OpenPharmaco Manual KOR

OpenPharmaco Manual (한글)

OpenPharmaco은 딥러닝을 통해 완전히 자동화된 단백질 기반 파마코포어 모델링 및 초고속 가상 스크리닝을 수행하는 PharmacoNet의 그래픽 사용자 인터페이스를 지원합니다.

개발 및 유지보수: 서성환 (카이스트 화학과 김우연 교수 연구실)

OpenPharmaco을 사용하실 경우, 아래 논문을 인용해주세요:

Seo, Seonghwan, and Woo Youn Kim. "PharmacoNet: deep learning-guided pharmacophore modeling for ultra-large-scale virtual screening." Chemical Science (2024).

Paper: https://doi.org/10.1039/D4SC04854G

소스 코드: https://github.com/SeonghwanSeo/OpenPharmaco

테스트 환경: Microsoft Window, Mac OS X (Apple Silicon)

1. 시작

1-1. 설치

Github으로부터 소스코드를 다운받은 뒤, Anaconda 가상환경을 통해 필요한 라이브러리를 설치합니다.

# Install Project
git clone https://github.com/SeonghwanSeo/OpenPharmaco
cd OpenPharmaco

# Install conda environment
conda env create -f environment.yml
conda activate openph
pip install .

1-2. 실행

이제 아래와 같이 openph 혹은 openpharmaco 명령어를 통해 OpenPharmaco을 실행시킬 수 있습니다.

conda activate openph  # (re-activate to load alias)
openph

OpenPharmaco을 처음으로 실행시키면 초기 세팅 과정이 수행되며, 필요한 파일들을 다운받습니다. (139 MB)

모든 다운로드를 마치면, 이후 실행에서는 약 2초 정도의 로딩 시간이 소요됩니다.

2. 단백질-기반 파마코포어 모델링 (Protein-based Pharmacophore Modeling)

2-1. 단백질 및 결합 부위 지정하기

OpenPharmaco은 RCSB로부터 단백질 파일을 다운받고, 자동으로 파싱하여 결합부위를 인식합니다.

Enter RCSB PDB Code에 4자리 PDB Code을 입력하세요.

만일 RCSB가 아닌 별도의 단백질을 사용하고자 하는 경우, 수기로 Open Protein File을 통해 단백질(pdb)을 입력하고, Open Ligand File을 통해 결합 리간드(mol2, sdf)를 입력하여 결합 부위를 인식하도록 합니다.

Protein 옆의 화살표를 눌러 chain, stick, line 등 단백질 구조를 시각화할 수 있습니다.

2-2. 파마코포어 모델링

왼쪽 테이블에서 원하는 결합 부위 리간드를 선택하고, Modeling 버튼을 눌러 단백질 기반 파마코포어 모델링을 수행합니다.

2-3. 파마코포어 모델 저장하기 (Ctrl-S/Cmd-S)

계산된 파마코포어 모델은 Save Model File을 클릭하여 저장할 수 있습니다. (.pm 확장자)

2-4. 파마코포어 모델 불러오기 (Ctrl-O/Cmd-O)

저장된 파마코포어 모델은 Open Model File을 누르거나 파일을 프로그램 창으로 드래그앤드롭하여 로드할 수 있습니다.

이 때, Open Model File을 누르기 위해서는 세션을 초기화해야 합니다 (Clear)

2-5. 세션 초기화 (Ctrl-W/Cmd-W)

단백질 또는 파마코포어 모델을 닫고 새로운 작업을 하기 위해 Clear 버튼을 눌러 세션을 초기화합니다.

3. 초고속 가상스크리닝

파마코포어 모델이 열려있는 상태에서 Screening 버튼을 눌러 스크리닝을 수행할 수 있습니다.

3-1. 화합물 라이브러리 불러오기

Library 버튼을 눌러 폴더를 선택하거나 혹은 스크리닝 창으로 드래그앤드롭하면, 폴더 및 하위 폴더 내에 있는 모든 sdf 및 mol2 파일이 로드됩니다. (각 화합물 파일에는 1개 이상의 컨포머가 포함될 수 있습니다.)

예를 들어, 아래 library/ 폴더를 선택하는 경우 a.mol2, b.mol2, c.mol2, d.sdf, d.mol2, e.sdf 파일이 모두 로드됩니다.

├── library/
    ├── a.mol2
    ├── library1/
    │   ├── b.mol2
    │   └── library1_1/
    │       ├── c.mol2
    │       └── d.sdf
    └── library2/
        ├── d.mol2
        └── e.sdf

아래는 8개의 컨포머를 포함하는 1000개 화합물로 구성된 예제 라이브러리 (https://drive.google.com/file/d/1XCMv97WpfgEccR4xXTGep_PCMMJq3f7t/view?usp=share_link)을 열었을 때의 화면입니다.

이 때, Advanced 버튼을 눌러 분자를 파싱하는 규칙을 파일명(File Name) 혹은 파일경로(File Path) 중 하나로 선택할 수 있습니다. (기본값: File Name)

예를 들어, 위 d.sdf와 d.mol2의 경우 동일한 파일명을 가지고 있어 구분이 되지 않지만, 파일경로를 선택한 경우 구분이 가능합니다.

아래는 파일 경로를 선택하였을 때의 화면입니다.

3-2. 가중치 설정

OpenPharmaco의 내장 프로그램인 PharmacoNet은 7개의 약리학적 특성에 할당되는 파라미터를 통해 스크리닝을 수행하며, OpenPharmaco을 통해 각 약리학적 특성에 대한 가중치를 변경할 수 있습니다.

Parameter Setting 아래의 값을 마우스 또는 키보드를 통해 변경할 수 있으며, 기본값보다 높게 설정된 경우 파란색, 낮게 설정된 경우 빨간색으로 표시됩니다.

초기값으로 바꾸고 싶은 경우, Reset All 버튼을 누릅니다.

3-3. 가상 스크리닝 수행

모든 설정이 끝났으면, 사용할 CPU 코어의 개수를 CPUs 옆의 슬라이드 바 혹은 숫자를 변경하여 설정합니다.

OpenPharmaco은 시스템에 있는 CPU를 자동으로 인식하여 최대값을 지정합니다.

설정 후 Run 버튼을 누르면 스크리닝이 진행되고, 가장 높은 점수의 분자부터 나열됩니다.

3-4. 결과 저장

Save 버튼을 누르면 스크리닝 결과가 저장됩니다.

이 때 Key는 설정값(File Name 또는 File Path)에 의해 결정됩니다.

3-5. 세션 초기화

다른 라이브러리 혹은 세팅값으로 스크리닝을 수행하고 싶은 경우, Clear 버튼을 눌러 세션을 초기화합니다.

4. 개발

OpenPharmaco은 PyTorch, NumPy, Numba, BioPython, OpenBabel, Open-Source PyMol, PyQt5을 활용하여 개발되었습니다.

5. 인용

논문: https://arxiv.org/abs/2310.00681