Исследования влияния параметров генетического алгоритма на эффективность докинга с помощь программы SOL

Авторы

  • Е.В. Каткова

Ключевые слова:

докинг
разработка лекарственных средств
генетический алгоритм
глобальная оптимизация
параметризация

Аннотация

Проведен анализ ключевых параметров генетического алгоритма и изучено их влияние на эффективность процедуры докинга (позиционирования низкомолекулярных веществ в активном центре молекулы белка), реализованного в многопроцессорной версии программы SOL. Тестирование проводилось на наборе структур, представляющих собой комплексы белка урокиназы, закристаллизованной с различными низкомолекулярными ингибиторами (лигандами), и было ориентировано на оптимизацию дальнейшей работы по поиску новых ингибиторов урокиназы как потенциальных противоопухолевых препаратов. Оптимальные значения параметров генетического алгоритма получены как для режима, в котором проводится докинг одной молекулы, так и для режима виртуального скрининга, т.е. докинга больших библиотек химических соединений. Тестирование проводилось на кластерных суперкомпьютерах Московского государственного университета «Чебышев» и «Ломоносов».

Новые вычислительные технологии

Загрузки

Опубликован

2012-11-20

Выпуск

Том 13 (2012): Выпуск 4.

Раздел

Раздел 1. Вычислительные методы и приложения

Автор

Е.В. Каткова

Московский государственный университет имени М.В. Ломоносова,
Научно-исследовательский вычислительный центр
Ленинские горы, 119991, Москва
• техник

