AutoDock Vina多配体对接 (Simultaneous Multiple Ligand Docking)

news2024/10/1 15:25:14

1. 多配体分子对接简介

多配体分子对接（Simultaneous Multiple Ligand Docking, SMLD）或（Multiple Ligand Simultaneous Docking, MLSD）是一种分子对接技术，用于将多个配体（小分子药物候选物）同时对接到一个蛋白质分子的结合位点。与传统的分子对接技术不同，传统方法通常只考虑一个配体与一个蛋白质的相互作用。SMLD的目标是更高效地研究多个配体如何与同一个蛋白质相互作用，以寻找潜在的药物候选物。

以下是SMLD的一些关键特点和优势：

多样性研究：SMLD使研究人员能够研究多个不同结构的配体，以确定它们如何与同一个蛋白质相互作用。这有助于更好地理解配体的多样性和结合模式。
药物组合研究：SMLD可用于研究多个配体如何同时与蛋白质相互作用，这对于研究多药联合治疗或多配体组合疗法非常重要。
计算挑战：尽管SMLD具有吸引力，但它也面临着计算上的挑战，因为需要同时考虑多个配体的不同构象和相互作用。因此，需要高性能计算资源和先进的算法来有效地执行SMLD。

目前能够实现多配体分子对接的开源工具有AutoDock Vina。AutoDock Vina官方多配体对接英文教程可参考Multiple ligands docking，以PDE与两种抑制剂 (pdb id: 5x72) 的复合物为例，证明了AutoDock Vina成功对接多个配体的能力。

以下内容将以PRMT5为例，通过使用AutoDock Vina来进行多配体分子对接。AutoDock Vina 1.2.0 简介和对接计算参考往期博客AutoDock Vina 1.2.0 对接计算（大批量）。

所用到的软件：

AutoDock Vina 1.2.0 （最新版AutoDock Vina 1.2.5）
ADFR (prepare_receptor/prepare_ligand/reduce/babel)
PyMol
PyMol插件GetBox

2. PRMT5 简介

PRMT5·MTA复合物最近已成为治疗MTAP缺失癌症的新合成致死药物靶点。MRTX1719 是 PRMT5•MTA 复合物的有效选择性抑制剂，与 MTAP 野生型细胞相比，可选择性抑制 MTAP 缺失细胞中的 PRMT5 活性。因此以该复合物结构（PDB: 7S1S）为例，如下图中的两个小分子85k和MTA为双配体同时与PRMT5结合位点做多配体计算。
在这里插入图片描述

3. 对接前预处理

3.1 受体预处理

从RCSB PDB数据库下载PRMT5·MTA复合物结构的PDB文件：7S1S.pdb
或打开PyMol，在命令行中输入fetch 7S1S直接下载导入PyMol
在PyMol中删除水分子 remove resn HOH
在PyMol中由于B链不是我们关注的蛋白遂删除B链 remove chain B
在PyMol中检查小分子85k和MTA的结合位点无氨基酸突变和loop缺失
在PyMol中利用插件GetBox来获取vina的口袋参数，如下图所示⬇
在PyMol中获取口袋参数：–center_x -31.9 --center_y -43.7 --center_z -7.1 --size_x 25.8 --size_y 29.8 --size_z 20.6
在PyMol中删除所有小分子配体，并保存受体结构

 remove resn MTA+85k
 save 7S1S_pro.pdb

reduce程序给受体结构（7S1S_pro.pdb）加氢质子化，reduce包含在ADFR程序包中

reduce 7S1S_pro.pdb >7S1S_H.pdb

prepare_receptor将受体结构的PDB格式转换为PDBQT格式，prepare_receptor也包含在ADFR程序包中

prepare_receptor -r 7S1S_H.pdb -o 7S1S_H.pdbqt

最终获得7S1S_H.pdbqt文件作为受体进行Vina的对接计算。

3.2 小分子配体预处理

从RCSB PDB数据库下载PDB: 7S1S中小分子的mol2格式文件：7s1s_C_MTA.mol2, 7s1s_D_85K.mol2
将小分子配体的mol2格式转为PDBQT格式，prepare_ligand也包含在ADFR程序包中

prepare_ligand -l 7s1s_C_MTA.mol2
prepare_ligand -l 7s1s_D_85K.mol2

将获得7s1s_C_MTA.pdbqt和7s1s_D_85K.pdbqt文件。

3.3 对接口袋参数文件准备

由上述3.1.6得到口袋参数信息：center_x, center_y, center_z 和 size_x, size_y, size_z，将其写入文件7s1s_vina.txt文件中，文件内容如下⬇：

center_x = -31.9
center_y = -43.7
center_z = -7.1
size_x = 25.8
size_y = 29.8
size_z = 20.6

4. Vina对接

到此为止，我们准备好了vina对接前所需的所有文件⬇：

受体文件（–receptor）：7S1S_H.pdbqt
小分子配体文件（–ligand）：7s1s_C_MTA.pdbqt 和 7s1s_D_85K.pdbqt
对接口袋参数文件（–config）：7s1s_vina.txt

接下来就可以直接开始对接计算了。该脚本假定vina已经在PATH环境变量中。否则，请进行相应修改。

$ vina --receptor 7S1S_H.pdbqt --ligand 7s1s_C_MTA.pdbqt 7s1s_D_85K.pdbqt  --config 7s1s_vina.txt --exhaustiveness 32 --out 7s1s_vina_out.pdbqt

运行过程如下⬇：
在这里插入图片描述
从上图可知，最终有9个构象生成，打分最低即排名第一的构象的预测亲和力为-16.37 kcal/mol，所有构象保存在7s1s_vina_out.pdbqt文件。

5. 结果分析

将7s1s_vina_out.pdbqt文件转格式为SDF格式以便于在PyMol中进行构象的可视化分析，该脚本假定ADFR已经在PATH环境变量中。否则，请进行相应修改。

babel -ipdbqt 7s1s_vina_out.pdbqt -osdf 7s1s_vina_out.sdf

将对接后的结果文件7s1s_vina_out.sdf和对接前的原始实验结构7S1S.pdb文件一起载入PyMol程序中。通过在PyMol中可视化比对vina对接后的构象（蓝色）和原始实验结构中的小分子构象（紫色），排名第一的构象与之比对如下图所示⬇：
在这里插入图片描述
其中，紫色部分是原始的实验所得构象，蓝色部分是vina对接后的小分子构象。从上图可以看出vian对85k的构象预测十分精确，而对MTA分子的构象预测稍有差异，但计算后两个分子的空间位置排布（←MTA，85k→）与实验结果一致。