Novelism

PDB 파일 포맷은 단백질과 그 외 분자들의 실험 구조를 기록하기 위해 사용됩니다. (주로 x-ray 결정 구조) 다른 분자 파일 포맷과 비교하면, 단백질 구조를 기록하는 것에 최적화되어있습니다. 3D 구조에 대한 섹션은 "ATOM ", "HETATM", "CONECT" 이 셋입니다. 단백질의 구조를 기록하는데 최적화되어있다는 의미는, 분자를 아미노산 단위로 인식한다는 것입니다. 20가지의 기본 아미노산들에서, 각 원자들마다 고유의 이름이 붙습니다. (4칸) main chain에 " N ", " C ", " CA ", " O " 이 있고, side chain은 " CB ", " CG " 순으로 기록됩니다. 그리고 원자마다 속한 아미노산의 3 코드가 함께 기록됩니다. 이 두가지 정보만 가지고 원자들 사이의..

서로 다른 사람이 실험해서 얻은 pdb 파일은 좌표가 제각각이라 구조를 비교를 하기 전에 먼저 정렬을 먼저 해야 합니다. pymol은 RMSD가 최소가 되도록 구조 정렬을 해줍니다. RMSD보다는 TMscore가 더 장점이 있긴 하지만, TMscore와 TMalign으로 정렬을 하는 건 조금 불편합니다. 그래도 TMscore나 TMalign도 최근엔 구조 정렬 결과를 결과 파일로 출력해서 pymol에서 읽어올 수 있도록 하는 기능을 지원합니다. 먼저 pymol *.pdb 로 EGFR에 대한 구조들을 읽어오겠습니다. 제일 마지막에 읽어 들인 구조에 맞춰서 화면이 출력되었습니다. pymol에서 구조 정렬하는 옵션으로 align과 alignto 가 있습니다. align은 특정 구조를 reference구조에 대..

pymol에 다양한 기능이 있지만, 그중 많이 사용하는 기능 중 하나가 단백질-리간드 상호작용 보기입니다. 예시 PDB 는 EGFR kinase domain (wild type)에 Iressa (gefitinib)가 붙은 구조입니다. pdb ID 는 2ITY이고, 리간드 ID는 IRE입니다. 다운로드하고 pymol을 실행합니다. $ wget https://files.rcsb.org/download/2ITY.pdb $ pymol 2ITY 아래 같은 화면이 출력됩니다. 여기서 2ITY 옆의 A 버튼 (Action)을 누릅니다. 그러면 preset 설정들이 나오는데, 이중 ligands를 선택합니다. 그럼 우측처럼 단백질 구조가 ribbon diagram으로 바뀌고, 리간드 중심으로 화면이 포커스 됩니다. l..

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 ..

신약개발 연구를 시작하고 나서 답답한 일이 참 많습니다. 일단 뭘 알아야 무엇을 해야 할지 알겠는데, 제대로 공부한 게 아니다 보니 별로 아는 것이 없네요. 누군가에게 조언을 구하려고 해도, 주변 사람들도 신약개발을 제대로 공부한 사람은 없고, 사람들마다 이야기도 달라서 대체 무엇이 맞는지도 모르겠네요. 굳이 누가 맞고 누가 틀린 게 아닐 수도 있습니다. 원래 연구라는 일 자체가 사람들마다 관점이 다른 것이기도 하니까요. 신약개발은 연구일 뿐만 아니라 사업이고, 사업에서 내가 무엇을 하려는지 명확히 하는 것이 중요합니다. 하지만 저 자신을 포함해서 제가 아는 주변 이야기는 대부분 무엇을 해야 하는지 정확히 이해하고 한다기보다는, 혹은 남들이 이렇게 하니까 한다. 이런 거 가져오라니까 한다. 정도로 사업을..

원제목: A Practical Guide to Drug Development in Academia 저자: Daria Mochly-Rosen & Kevin Grimes 번역판: 스탠포드 대학의 신약개발 실전 가이드북 번역: 조경희, 신영근 -부제: 스탠포드 대학의 SPARK 바이오 신약개발 엑셀레이터 프로그램 스탠포드 대학의 신약개발 실전 가이드북 - YES24 스탠포드 대학의 신약개발 실전 가이드북 - YES24 이 책은 대학에서 글로벌 신약개발을 하고자 하는 아카데미 연구자들을 위한 신약개발 실전 가이드북이다. 이 책은 또한 이제 막 사업을 시작하는 작은 바이오 벤처 회사를 위한 초기단계 신약 www.yes24.com 신약개발 연구를 시작하는 분들, 혹은 신약개발 관련 사업을 하시는 분들께 이 책을 추..

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 ..