Curation de bibliothèques chimiques computationnelles démontrée avec des acides alpha-aminés
Summary
Le but de ce protocole est de générer et d’organiser efficacement des bibliothèques de structures de petites molécules à l’aide de logiciels open source.
Abstract
La génération exhaustive de structures moléculaires a de nombreuses applications chimiques et biochimiques telles que la conception de médicaments, la construction de bases de données moléculaires, l’exploration de biochimies alternatives et bien d’autres. Mathématiquement parlant, ce sont des générateurs de graphes avec des contraintes chimiques. Sur le terrain, le générateur le plus efficace actuellement (MOLGEN) est un produit commercial, limitant son utilisation. Alternativement à cela, un autre générateur de structure moléculaire, MAYGEN, est un outil open-source récent avec une efficacité comparable à MOLGEN et la capacité pour les utilisateurs d’augmenter ses performances en ajoutant de nouvelles fonctionnalités. L’un des domaines de recherche qui peuvent bénéficier de ce développement est l’astrobiologie; Les générateurs de structure permettent aux chercheurs de compléter les données expérimentales avec des possibilités de calcul pour une biochimie alternative. Ce protocole détaille un cas d’utilisation pour la génération de structures en astrobiologie, à savoir la génération et la curation de bibliothèques d’acides alpha-aminés. En utilisant des générateurs de structures open source et des outils de cheminformatique, les pratiques décrites ici peuvent être mises en œuvre au-delà de l’astrobiologie pour la création et la conservation à faible coût de bibliothèques de structures chimiques pour toute question de recherche.
Introduction
La génération de structures moléculaires sert d’application pratique au problème général de la génération exhaustive de graphes; étant donné plusieurs nœuds (atomes) et des contraintes sur leur connectivité (par exemple, valences, multiplicités de liaison, sous-structures souhaitées/indésirables), combien de graphes connectés (molécules) sont possibles? Les générateurs de structures ont vu une application étendue dans la découverte de médicaments et le développement pharmaceutique, où ils peuvent créer de vastes bibliothèques de nouvelles structures pour le dépistage in silico 1.
Le premier générateur de structure, CONGEN, a été développé pour le premier projet d’intelligence artificielle en chimie organique, DENDRAL2 (abréviation de DENDRitic ALgorithm). Plusieurs logiciels successeurs de DENDRAL ont été rapportés dans la littérature; cependant, tous n’ont pas été entretenus ou efficaces. Actuellement, MOLGEN3 est le générateur de structure moléculaire de pointe. Malheureusement pour la plupart des utilisateurs potentiels, il s’agit d’une source fermée et nécessite des frais de licence. Ainsi, il y a eu le besoin d’un générateur de structure open-source efficace qui peut facilement s’adapter à des applications spécifiques. L’un des défis pour un générateur de structure efficace est la gestion de l’explosion combinatoire; à mesure que la taille d’une formule moléculaire augmente, la taille de l’espace de recherche chimique augmente de façon exponentielle. Une revue récente explore plus en détail l’histoire et les défis de la génération de structure moléculaire4.
Avant 2021, le générateur de molécules parallèles (PMG)5 était le générateur de structure open source le plus rapide, mais il était encore plus lent que MOLGEN par ordre de grandeur. MAYGEN6 est environ 47 fois plus rapide que PMG et environ 3 fois plus lent que MOLGEN, ce qui fait de MAYGEN le générateur de structure open source le plus rapide et le plus efficace disponible. Des comparaisons plus détaillées et des tests d’analyse comparative peuvent être trouvés dans le document présentant MAYGEN6. Une caractéristique clé du programme est son test lexicographique basé sur l’ordre pour les structures canoniques, une méthode ordonnée de génération de graphes basée sur l’algorithme schreier-Sims7 . Le logiciel peut être facilement intégré dans d’autres projets et amélioré pour les besoins des utilisateurs.
Comme MOLGEN et PMG, MAYGEN prend une formule moléculaire définie par l’utilisateur et génère toutes les structures possibles pour cette formule. Par exemple, si un utilisateur exécute MAYGEN avec la formule C5H12, MAYGEN générera toutes les structures possibles contenant cinq atomes de carbone et douze atomes d’hydrogène. Contrairement à son homologue open source PMG, MAYGEN peut également accueillir des formules moléculaires « floues » qui utilisent des intervalles au lieu de nombres discrets pour le nombre de chaque élément. Par exemple, si un utilisateur exécute MAYGEN avec la formuleC5-7H12-15, MAYGEN générera toutes les structures possibles qui contiennent entre cinq et sept atomes de carbone et douze et quinze atomes d’hydrogène, permettant une génération simple de structures avec un large éventail de compositions atomiques.
