"Estudio in silico de la proteína E6 del Virus del Papiloma Humano para el descubrimiento de fármacos antivirales"
Joel Ricci López © 2017
Queda prohibida la reproducción parcial o total de esta obra sin el permiso formal y explícito del autor y directores de la tesis.
MENÚ
- Inicio
- Objetivo 1
- Objetivo 2
- Objetivo 3
- Objetivo 4
- Objetivo 5
- Resultados
OBJETIVO 3
En esta sección se presenta una breve descripción del método llevado a cabo y los scripts utilizados en el proceso de obtención y análisis de las moléculas ligando. Todos los procesos de esta sección fueron realizados en un equipo Aspire R14 Intel® Celeron dualcore 1.50GHz.
Obtención de las móléculas ligando de ZINC15
A partir de 26 moléculas obtenidas de la bibliografía se hizo una búsqueda por similitud en la base de datos ZINC15. Dicha búsqueda y la obtención de las moléculas se llevó a cabo utilizando el siguiente script.
####### PRIMERA PARTE ######
# Pasos:
# Cargar la lista de las 26 moléculas de referencia
# Para cada ligando en la lista:
# Crear una carpeta con el nombre de la molécula
# Descargar la molécula sola usando su id zinc
# Leer el .smi y extraer el smile, leyendo la linea y haciendo un split con espacio
# Pasar el smile sustituyendo los paréntesis
princ_mol <- read.csv("/directorio/de/la/lista/de/moleculas/REFERENCIA/
archivo_con_nombre_e_id_de_moleculas.txt")
# Este archivo txt posee los nombres e IDs de ZINC15 de cada molécula
names(princ_mol) <- c("name", "zinc_id") # Asigna nombres a cada columna del data frame
workDir <- "/path/del/directorio/de/trabajo/"
# Determina las direcciones correspondientes a cada criterio de búsqueda:
substan <- c("http://zinc15.docking.org/substances/", ".smi")
inter <- "http://zinc15.docking.org/substances/subsets/interesting.smi?count=all&ecfp4_fp-tanimoto-50="
simil <- c("http://zinc15.docking.org/substances.smi?count=all&ecfp4_fp-", "&highlight=")
substruc <- c("http://zinc15.docking.org/substances.smi?count=all&structure-contains=", "&highlight=")
# Lleva a cabo el proceso de obtención de moléculas por similitud para cada molécula de referencia
setwd(workDir)
for(i in c(1:length(princ_mol$name))) {
molID <- princ_mol$zinc_id[i]
molName <- princ_mol$name[i]
molDir <- paste(workDir, molName, sep="")
out_file <- paste(molDir, "/", molName, sep="")
dir.create(molDir)
## Descarga substance
download.file(paste(substan[1], molID, substan[2], sep=""), paste(out_file, ".smi", sep=""), "wget")
## Para descargar por similitud utiliza el SMILE de la molécula
# Leer el smile
smile <- strsplit(readLines(paste(out_file, ".smi", sep="")), "\\s")[[1]][1]
print(molID)
print(smile)
new_smile_par <- gsub("\\)", "%29", gsub("\\(", "%28", smile))
new_smile_brack <- gsub("\\]", "%5D", gsub("\\[", "%5B", new_smile_par))
new_smile_arr <- gsub("@", "%40", new_smile_brack)
new_smile_equal <- gsub("=", "%3D", new_smile_arr)
print(new_smile_equal)
## Descargar tanimoto
download.file(paste(simil[1], "tanimoto=", new_smile_equal, simil[2], new_smile_equal, sep=""),
paste(out_file, "_tani.smi", sep=""), "wget")
## Descargar dice
download.file(paste(simil[1], "dice=", new_smile_equal, simil[2], new_smile_equal, sep=""),
paste(out_file, "_dice.smi", sep=""), "wget")
download.file(paste(substruc[1], new_smile_equal, substruc[2], new_smile_equal, sep=""),
paste(out_file, "_substr.smi", sep=""), "wget")
}
####### SEGUNDA PARTE PARTE ######
# Elimina redundancias, cuenta el total de moléculas y guarda todas en un único archivo .smi
moleculaDirs <- list.dirs("/path/del/directorio/de/trabajo/")
setwd("moleculaDirs")
# Verifica el total de moléculas descargadas
todas_las_moleculas <- c()
for (dir in moleculaDirs) {
setwd(dir)
files <- list.files(dir)
for (file in files) {
todas_las_moleculas <- append(readLines(file), todas_las_moleculas)
}
}
length(todas_las_moleculas) # total
# Elimina redundancias
all_mol_unique <- unique(todas_las_moleculas)
length(all_mol_unique) # Total de moléculas únicas (no repetidas)
# Guarda todas las moléculas en un único archivo
all_mols <- unique(todas_las_moleculas)
writeLines(all_mols, "todas_las_moleculas.smi")
Cribado Virtual por propiedades ADMETox
Las moléculas en formato .smi fueron sometidas al programa Ligprep para generar estructuras tridimencionales en formato .mol2. Posteriormente se utilizó Qikprop para predecir las propiedades farmacocinéticas de las moléculas. Como resultado se obtuvo una matriz con los valores predichos de cada descriptor de cada molécula, y se guardó en formato .csv. Este archivo generado fue evaluado con el siguiente script para filtrar las moléculas que cumpliesen con los valores deseados mostrados en la Tabla 1 de la tesis.
