2023-02-08

Deucravacitinibと2つのメチル基

久々に書く気になったのでこちらの続きです。

Deucravacitinibは2022.9に承認されたTYK2に対するアロステリック阻害剤で、成人の中等度から重症の尋常性乾癬を適応としているそうです。
なんでも、JH2特異的に結合することでkinase活性をmodulateするんだとか。

JH2ってなに？

the JAKs possess two near-identical phosphate-transferring domains. One domain exhibits the kinase activity, while the other negatively regulates the kinase activity of the first. Janus kinase - Wikipedia

とのことで、リン酸転移ドメインは二つあるけど使ってるのは一個で、2個目のJH2はフェイクってことみたいです。 DeucravacitinibはフェイクのJH2に結合するにも関わらず阻害活性を示すことから、アロステリック阻害剤ということみたいです。

先日の検索結果から新しいものを少し読んでみると、面白い内容でした。

https://pubs.acs.org/doi/full/10.1021/acs.jmedchem.9b00444

残念ながらフリーでは読めませんでしたが、孫引きまで含めて概要は下記の通りでした。
1. BMSの社内ライブラリ由来
2. cell baseのSPAで周辺化合物を評価してユニークな阻害活性を見出す
3. 活性がないはずのJH2に対して強くbindingしていた
4. メチル基1個でJAK1~3, TYK2のJH1阻害活性が完全に切れた(!) 　　一つ目のメチル
5. 正確なMoAは不明だが、実験的な事実としてDeucravaciinibはTYK2の不活性化状態を安定化してるっぽい (間違ってたらごめんなさい)
6. catalityc pocketの向きに必要な置換基をメチルスルホン > メトキシ　　二つ目のメチル
7. 代謝された脱メチル体は選択性が低いことから毒性懸念浮上 (それでもぱっと見は他よりよい)
8. D化メチル体によって代謝物抑制
9. 母核変換でPK改善

というわけで候補品に至ったようです。ちなみに1で得た他の骨格を進めたNimbus子会社を武田が買ったとかなんとか。

自己免疫疾患に新規作用機序の「TYK2阻害薬」―ブリストルが乾癬で承認取得、武田は買収で参入 | AnswersNews

ちなみにDeucravacitinibは重水素が3つも入ってるんですが、ケミストなら代謝安定性改善したかったのかな？とか考えちゃいます。
私自身トライしてみて全く改善したことがなかったのですが、特定の代謝物を抑制する効果はみられるんだとか。

親化合物のPKは改善しませんでしたが、代謝物を抑制した経験はあります。代謝パス変わるんで、毒性抑えるという使い方はありかもですね！
— へい🍅 (@HiGoing) December 21, 2022

確かに普段の評価では化合物の残存を見ているわけですが、望まない副生物をきちんと抑えることができれば目的を達成できることもあるわけです。
BMSの報告には正にその記述がありました。Deuterium kinetic isotope effectというらしいです。

https://pubs.acs.org/doi/10.1021/bi972266x

上記以外にもアミドのHBDを減らすためのヘテロ環への変換や、置換基探索で芳香環をc-Pr基に変換できたことへの考察など、探索から最適化までのエッセンスが詰まった全体の仕事となっています。久しぶりにメドケムが仕事してんな！っていう論文を読んだ気がしました。

やる気が出たら、次回データ解析後編に続きます。。

2023-01-31

Dockerfile@M1 Mac突貫工事

最初のFROM --platform=linux/amd64 ubuntu:latestに集約されますが、M1 MacでDockerfileを単にbuildしようとすると、minicondaのインストールでエラーが出ました。
というわけでとりま突貫のdockerfileです。
拡張子なしでcurrent directoryに保存して、下記コマンドでdocker imageにbuildできます。

docker build -t `image_name` .

