(パスワードの入力を要求されますが、何も入力しないでEnterキーを押してください。その後、なにかサーバーに接続した様子もなく自分のコンピューターのプロンプトが現れますが、それでもcvsが働いています) そこで、自分のコンピューターの /usr/tmp/tutorial directory にコマンドで移ります。そして
次を入力: cvs co VSTutorial
すると自動的に上記のようなディレクトリが作成され必要なファイルがダウンロードされます。私の場合は大學では無理でしたので、自宅で実行しましたが、３０分以上かかったように思います。終わったら
cd VSTutorial
ls
.と入力します。すると、VSTutorialフォルダーにResultsフォルダーとscriptsフォルダーが示されます。次に、VSTROOT環境変数の設定をします。
>csh
>source scripts/ex00.csh
>echo
$VSTROOT
と入力すると、/Users/your
account name/tutorial/VSTutorialと表示されるはずです。Ex00.cshスクリプトの内容が下記のようになっているから、CシェルによりVSTROOTに作業をしているフォルダー名が代入されます。
:
FAQ – Frequently Asked Questions
1. What
library should I use for screening?
If you
want to try and find novel compounds, you probablywant to use a
library designed for diversity, one which probesa large ‘chemical space.’ If there are small
molecules whichare known to bind to your macromolecule, you may want toconstruct
a tailored library of related compounds.
2. How
much computational time should be invested in each compound? How many dockings,
how many evaluations?
It depends on your receptor and on
the computational resources available to you. One recent successful AutoDock
Virtual Screening used 100 dockings with 5,000,000 evaluations per docking per
compound
.
3. How
do I know which docking results are ‘hits’?
When the results are sorted by
lowest-energy, the compounds which bind as well as your positive control or
better can be considered potential hits. (Remember to allow for the
~2.1kcal/mol standard error of AutoDock). If you have no positive control,
consider the compounds with the lowest energies as potential hits
.
4. What’s
the best way to analyze the results?
Sort them by lowest energy first, then use ADT to inspect
the quality of the binding.
5. Will
I need to visualize the results with the best energies?
Generally it is wise to inspect the
top 30 to 50 results. Some people advocate visually inspecting the top 100-400
hits.
6. What
should I look for when I visualize a docked compound ?
The first thing to check is that
the ligand is docking into some kind of pocket on the receptor. The second is
that there is a chemical match between the atoms in the ligand and those in the
receptor. For example, check that carbon atoms in the8ligand are near
hydrophobic atoms in the receptor while nitrogens and oxygens in the ligand are
near similar atoms in the binding pocket. Check for charge complementarity.
Check whatever else you may know about your particular system: for instance, if
you know that the enzymatic action of your protein involves a particular
residue, examine how the ligand binds to that residue. In the case of HIV
protease, good inhibitors bind in a mode which mimics the transition state.
7. Where can
I get help? The AutoDock mailing list is a good place to start. Information about it and other
AutoDock resources can be found on the AutoDock Web site:
http://www.scripps.edu/mb/olson/doc/autodock
.
練習 １: リガンドフォルダーへpdbファイルの書き込み: sdf to pdb
バーチャルスクリーニングに用いるライブラリは、選ばれたリガンドファイルから成っている。ライブラリ源は、Maybridge (www.maybridge.com), MDL
Mentor, Available Chemicals (UW-Madison)、NCI である。ライブラリは、そのユニーク性、多様性、および医薬性により選ばれている。医薬性は、Linpskyの「５のルール」 （Rule of Five）に基づいており、分子量<500、logP <5、水素結合ドナー数<5 、水素結合アクセプター数< 10 という規則に依って選択されている。ライブラリのサイズは、使用可能なコンピュータ資源により選択することが出来る。典型的なライブラリは、数千のファイル中から数十から数百が選ばれている。巨大な化学データベースをテストすることは、実際的ではない。ライブラリは、リガンドの多様性に焦点をあて、良い「hits」を生むチャンスを最大にするように構築される。
NCI
Diversity Set ドラッグの開発を促進するために、National
Cancer Institute (NCI) は、140,000以上の合成化合物と80,000以上のナチュラルプロダクトのリソースを維持し、high-through-put screening (HTS)に対するサンプルを用意している。NCI Diversity Setは、全てのリソースから選んだ1990の構造的に異なる化合物である。
Babel 製薬関係でのリガンドライブラリの標準ファイルは、sdf (MDL Isis)である。オープンソースプログラムのbabelは、種々のタイプのファイルを変換するプログラムである。サポートされているタイプのリストは、babel –mとするとメニューモードでbabelを実行する。最初の練習では、babelを使い、sdfファイルから100
pdbファイルを抽出し、AutoDockToolsのスクリプトで利用できるようにする。
Documentation それぞれのステップを再現できる詳細なドキュメントを記載しておくことは必須である。 README ファイルは、一般的なドキュメントのファイルである。
コンピューターによる実習のREADMEファイルの重要な部部には以下の項目が含まれる：Project,
Author, Date, Task, Data sources, Files in this directory, Output files,
Running Scripts and other notes on the location of the executable and
environmental settings. ‘Before We
Start’ セクションには、本章で使用する入力ファイルと実行スクリプトをセットアップしておく。
操作:
1.