Библиографические ссылки

  1. Садовничий В.А., Сулимов В.Б. Суперкомпьютерные технологии в медицине // Суперкомпьютерные технологии в науке, образовании и промышленности / Под ред. В.А. Садовничего, Г.И. Савина, Вл.В. Воеводина. М: Изд-во Моск. ун-та, 2009. 16-23.
  2. Klebe G. Virtual ligand screening: strategies, perspectives and limitations // Drug Disc. Today. 2006. 11. 580-594.
  3. Alvarez J., Shoichet B. Virtual screening in drug discovery. Boca Raton: CRC Press, 2005.
  4. Kitchen D.B., Decornez H., Furr J.R., Bajorath J. Docking and scoring in virtual screening for drug discovery: methods and applications // Nature Reviews Drug Discovery. 2004. N 3. 935-949.
  5. Pegga S.C.-H., Harescob J.J., Kuntza Ir.D. A genetic algorithm for structure-based de novo design // J. Computer-Aided Molecular Design. 2001. 15, N 10. 911-933.
  6. Oshiro C.M., Kuntz I.D., Dixon J.S. Flexible ligand docking using a genetic algorithm // J. Computer-Aided Molecular Design. 1995. N 9. 113-130.
  7. Baxter C.A., Murray C.W., Clark D.E., Westhead D.R., Eldridge M.D. Flexible docking using tabu search and an empirical estimate of binding affinity // Proteins: Structure, Function, and Bioinformatics. 1999. N 33. 367-382.
  8. Namasivayam V., Günther R. Pso@autodock: a fast flexible molecular docking program based on swarm intelligence // Chemical Biology &; Drug Design. 2007. 70, N 6. 475-484.
  9. Goodsell D.S., Olson A.J. Automated docking of substrates to proteins by simulated annealing // Proteins. 1990. 8, N 3. 195-202.
  10. Morris G.M., Goodsell D.S., Halliday R.S., Huey R., Hart W.E., Belew R.K., Olson A.J. Automated docking using a Lamarckian genetic algorithm and an empirical binding free energy function // J. Comput. Chem. 1998. 19. 1639-1662.
  11. Deng Y., Roux B. Computations of standard binding free energies with molecular dynamics simulations // J. Phys. Chem. B. 2009. 113. 2234-2246.
  12. Frenkel D., Smit B. Understanding molecular simulation: from algorithms to applications. New York: Academic Press, 2007.
  13. Zwanzig R.W. High-temperature equation of state by a perturbation method. I. Nonpolar gases // J. Chem. Phys. 1954. 22. 1420-1426.
  14. Morris G.M., Huey R., Lindstrom W., Sanner M.F., Belew R.K., Goodsell D.S., Olson A.J. AutoDock4 and AutoDockTools4: automated docking with selective receptor flexibility // J. Comput. Chem. 2009. 30. 2785-2791.
  15. Jones G., Willett P., Glen R.C., Leach A.R., Taylor R. Development and validation of a genetic algorithm for flexible docking // J. Mol. Biol. 1997. 267. 727-748.
  16. Verdonk M.L., Cole J.C., Hartshorn M.J., Murray C.W., Taylor R.D. Improved protein-ligand docking using GOLD // Proteins. 2003. 52. 609-623.
  17. Thomsen R., Christensen M.H. MolDock: a new technique for high-accuracy molecular docking // J. Med. Chem. 2006. 49. 3315-3321.
  18. Taylor J.S., Burnett R.M. DARWIN: a program for docking flexible molecules // Proteins. 2000. 41. 173-191.
  19. Clark K.P., Jain A.N. Flexible ligand docking without parameter adjustment across four ligand receptor complexes // J. Comput. Chem. 1995. 16. 1210-1226.
  20. Pei J.F., Wang Q., Liu Z.M., Li Q.L., Yang K., Lai L. PSI-DOCK: towards highly efficient and accurate flexible ligand docking // Proteins-Structure Function and Bioinformatics. 2006. 62, N 4. 934-946.
  21. Zhao Y., Sanner M.F. FLIPDock: docking flexible ligands into flexible receptors // Proteins. 2007. 68. 726-737.
  22. Stroganov O.V., Novikov F.N., Stroylov V.S., Kulkov V., Chilov G.G. Lead finder: an approach to improve accuracy of protein-ligand docking, binding energy estimation, and virtual screening // J. Chem. Inf. Model. 2008. 48. 2371-2385.
  23. Романов А.Н., Кондакова О.А., Григорьев Ф.В., Сулимов A.В., Лущекина С.В., Мартынов Я.Б., Сулимов В.Б. Компьютерный дизайн лекарственных средств: программа докинга SOL // Вычислительные методы и программирование. 2008. 9. 213-233.
  24. Оферкин И.В., Сулимов А.В., Кондакова О.А., Сулимов В.Б. Реализация поддержки параллельных вычислений в программах докинга SOLGRID и SOL // Вычислительные методы и программирование. 2011. 12, o 1. 205-219.
  25. Sinauridze E.I., Romanov A.N., Gribkova I.V., Kondakova O.A., Surov S.S., et al. New synthetic thrombin inhibitors: molecular design and experimental verification // PLoS ONE. 2011. 6, N 5. e19969 (doi:10.1371/journal.pone.0019969).
  26. Садовничий В.А., Сулимов В.Б., Каткова Е.В., Романов А.Н., Сулимов А.В., Оферкин И.В., Стамбольский Д.В., Белоглазова И.Б., Ткачук В.А. Молекулярное моделирование для разработки новых лекарств на основе ингибиторов урокиназы // Постгеномные исследования и технологии / Под ред. С.Д. Варфоломеева. М.: Изд-во Моск. ун-та, 2011. 103-140.
  27. Choong P.F., Nadesapillai A.P. Urokinase plasminogen activator system: a multifunctional role in tumor progression and metastasis // Clin. Orthop. Relat. Res. 2003. 415S. S46-S58.
  28. Romanov A.N., Jabin S.N., Martynov Y.B., Sulimov A.V., Grigoriev F.V., Sulimov V.B. Surface generalized Born method: a simple, fast and precise implicit solvent model beyond the Coulomb approximation // J. Phys. Chem. 2004. A 108. 9323-9327.
  29. The Protein Data Bank (http://www.rcsb.org/pdb/home/home.do).
  30. Hetenyi C., van der Spoel D. Efficient docking of peptides to proteins without prior knowledge of the binding site // Protein Sci. 2002. 11. 1729-1737.
  31. Taylor J.S., Burnett R.M. DARWIN: a program for docking flexible molecules // Proteins. 2000. 41. 173-191.
  32. Douglet D., Thoreau E., Grassy G. A genetic algorithm for the automated generation of small organic molecules: drug design using an evolutionary algorithm // J. Computer-Aided Molecular Design. 2000. 14. 449-466.
  33. http://keenbase.ru/file/solparam_add_1.pdf
  34. http://keenbase.ru/file/solparam_add_2.pdf
  35. http://keenbase.ru/file/solparam_add_3.pdf
  36. The Community Structure-Activity Resource (CSAR) (http://www.csardock.org/index.jsp).