一种用于在美式手语和英语中识别潜在PLK1抑制剂的双语计算工作流程

一种双语计算工作流程。引言。研究表明，PLK1 在多种癌症中过表达。通过 PLK1 的极体盒结构域（PBD）抑制其活性已被证明可诱导细胞凋亡。

本研究的目标是鉴定具有理想药物特性和药代动力学性质的选择性PLK1-PBD抑制剂。对同源蛋白PLK2和PLK3采用相同的实验方案以评估其选择性。实验方案：靶标蛋白制备。

在此，我们利用 CHARMM-GUI 对来自蛋白质数据库（PDB）的 PLK1（4HCO）进行优化。这一步骤可确保该蛋白质不存在任何缺失的残基或氢原子。接下来，我们将使用该工具继续操作。

在输入生成器中，选择 PDB 阅读器操作器。向下滚动至输入框，确保已选择 PDB 选项，然后输入 PLK1 的编号 4HCO。

在下一页中，取消选择蛋白链 B，仅处理链 A。点击继续。向下滚动至 PDB 信息部分，然后继续。在四个输出结果中，我们选择 PDB 文件并将其保存。

最后，使用文本编辑器打开 PDB 文件。将组氨酸的质子化状态从 HSD 替换为 HIS。天然产物数据库筛选。

获取靶向PLK1的小分子样本的方法采用天然产物数据库，分为三个步骤。天然产物数据库内容广泛，因此初始化合物的选择基于特定疾病及置信度阈值。本示例中使用的是SuperNatural 3.0。

SuperNatural 3.0 可通过疾病选择获取分子。一种查询方式是通过人类通路。此处选择了乳腺癌。

该通路的 KEGG ID 如下所示。然后我们将 KEGG ID 输入至 SuperNatural 3.0 通路中。或者，我们也可以点击“疾病”，选择乳腺癌，并保存完整的结果文件。

在常见问题中，可以下载数据库的完整库。继续操作。继续解压压缩文件，获取 CSV 文件，并删除压缩包。打开 R Studio 或您选择的集成开发环境。

在将数据导入 R Studio 后，初始完整结果包含 73,046 个分子。应用置信区间后，分子数量减少至 1,193 个。采用聚类抽样方法。

使用 RDKit.Chem 软件包应用 Lipinski 五规则后，我们获得了 999 个分子。由此可见，我们共有 999 个分子。

接下来，我们采用K-means聚类方法获得50个代表性分子。聚类基于Tanimoto相似性，并进行蛋白质-配体对接和结合亲和力计算。

该方法的目标是将PLK1与每种配体进行对接以评估结合亲和力。请继续打开CB-Dock2，然后进入Dock标签页。

此处我们上传 4hco.pdb 作为对接的目标蛋白。请上传一个配体。

此处我们从配体一開始。或者，您可以键入或粘贴此 SMILES 字符串。请继续输入您的电子邮件地址，以便于数据收集。

随后，点击“自动盲对接”。结果将通过电子邮件发送。请保存对接结果的压缩文件。

保存后，解压该 zip 文件，其中包含多种文件。除 complex.pdb 文件外，删除所有其他文件。

应存在一个默认的五个复合物的 pdb 文件。通过删除未解压的 zip 文件来清理目录。

使用 CB-Dock2 完成蛋白质-配体对接（按 Vina 评分对构象进行排序）后，下一步是利用 PRODIGY 计算结合亲和力。通过 PRODIGY 计算结合亲和力可确保对蛋白质选择性进行具有竞争力的评估。理想情况是配体对 PLK1 具有选择性，而不作用于其结构同源物。

前往 PRODIGY 网络服务器。选择 PRODIGY-LIGAND 选项卡。参考一个复合物。

使用 pdb 文件确定蛋白质和配体链的标识符。用文本编辑器打开复合物的 pdb 文件。

该蛋白质的链标识符为 P，需将其输入至网络服务器中。配体链通常以 HETATM 开头，搜索该位置即可。

配体的链标识符为 A:UNL。该标识符将被输入到网络服务器中。每种蛋白质-配体组合提供的五个复合物将一次性上传。

此任务使用在 R 中开发的文件管理脚本。该脚本将所有对接组合的 pdb 文件进行压缩。压缩后，文件被手动上传至 PRODIGY。

继续提交 PRODIGY 配体。在上传的组合中，列出了每种五个构象的结合亲和力。Delta-Gnoelec 是排除静电计算后的结合亲和力评分。

继续保存结果，结果将以压缩包形式保存。解压后，输出文件夹中包含亲和力评分。ADMET-S 评估。

ADMET 评估（不含稳定性）涉及三种不同的工具。ADMET 利用超过 120 种性质来评估药物的可开发性与生物利用度。ORCA 采用密度泛函理论（DFT）来分析药物性质。

继续操作。创建一个用于稳定性的目录。获取小分子的SMILES字符串。

打开 Avogadro 或您选择的分子编辑器。使用 SMILES 字符串构建您的小分子。构建完成后保存分子。

确保其位于稳定性子目录中。然后进行几何优化。接下来，生成一个ORCA输入文件。

复制并粘贴所需的理论级别，例如从示例文档的第四行中所示的内容。接着替换默认的理论级别。然后生成文件。

保存在此稳定性文件夹中。添加 sh 文件或 bash 作业文件。继续自定义作业文件的参数。

例如，可自定义接收通知的电子邮件。代表性结果。首先，我们采用主成分分析（PCA）进行多维降维。

该图显示了用灰色椭圆圈出的不同编号的簇。接下来是配体1与PLK1-PBD的结合结果。左上方为绿色显示的配体1的示意图，其中不理想的残基以红色和橙色标出。

右侧是使用 CHARMM-GUI 进行清洗和准备后的代表性模型。下方是与 PLK1、PBD 及配体 1 对接形成的复合物。此外，CB-Dock2 展示了前五个对接空腔及其结合亲和力，以 Vina 评分形式呈现。

PRODIGY 预测的结合亲和力可通过热图进行可视化展示。该热图描绘了同源蛋白 PLK1、2 和 3 的作用。红色表示较弱且不理想的亲和力，绿色则表示相反情况。

ADMET-S 评估可以通过多种图形来表示。第一种是“煮鸡蛋图”，该热图通过绿色和红色分别标识配体针对不同代谢指标的抑制剂和非底物状态。

为评估清除情况，可使用折线图展示药物在表达前完成分布的理想时间阈值。多种指标也可汇总成实用的雷达图。每个配体中的毒性基团数量可用柱状图表示。

Toxtree 可输出基于 Cramer 决策树规则的药物毒性分类及定性推理结果。通过合适的 HOMO-LUMO 能隙阈值线形图，可展示分子的稳定性或反应活性。结论：综上所述，本实验方案适用于高中或本科阶段，整合了多种虚拟药物筛选、结合亲和力分析及 ADMET-S 工具。

本方案产生的结果有望提高有利药物发现的产量。