ex01.csh
では、VirtualScreeningディレクトリと、サブディレクトリLigandsとetcを作成し、前者には用意したリガンドファイルを収納し、後者には２，３の便利なファイルを入れる。次に、babelを使いligand.listにある~100 pdb ファイルを抽出し変換する。これらは、NCI
Diversity Set を含むdiversity.sdf から抽出する。最後に、ポジティブコントロールとしてind.pdbをそのディレクトリに保存する。
練習２: リガンドファイルの変換: pdb to pdbq.
AutoDock experiment は、特定の検索空間でのベスト（最小のエネルギーを持つ）のコンフォメーションを示す結合リガンド構造を表示する。AutoDock experiment に対する入力ファイルには、AutoDockによりサポートされる原子タイプセットにある原子以外は含まれてはならない。このセットには、united-atom aliphatic carbons, aromatic carbons in cycles, polar
hydrogens, hydrogen-bonding nitrogens と、部分電荷を持ち、他の原子と直接水素結合している酸素を含む。
AutoDock の適正に作成された入力ファイルは、AutoDock の原子タイプセットと一致している原子に対するpdbに似たレコードからなる。そのファイルの作成には欠損している原子や添加水、２分子以上の分子、鎖の切断、alternate locationによるポテンシャル数の問題を解決することも含まれている。
本チュートリアルでは、グラフィカルインターフェースであるADTを用いて、リガンドファイルを作成する。何千ものリガンドファイルをGUIにより作成することは、あまり妥当な作業とは言えない。そのような作業は自動化される必要があり、本章では、AutoDockTools にあるパイソンスクリプトであるprepare_ligand.pyを紹介しUNIXのforeach loop中での使用法について述べる。詳細は Appendxを参照してください。
操作
3. Document:
READMEファイルにこのセクションの項を加える。警告のメッセージを記録する。この練習では１０のインプットファイルが“Not all ligand written:”という警告を出力している。UNIXの‘script filename’コマンドはREADMEファイルを変更する別の方法である。そのコマンドは指定されたファイルにターミナルに出力されたすべてのテキストをコピーする。ここでは、そのトランスクリプトをforeachループの前に開始し、Control D により終わらせる。
練習３: Profiling the library: 原子種セットの決定
リセプターに対するリガンドのドッキングを試みる際に、AutoDockはリセプターの特殊な表現型、「grid maps」と呼ぶgrid-based potential energies ファイルを使用する。AutoGridは、ドッキングに用いるリガンド中の全原子種に対して一つのgrid
mapを計算する。グリッドマップは規則的にリセプターの周りに配置された３D格子よりなり、当該のマクロ分子の興味を持っている範囲にその中心を置く。それぞれのグリッドマップのポイントは、マクロ分子の個々の原子と特異なプローブ原子とのペアでのポテンシャル相互作用の合計である。'n'個の活性トーションで決められたグリッドマップでカバーされた３Dの容積は、６＋'n'個のsearch spaceを定義する。
１個のリセプターに対するリガンドのセットのドッキングでは、個々のリガンド中に存在する原子タイプのcovering
set中にある各原子タイプにたいして一個のグリッドマップが必要である。このエクササイズでは原子タイプのcovering
setを決め、余りにも多い原子、原子タイプ、回転可能なボンドなどを除外するためにリガンドライブラリの要約を記録する。
操作:
どの原子種が対象になっているかを注意する。その情報次第では、いくつかの系列を取り除く必要がある。
. 2. ライブラリを概観するためには、summary.txt中の情報をチェックする。常に使っているライブラリを概観することは重要である。
2.
このセクションの操作のエントリをREADME ファイルに加えておく。
注：例えば検出された原子種、トーション数の範囲など
.
練習４: リセプターの準備: pdb をpdbqsに変換.