####################################
# Análisis QikProp
# 1) Leer los datos a partir de los csv generados por Qikprop
workDir_Qkp <- "/ruta/del/archivo/csv/"
setwd(workDir_Qkp)
# Lee el csv
qkp_all <- read.csv("nombre_archivo.csv", header = T)
# Verifica el número de moléculas y que no se repitan
length(qkp_all_mol$molecule); length(unique(qkp_all_mol$molecule))
#####################################################
### FILTROS APLICADOS POR ORDEN SELECCIONADO ##
#####################################################
# Primero, resigno los nombres comunes a las 26 moléculas de referencia, para así ubicarlas
lista.princ <- read.csv("/directorio/de/la/lista/de/moleculas/REFERENCIA/
archivo_con_nombre_e_id_de_moleculas.txt", header = F)
names(lista.princ) <- c("nombre","id_zinc")
# Compruebo que las 26 estén en la lista inicial qkp_all en cada filtro
l.i.0 <- intersect(lista.princ$id_zinc, qkp_all_mol$molecule); length(l.i.0)
l.f.0 <- intersect(lista.princ$id_zinc, qkp_all$molecule); length(l.f.0)
# Estas dos listas, representan la entrada inicial
# y final del filtro, y me sirve para ver cual ha sido filtrada
ref.filtr.0 <- l.i.0[is.na(match(l.i.0, l.f.0))]; length(ref.filtr.0)
ref.restantes.0 <-
lista.princ$id_zinc[is.na(match(lista.princ$id_zinc, ref.filtr.0))]
# Verifica quién fue la filtrada
lista.princ$nombre[which(lista.princ$id_zinc == ref.filtr.0)]
################################################
######### APLICACIÓN DE LOS FILTROS ###########
################################################
##### 1) RULE OF FIVE #####
# Cuántos violan 1 o menospostulados de lipinsky
qkp_all_1 <- qkp_all[which(qkp_all$RuleOfFive <= 1),]
length(qkp_all_1$molecule)
# 27674 moléculas
# Compruebo que las 26 estén en la lista resultantel
l.f.1 <- intersect(ref.restantes.0, qkp_all_1$molecule); length(l.f.1)
ref.filtr.1 <- l.f.0[is.na(match(l.f.0, l.f.1))]; ref.filtr.1; length(ref.filtr.1)
# Verifico quién fue la filtrada
lista.princ$nombre[which(lista.princ$id_zinc == ref.filtr.1[1])]
lista.princ$nombre[which(lista.princ$id_zinc == ref.filtr.1[2])]
# Quienes son las restantes
ref.restantes.1 <- ref.restantes.0[is.na(match(ref.restantes.0, ref.filtr.1))]
##### 2) RULE OF THREE #####
# Cuántos violan 1 o menospostulados de Jorgensen
qkp_all_2 <- qkp_all_1[which(qkp_all_1$RuleOfThree <= 1),]
length(qkp_all_2$molecule)
# 24682 moléculas
# Compruebo que las 26 estén en la lista resultantel
l.f.2 <- intersect(ref.restantes.1, qkp_all_2$molecule); length(l.f.2)
ref.filtr.2 <- l.f.1[is.na(match(l.f.1, l.f.2))]; ref.filtr.2; length(ref.filtr.2)
# Verifico quién fue la filtrada
lista.princ$nombre[which(lista.princ$id_zinc == ref.filtr.2[1])]
# Quienes son las restantes
ref.restantes.2 <- ref.restantes.1[is.na(match(ref.restantes.1, ref.filtr.2))]
