database_filter no
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 ../003_gridbox/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 yes
simplex_coefficient_restraint 10.0
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
关于de_novo_refine.in一些参数的说明：
-dn_user_specified_anchor 设置为no时，如果希望运行从头设计运行，其中他们不指定具有虚拟原子的输入锚，DOCK将使用片段库中的部分作为锚点来构建，允许尝试多个不同的锚点和方向。
-dn_sampling_method 可以是“graph”、“random”或“exhaustive”。“graph”将选择与先前选择的改善网格得分的部分相似的片段，因此图将试图以促进改善配体的方式偏向未来的片段选择。术语“random”将导致片段被随机选择。“exhaustive”将确保在每个可能的位置尝试每个可能的片段，会显著增加所需的计算时间。
-dn_graph_max_picks 和dn_num_random_picks（后者在上面未示出）控制每个生长层每个虚原子尝试多少片段。
-dn_max_grow_layers 控制DOCK将从初始锚上的每个虚拟原子向外生长多少个片段。8-9层，通常用于从头开始生长配体而不设置锚。
-minimize_ligand 当设置为yes时，将尝试在每个片段选择后使配体能量最小化。
-minimize_anchor 当设置为yes时，将尝试在连接片段之前使锚能量最小化，而不管锚是由用户提供还是随机选择。对于从头运行，其中锚是以已知方向结合的配体的一部分，最好将此参数设置为“no”。否则，DOCK 可能会在尝试用新的片段生长之前改变你的锚的方向，产生的分子可能不能反映配体通常如何结合。
-simplex_restraint_min 应设置为yes时，该参数基本上将拉伸系绳应用于初始锚，允许其为了能量最小化而稍微偏离其起始位置，但影响RMSD。
运行：
dock6 -i de_novo_refine.in
查看结果
生成8u2e_refine.denovo_build.mol2文件，可以用ChimeraX ViewDock查看。
六、 Focused De Novo Design
cd ../011_denovo_focused
生成片段库
DOCK可以读取包含有一个或者多个分子的mol2文件，生成片段库。以输入up9分子为例。
新建片段生成的输入参数文件frag_gen.in，输入以下内容：
conformer_search_type flex
write_fragment_libraries yes
fragment_library_prefix up9_fraglib
fragment_library_freq_cutoff 1
fragment_library_sort_method freq
fragment_library_trans_origin yes
use_internal_energy yes
internal_energy_rep_exp 12
internal_energy_cutoff 100.0
ligand_atom_file ../001_structure/up9_rec_withH.mol2
limit_max_ligands no
skip_molecule no
read_mol_solvation no
calculate_rmsd no
use_database_filter no
orient_ligand no
bump_filter no
score_molecules 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 up9_trash
write_orientations no
num_scored_conformers 1
rank_ligands no
运行：
dock6 -i frag_gen.in -o frag_gen.out
生成以下6个文件，可以使用ChimeraX查看。
frag_gen.in输入参数的说明：
-fragment_library_freq_cutoff 作为一种排序机制，只允许出现指定次数的片段进入库。当设置为1时，这允许将出现一次的任何片段添加到库中。
-fragment_library_transs_origin 设置为yes时，会将空间中的所有片段平移到一个位置，这样当在Chimera或ChimeraX等程序中查看时，用户可以查看各种片段，而无需在每次切换正在查看的片段时调整位置。
Fragment Library Merging
可以将DOCK自带的片段库与用户生成的片段库合并使用。
将自带库拷贝进工作目录：
cp $DOCKHOME/parameters/fraglib_s*.mol2 $DOCKHOME/parameters/fraglib_linker.mol2 $DOCKHOME/parameters/fraglib_torenv.dat ./
cat *linker* >> combined_fraglib_linker.mol2
cat *sidechain* >> combined_fraglib_sidechain.mol2
cat *scaffold* >> combined_fraglib_scaffold.mol2
合并torsion files：
python $DOCKHOME/bin/combine_torenv.py fraglib_torenv.dat up9_fraglib_torenv.dat
以上便得到片段和torsion数据库。
Running the Focused De Novo Design
新建Focused De Novo Design的输入参数文件focused.in，输入以下内容：
conformer_search_type denovo
dn_fraglib_scaffold_file combined_fraglib_scaffold.mol2
dn_fraglib_linker_file combined_fraglib_linker.mol2
dn_fraglib_sidechain_file combined_fraglib_sidechain.mol2
dn_user_specified_anchor yes
dn_fraglib_anchor_file ../010_denovo_refine/Chopped_ligand_for_denovo.mol2
dn_torenv_table fraglib_torenv.dat
dn_name_identifier focused_8u2e.combined
dn_sampling_method graph
dn_graph_max_picks 30
dn_graph_breadth 3
dn_graph_depth 3
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_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 5
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 no
dn_write_orients no
dn_write_growth_trees no
dn_output_prefix 8u2e_focused
use_internal_energy yes
internal_energy_rep_exp 12
internal_energy_cutoff 100.0
use_database_filter no
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 ../003_gridbox/grid
minimize_ligand 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
运行：
dock6 -i focused.in -o focused.out
查看结果：
在以上演示条件下，生成1061个分子，可以通过ViewDock查看。
实际使用，片段库和生成参数均需要摸索和优化，才能生成需要的新分子，是一个不断优化和探索的过程。
总结
在本实例中，我们使用DOCK的通用片段库，从头开始为我们的受体构建新的配体；也使用DOCK片段数据库构建功能建立片段数据库用于分子生成。主要分为三个部分：首先，展示通用的Generic de novo design，随后是基于anchor的优化生成De Novo Refinement，最后是基于用户自定义生成片段库的Focused De Novo Design。
参考资料
- https://ringo.ams.stonybrook.edu/index.php/Main_Page
- https://dock.compbio.ucsf.edu/DOCK_6/dock6_manual.htm
- https://pubs.acs.org/doi/pdf/10.1021/acs.jcim.3c01031
| 欢迎浏览我的CSND博客！ Blockbuater_drug …点击进入 |
|---|
这篇关于UCSF DOCK 分子对接详细案例（03）-分子从头设计de novo Design的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