AutoDockで用いるリセプターファイルはチャージ’q’と溶媒和パラメータ’s’（AtVol, the atomic
fragmental volume, と AtSolPar, the atomic solvation parameter を含む）をpdbに加えたpdbqsフォーマットでなければならない。AtVol とAtSolPar はマクロ分子のリガンド結合による溶媒の除去に依存したエネルギーを計算するのに用いる。AutoDock atom types を確認するために、極性水素が存在しなければならないし、非極性水素と孤立電子対が加えられなければならない。さらに、全ての原子はKollmanの部分チャージを割り当て、CNOSH以外の原子に関しては、ワイルドカードである’X’か’M’として指定されなければならない。全ての残基に関しては、integural total chargeが割り当てられる。
リセプターフォルダーは、リセプターを一度だけ処置するフォルダーである。すべてのリガンドはこの一つのリセプターに対して処置される。AutoDockTools tutorial フォルダーから実行できると便利である。
練習５: ライブラリのためのAutoGridパラメータファイルの作成
グリッドパラメータファイルは、AutoGridに対して計算するマップのタイプ、そのマップのある場所や大きさを指定し、一組のポテンシャルエネルギーパラメータを特定する。一般に、一つのマップはリガンド中のそれぞれのエレメントと静電的マップに対して計算される。自己矛盾のない12-6 Lennard-Jonesエネルギーパラメータ、Rij,平衡時核間距離、エネルギー極小値(well
depth)がマクロ分子の原子タイプに基づいてそれぞれのマップに対し特定される。水素結合をモデル化したい場合は、gpfの12-6パラメータの代わりに12-10パラメータを特定することでそれを実行する。リガンドのライブラリ一つに対して、リガンドの一つの原子マップが必要である。それぞれのAutoGridの計算で６原子マップと静電マップが作られる。従って、リンガンドライブラリに対するAutoGridの総仕事数は、ライブラリ中の原子タイプの数に依存している。ｎ個の原子タイプが存在していると、n/6 + 1のグリッドパラメータファイルを準備する必要があり、AutoGridはn/6 + 1回実行されることになる。
1.
adtを用いてグリッドパラメータファイル(gpf)を書く：（もし練習４で用いたマクロ分子を使うなら、この最初のステップは必要ない）:
* Grid -> Macromolecule -> Open…(AG3)]
* Grid -> Open GPF…
../../x1hpv.gpf とタイプし、 クリック Open
* Grid -> Set Map Types -> Directly…(AG3)
ACHNOS とタイプし、クリック Accept
* Grid -> Output
-> Save GPF…(AG3)
Receptor directory でx1hpv_1.gpf とタイプし、クリック Save
* Grid ->
Set Map Types -> Directly..(AG3)
cbFP タイプし、クリック Accept
* Grid -> Output -> Save GPF…(AG3)
Receptor directory でx1hpv_2.gpf とタイプし、クリック Save.
2. 今作成した二つのグリッドパラメータファイルを次のようにしてテストする。
3. README fileにこのセクションの操作を加えておきましょう
4. Linux machinesでは, Control Zのつぎにbg とタイプしｓバックグラウンドでＡＤＴを稼働させておきます。
練習６: AutoGridを用いてリガンドライブラリに対する原子アフィニティマップを計算する。
この練習のようなラージスケールでのバーチャルスクリーニング計算実験での成功要件は、データの組織化である。つまり、多くのインプット、アウトプットファイルを組織化するために簡明なディレクトリ構造を使う必要がある。この練習では、リセプターを独立したディレクトリに置き、そこにすべてのこのレセプターに対して計算されたAutoGridアフィニティーマップを保存した。すべてのリガンドディレクトリには、それぞれのマップファイルとreceptor.pdbqsに対してシンボリックリンクを保存してある。それぞれのリガンドディレクトリには、そのligand.pdbqファイルとドッキングパラメータファイルであるx1hpv_ligand.dpfが置いてある。本練習では、autogrid3を２回x1hpvに対する必要な原子マップセットを計算するために使っている。それぞれのリガンドに対してシンボリックリンクを作成するためにリセプターディレクトリで作業する。
Procedure:
2. Check
that the maps are there and check that there are 10 maps
3. README ファイルにこのセクションの操作を加えておきましょう
練習７: ポジティブコントロールによるプロトコールの検証
実用的な大きさのリソースを扱いバーチャルスクリーニングの実験をする前に、入力ファイルが問題ないかどうかを検討する。
AutoDockを用いてドッキングをする場合、個々の過程は同じ初期手順を踏んで複数のドッキング過程を実行する。ドッキングの種々のパラメーターは、普通ドッキングパラメーターファイル、"DPF"に保存される。このファイルは、AutoDockのコマンドラインでflagに(-p)をつけることで入力される。それぞれのリガンドは、特有のドッキングファイルを使用する。この練習で使用するドッキングパラメーターを書くためには、prepare_dpf.pyといAutoDockTools/Utilitiesにあるスクリプトを用いる。使い方の詳細はAppendix に記されている。
練習８:ドッキングフォルダーの作成とライブラリ中のリガンドそれぞれに対するパラメータファイルの作成
この練習では、前回の練習でスクリーニングの個々のリガンドに用いたステップをポジティブコントロールに対して行う。それぞれのリガンドに対して個別のディレクトリがある。それぞれのリガンドのディレクトリはautogridマップにとレセプターに対するシンボリックリンクを含んでいる。それぞれのリガンドディレクトリはさらに、個々のligand.pdbq と ligand.dpf ファイルを含んでいる.