L’astrobiologie est l’un de ces domaines qui peuvent bénéficier de générateurs de structures moléculaires. Un sujet populaire en astrobiologie est l’évolution de l’alphabet des acides aminés partagé par toute la vie existante sur Terre. L’une des caractéristiques déterminantes du dernier ancêtre commun universel (LUCA) est son utilisation de vingt acides aminés génétiquement codés pour la construction des protéines 8,9. Sur la base de méta-analyses de travaux dans de multiples domaines 10,11,12, environ 10 de ces acides aminés (Gly, Ala, Val, Asp, Glu, Ser, Thr, Leu, Ile, Pro) se forment facilement dans des conditions abiotiques et constituent probablement l’alphabet des acides aminés des organismes pré-LUCA. Au fil du temps, cet alphabet « précoce » a été élargi en réponse à différents besoins structurels et fonctionnels. Par exemple, une revue récente de Moosmann13 affirme que l’ajout de membres plus récents des acides aminés génétiquement codés (à savoir Met, Tyr et Trp) a permis la survie dans des environnements riches en oxygène en empêchant la prolifération intracellulaire des espèces réactives de l’oxygène.
Une suite sans cesse croissante de techniques de chimie analytique permet de mieux comprendre les structures d’acides aminés qui peuvent se former dans des conditions abiotiques. Une revue récente14 par Simkus et d’autres détaille les méthodes utilisées pour détecter de nombreux composés organiques dans les météorites, ainsi que des composés organiques à partir de simulations in vitro des premiers environnements terrestres 15,16,17. La génération systématique de structures chimiques permet aux chercheurs d’explorer au-delà des composés organiques détectés par instrumentation, en peuplant l’espace structurel autour des « îles » structurelles identifiées par la chimie analytique. Dans le cas des acides aminés « précoces », cette génération systématique de structures montre des chimies protéiques possibles disponibles pour les débuts de la vie sans limiter l’exploration aux structures qui ont été détectées expérimentalement dans des conditions de synthèse abiotique. Avec des boîtes à outils de cheminformatique open source et des générateurs de structures efficaces tels que MAYGEN, la création et l’exploration de nouvelles bibliothèques de structures chimiques sont maintenant plus faciles que jamais et peuvent guider des recherches plus détaillées sur les chimies alternatives de la vie.
Protocol
Representative Results
Discussion
Une caractéristique des acides aminés « précoces » est un manque de soufre. Les méta-analyses mentionnées précédemment considèrent généralement que les acides aminés codés contenant du soufre (Cys et Met) ont été des ajouts relativement tardifs au code génétique, conclusions étayées par le manque d’acides aminés contenant du soufre dans les météorites et les expériences sur les tubes d’étincelles. Cependant, les composés organosulfurés sont facilement détectés dans les comètes et les météorites22, et la réanalyse des expériences de tubes d’étincelles utilisant le gaz H2S trouvé des acides aminés et d’autres composés organiques contenant du soufre16. Lorsque l’on envisage un alphabet alternatif d’acides aminés, un alphabet enrichi en soufre vaut la peine d’être exploré.
Dans le protocole ci-dessus, la génération de structure et le filtrage de sous-structure sont considérés comme des étapes critiques; selon la composition de la bibliothèque de structure finie, un chercheur peut n’avoir besoin que d’effectuer ces deux étapes. Des instructions et des logiciels pour des actions supplémentaires (remplacement de pseudoatome et ajout de sous-structures (dans ce cas, plafonnement d’acides aminés)) sont inclus pour un calcul de descripteur plus pertinent (le capsulage garantit que les calculs XLogP sont influencés par la chaîne latérale et non par les groupes amine ou carboxyle de base) et une génération de structure plus rapide via l’utilisation d’un pseudoatome, qui est discuté plus en détail ci-dessous. De plus, le calcul du descripteur est effectué ici comme un moyen facile de visualiser la diversité des structures générées et de comparer les effets de l’enrichissement en soufre dans les bibliothèques finies.
