Изучение влияния количества запусков Autodock 4 на среднеквадратическое отклонение результатов докинга
- Авторы: Пратама М.Ф.1,2, Сисвандоно С.1
-
Учреждения:
- Университет Айрланга
- Университет Мухаммадии Палангкарая
- Выпуск: Том 8, № 6 (2020)
- Страницы: 476-480
- Раздел: Статьи
- URL: https://journals.eco-vector.com/2307-9266/article/view/111677
- DOI: https://doi.org/10.19163/2307-9266-2020-8-6-476-480
- ID: 111677
Цитировать
Аннотация
Цель. Известно, что количество запусков докинга с AutoDock 4 играет важную роль в достоверности получаемых результатов. Чем больше количество запусков, тем больше достоверных результатов докинга. Однако точно не известно, как наиболее оптимально работает докинг с AutoDock 4. Это исследование направлено на определение влияния количества запусков процесса докинга в AutoDock 4 на достоверность результатов.
Материалы и методы. В качестве метода исследования использовали процесс редокинга с AutoDock 4.2.6. Используемый рецептор представляет собой рецептор эстрогена с эталонным лигандом эстрадиола (PDB ID 1GWR). Варьировали количество прогонов от 10 до 100, кратные 10. Наблюдаемыми параметрами были RMSD, свободная энергия связывания, константы ингибирования, аминокислотные остатки и количество водородных связей.
Результаты. Все эксперименты вырабатывают идентичную свободную энергию связи, где максимальная разница в константе ингибирования составляет всего 0,06 нМ. Наименьшее среднеквадратичное отклонение (RMSD) определяется количеством прогонов, равным 60, при значении среднеквадратичного отклонения, равного 0,942. Установлено, что между количеством прогонов и пространственным выравниванием (RMSD) нет линейной зависимости, так как коэффициент корреляции (R) равен 0,4607.
Заключение. В целом, количество запусков не оказывает значительного вклада в достоверность результатов процесса докинга с AutoDock 4. Однако эти результаты справедливы только с рецепторами, использованными в данном исследовании.
Ключевые слова
Полный текст
ВВЕДЕНИЕ
Молекулярный докинг (или просто докинг) – один из наиболее распространенных экспериментальных методов in silico. Простота в процессе подготовки, внедрения и анализа результатов – одно из достоинств метода [1]. Однако докинг – это простой, но сложный метод. Как один из самых популярных методов in silico, докинг имеет ряд преимуществ и недостатков. Помимо скорости и практичности, докинг также предлагает достаточно полное наблюдение анализа комплексов между лекарственными средствами и рецепторами, что даже очень сложно сделать in vitro или in vivo. Однако полученные результаты обычно имеют большую степень вариации, причем воспроизводимость является одним из важных вопросов, влияющих на уровень достоверности результатов докинга [2]. По этой причине абсолютно необходима проверка результатов докинга.
На результаты валидации докинга влияют различные факторы, связанные как с условиями, так и с настройками программно-аппаратного обеспечения и используемого протокола. Различные настройки и вариации различных факторов могут вызывать различия в значении среднеквадратичного отклонения (RMSD), которое показывает степень различия в положении каждого атома до и после выполнения процесса докинга [3]. Само значение RMSD является основным индикатором процесса проверки докинга, где меньшее значение RMSD показывает положение атома, который приближается к исходному положению до выполнения процесса докинга. В идеале, чтобы быть достоверным, значение RMSD докинга с кристаллографическим лигандом не должно превышать 2 Å [4]. Это положение также относится к AutoDock 4, одному из самых популярных программ для осуществления докинга.
В AutoDock 4 есть несколько параметров, которые могут влиять на значение RMSD результатовдокинга, таких как: положение и размер ячейки сетки; регулирование жестких/гибких аминокислотных остатков; присутствие молекул воды; количество запусков процессов докинга [5]. Из-за этих факторов количество прогонов представляет интерес для дальнейшего исследования, поскольку в отличие от других факторов, количество прогонов не зависит от типа лиганда или используемого рецептора [6]. В общем, количество прогонов показывает количество повторов генетического алгоритма Ламарка, выполненных для получения вариаций установленной позиции лиганда на сетке [7]. Логично, что большее количество прогонов даст лиганду возможность достичь наиболее идеальной позиции и приблизиться к кристаллографической, хотя это, безусловно, увеличит требуемое время [8]. Однако в настоящее время нет четкого ограничения на количество прогонов, которое идеально подходит для получения наименьшего RMSD с наименьшим временем докинга.
