Novelism

pymol 은 단백질 및 분자의 3D 구조를 보고 분석하기 위한 프로그램입니다. 슈뢰딩거에서 만들었지만, open-source 버전도 있습니다. 둘 다 사용해봤지만, open-source 버전에서 별다른 단점은 발견하지 못했습니다. GUI와 python 인터페이스를 지원합니다. 단지 구조를 보기만하는것이 아니라, 기능을 숙지해두면 다양한 분석이 가능합니다. 외부 python 코드나 플러그인과 연계해서 더 많은 기능들을 사용할 수 있습니다. 좀 쓰기 불편하지만, pymol로 3D 기반으로 단백질과 상호작용하는 ligand 를 직접 설계하는 것도 가능합니다. 최근엔 버전 2 이상의 pymol open source 설치가 쉬워졌습니다. ubuntu 계열 apt 설치: sudo apt update sudo ap..

신약개발에서 루틴하게 사용하는 Medicinal Chemistry Filter (MCF) 들이 있습니다. 과도한 반응성을 가지는 분자나, 여러 단백질에 선택성 없이 결합하는 분자, 불안정한 분자, 약물들이 가지기 어려운 작용기 등의 패턴을 미리 정리해둔 것입니다. 복잡하지 않으면서 잘 알려진 독성 작용기 중에는 MCF로 걸리는 것들도 있습니다. 필터들 중에서 대표적으로 많이 사용되는 것으로 PAINS가 있습니다. rd_filters 는 BMS, Dundee, Glaxo, Inpharmatica, LINT, MLSMR, PAINS, SureChEMBL의 8종의 필터를 모아둔 것입니다. 코드 저자는 Patrick Walters 입니다. 블로그 주소: Practical Cheminformatics 하는 김에 ..

탄생은 이미 수년 전 예고된 회사입니다. 데미스 하사비스가 이끄는 알파벳의 새로운 자회사로, 인공지능 신약개발에 도전하는 회사입니다. 그냥 쉽게 말해 딥마인드가 신약개발에 도전한다.라고 할 수 있습니다. 저는 인공지능 신약개발 분야로 올 때 인공지능 신약개발 분야에서 최초의 성공사례는 딥마인드가 만들 것이라 생각했습니다. 분명히 인공지능 신약개발 분야에 진출할 것이라 기대하고 있었는데 드디어 그 회사가 탄생했네요. 회사 이름은 Isomorphic labs입니다. 자세한 설명은 아래 홈페이지에 있고, 블로그 페이지에 회사 이름의 의미가 있습니다. https://www.isomorphiclabs.com/ https://www.isomorphiclabs.com/blog 단백질 구조예측 분야를 연구했던 사람으로..

특정 타깃에 대해서, 그 타깃과 결합력 및 결합 구조를 예측하는 방법으로 도킹 시뮬레이션이 있습니다. 아무래도 예측이다보니, docking이 얼마나 잘되는지 의문이 들 수가 있습니다. 그래서 보통 제일 먼저, 특정 PDB 구조에서 receptor와 ligand를 분리한 후, 그 ligand를 receptor에 붙이는 도킹 시뮬레이션을 돌려봐서 얼마나 잘 붙는지 확인을 합니다. 그리고, 같은 단백질에 대한 PDB들에 대해서, 서로 receptor와 ligand를 교환해서 docking 시뮬레이션을 진행합니다. (cross-docking) ligand를 원래 붙어있던 receptor 구조에 도킹을 하는 경우는 잘 되는 경우가 많습니다. 하지만 실험 구조에도 오류가 있을 수 있고, 크러시가 있는 경우는 잘 안..

protein-ligand binding affinity 예측과 비슷한 용어가 여러 가지 있습니다. Drug target interaction (DTI), binding affinity prediction, receptor-ligand interaction 보통 약물 타깃이 단백질인 경우가 많고, 결합에선 상대적으로 큰 분자를 receptor, 작은 분자를 ligand라고 부르기도 하고, ligand가 약물인 경우가 많아서 이 용어들은 거의 비슷한 의미라고 볼 수 있습니다. affinity 값 자체를 예측하는 대신 결합 여부만을 예측하기도 합니다. 그냥 편의상 DTI라고 부르겠습니다. DTI 예측에 대한 접근방법은 크게 informatics based method와 physics based method ..