Alors que PaDEL-Descriptor peut calculer des milliers de propriétés moléculaires, le volume moléculaire (tel que calculé volume de van der Waals) et le coefficient de partition (comme XLogP) ont été utilisés ici pour deux raisons distinctes. Tout d’abord, ces deux descripteurs mesurent des propriétés moléculaires (taille et hydrophobicité, respectivement) qui sont familières à la plupart des chimistes et des biologistes. Deuxièmement, dans le cas des acides aminés, ces deux propriétés sont significatives. Pendant des décennies, la taille des acides aminés et l’hydrophobicité étaient connues pour influencer la thermodynamique du repliement des protéines23. Ces deux propriétés aident à expliquer les fréquences de substitution des acides aminés qui ont fait partie intégrante de la compréhension de l’évolution des protéines24.
L’exemple ci-dessus montre que, dans les deux descripteurs étudiés (volume moléculaire et hydrophobicité), substituer un soufre divalent à un carbone et deux hydrogènes n’entraîne pas de changements significatifs. La légère augmentation non significative du volume moléculaire moyen due à la substitution du soufre (Figure 3) pourrait être attribuée au rayon covalent plus grand du soufre (~103 pm) par rapport au carbone25 sp3 (~75 pm) ou sp2 (~73 pm). De même, la substitution du soufre a un effet minimal sur le XLogP moyen (Figure 4). L’effet le plus important a été entre les bibliothèques VAIL et VAIL_S, probablement en raison d’une combinaison de la bibliothèque VAIL étant particulièrement hydrophobe (les chaînes latérales ne sont que des hydrocarbures) et les groupes sulfhydryle étant beaucoup plus acides que les groupes méthyle qu’ils remplaceraient. L’effet minimal de la substitution du soufre est apparent dans la figure 2, où les bibliothèques avec substitution du soufre occupent le même espace chimique que les bibliothèques analogues sans substitution du soufre.
La diminution du nombre de structures (Figure 5A) et du temps nécessaire pour générer ces structures (Figure 5B) lors de l’utilisation d’un pseudoatome n’est pas surprenante. L’utilisation d’un pseudoatome réduit le nombre d’atomes lourds qui doivent être incorporés dans un graphique chimique, réduisant le nombre de nœuds de graphe et produisant des diminutions exponentielles du temps de génération et du nombre de structures. Ici, le choix du phosphore trivalent comme pseudoatome découle de la biochimie de base (en l’absence d’ajout post-traductionnel de groupes phosphate, aucun acide aminé génétiquement codé ne contient de phosphore) et de la valence de l’atome qui le remplacerait (un phosphore trivalent peut facilement être remplacé par un carbone tétravalent qui est lié individuellement à un autre atome ou groupe d’atomes). Bien que le code fourni pour la substitution des pseudoatomes soit spécifique pour remplacer un phosphore trivalent par une sous-structure d’alanine, les utilisateurs peuvent personnaliser le code pour qu’il fonctionne avec différents pseudoatomes ou sous-structures de remplacement, en utilisant potentiellement plusieurs pseudoatomes lors de la génération initiale de la structure, puis en remplaçant chaque pseudoatome par une sous-structure moléculaire plus grande.
Des méthodes de génération de structures similaires à celles employées par MAYGEN (et d’autres méthodes telles que les réseaux de neurones) sont déjà utilisées dans la découverte de médicaments pour générer des bibliothèques de composés pour le dépistage in silico ; une revue récente4 examine ces méthodes plus en détail. Comme ces méthodes sont principalement destinées à la création de molécules de type médicament, leur capacité à générer des molécules est limitée, par exemple en utilisant des propriétés biologiques ou pharmaceutiques pour limiter les structures créées (QSPR / QSAR inverse) ou en créant des structures à partir d’un nombre prédéfini de blocs de construction de sous-structure. Comme l’astrobiologie se concentre davantage sur la multitude de composés organiques qui peuvent se former de manière abiotique et moins sur les produits finaux ou leurs propriétés, la génération exhaustive de structures de MAYGEN est idéale pour créer des bibliothèques de structures pour répondre à des questions astrobiologiques. L’approche du filtrage de sous-structure décrite ici (effectuée après génération de structure via un programme externe) diffère du programme concurrent MOLGEN en ce que le filtrage de sous-structure de MOLGEN se produit lors de la génération de structure. Comme MAYGEN est open-source, non seulement il est plus accessible que MOLGEN en raison du coût de licence de MOLGEN, mais les individus pourraient implémenter de nouvelles fonctionnalités telles que le filtrage des sous-structures lors de la génération de structures.