こちらがdockerfileです。

# M1 MacでUbuntuコンテナを作る時の注意
# https://qiita.com/silloi/items/739699337b9bf4883b3e
FROM --platform=linux/amd64 ubuntu:latest

# update
RUN apt-get -y update && apt-get install -y \
libsm6 \
libxext6 \
libxrender-dev \
libglib2.0-0 \
sudo \
wget \
unzip \
vim

#install miniconda3
WORKDIR /opt
# download miniconda package and install miniconda
# archive -> https://docs.conda.io/en/latest/miniconda.html
RUN wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
RUN bash /opt/Miniconda3-latest-Linux-x86_64.sh -b -p /opt/miniconda3
RUN rm -f Miniconda3-latest-Linux-x86_64.sh
# set path
ENV PATH /opt/miniconda3/bin:$PATH

# conda create
RUN conda create -n pymol python=3.7

# install conda package
SHELL ["conda", "run", "-n", "pymol", "/bin/bash", "-c"]
# https://qiita.com/kimisyo/items/66db9c9db94751b8572b

RUN command conda config --append channels conda-forge
RUN conda install -c conda-forge rdkit -y
RUN conda install -c conda-forge pymol-open-source -y
RUN conda install plotly
RUN conda install -c conda-forge nodejs jupyterlab
RUN conda install -c conda-forge py3dmol

WORKDIR /
RUN mkdir /work
WORKDIR /

RUN conda init



# かめさんのdocker image_name
# datascientistus/ds-python-env

# ubuntuというdocker imageをbuild
# docker build -t ubuntu . 

# 最初からbuildするなら--no-cache
# docker build -t ubuntu . --no-cache

# sbddというcontainerをubuntuというimageからcreateしてbashでrun
# docker run -it -v ~/Documents/Linux:/work --name sbdd ubuntu bash

私の環境では最後のRUN conda initがないと、コンテナでcondaコマンドを使う時に下記のエラーが出ました。

CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
To initialize your shell, run

    $ conda init <SHELL_NAME>

Currently supported shells are:
  - bash
  - fish
  - tcsh
  - xonsh
  - zsh
  - powershell

See 'conda init --help' for more information and options.

IMPORTANT: You may need to close and restart your shell after running 'conda init'.

かめさんのUdemy講座では下記のscriptを追加して、bashを起動せずにhost側のlocalhost:8888からコンテナにアクセスしてました。

# execute jupyterlab as a default command
CMD ["jupyter", "lab", "--ip=0.0.0.0", "--allow-root", "--LabApp.token=''"]

# ubuntuというimageからsbddというコンテナをポート8888に繋いでrun
# docker run -v ~/Documents/Linux:/work  -p 8888:8888 -it --name sbdd ubuntu

この方法だとPCの再起動なんかでやむを得ずコンテナを止めてしまった時に、restartしてもlocalhost:8888からjupyterに入れませんでした。　　気になるので問い合わせ中です。

2023-01-29

Dockerを猛復習

Dockerの全体像

docker図解
https://penpen-dev.com/blog/docker-command/

出力される結果は各自の環境で異なるので参考程度にしてください。

新しい環境を構築する
Containerで作業する
環境を破棄する
Dockerfile
Reference

新しい環境を構築する

docker hubからimageをpull

docker pull `image:ver`

docker pull ubuntu      # ver.を指定しないとlatestがpullされる

pullしたimageを参照

docker images

# REPOSITORY                      TAG       IMAGE ID       CREATED        SIZE
# ubuntu                          latest    4c2c87c6c36e   7 weeks ago    69.2MB
# python                          latest    9dda5bedc1c7   3 months ago   868MB

imageからコンテナを作ってrun

enterはしない
imageを持ってない場合はhubからpullしてくる

docker run `image_name` 
docker run --name `container_name` `image_name`  # --name ``でcontainer nameを指定できる
docker run --name test hello-world

# Hello from Docker!
# This message shows that your installation appears to be working correctly.
# ...

imageからcontainerを作ってbashで作業する

docker run --name `container_name`　-it `image_name` bash # interact terminal

# root@container_id:/#     # containerのbash promptが返ってくる

root@container_id:/# exit  # containerを停止してexitする

# directory$            # hostのterminal promptに戻る

imageからcontainerにlocal volumeをマウントしてbashで作業する

docker run --name `container_name` -v `host abs. path`:`container abs. path` `image_name` `command`

docker run --name `container_name` -v ~/Documents/Linux:/work -it ubuntu bash

imageからcontainerにlocal volumeをマウントしてjupyterのポートを割り当ててbashで作業する

docker run -v ~/Documents/Linux:/work -p 8888:8888 --name test ubuntu
# container側にJupyterなどが入ってないとhostのブラウザで`localhost:8888` を入力してもjupyterは起動しない

