Vinardo 2: Optimizando las capacidades de docking y scoring de una función de puntuación basada en Autodock Vina

VILLARREAL, MARCOS A.; QUIROGA, RODRIGO

Buenos Aires

Simposio; 3er Simposio Argentino de Jóvenes Investigadores en Bioinformática; 2018

RSG-Argentina

El acoplamiento molecular o docking es un método computacional que utiliza la estructura tridimensional de una proteína y de un ligando para predecir la posición, orientación y conformación más probable (pose) con la cual el ligando dado puede interaccionar con la proteína, y la energía correspondiente a esa interacción.La función de puntuación empírica Vina es probablemente una de las más completas que existen para estas tres aplicaciones recién mencionadas. Está implementada en varios programas de código abierto y es muy utilizada, con más de 6300 citas según Google Scholar. Sin embargo desde su publicación en el año 2010 ha tenido desarrollo casi nulo.Recientemente publicamos la primera versión de nuestra función de puntuación, Vinardo, que tiene menor número de parámetros que Vina, mayor fundamento físico-químico, produce mejores resultados en docking, mayor exactitud en el scoring, y una ligera pero consistente mejora en la capacidad de cribado virtual. La principal innovación en su desarrollo fue el método de entrenamiento utilizado.Presentamos aquí nuestros últimos resultados en el desarrollo de Vinardo 2, dónde incorporamos una mejor descripción de la interacción por puente hidrógeno, utilizando una clasificación de donores y aceptores entre fuertes y débiles, en relación a si son mejores o peores donores o aceptores que el agua. Por otro lado, mejoramos el cálculo de la energía de solvatación, incorporando un nuevo parámetro de solvatación para átomos aromáticos.Adicionalmente, observamos que Vina, Vinardo, LeDock, X-Score y CyScore tienen una pobre capacidad de scoring en un dataset de metaloproteínas y/o ligandos con grupos sulfonamida o poli-fosfatos. Para mejorar el scoring en estos datasets, incorporamos nuevos tipos de átomos a Vinardo 2 para poder representar mejor las propiedades fisico-químicas de los átomos que conforman estos grupos funcionales así como también los metales.Vinardo 2 es un nuevo paso adelante en funciones de puntuación semi-empíricas, y mejora la capacidad de scoring y de docking de Vinardo.