Это исследование направлено на определение влияния количества запусков процесса докинга с AutoDock 4 на достоверность результатов докинга, определяемого значением RMSD. Мы попытаемся доказать, дает ли большее количество прогонов меньшее среднеквадратичное отклонение или наоборот. Кроме того, мы также определили линейность отношения между количеством запусков и значением RMSD, исходя из коэффициента корреляции (R).
МАТЕРИАЛЫ И МЕТОДЫ
Используемое оборудование: ультрабук ASUS серии A46CB с процессором Intel ™ Core i5-3337U @ 1,8 ГГц и 64-битной операционной системой Windows 7 Ultimate SP-1. Используемое программное обеспечение – AutoDockTools 1.5.6 и Autodock 4.2.6 от Scripps Research Institute, Inc (USA). Информация о трехмерных структурах рецепторных белков взята с сайта Protein Data Banks (http://www.rcsb.org).
Используемый рецептор представляет собой рецептор эстрогена с эталонным лигандом эстрадиола (PDB ID 1GWR). Рецепторы скачиваются в формате. pdb, затем неиспользуемая часть, включая молекулы воды, удаляется, а вместо них добавляется неполярный водород с заданным зарядом и с помощью AutoDockTools 1.5.6 упорядочивается размер и блок координатной сетки [9]. Эталонный лиганд, эстрадиол, извлекается и затем повторно используется для процесса повторной фиксации после добавления неполярного водорода, заданного заряда и заданного крутящего момента. Размер и координаты ячейки сетки автоматически регулируются в соответствии с положением сокристалла лиганда каждого рецептора, устанавливая лиганд в центре ячейки сетки [10]. Координата сетки, используемая для размеров x, y и z, равна –7.351, –4.233 и 12.804 соответственно. При этом размер ячейки сетки составляет 40×40×40 Å.
Используемый параметр поиска докинга: генетический алгоритм Ламарка с количеством генетических алгоритмов от 10 до 100, количество запусков которых кратно 10, размер популяции 150, максимальное количество оценок энергии – среднее от 2500000, максимальное количество поколений – 27000, по умолчанию параметр стыковки, используемый для параметров запуска.
Основным наблюдаемым параметром является значение RMSD для определения достоверности результатов докинга, где линейность зависимости между количеством прогонов в качестве контрольной переменной и RMSD в качестве зависимой переменной определяется в форме коэффициента корреляции (R). Кроме того, наблюдаются другие параметры, такие как свободная энергия связывания (ΔG), константа ингибирования (Ki), аминокислотные остатки и количество водородных связей [9]. Выбор позиции для каждого прогона осуществляется путем просмотра оценки повторного ранжирования значений ΔG и Ki, где конформация с наиболее отрицательным ΔG и наименьшим значением Ki является репрезентативной для соответствия количеству прогонов. Наблюдение за этими параметрами проводится для выявления различий в результатах докинга, возникающих из-за различий в количестве запусков.
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
Результаты докинга показывают, что разница в количестве прогонов не дает существенной разницы для всех наблюдаемых параметров, даже таких, как ΔG и количество водородных связей показывают идентичные результаты для всего количества прогонов. Значение RMSD для каждого количества прогонов находится в диапазоне от 0,942 до 0,97, причем наименьшее RMSD получается при количестве прогонов равном 60. Этот результат интересен, потому что оказывается, что наименьшее значение RMSD не указывает на наибольшее количество прогонов. Эти результаты становятся обновлениями информации, так как исследователи обычно используют стандартное количество прогонов, по крайней мере, равное 100 в процессе докинга, который требует более длительного времени обработки [9, 11], где меньшее количество прогонов может фактически обеспечить лучшее значение RMSD. Этот результат обеспечивает новое измерение для процесса докинга с AutoDock 4, где, помимо проведения ориентации для определения идеальных координат и размера ячейки сетки [12], необходимо также заранее определить количество прогонов, обеспечивающих наименьшее среднеквадратичное отклонение.
С другой стороны, другие параметры, такие как Ki и количество аминокислотных остатков, также не показали значительной разницы. Показанное Значение Ki показывает варьирование в диапазоне от 15,57 до 15,63 нМ с разницей всего в 0,06 нМ и наименьшим значением, полученным при количестве запусков равном 90, что указывает на отсутствие разницы в значении Ki при разнице в количестве использованных запусков. Количество аминокислотных остатков показывает почти те же результаты для каждого количества запусков для таких аминокислот, как: 353-Глу, 384-Лей, 388-Мет, 391-Лей, 404-Фен, 424-Иле, 521-Глу, 524-Гис и 525-Лей. Разница в аминокислотных остатках показана на количестве запусков равных 20, 30, 40 и 90 с вариациями взаимодействий, происходящих в аминокислотах 384-Лей и 391-Лей. Эти результаты показывают, что вариации в количестве прогонов могут привести к небольшим вариациям значения Ki и полученных аминокислотных остатках. Опять же, эти результаты подчеркивают важность проведения ориентации для определения наиболее идеального количества прогонов перед выполнением процесса докинга [11]. Полные результаты процесса докинга включают значения RMSD, ΔG, Ki, аминокислотных остатков, а количество водородных связей для каждого количества запусков представлены в таблице 1.