Contentsに戻る

Containerで作業する

containerのリストを表示

docker ps       # upのものだけ
docker ps -a    # 全て表示

# CONTAINER ID   IMAGE                          COMMAND                  CREATED        STATUS                      PORTS     NAMES
# 498900d17e03   hello-world                    "/hello"                 2 minutes ago   Exited (0) 2 minutes ago              test
# cdf417f58458   continuumio/anaconda3:latest   "/bin/bash"              3 months ago   Exited (137) 20 hours ago             anaconda3

# runしただけではcontainer statusはexited

containerを起動する

docker restart `container_name`

docker restart test
# test

docker ps -a
CONTAINER ID   IMAGE                          COMMAND                  CREATED         STATUS                      PORTS     NAMES
498900d17e03   hello-world                    "/hello"                 7 minutes ago   Exited (0) 48 seconds ago             test
cdf417f58458   continuumio/anaconda3:latest   "/bin/bash"              3 months ago    Exited (137) 20 hours ago             anaconda3

# hello-worldにはOSとbashが入ってないので起動(=up)にならない

docker restart anaconda3
# anaconda3

docker ps # status == up のcontainerを表示

# CONTAINER ID   IMAGE                          COMMAND       CREATED        STATUS         PORTS     NAMES
# cdf417f58458   continuumio/anaconda3:latest   "/bin/bash"   3 months ago   Up 5 seconds             anaconda3

起動中のcontainerに入って新しいbashで作業する (execute)

docker exec -it `container_name` bash
# root@container_id:/#      # containerのbash promptが返ってくる

docker attachとの違いについて
https://qiita.com/RyoMa_0923/items/9b5d2c4a97205692a560
attach : container内の既に起動しているbashを使う
exec -it : 新たにbashを立ち上げる

起動したままcontainerから抜ける (detach)

ctrl+p ctrl+q

VS codeではVS codeのショートカットが起動してしまうので変更する必要がある
https://qiita.com/Statham/items/c204e85067ea4dca2724

docker ps

# CONTAINER ID   IMAGE                          COMMAND       CREATED        STATUS          PORTS     NAMES
# cdf417f58458   continuumio/anaconda3:latest   "/bin/bash"   3 months ago   Up 10 minutes             anaconda3

起動中のcontainerのbashに入って作業する

docker attach `container_name`
# root@container_id:/#      # container/bashのpromptが返ってくる

containerを停止して脱出する

root@container_id:/# exit

docker ps -a
STATUS          PORTS     NAMES
# cdf417f58458   continuumio/anaconda3:latest   "/bin/bash"   3 months ago   Exited 10 seconds             anaconda3

Contentsに戻る

環境を破棄する

Containerはimageを基に動いているので、containerが存在するうちはimageを削除できない。
手順としては 1. containerをimageにcommit 2. imageをdockerhubにpush 3. containerを削除 4. imageを削除

で環境を保存しながら適宜破棄する。
もしくはDockerfileとして残す。

コンテナをimageにcommit

docker commit `container_name` `image_name:ver`

docker images

# REPOSITORY                      TAG       IMAGE ID       CREATED         SIZE
# ubuntu                          latest    4c2c87c6c36e   7 weeks ago     69.2MB
# python                          latest    9dda5bedc1c7   3 months ago    868MB
# continuumio/anaconda3           latest    40d5cbe3a8cd   7 months ago    2.69GB

docker commit anaconda3 continuumio/anaconda3
# sha256:1b5cfa5999b6dceb07ddd5ebea6c7c24ec98d61a783fa719443a5adb2a4016b9

docker images

# REPOSITORY                      TAG       IMAGE ID       CREATED         SIZE
# continuumio/anaconda3           latest    1b5cfa5999b6   4 seconds ago   3.26GB
# ubuntu                          latest    4c2c87c6c36e   7 weeks ago     69.2MB
# python                          latest    9dda5bedc1c7   3 months ago    868MB
# continuumio/anaconda3           <none>    40d5cbe3a8cd   7 months ago    2.69GB

docker_hubにログイン

docker login      # idとpwを入力

imageをdocker hubのrepoにpush

docker push `user_id/image_name:ver`

containerを削除

docker rm `container_name` # or `container_id`

imageを削除

docker rmi `image_name`

docker rmi continuumio/anaconda3
docker images

# REPOSITORY                      TAG       IMAGE ID       CREATED         SIZE
# ubuntu                          latest    4c2c87c6c36e   7 weeks ago     69.2MB
# python                          latest    9dda5bedc1c7   3 months ago    868MB
# continuumio/anaconda3           <none>    40d5cbe3a8cd   7 months ago    2.69GB