##### 3) ABSORCIÓN ORAL HUMANA #####
qkp_all_3 <- qkp_all_2.1[which(qkp_all_2$HumanOralAbsorption >= 2),]
length(qkp_all_3$molecule)
# 20856 moleculas
# Compruebo que las 26 estén en la lista resultante
l.f.3 <- intersect(ref.restantes.2.1, qkp_all_3$molecule); length(l.f.3)
ref.filtr.3 <- l.f.2.1[is.na(match(l.f.2.1, l.f.3))]; ref.filtr.3; length(ref.filtr.3)
# Verifico quién fue la filtrada
lista.princ$nombre[which(lista.princ$id_zinc == ref.filtr.3[1])]
# Quienes son las restantes
ref.restantes.3 <- ref.restantes.2.1[is.na(match(ref.restantes.2.1, ref.filtr.3))]
##### 4) NÚMERO DE STARS QIKPROP #####
qkp_all_4 <- qkp_all_3[which(qkp_all_3$X.stars <= 1),]
length(qkp_all_4$molecule)
# 20578 moleculas
# Compruebo que las 26 estén en la lista resultante
l.f.4 <- intersect(ref.restantes.3, qkp_all_4$molecule); length(l.f.4)
ref.filtr.4 <- l.f.3[is.na(match(l.f.3, l.f.4))]; ref.filtr.4; length(ref.filtr.4)
# Verifico quién fue la filtrada
lista.princ$nombre[which(lista.princ$id_zinc == ref.filtr.4[1])]
# Quienes son las restantes
ref.restantes.4 <- ref.restantes.3[is.na(match(ref.restantes.3, ref.filtr.4))]
##### 5) PERMEABILIDAD DÉRMICA #####
qkp_all_5 <- qkp_all_4[which(qkp_all_4$QPlogKp >= -8 & qkp_all_4$QPlogKp <= -1),]
length(qkp_all_5$molecule)
# 19119 moleculas
# Compruebo que las 26 estén en la lista resultante
l.f.5 <- intersect(ref.restantes.4, qkp_all_5$molecule); length(l.f.5)
ref.filtr.5 <- l.f.4[is.na(match(l.f.4, l.f.5))]; ref.filtr.5; length(ref.filtr.5)
# Verifico quién fue la filtrada
lista.princ$nombre[which(lista.princ$id_zinc == ref.filtr.5[1])]
Cálculo del Coeficiente de Tanimoto
Para calcular el coeficiente de tanimoto entre un determinado par de moléculas se utilizó el siguiente script que requiere de la librería Indigo Toolkit y numpy. La entrada es uno o dos archivos .smi con las moléculas a evaluar, en formato SMILES. Y devuelve una matriz MATRIZ_TANIMOTO_1_vs_2.txt los coeficientes de tanimoto-
from indigo import *
import numpy as np
import csv
indigo = Indigo()
# Archivos con los sets de moléculas a comparar
# si el set se compara contra sí mismo mol_1 == mol_2
mol_1 = open("MOLECULAS_set_1.smi").readlines()
mol_2 = open("MOLECULAS_set_2.smi").readlines()
# Archivos de salida
w = csv.writer(open("MATRIZ_TANIMOTO_1_vs_2.txt","w"))
matrix = []
for lig_i in mol_ref:
col = []
for lig_j in mol_2:
m1 = indigo.loadMolecule(lig_i)
m2 = indigo.loadMolecule(lig_j)
m1.aromatize()
m2.aromatize()
# Calcula la similitud basandose en fingerprints subestructurales (los usados por ZINC15)
fp1 = m1.fingerprint("sub");
fp2 = m2.fingerprint("sub");
simil = "{0:.2f}".format(indigo.similarity(fp1, fp2, "tanimoto"))
col.append(simil)
matrix.append(col)
w.writerows(zip(matrix))