Таблица 1 – Результаты повторного докинга рецепторов 1GWR с вариацией в количестве запусков
Параметры | Число запусков | |||||||||
100 | 90 | 80 | 70 | 60 | 50 | 40 | 30 | 20 | 10 | |
RMSD (Å) | 0.950 | 0.948 | 0.951 | 0.953 | 0.942 | 0.948 | 0.956 | 0.970 | 0.958 | 0.951 |
ΔG (ккал / моль) | –10.65 | –10.65 | –10.65 | –10.65 | –10.65 | –10.65 | –10.65 | –10.65 | –10.65 | –10.65 |
Аминокислотные остатки | 353-Глу | 353-Глу | 353-Глу | 353-Glu | 353-Глу | 353-Глу | 353-Глу | 353-Глу | 353-Глу | 353-Глу |
384-Лей | – | 384-Лей | 384-Лей | 384-Лей | 384-Лей | – | – | 384-Лей | 384-Лей | |
388-Мет | 388-Мет | 388-Мет | 388-Мет | 388-Мет | 388-Мет | 388-Мет | 388-Мет | 388-Мет | 388-Мет | |
391-Лей | 391-Лей | 391-Лей | 391-Лей | 391-Лей | 391-Лей | 391-Лей | 391-Лей | – | 391-Лей | |
404-Фен | 404-Фен | 404-Фен | 404-Фен | 404-Фен | 404-Фен | 404-Фен | 404-Фен | 404-Фен | 404-Фен | |
424-Иле | 424-Иле | 424-Иле | 424-Иле | 424- Иле | 424-Иле | 424-Иле | 424-Иле | 424-Иле | 424-Иле | |
521-Глу | 521-Глу | 521-Глу | 521-Глу | 521-Глу | 521-Глу | 521-Глу | 521-Глу | 521-Глу | 521-Глу | |
524-Гис | 524-Гис | 524-Гис | 524-Гис | 524-Гис | 524-Гис | 524-Гис | 524-Гис | 524-Гис | 524-Гис | |
525-Лей | 525-Лей | 525-Лей | 525-Лей | 525-Лей | 525-Лей | 525-Лей | 525-Лей | 525-Лей | 525-Лей | |
Количество водородных связей | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 |
Для определения линейной зависимости между количеством прогонов и полученным RMSD, было проведено сравнение с диаграммой для получения R. Результаты наблюдения показывают, что уравнение линейности между количеством прогонов и RMSD имеет вид y = 0,0011x + 0,9464 со значением R = 0,4607, как показано на рисунке 1. Эти результаты подтверждают, что соотношение между количеством прогонов и RMSD действительно не линейное, что говорит о том, что увеличение количества запусков не обязательно увеличивает достоверность полученных результатов докинга. Другими словами, увеличение количества запусков не гарантирует лучшей достоверности результатов докинга. Этот результат также подтверждает утверждения, согласно которым наиболее идеальное число запусков находится в диапазоне от 50 до 60, так как RMSD в этом диапазоне является наименьшим [9].
Рисунок 1 – Связь между количеством запусков и значением RMSD на рецепторе 1GWR
ЗАКЛЮЧЕНИЕ
Это простое исследование успешно доказало, что даже несмотря на то, что количество запусков влияет на значение RMSD результатов докинга, оно не имеет линейной зависимости. Наиболее идеальное количество запусков находится в диапазоне от 50 до 60, при этом большее количество запусков не показывает меньшее значение RMSD. Однако это исследование имеет ограничения, в том числе тип рецептора и используемое программное обеспечение для докинга.
Дальнейшие исследования с использованием других типов рецепторов в больших количествах и другого программного обеспечения для проведения докинга, такого как AutoDock Vina, могут быть проведены для того, чтобы удостовериться в данных результатах. Тем не менее, это открытие может быть основным ориентиром для исследований методом докинга с использованием программы AutoDock 4.
ФИНАНСОВАЯ ПОДДЕРЖКА
Данное исследование не имело финансовой поддержки от сторонних организаций.
КОНФЛИКТ ИНТЕРЕСОВ
Авторы заявляют об отсутствии конфликта интересов.
ВКЛАД АВТОРОВ
М.Р.Ф. Пратама – концептуализация, курирование данных, формальный анализ, исследование, проверка, визуализация, написание оригинального проекта; Сисвандоно – концептуализация, курирование данных, формальный анализ, исследование, методология, администрирование проекта, ресурсы, программное обеспечение, надзор, написание обзора и редактирование.
Об авторах
Мохаммад Ризки Фадхил Пратама
Университет Айрланга; Университет Мухаммадии Палангкарая
Email: m.rizkifadhil@umpalangkaraya.ac.id
ORCID iD: 0000-0002-0727-4392
кандидат фармацевтических наук, докторант факультета фармацевтической химии; доцент кафедры медицинской химии фармацевтического факультета
Индонезия, 60115, Индонезия, Восточная Ява, г. Сурабая, Доктор Ир. Сукарно, ул. Кампус C, Мулйореё; 73111, Индонезия, Центральный Калимантан, г. Палангка Рая, Пахандут РТА Милоно, ул. 1.5 КмС. Сисвандоно
Университет Айрланга
Автор, ответственный за переписку.
Email: prof.sis@ff.unair.ac.id
ORCID iD: 0000-0002-9579-8929
профессор медицинской химии факультета фармацевтической химии
Индонезия, 60115, Индонезия, Восточная Ява, г. Сурабая, Доктор Ир. Сукарно, ул. Кампус C, МулйореёСписок литературы
- Ferreira L.G., Dos Santos R.N., Oliva G., Andricopulo A.D. Molecular docking and structure-based drug design strategies // Molecules. – 2015. – Vol.20. – No.7. – P. 13384–13421. doi: 10.3390/molecules200713384.
- Sliwoski G., Kothiwale S., Meiler J., Lowe E.W. Computational Methods in Drug Discovery // Pharmacological Reviews. – 2014. – Vol. 66. – No.1. – P. 334–395. doi: 10.1124/pr.112.007336.
- Pagadala N.S., Syed K., Tuszynski J. Software for molecular docking: a review // Biophysical Reviews. – 2017. – Vol. 9. – No.2. – P. 91–102. doi: 10.1007/s12551-016-0247-1.
- Kontoyianni M., McClellan L.M., Sokol G.S. Evaluation of docking performance: comparative data on docking algorithms // Journal of Medicinal Chemistry. – 2004. – Vol. 47. – No.3. – P. 558–65. doi: 10.1021/jm0302997
- Kufareva I., Abagyan R. Methods of protein structure comparison // Methods in Molecular Biology. – 2012. – No.857. – P. 231–257. doi: 10.1007/978-1-61779-588-6_10.
- Guedes I.A., de Magalhaes C.S., Dardenne L.E. Receptor – ligand molecular docking // Biophysical Reviews. – 2014. – Vol. 6. – No.1. – P. 75–87. doi: 10.1007/s12551-013-0130-2.
- Lape M., Elam C., Paula S. Comparison of current docking tools for the simulation of inhibitor binding by the transmembrane domain of the sarco/endoplasmic reticulum calcium ATPase // Biophysical Chemistry. – 2010. – Vol. 150. – No.1–3. – P. 88–97. doi: 10.1016/j.bpc.2010.01.011.
- Ramirez D., Caballero J. Is It Reliable to Take the Molecular Docking Top Scoring Position as the Best Solution without Considering Available Structural Data? // Molecules. – 2018. – Vol. 23. – No.5. – P. 1038. doi: 10.3390/molecules23051038.
- Forli S., Huey R., Pique M.E., Sanner M., Goodsell D.S., Olson A.J. Computational protein-ligand docking and virtual drug screening with the AutoDock suite // Nature Protocols. – 2016. – Vol. 11. – No.5. – P. 905–919. doi: 10.3390/molecules23051038.
- Arba M., Yamin, Ihsan S., Tjahjono D.H. Computational approach toward targeting the interaction of porphyrin derivatives with Bcl-2 // Journal of Applied Pharmaceutical Science. – 2018. – Vol. 8. – No.12. – P. 60–66. doi: 10.7324/JAPS.2018.81208.
- Atkovska K., Samsonov S.A., Pszkowski-Rogacz M., Pisabarro M.T. Multipose Binding in Molecular Docking // International Journal of Molecular Sciences. – 2014. – Vol. 15. – No.2. – P. 2622–2645. doi: 10.3390/ijms15022622.
- Feinstein W.P., Brylinski M. Calculating an optimal box size for ligand docking and virtual screening against experimental and predicted binding pockets // Journal of Cheminformatics. – 2015. – No.7. – P. 18. doi: 10.1186/s13321-015-0067-5.
Дополнительные файлы