# 指定しないとlatestが消えるっぽい
# latestがないimageは`:ver`でtagを指定しないと消えない
# containerで使用中だとreferenceになっているため削除できない

Contentsに戻る

dockerfileからimageをbuild

cd `working directory`
docker build -t `image_name` .

docker build -t `image_name` . --no-cache     # オプションないと前回の続きをbuildする

Contentsに戻る

Reference

ChEMBLのデータを可視化してみた

前回までのこちらの記事でChEMBLからダウンロードしたデータを可視化できるように加工しました。

ChEMBLのデータを整える - おじさんちのクソゲ

既に構造や骨格の情報となるMol fileをSMILES stringsから生成してるので、今回は続きとして同じDataFrameを使っていきたいと思います。
可視化によく使われるのはmatplotlibとかseabornですが、今回はplotlyを使ってます。簡単にintractiveなグラフを書いたり、web pageに組み込んだりできる(らしい)ので試してみたかっただけです。

統計値の作成
Count of Documents and Scaffold by Year
pChEMBL Value box by Year
Filtering by Molecular Name
Molecule Max Phase scatter by Year
Summary Table of Deucravacitinib

統計値の作成

Spotfireとかだと文献や骨格情報のUnique countとかを簡単に表示できるやつです。
他にいい方法があったら教えてください。

dfd = df.groupby(['Document Year'])['Document ChEMBL ID'].describe()
dfm = df.groupby(['Document Year'])['Murcko_generic_SMILES'].describe()
dfd

Document Yearをgroupbyでまとめた後、Document ChEMBL IDとMurcko_generic_SMILESの統計値をとってあげたっていう感じです。
注意が必要なのは、前回の処理でDocument Yearが不明なものを2025として処理していることです。
0とかでもいいんですが、可視化した時の見やすやを重視しています。

Count of Documents and Scaffold by Year

plotlyを使うとこんな感じです。

import plotly.graph_objects as go
fig = go.Figure()
fig.add_trace(go.Bar(x=dfd.index, y=dfd['unique'], name='Document count'))
fig.add_trace(go.Bar(x=dfg.index, y=dfg['unique'], name='Scaffold count'))
fig.add_trace(go.Bar(x=dfm.index, y=dfm['unique'], name='Scaffold count'))

fig.update_layout(
    title='Documents and Murcko scaffold v.s. Year',
    # showlegend=False, # Legendのon/off
    width=1000,
    # height=700
    barmode='group',
)
fig.show()

Murcko Scaffoldは環構造に基づく骨格分類です。genericにすると芳香環やヘテロ環の情報もフラットにしてくれます。cyclopropylやcyclobutylが置換基ではなく骨格扱いになるところは厄介ですが、状況に応じて使い分けるかなと思います。
例えばSARで置換基の一つとしてPhみたいなのが登場することを考えると、文献一報あたりの骨格数は2~5くらいじゃないかなと思います。
その観点で見ると、2011年や2015年は突出してるように見えますね。骨格変換による何かしらのブレイクスルーがあったか、FBDDやVirtual Screeningのように大規模な探索が行われたのかもしれません。

pChEMBL Value box by Year

import plotly.express as px
fig = px.box(
    df,
    x='Document Year',
    y='pChEMBL Value',
    points='all',
)
fig.update_layout(
    title='pChEMBL Value v.s. Year',
    showlegend=False, # Legendのon/off
    width=1000,
    # height=700
    ) 
fig.show()

pChEMBL ValueはpIC50みたいなものと思っていいと思います。
ただし、functional assayだったりbinding affinityだったりと、各文献で評価系が異なる点に注意が必要です。
細かいところはDataFrameのassay discriptionで確認できます。
比較的早い段階からpChEMBL Value = 9が報告されていますが、TYK2はkinaseなので非選択的な既知阻害剤だったりで試験してたりするんじゃないかなと思います。
points = 'all'とすることでデータ数がわかりますが、2010年くらいから選択的阻害剤の探索が開始され、2019年くらいから選択性のいい化合物のSARが報告され出してるのかなーと妄想します。

Filtering by Molecular Name

import plotly.express as px
fig = px.box(
    df[df['Molecule Name'].notna()],  #ここを変えただけ
    x='Document Year',
    y='pChEMBL Value',
    points='all',
)
fig.update_layout(
    title='pChEMBL Value v.s. Year',
    showlegend=False, # Legendのon/off
    width=1000,
    # height=700
    ) 
fig.show()

治験だったり承認されたりすると薬剤名が登録されます。Molecule Nameでfilteringするとこんな感じです。
考察が正しいかはさておき、2011年くらいにやたら評価数が増えています。kinase標的の上市品が増えたとか、イベントでもあったんでしょうか？

Molecule Max Phase scatter by Year

import plotly.express as px
fig = px.scatter(
    df[df['Molecule Name'].notna()],
    x='Document Year',
    y='pChEMBL Value',
    color='Molecule Max Phase',
    hover_name='Molecule Name',
    # hover_data=['Document ChEMBL ID', df[df['Molecule Name'].notna()].index],
    opacity=0.5
)
fig.update_layout(
    title='pChEMBL Value v.s. Year',
    # showlegend=False, # Legendのon/off
    width=1000,
    # height=700
    ) 
fig.show()

使われた薬剤の治験進行状況をプロットするとこんな感じでした。
承認されたDeucravacitinibの初登場は2019年でした。いいもん出来たから文献に報告したんでしょうね。
ちなみにplotlyはlegendをダブルクリックすると簡単にfilteringできます。plotをドラッグすることで拡大したりもできます。

やはり早い段階から上市薬(Molecule Max Phase = 4)で試験されてますね。

Summary Table of Deucravacitinib

name = input('Molecule Name?')
df[df['Molecule Name']==name].filter(items=[
    'Molecule Name', 
    'Molecule ChEMBL ID',
    'Molecule_Image',
    'Molecular Weight',
    'pChEMBL Value',
    'AlogP',
    'Ligand Efficiency LLE',
    '#RO5 Violations',
    'Assay Description',
    'Document ChEMBL ID'
]).head(1)

Deucravacitinibはこんな顔でした。(小さくてごめんなさい)
重水素が3つ入ってますね。
ピリダジン周りがヒンジバインダーだと思うんですが、あんまり見たことない顔かもなーって思いました。
SBDDの文献も見つかったので、そのうち紹介したいと思います。
続く。。。

2023-01-04

APIで取得したChEMBLのデータを整える(2)

前回紹介した方法はほぼほぼコピペでした。
.only() で取得する項目を限定していましたが、全データを取得しようとするとどうなるでしょう？

activities = new_client.activity.filter(
    target_chembl_id__in='CHEMBL3553',
    pchembl_value__gte=5,
    assay_type='B',  
)
pd.DataFrame(activities).columns

Index(['activity_comment', 'activity_id', 'activity_properties',
       'assay_chembl_id', 'assay_description', 'assay_type',
       'assay_variant_accession', 'assay_variant_mutation', 'bao_endpoint',
       'bao_format', 'bao_label', 'canonical_smiles', 'data_validity_comment',
       'data_validity_description', 'document_chembl_id', 'document_journal',
       'document_year', 'ligand_efficiency', 'molecule_chembl_id',
       'molecule_pref_name', 'parent_molecule_chembl_id', 'pchembl_value',
       'potential_duplicate', 'qudt_units', 'record_id', 'relation', 'src_id',
       'standard_flag', 'standard_relation', 'standard_text_value',
       'standard_type', 'standard_units', 'standard_upper_value',
       'standard_value', 'target_chembl_id', 'target_organism',
       'target_pref_name', 'target_tax_id', 'text_value', 'toid', 'type',
       'units', 'uo_units', 'upper_value', 'value'],
      dtype='object')

いっぱいカラムありますよね。残念ながらAlogPとかがないことがわかります。
ligand_efficiency はLEかな？

pd.DataFrame(activities).loc[:4, ['ligand_efficiency']]

え？valueじゃなくてdictなの？
っていうことでこのままではplotや計算に使うことが出来ませんでした。What a fxxk !!
と、いう訳でpd.DataFrame()ではなくpd.json_normalize()をつかってネスト(入れ子)になったdictを各カラムに分解してやります。

df = pd.json_normalize(activities)
df.iloc[:4, -4:]

というわけで無事にAPIでDLしたデータを解析できる状態に出来ました。
扱ってみた印象だけならAPIよりcsvでDLした方が軽くて扱いやすい気がしました。

次回へ続く。

2022-12-27

APIで取得したChEMBLのデータを整える

皆さんは標的の情報ってまず何で調べますか？
私は大体UniProtから入ることが多いです。
そして例えばUniProtのEntryをキーワードにTarget ChEMBL IDを探すこともできます。前回みたいにChEMBLから入ることって実はあんまりありませんでした。

ChEMBLのデータを整える - おじさんちのクソゲ

こちらからパクったコードにUniProt IDを入力して

# import the libraries
# https://github.com/chembl/notebooks/blob/main/ChEMBL_webresource_client_examples.ipynb
from chembl_webresource_client.new_client import new_client
import requests
import pandas as pd
import platform

uniprot_id = input('UniProt ID?') # P29597
target = new_client.target.get(
    target_components__accession=uniprot_id
    ).only(
        'target_chembl_id', 
        'organism', 
        'pref_name', 
        'target_type'
        )
pd.DataFrame.from_records(target)

Target ChEMBL IDを指定するとあら不思議、最新版のDataをダウンロードできます。

ID = input('Target ChEMBL ID?') # CHEMBL3553
activities = new_client.activity.filter(
    target_chembl_id__in=[ID],
    pchembl_value__gte=5,
    assay_type='B',
).only([
    'molecule_chembl_id',
    'molecule_pref_name',
    'target_chembl_id',
    'target_pref_name',
    'parent_molecule_chembl_id',
    'pchembl_value',
    'canonical_smiles',
    'assay_description',
    'document_chembl_id',
    'document_journal',
    'document_year',
]) 


df = pd.DataFrame(activities)

df[df['molecule_pref_name'].notna()].filter(items=[
    'molecule_pref_name',
    'Molecule', 
    'pchembl_value'
]
).head(3)

標的を複数調べる時にローカルにいちいちダウンロードするのがめんどい時はこちらの方が楽です。 KNIMEと同じルーチン化が良ければオススメです。ただ、ダウンロード版より計算値のカラムが少ないので、同じ解析をしようと思うと自分でいくらか計算しないといけません。
あとダウンロードの時間はやっぱりかかります。一長一短ですね。

2022-12-27

ChEMBLのデータを整える

皆さんは長期休暇の宿題は計画通り進める派でしたか？先にやる派？後でまとめて派？
私はというと、宿題とかない小学校でした笑
とは言っても子どもの学校は宿題があるので、どう接するのが正解なのかいつも悩ましいです。
今回はジジババの家に行く前に全て片付けてくれたので大満足の出だしでした。

と言うわけで？次は大人の番です(え？

先日JAKiの紹介したとこでしたが、

JAKiってキナーゼのわりには構造がシンプルでも活性と選択性が出てそうで、ケミストはとっつきやすいのかもですね！
— へい🍅 (@HiGoing) July 3, 2022

大きい買収があったりでほんと開発が活発なんだなーとか思わせるニュースを目にしました。
TYKって結構前のターゲットだった気がしてたんですが、JAKの仲間だったんですね(遅。

answers.ten-navi.com

kinaseは各社の積み重ねが身を結んだような報告をよく目にします。ケミストは確かにとっつきやすいのかもなーと思いますが、これからとっつく余地がどれだけあるかが創薬研究では重要かなと思います。
と言う名目で、オープンデータベースのChEMBLを使ってリガンドの外観を捉えてみたいと思います。

Targetを検索して化合物データをダウンロード
Import Python Libraries and Load ChEMBL Data File
Data Cleansing
構造式と骨格情報の追加
文献数と骨格情報のメモ
Descriptorを追加
Summary of Data Table

Targetを検索して化合物データをダウンロード

今回はChEMBLでシンプルにTYK2を検索しました。
8 Targetsの中から一番上のCHEMBL3553を選択します。下の方にあるLigand Efficienciesの

See all bioactivities for target CHEMBL3553 used in this visualization

っていう項目をクリックしてBrowse Activities を開きます。右の方にあるCSVのボタンをクリックすると化合物と活性情報のcsv fileをダウンロードできるようになります。
2022.12.27現在1,811 recordsでした。