Tel qu’il est écrit, le protocole décrit ici est axé sur la génération et la conservation de bibliothèques d’acides alpha-aminés relativement petits. Pour générer différentes bibliothèques, les utilisateurs peuvent donner différentes formules moléculaires à MAYGEN, modifier le filtrage de la sous-structure en modifiant la taille maximale autorisée de l’anneau et la valence de liaison, ou modifier les fichiers goodlist et badlist pour ajouter ou supprimer des modèles de sous-structure. Les modifications de protocole qui impliquent de changer la façon dont les atomes et les sous-structures sont ajoutés ou remplacés (substitution de pseudoatomes et capsulage moléculaire) sont réalisables, mais nécessiteront plus d’attention aux restrictions de valence pour éviter les erreurs RDKit sur les valences incorrectes dans les structures modifiées.
Le protocole détaillé ci-dessus est conçu pour les petits acides alpha-aminés. Cependant, le format général (génération complète de structures à l’aide de pseudoatomes, suivie d’un filtrage de sous-structure et de modifications moléculaires) est très flexible pour les composés au-delà des petits acides aminés. Même en astrobiologie, une procédure récente similaire utilisant MOLGEN a été utilisée pour étudier les isomères constitutionnels des acides nucléiques26. En plus des outils décrits ci-dessus, MAYGEN peut être associé à d’autres outils de cheminformatique open source pour rendre la création et l’analyse de nouvelles structures chimiques abordables et accessibles à un large éventail de domaines de recherche.
Declarações
The authors have nothing to disclose.
Acknowledgements
MAY reconnaît le financement de la Fondation Carl-Zeiss. Tous les chiffres ont été générés à l’aide de Microsoft Excel.
Materials
| conda v. 4.10.3 | https://www.anaconda.com/products/individual | ||
| Java 17 | https://java.com/en/download/help/download_options.html | ||
| MAYGEN v. 1.8 | https://github.com/MehmetAzizYirik/MAYGEN/releases | ||
| PaDEL-Descriptor v. 2.21 | http://www.yapcwsoft.com/dd/padeldescriptor/ | ||
| python v. 3.7.11 | included in Anaconda environment | ||
| RDKit v. 2020.09.1.0 | https://www.rdkit.org/docs/Install.html, or installed via conda: https://anaconda.org/rdkit/rdkit | ||
| *These specific versions were used for this manuscript; user can obtain more recent versions if available. |
Referências
- Ruddigkeit, L., van Deursen, R., Blum, L. C., Reymond, J. -. L. Enumeration of 166 billion organic small molecules in the chemical universe database GDB-17. Journal of Chemical Information and Modeling. 52 (11), 2864-2875 (2012).
- Buchanan, B. G., Feigenbaum, E. A., Webber, B. L., Nilsson, N. J. Dendral and Meta-Dendral: their applications dimension. Readings in Artificial Intelligence. , 313-322 (1981).
- Gugisch, R., Basak, S. C., Restrepo, G., Villaveces, J. L., et al. MOLGEN 5.0, A Molecular Structure Generator. Advances in Mathematical Chemistry and Applications. , 113-138 (2015).
- Yirik, M. A., Steinbeck, C. Chemical graph generators. PLOS Computational Biology. 17 (1), 1008504 (2021).
- Jaghoori, M. M., et al. PMG: multi-core metabolite identification. Electronic Notes in Theoretical Computer Science. 299, 53-60 (2013).
- Yirik, M. A., Sorokina, M., Steinbeck, C. MAYGEN: an open-source chemical structure generator for constitutional isomers based on the orderly generation principle. Journal of Cheminformatics. 13 (1), 48 (2021).
- Sims, C. C., Leech, J. Computational methods in the study of permutation groups. Computational Problems in Abstract Algebra. , 169-183 (1970).
- Mat, W. -. K., Xue, H., Wong, J. T. -. F. The genomics of LUCA. Frontiers in Bioscience. 13, 5605-5613 (2008).
- Fournier, G. P., Alm, E. J. Ancestral reconstruction of a pre-LUCA aminoacyl-tRNA synthetase ancestor supports the late addition of Trp to the genetic code. Journal of Molecular Evolution. 80 (3-4), 171-185 (2015).
- Higgs, P. G., Pudritz, R. E. A Thermodynamic basis for prebiotic amino acid synthesis and the nature of the first genetic code. Astrobiology. 9 (5), 483-490 (2009).
- Trifonov, E. N. Consensus temporal order of amino acids and evolution of the triplet code. Gene. 261 (1), 139-151 (2000).
- