Tarea 2: Cribado Virtual con Smina

Objetivo

  • Realizar 4 ensayos de cribado virtual (CV) utilizando Smina.
  • La librería de moléculas consiste en 50 compuestos del benchmarking set CSAR 2012, el cual incluye compuestos activos (true binders - inhibitors) e inactivos de la proteína CDK2 (experimentalmente probados). Más sobre este challenge CSAR 2012 aquí.
  • Se usarán dos conformaciones de la proteína CDK2.

Nota: No descargar los pdb de las proteínas de estos links. Más abajo se brindan los links de descarga de los archivos a usar.

  • Se usarán dos funciones de scoring (a una exhaustividad de 12):
  • Cada ensayo de CV combina una conformación de la proteína y una función de scoring. Dándo como resultado 4 ensayos de CV.
  • Reportar los resultados y comparar el desempeño del CV en función del scoring utilizado y las conformaciones de la proteína.

Instrucciones

  1. Descarga el archivo de las proteínas y de las moléculas en formato SMILES ⬇️:

  2. Descarga los siguientes archivos y guardalos en tu directorio de trabajo ⬇️ (serán necesarios para el análisis final):

  3. Apoyate del siguiente material para realizar los ensayos de CV: Acoplamiento molecular con Smina

  4. Especificaciones de las corridas de docking:

    1. Usar un valor de exhaustividad de 12.
    2. El sitio activo es el mismo que en la tarea anterior (para ambas conformaciones). Un caja que cubra los residuos 9, 33, 86, 88, 89, 132, 145 y 146 debe ser más que suficiente.
    3. Usa el parámetro --scoring vina o --scoring vinardo para definir la función de scoring correspondiente a cada ensayo. Revisa el help de smina si tienes dudas (smina --help).
    4. Usa el notebook de jupyter analisis_resultados_vina.ipynb para generar las gráficas de resultados de cada ensayo.

Reporte

En reporte de resultados consiste en un archivo pdf de cinco diapositivas con lo siguiente:

  1. Mostrar las 3 gráficas de resultados, debidamente tituladas y etiquetadas, de cada ensayo de CV en una diapositiva de ppt:
    • Gráfico del ranking de moléculas activas vs activas.
    • Curva ROC, incluyendo el valor del AUC-ROC.
    • Histogramas del scoring de activos vs inactivos.
  2. En la diapositiva correspondiente, reporta las 3 mejores moléculas (con menor energía libre de interacción con la proteína) de cada ensayo de CV.
    • Escribe en una tabla el nombre, el valor de energía predicho y si la molécula es realmente activa o no.

  1. En una última diapositiva, responder las siguientes preguntas:

    1. ¿Consideras que la función de scoring elegida marca alguna diferencia en los resultados del CV? ¿Por qué?
    2. ¿Consideras que la conformación elegida marca alguna diferencia en los resultados del CV? ¿Por qué?
    3. ¿Hay alguna diferencia destacable entre los sitios de unión de ambas conformaciones? ¿Cuál?
    4. Si tuvieras que hacer un cribado virtual para descubrir nuevos inhibidores de la CDK2 a partir de una librería de 1,000,000 de moléculas, ¿Qué conformación y qué función de scoring usarías?
    5. ¿Qué moléculas activas representan un mayor desafío para el programa de docking? ¿Tendrá algo que ver el tamaño de la molécula?
    6. En los cuatro ensayos de VS ¿hay moléculas que tiendan a tener siempre los valores más bajos de energía de interacción (scoring)? ¿A qué crees que se deba independientemente de que sean activas o inactivas?

  2. Anota tu nombre en la última diapositiva.

  3. 🚨 🚨 🚨 Enviar únicamente el archivo pdf con las cinco diapositivas por mensaje personal a mi cuenta (Joel Ricci) en el Slack del grupo.

  4. 📆 Fecha límite de envío es el día sábado de febrero a las 24:00 horas.

Algunos tips:

  1. 🚨 ¡No te confíes con el tiempo! 🚨
    1. La duración de cada ensayo de CV puede tomar desde 30 min a 2 horas ⏱ (en promedio 1-1:30 min por molécula) dependiendo de los recursos de tu equipo y de el número de procesadores que utilices (revisa el parámetro cpu de smina).
    2. Usa como mínimo dos procesadores (cpu), si tu equipo cuenta con más, puedes aprovecharlo 💻.
    3. Planifica bien en qué momento realizarás las corridas de docking tomando en cuenta lo anterior 📝.
  2. De preferencia realiza cada ensayo de CV en una carpeta independiente para evitar confundirte y sobreescribir archivos de ensayos previos 😰.
  3. Recuerda que el tamaño del grid está en Å. Un grid demasiado grande hará mucho más tardado el análisis. Una caja no mayor a 24x24x24 (incluso un poco menos) debería bastar para ambas conformaciones.
    1. En Chimera puedes utilizar el Command Line para seleccionar los residuos mencionados arriba y usarlos de referencia para trazar la caja -> sel :9,33,86,88,89,132,145,146

pk-sel-link

  1. Basta con hacer la fase de preparación de los pdbqt una sola vez.
  2. Si te sirve, anota los comandos y ciclos for que vas utilizando en un archivo de texto (sustituyendo adecuadamente los nombres de los archivos de entrada y salida).