Grüezi,
早いもので，帰国まで1ヶ月を切ってしまいました．慣れてしまえばもう少し滞在したいような，でも物価の高さには相変わらず目眩もするし，正直多分虫歯が出来たっぽいしで帰国したいような，そんなどっち付かずの心持ちです．計画してた旅行の残りはコロナウィルスのせいでオールキャンセルなので，やっぱり心残りだなぁ．
さて，最近もっぱらVirtual Screeningなんかをやってるんですが，Libraryが大きくてなかなか終わりません．という訳で，KNIMEを使って合間に出来るPDBの情報収集方法の備忘録です．
今回はざっくりこんな感じのことが出来ます．
- RSC PDB Bankのサイトから取得したPDBの情報からリガンドをClusteringする
- Clusterごとの情報をExcelにExportする
- PDBをClusterごとにフォルダーにダウンロードする
今回紹介するNodeはこちら
- Workflowの全体像
- PDB connector
- Row Filter
- Fingerprints
- Distance Matrix Calculate
- k-Medolds
- Group Loop Start
- Value Counter
- TableRow To Variable
- String Manipulation (Variable)
- Excel Sheet Appender
- Variable Loop End
- Create Directory
- String Manipulation (Variable)
- PDB Saver
- Loop End
- Excel Reportからリガンドの確認
今回も，す(@sumtat_)さんのところのブログを大いに参考に(パクって)しています．いつも勉強になりますありがとうございます．
そんな訳で，今回も行ってみましょう．
Workflowの全体像
Workflowの左側でPDB情報を取得，Filtering，Clusteringを行なっています．分岐した上段では，クラスターごとに情報をグループ化してExcelにシートごとにExportしています．下段では，クラスターごとにDirectoryを作ってPDBファイルをダウンローとしています．
青で囲ったClusteringの部分が今回の肝ですが，思いっきりパクって使わせてもらってます．緑で囲った部分はClusterの命名に便利だなと思ったので採用(つまりパクリ)しましたが，他にいいアイディアがあれば代用していいと思います．つまり何が言いたいかというと，詳細な説明は先達に譲ります(!)．
PDB connector
今回はIDs and KeywordsタブのText Searchに"SARS-CoV-2 main protease"と入力しています．Report OptionsはStructure Summary, Ligands, Binding Affinity, Primary Citationをチェックしています．
Row Filter
MW＜100のリガンドをFilter Outしています．目的としては溶媒や添加剤，apo体を除くことです．なので，分子量をもう少し大きくしてもいいかもです．
Fingerprints
LigandのいわゆるFingerprintを作ってくれます．設定はパクったので，ぶっちゃけ詳細は説明できません...
Distance Matrix Calculate
同じく詳細は割愛します．
ざっくり言うと，前項で作ったFingerprintの距離を総当たりで計算して吐き出す，みたいなNodeらしいです．かの有名なTanimoto法でお願いします．
k-Medolds
このNodeでClusteringしてくれます．Partition Countで発生させるクラスターの数を選べます．今回はまんまパクって5個にしてます．
Group Loop Start
発生させたClusterを元にGroup化を繰り返すLoop Nodeです．上段も下段も設定は同じです．
Value Counter
Group化したClusterの中にあるLigandの数を数えます．
TableRow To Variable
Countした数を変数に変換します．特に設定不要です．
String Manipulation (Variable)
前項で発生させた変数を受けてStringを発生させます．今回は数えた数をそのままExcelのシート名にします．はい，まんまパクってます．
Excel Sheet Appender
ExcelにPDB情報をシートごとにまとめます．File名は自由に設定して，シート名を前項までに作った変数にします．add column headersにチェックしておいた方がいいです．
Variable Loop End
Loopの終わりを指定してあげます．
Create Directory
ClusterごとにPDBファイルを振り分けるDirectory(フォルダ)を作りたいのですが，ちょっとTrickyです．
Locationは前述のExcel Reportと同じ場所を指定しておきます．フォルダ名に変数を指定したいのですが，なぜかここに変数指定ボタンがないので，適当なダミー名(今回はa)を入力した上でFlow Variableのタブから改めて変数を指定します．
Directory名をTable To Variableで発生させたカラム名に指定します．
実行結果はこんな感じになればOKです．directory名に指定した変数(今回はクラスター内のLigandの数＋cmpds)が反映されています．
String Manipulation (Variable)
前項で発生させたdirectoryのValueをPDBの保存先に指定できればよかったのですが，残念ながら"file:"という文字列が先頭に付いてるのでPDB Saverの保存先に使えません．そこで，いつものString Manipulationで保存先を発生させます．Sheetnameを変数に使えばOKです．
PDB Saver
保存先として，Parent Directoryの変数に先ほど発生させたdirectoryを指定します．
保存に成功すると，実行結果の右端にtrueと表示されます．何かしらエラーがあった場合はFailsになります．
Loop End
Loop処理の終了を宣言します．
実行結果
2020/04/21現在で，実行結果はこんな感じになります．ちゃんと５つのClusterに分かれてPDBファイルが保存されました．あれ？11化合物あるはずなのにファイルは8つ？これは一つのファイルの中に，例えばA鎖とB鎖がある場合，リガンド数が2個とカウントされるためです．実際には一つのPDBファイルの中に格納されています．
PDB Saverの実行結果を見ると納得かと思います．
Excel Reportからリガンドの確認
さて，Excelを開いてみましょう．
ちゃんと5つのClusterごとにシートが作られてますね．数が一番多い60cmpdsのシートには，先日紹介したX-Chemのフラグメントスクリーニングの結果が含まれています．ExcelのFilter機能を使って絞り込むと，他にもリガンドが見つかりますね．前々回の記事で紹介したリガンドは，こんな感じで見つけてきました．
ついでに22cmpdsのシートも開いてみると，ここにはペプチドミミックのリガンドがまとまってました．中身がさっぱりわかってなくても，Clusteringが結構うまくいってるんだなぁと関心です．
こんな感じでClusterごとに振り分けたPDBファイルを必要な分だけPymolに読み込んでGroup化してやると，プロジェクト初期には有用だったりしないかなと思います．
今回みたいに取得した情報の振り分けを自動化出来ると，特許解析とかに応用出来ないのかなとか妄想中です．
ご参考までに．
追記）後から気が付いたんですが，Creat DirectoryとかしなくてもString Manipulationで保存Directoryを指定してやれば勝手にDirectoryが作成されました．まぁ，Variableの練習をしたってことでご愛嬌．