Import Python Libraries and Load ChEMBL Data File

# import libraries
import pandas as pd
import platform
from rdkit.Chem import AllChem as Chem
from rdkit.Chem import Descriptors, Descriptors3D, QED, Draw, PandasTools
from rdkit.Chem.Draw import IPythonConsole
from rdkit import DataStructs

print('python version: ' + platform.python_version())
print(f'rdkit version: {rdBase.rdkitVersion}')

# ChEMBLからDLしたファイルの読み込み
df = pd.read_csv('./2022TYK2.csv',sep=';',)

# output
python version: 3.10.6
rdkit version: 2022.03.5

このままdfでデータを開くとわかりますが、数値データの中にstringのNoneがあったり、Smiles stringの中にNanがあったりでpandasの処理を実行できませんでした。
と言うわけで次項のクレンジングが必要になります。

Data Cleansing

# None(string)を0に変換
df = df.replace('None', '0')

# datatypeを変更　　
df['MW'] = df['Molecular Weight'].astype(float)
df['pChEMBL Value'] = df['pChEMBL Value'].astype(float)
df['AlogP'] = df['AlogP'].astype(float)
df['Ligand Efficiendy SEI'] = df['Ligand Efficiency SEI'].astype(float)
df['Ligand Efficiendy BEI'] = df['Ligand Efficiency BEI'].astype(float)
df['Ligand Efficiendy LE'] = df['Ligand Efficiency LE'].astype(float)
df['Ligand Efficiency LLE'] = df['Ligand Efficiency LLE'].astype(float)
df['Document Year'] = df['Document Year'].fillna('2025').astype(int)
df['#RO5 Violations'] = df['#RO5 Violations'].astype(int)
df['Molecule Max Phase'] = df['Molecule Max Phase'].astype(str)

# SmilesカラムのNanを空に変換
df['Smiles'] = df['Smiles'].fillna('')

AlogPとか計算できなかった場合Noneが入ってしまってるらしく、何かしらの値を入れないとvisualizationとかできません。
今回は0でreplaceしました。なので、可視化した時など値が0のものは注意が必要です。
Document Yearが入ってないものも時々あったりするんですが、わからないことがわかればいいので2025でreplaceしました。こちらも可視化した時にそういう理解が必要です。
(他にいい方法があったら教えてください)

構造式と骨格情報の追加

# SMILESからMol fileの追加
PandasTools.AddMoleculeColumnToFrame(df,'Smiles','Molecule_Image',includeFingerprints=True)

# Murcko Scaffoldの追加
PandasTools.AddMurckoToFrame(df, molCol='Molecule_Image', MurckoCol='Murcko_SMILES')
PandasTools.AddMurckoToFrame(df, molCol='Molecule_Image', MurckoCol='Murcko_generic_SMILES', Generic=True)
PandasTools.AddMoleculeColumnToFrame(df, molCol='Murcko_Mol', smilesCol='Murcko_SMILES')
PandasTools.AddMoleculeColumnToFrame(df, molCol='Murcko_generic_Mol', smilesCol='Murcko_generic_SMILES')

# 立体構造の追加
# df['AddHs'] = ddf['Molecule_Image'].apply(lambda x : AllChem.AddHs(x))
# df['3D'] = ddf['AddHs'].apply(lambda x : AllChem.EmbedMolecule(x, AllChem.ETKDGv3()))
# df['3D'] = ddf['AddHs'].apply(lambda x : AllChem.RemoveHs(x))
# df['NPR1'] = ddf['AddHs'].apply(lambda x : Descriptors3D.NPR1(x))
# df['NPR2'] = ddf['AddHs'].apply(lambda x : Descriptors3D.NPR2(x))

SmilesをMol filesにしておくとDataFrameのoutputだったりDraw.MolToImageで構造式を描画できます。
PandasToolsは.apply()いらないから楽でいいですね。

文献数と骨格情報のメモ

# 文献数
print("the number of Document ChEMBL ID is " + str(len(df['Document ChEMBL ID'].unique())))
# the number of Document ChEMBL ID is 134