openbabel 은 무료로 사용할 수 있는 cheminfomatics tool입니다. docking 시뮬레이션을 하는 사람들이 많이 사용합니다. 명령어(obabel 및 ob 로 시작하는 여러 실행 파일들)로 사용할 수도 있고, python 모듈로도 사용할 수 있습니다. rdkit과 유사한 점이 많지만, 기능은 obabel 이 조금 더 많은 것 같고, python 인터페이스에서 사용하기엔 obabel이 조금 더 불편합니다. 그래도 바로 콘솔 창에서 실행 가능해서 더 편리할 때도 있습니다. 주로 사용하는 기능은 분자가 주어진 pH 상태에서의 protonation state를 예측해주거나, 중성화해버립니다. 분자의 3D 구조를 탐색합니다. 구조에 대해서 간단한 에너지 계산을 합니다. 다양한 분자 파일포멧을 ..

백질 구조 기반 약물 가상 탐색: 1. 서론 https://novelism.tistory.com/116 서론에 이어서 단백질 구조 및 Cheminformatics로 ACE inhibitor (억제제)를 탐색하는 예시를 보여드리겠습니다. 고혈압 치료제로 사용하는 ACE억제제에 대한 포스팅은 이전 글을 참고하세요. https://novelism.tistory.com/108 제가 구조기반 약물 탐색에서 하는 일은 3가지입니다. 단백질-약물 결합에서 중요한 결합기를 찾고, 해당 결합기를 가지는 약물들을 탐색합니다. docking을 통해서 약이 결합 위치에 들어갈 수 있는지 시뮬레이션하고, 중요하다고 생각한 결합기가 docking 결과 실제 예상한 위치에 있는지 확인합니다. 일단 이것은 예제이기에 분석과 분자 탐..

단백질 구조 기반 약물 가상탐색 방법에 대한 예시를 포스팅하려고 합니다. ACE 억제제를 생각하고 있습니다. 일단 서론부터 올립니다. 저는 연구의 답은 본질에 있다 라고 생각합니다. 예전에 단백질 도메인 경계 예측 연구를 한 적이 있었는데, 단백질 도메인의 정의에서부터 출발했습니다. 단백질 도메인은 구조적인 단위이며, 기능적, 진화적인 단위입니다. 여기서 진화적인 단위라는 점에서 주목하여서, 같은 도메인 내에선 아미노산 사이의 공진화가 활발히 관찰되지만, 서로 다른 도메인 영역에선 공진화가 거의 관찰되지 않는다는 점에서 착안해서 공진화 정보를 이용했더니 기존 방법들보다 도메인 경계를 더 잘 예측할 수 있게 되었습니다. 마찬가지로 효소란 무엇이고 어떤 기능을 하는가를 이해하면 효소 억제제란 무엇이고, 무슨..

AutoDock Vina 변종 위주로 사용하다가 기능적으로 만족스럽지 않은 부분이 있어서 다른 도킹 프로그램을 찾아봤는데, 그중 무료로 사용할 수 있는 성능이 좋아 보이는 프로그램으로 rdock이 있습니다. rdock의 차별점이라 할만한 주요 기능은 tether docking, pharmacophore docking입니다. 논문은 다음 주소에 있습니다. https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1003571 docking을 하다 보면 대충 분자가 단백질에 어떤 포즈로 들어와야 하는지 보이는 경우가 있습니다. kinase protein의 hinge 영역처럼 특정 영역에 결합하는 분자에 몇 가지 패턴이 정해져 있는 경우도 ..

SMILES에 대한 설명은 이쪽에서 확인하실 수 있습니다. https://novelism.tistory.com/106 SMARTS의 문법은 복잡해서 하나하나 자세히 설명하긴 어렵고 자주 쓰는 것 몇 개만 이야기하겠습니다., rdkit에서 SMARTS로 분자 탐색을 하는 사용법 위주로 설명하겠습니다. SMARTS 규칙은 https://www.daylight.com/dayhtml/doc/theory/theory.smarts.html 에서 볼 수 있습니다. Daylight Theory: SMARTS - A Language for Describing Molecular Patterns 4. SMARTS - A Language for Describing Molecular Patterns Substructure se..