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.
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")R
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])]R
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))Python