# 骨格数情報 SMILESじゃないとなぜか反映されない
print("the number of Murcko generic scaffold is " + str(len(df['Murcko_generic_SMILES'].unique())))
# the number of Murcko generic scaffold is 419
print("the number of Murcko scaffold is " + str(len(df['Murcko_SMILES'].unique())))
# the number of Murcko scaffold is 651

どれくらい文献があって、SARが展開されてきたか、、、これだけじゃわからないので可視化したいですね。。。

Descriptorを追加

# descriptorの追加
df['TPSA'] = df['Smiles'].apply(lambda x : Descriptors.TPSA(Chem.MolFromSmiles(x)))
df['Ct HA'] = df['Smiles'].apply(lambda x : Descriptors.HeavyAtomCount(Chem.MolFromSmiles(x)))
df['Ct F'] = df['Smiles'].apply(lambda x : x.count('F'))
df['HBD'] = df['Smiles'].apply(lambda x : Descriptors.NumHDonors(Chem.MolFromSmiles(x)))
df['HBD_Ro5'] = df['Molecule_Image'].apply(lambda x : rdMolDescriptors.CalcNumLipinskiHBD(x))
df['HBA'] = df['Smiles'].apply(lambda x : Descriptors.NumHAcceptors(Chem.MolFromSmiles(x)))
df['HBA_Ro5'] = df['Molecule_Image'].apply(lambda x : rdMolDescriptors.CalcNumLipinskiHBA(x))
df['Ct RB'] = df['Smiles'].apply(lambda x : Descriptors.NumRotatableBonds(Chem.MolFromSmiles(x)))
df['Ct Ar'] = df['Smiles'].apply(lambda x : Descriptors.NumAromaticRings(Chem.MolFromSmiles(x)))
df['Fsp3'] = df['Smiles'].apply(lambda x : Descriptors.FractionCSP3(Chem.MolFromSmiles(x)))
df['QED'] = df['Molecule_Image'].apply(lambda x : QED.qed(x))

RDkitを使ってSmilesからDescriptor追加してみました。気が向いたら使ってみます。
df['new column'] = df['target column'].apply(lambda x : f(x))で計算カラムを追加するやり方はだいたいいつも忘れちゃいます。。。
こちらを参考にしてもらうといいかもです。

qiita.com

Summary of Data Table

df[df['Molecule Name'].notna()].filter(items=[
    'Molecule Name', 
    'Molecule ChEMBL ID',
    'Molecule_Image',
    'Molecular Weight',
    'pChEMBL Value',
    'AlogP',
    'Ligand Efficiency LLE',
    '#RO5 Violations',
]).head(3)

名前がついてるような化合物は上市薬だったりツールだったりで色々情報が多いと期待されるので、どんな感じか要約テーブルで見てみます。
df.filter(items=[column name])でカラムの順番を入れ替えれるのも地味に便利でした。

以上、とりあえずChEMBLからとってきたデータを解析できる状態に加工するところまででした。 KNIMEでも同じことはできるんですが、VScodeとかJupyterの方が早いし見やすいので気に入ってます。

次回に続きます

Dockerの全体像

Contents

新しい環境を構築する

docker hubからimageをpull

pullしたimageを参照

imageからコンテナを作ってrun

imageからcontainerを作ってbashで作業する

imageからcontainerにlocal volumeをマウントしてbashで作業する

imageからcontainerにlocal volumeをマウントしてjupyterのポートを割り当ててbashで作業する

Containerで作業する

containerのリストを表示

containerを起動する

起動中のcontainerに入って新しいbashで作業する (execute)

起動したままcontainerから抜ける (detach)

起動中のcontainerのbashに入って作業する

containerを停止して脱出する

環境を破棄する

コンテナをimageにcommit

docker_hubにログイン

imageをdocker hubのrepoにpush

containerを削除

imageを削除

dockerfileからimageをbuild

Reference

Docker超入門

ぷんたむの悟りの書

miniconda + conda-forgeで開発環境を揃える

統計値の作成

Count of Documents and Scaffold by Year

pChEMBL Value box by Year

Filtering by Molecular Name

Molecule Max Phase scatter by Year

Summary Table of Deucravacitinib

Targetを検索して化合物データをダウンロード

Import Python Libraries and Load ChEMBL Data File

Data Cleansing

構造式と骨格情報の追加

文献数と骨格情報のメモ

Descriptorを追加

Summary of Data Table