专栏名称: 生信菜鸟团
生信菜鸟团荣誉归来,让所有想分析生物信息学数据的小伙伴找到归属,你值得拥有!
目录
相关文章推荐
生物探索  ·  Nature Methods | ... ·  3 天前  
BioArt  ·  Protein & Cell观点 | ... ·  4 天前  
BioArt  ·  Dev Cell | ... ·  5 天前  
生物探索  ·  Nature | ... ·  1 周前  
生信菜鸟团  ·  读悉达多·穆克吉新作《细胞传》 ·  1 周前  
51好读  ›  专栏  ›  生信菜鸟团

网络药理学—药学新人的理解与探索(一)

生信菜鸟团  · 公众号  · 生物  · 2024-11-19 22:51

正文

hello呀我的老baby们。牛马限时回归大放送了。是不是好久没有看到我了,现在我确实没有做临床医生岗位了,但是也不重要,临床医生也不是我的宿命。有的人说你学了10多年的医生,你不干医生了,balabala,但是又能怎么样呢?此十年,彼十年,人生又有多少个十年?或许激流勇进是个褒义词,可以比喻一个人的斗志非常的厉害,说明他有上进心,但是激流勇退难道不是吗?这需要一定的思考。至于这种思考是什么样的,或许只有我自己才知道吧。好了,三言两语无法说出自己的选择,至于每个人的选择究竟是啥,我想还是应该由每个人自己来决定。只选你想做的,你喜欢的,至于撞不撞墙,再说,先去做,即使是一坨屎,但是至少开始了,不是么?

大家都知道我选择了新的行业,药学研究,所以呢,今天分享点和本专业相关的内容,就是如何进行molecular docking

经过我的摸索和总结,我把这个也总结出一个套路:查-变-接。

:通过网站查询你感兴趣的药物,比如简单的例子,我举一个,陈皮,毕竟在广东来说这个很常见。

1.1 在tcmsp数据库查找到陈皮的数据结构和分子式

选择OB大于等于30%,DL≥0.18的化合物,至于为啥这么做,感兴趣的可以看看下面的这篇综述。↓↓↓

简单的举例子,在这个陈皮的药物中我们就选择一下,操作完之后是这样的。

才5个有效成分可以被我们应用。这个里面我们就选择第二个,很常见的一个东西:naringenin,他的中文名字叫做柚皮素,大家应该都听过吧,这个东西。就是点这个蓝色的柚皮素的字体就好了。然后注意一下我的下面这个图,一个方框一个圈↓↓↓

这里注意一下,一个是那个号码,这个号码挺关键的,因为在计算机领域,你可以根据这个号码得到这个SMILES,这个里面你点开看一下就知道了,这里面是一堆关于这个成分的结构的描述。找到下面的这个↓

这个就是这个陈皮中柚皮素的有效成分的SMILES号了,当然也有的有效成分不提取,这时候我们就要下载一下那个结构图形,然后去navopro网站进行查找,类似于这样的↓ https://www.novopro.cn/tools/

这里可以找到一个小工具

然后上传到我们刚才下载的分子结构图就可以了,得到了这个SMILES号:O=C1C[C@@H](c2ccc(O)cc2)Oc2cc(O)cc(O)c21其实跟前面的那个样子式一样的。得到这个之后,我们才完成了第一步,就是陈皮中有一个成分是柚皮素,但柚皮素中有哪些有效成分发挥作用呢?是不是还需要继续研究一下?于是我们可以在swissadme这个网站里面,输入刚才搞好的smiles号,↓↓ 然后点击RUN

搞好了之后发现是不是有很多内容,所以我们有两个评判标准,跟下图的圈圈一样,药代动力学这个地方得是high,就是你得是高发挥效用得,然后下面得药物相似性至少有两个以上得yes,想想看如果不满足这两个条件,那还做个毛线啊?

通过这种方式呢,可以知道总共有几个成分是有效的,还记得我们刚才选了5个,分别跑一下就知道了,但我懒得跑了。你们可以自己研究研究。至少我可以告诉你们,第二个就不行,他的药代动力学是low的。

这属于第一部的操作流程,先整理到这,当然了这只是第一步的第一步,因为找到了有效成分还不行,还要找到对应的基因吧?毕竟我们对基因比较熟悉。在哪里找呢,在下面的网站swisstargetpredication寻找基因。注意一下这个基因是这个有效成分的靶点基因啊。你要理解一下这个内容。

这一步骤是相对来说较慢的,等一会就会出现一个图,

然后把他下载下来,保存为excel格式。但是其实这里是有个问题的,因为这个基因很多,我在这里做了一个步骤就是用自己数据集取了差异基因。这样我缩小了很大的范围,鉴于是我们课题组自己的数据,我就不给大家展示了。总之就是可以画出来一个简单的韦恩图交集。然后准备工作做完了,我们就可以准备画图了。好了今天先分享这么多吧。后面等我慢慢的进行整理,太累了,疲惫不堪的学生狗。明天主要讲cytoscope软件的画图。okay,拜拜。





文末友情宣传

强烈建议你推荐给身边的博士后以及年轻生物学PI,多一点数据认知,让他们的科研上一个台阶: