-
Notifications
You must be signed in to change notification settings - Fork 1
/
tarea_vs_smina.rmd
103 lines (78 loc) · 8.08 KB
/
tarea_vs_smina.rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
---
title: 'Tarea: Cribado Virtual con Smina'
---
***
# Tarea 2: Cribado Virtual con Smina
## Objetivo
- Realizar **<mark>4 ensayos de cribado virtual (CV)</mark>** utilizando Smina.
- La librería de moléculas consiste en 50 compuestos del *benchmarking set* [CSAR 2012](http://www.csardock.org/){target="_blank"}, el cual incluye compuestos **activos** (*true binders - inhibitors*) e **inactivos** de la proteína CDK2 (experimentalmente probados). Más sobre este *challenge* CSAR 2012 [aquí](https://pubs.acs.org/doi/10.1021/ci4000486){target="_blank"}.
- Se usarán dos conformaciones de la proteína CDK2.
- [2vv9](https://www.rcsb.org/structure/2VV9){target="_blank"}
- [5a14](https://www.rcsb.org/structure/5A14){target="_blank"}
> **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**):
- [vina](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3041641/){target="_blank"}
- [vinardo](https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0155183){target="_blank"}
- 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 ⬇️:
- Proteínas :
- [2vv9_PROT.pdb](https://raw.githubusercontent.com/jRicciL/Taller_Simulacion_Molecular/master/resurces/vs/2vv9_PROT.pdb){target="_blank"}
- [5a14_PROT.pdb](https://raw.githubusercontent.com/jRicciL/Taller_Simulacion_Molecular/master/resurces/vs/5a14_PROT.pdb){target="_blank"}
- Archivo de ligandos (SMILES): [cdk2_mols.smi](https://raw.githubusercontent.com/jRicciL/Taller_Simulacion_Molecular/master/resurces/vs/cdk2_mols.smi){target="_blank"}
2. **Descarga** los siguientes archivos y **guardalos** en tu directorio de trabajo ⬇️ (serán necesarios para el análisis final):
- [cdk2_activity_mols.csv](https://raw.githubusercontent.com/jRicciL/Taller_Simulacion_Molecular/master/resurces/vs/cdk2_activity_mols.csv){target="_blank"}
- [plot_metrics.py](https://raw.githubusercontent.com/jRicciL/Taller_Simulacion_Molecular/master/resurces/vs/plot_metrics.py){target="_blank"}
- [analisis_resultados_vina.ipynb](https://raw.githubusercontent.com/jRicciL/Taller_Simulacion_Molecular/master/resurces/vs/analisis_resultados_vina.ipynb){target="_blank"}
3. **Apoyate del siguiente material** para realizar los ensayos de CV: [Acoplamiento molecular con Smina](https://jriccil.github.io/Taller_Simulacion_Molecular/virtual_screening_vina.html){target="_blank"}
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.
<!-- <div class="alert alert-dismissible alert-warning">
<h4 class="alert-heading">🚨 Instala la librería scikit-learn en el ambiente jup: 🚨</h4>
<ul>
<li>Para realizar análisis con el notebook de jupyter y generar las gráficas es necesario instalar la librería scikit-learn, o de otro modo verás un error como el siguiente:</li>
<li><code>ModuleNotFoundError: No module named 'sklearn'</code></li>
<li>Para hacer la instalación debes activar el ambiente de conda llamado <pm>jup</code></li>
<li>Ahora instala scikit-learn con el siguite comando <pm>pip install scikit-learn</code></li>
</ul>
</div> -->
## 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.
<!-- 3. **En la diapositiva correspondiente, incluye una imagen del acoplamiento con la mejor molécula según cada ensayo de CV.**
- Puedes usar UCSF Chimera o Autodock Tools.
- Muestra la mejor pose de la mejor molécula de cada ensayo, incluye en la visualización los residuos *9, 33, 86, 88, 89, 132, 145* y *146*.
- Puedes visitar el siguiente link para ver cómo generar algunas visualizaciones de interés: https://www.cgl.ucsf.edu/chimera/docs/UsersGuide/frametut.html -->
3. **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?
5. **Anota tu nombre en la última diapositiva.**
6. 🚨 🚨 🚨 **Enviar únicamente el archivo pdf con las cinco diapositivas por mensaje personal a mi cuenta (Joel Ricci) en el Slack del grupo.**
7. <mark>📆 Fecha límite de envío es el día sábado de febrero a las 24:00 horas.</mark>
## 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`
<img src="https://raw.githubusercontent.com/jRicciL/Taller_Simulacion_Molecular/master/resurces/vs/pk_selection.png" alt="pk-sel-link" height="400"/>
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).
## Recursos
- [Curso de bash scripting en Datacamp](https://www.datacamp.com/courses/introduction-to-bash-scripting){target="_blank"}. **¡Tienes acceso a todo el contenido!**
- [Página de descarga de smina con algunos recursos extra](https://sourceforge.net/projects/smina/files/){target="_blank"}