Procedure:
Suggestion: unset echo here if it is set because this script involves many steps for many ligands.
3. README ファイルにこのセクションの操作を加えておきましょう
練習９:複数の
AutoDock jobの実行.
（この実習では前もって計算しておいた結果を用います。）
操作:
ex09.cshスクリプトの内容は、その内容を実行するコンピュータにより異なります。大阪府立大学・生物情報科学科実習室では以下のように書き換えて実行します。
echo
"autodock3 -p $d.dpf -l $d.dlg
の行を
autodock3
-p $d.dpf -l $d.dlg
とします。これは、ex09.cshが、練習のためにすでに計算してある結果を用いるように記述してあるからで、実際に実行する際はechoをはずします。起動した後は、実行前に
>csh
>limit
stacksize unlimited
としておきます。ただし、練習７がうまく実行できればこの作業は省けます。
2. ドッキングフォルダーにあるドッキングログをチェックします。:
3. README ファイルにこのセクションの操作を加えておきましょう
練習10：ドッキング結果の検討－結合エネルギーの順位
まず、それぞれのリガンドに対して一番低いエネルギーによるドッキングのリストを作成する。そのために、全てのリガンドのNNN.dlgをlig_rec.energiesとして作成し、ついでそのファイルをソートしてlig_rec.energies.sortを作成する。
操作：
Note: Docking energy is the sum of the
intermolecular energy plus the internal energy of the ligand. Binding energy is the sum of the intermolecular
energy plus the torsional free energy penalty (0.3113*number of active
torsions)
Note: head -1 puts the single best result
for each ligand into all_energies.list. You could use head -2 or
head -3 to
include more results. Note: -k3n means use field 3 which
is the docking energy.
|
|
2. 結果の検討を以下のようにして行う。
>cd ../Dockings
>head
diversity1988_x1hpv/diversity1988_x1hpv.energies
>pwd
>ls
2. all_energies.sortファイルでリストのトップにある最小エネルギー（最良結合）で結合しているリガンドを確かめる。ポジティブコントロールと比較して、それ以上の結合をしているリガンドをノートする。
>cd ../etc
>head all_energies.sort
4. README ファイルにこのセクションの操作を加えておきましょう.
練習11: 最適のドッキング・リガンドの検討
1. adt:実行
cd ../Dockings
adt（adtがバックグランドで稼動している場合はfgコマンドを使用する）
2. viewerのセットアップ
* File->Preferences->Set
Commands to be Applied on Objects
- Available
commands リストから colorByAtomType を選択
- '>>'をクリック ：選択したコマンドが隣へ移行
- 'OK'をクリック ：確定
* File->Browse
Commands
- select a packageリストからPmv をクリック
- moduleのリストからbondCommandsを選択
-Load Moduleをクリック
-msmsCommandsを選択
-Load Moduleをクリック
-DISMISSをクリック
3. リセプターのセットアップ
* Read in the file:
File->Read
Molecule
-
"PDB files (*.pdb)" をクリック
-"AutoDock files (pdbqs) (*.pdbqs) を選択
-"x1hpv.pdbqs"を選択
* Set center of rotation：
-
pointing finger iconをクリック
-
PCOM levelからMolecule を選択しAtom をクリック
-
"printNodeNames" の右をクリックしcenterOnNodes"を
選択
-水が存在する辺りにボックスを描く
(PCOM level がAtomに設定してあればボックスは黄色になる)
* Display msms surface:
Compute->Molecular
Surface->Compute Molecular Surface
-
MSMS Parameters Panel widgetでOKをクリック
Color->by Atom Type
-
MSMS-MOLをクリックし
OKをクリック
* Make molecular surface
transparent using the DejaVu GUI:
-
DejaVuGUI (Sphere/Cube/Cone) Buttonをクリック
-
+ rootをクリック
-
+ x1hpvをクリック
- MSMS-MOLを選択
- Material: Frontをクリック
-change Opacity to .7
-
Material: Noneをクリック
- viewer でcurrent object としてrootを選択
* Close the DejaVu GUI:
- DejaVuGUI (Sphere/Cube/Cone)をクリック
* ADJUST the view:
-マウスの中ボタンをSHIFTを押しながら押さえて動かしx1hpv’の水をズームする
4. Repeat the following
steps for each docking to be evaluated. Here
we show the procedure using diversity0619_x1hpv.dlg
as an
example:
1. Analyze->
Docking Logs->Open
-diversity0619_x1hpv.dlgを選択
-
Openをクリック
-
OKをクリック
2. Analyze->
Clusterings->Show
write a printable
version of histogram:
- histogram’s Edit-> Writeをクリック
-type in this
filename: “diversity0619_x1hpv.ps”
-
Saveをクリック
3. Visualize the
lowest energy docked conformation
-type ‘d’ in the viewer to turn off depth-cueing
-
lowest energy bin in the histogram to open the playerをクリック
-
right arrow to set ligand to 1_1 conformationをクリック
Assess:
-is the
ligand in a pocket?
-is each
atom in the ligand in a chemically favorable position?
Show hydrogen bonds:
-
player’s amperes and for play optionsをクリック
-
Build H-bonds and
Show Infoをクリック
-Record number of
hbonds formed
-Display
Distance(1.741) or Energy(-5.931)
4. Clea n-up for next
docking log
-
Close on ‘diversity0619’ widgetをクリック
-
File->Exit on ‘diversity0619:rms=2.0をクリック
clustering’ histogram
- Analyze->Dockings->Clear
to delete this docking
5. README ファイルにこのセクションの操作を加えておきましょう
Using
the TSRI (The Scripps Research Institute) cluster: bluefish.
All input file preparation should be done on your local
computer. The interactive head node on the bluefish cluster is used
to transfer the files from your computer to the cluster where the calculations
will be carried out. For today’s tutorial, we will demonstrate
launching a sample docking and then use previously computed results.
We create a tar file of the VSTutorial directory tree:
Appendix A: AutoDockTools Scripts使用法
AutoDockToolsモデュール にあるprepare_ligand.py スクリプトはインプットフラッグによりカスタム化可能である。
Note: You can generate any
of these usage
statements
by typing the
script name
with no input.
eg:
prepare_ligand.py
|
|
prepare_ligand.py –l ligand_filename
[vo:d:A:CKU:B:R:Mh]
-l ligand
filename (required)
Optional
parameters include (defaults are in parentheses):
-v verbose output (none)
-o output pdbq_filename (ligandname.pdbq)
-d dictionary filename to write summary information of per
molecule atomtypes and number of active torsions (none)
-A type(s) of repairs to make (none):
bonds
hydrogens
bonds_hydrogens
-C do not add charges (add gasteiger charges)
-K add Kollman charges (add gasteiger charges)
-U cleanup type, what to merge (nphs_lps)
nphs
lps
“ “
-B types of
bonds to allow to rotate (backbone)
amide
guanidinium
amide_guanidinium
“ “
-r root (auto)
index for
root
-m mode
(automatic)
interactive
(do not automatically write outputfile)
The prepare_receptor.py
script in AutoDockTools module is customizable via input flags:
prepare_receptor.py
–r filename ['r:vo:A:CGU:M:']
-r receptor_filename
Optional
parameters:"
-v verbose
output
-o pdbqs_filename
(receptor_name.pdbqs)
-A type(s)
of repairs to make (“ “):
bonds_hydrogens
bonds
hydrogens
-C do not
add charges (add Kollman charges)
-G add
Gasteiger charges (add Kollman charges)
-U cleanup
type, what to merge (nphs_lps)
nphs
lps
“ “
-m mode (automatic)
interactive (do not
automatically write outputfile)
The prepare_dpf.py
script is customizable via input flag (default
values
are in parenthese)s
:
prepare_dpf.py
-l ligand_filename –r receptor_filename
-l ligand_filename
-r receptor_filename
Optional
parameters:"
-v verbose
output
-o dpf_filename
(ligand_receptor.dpf)
-i template
dpf_filename
-p parameter_name=new_value
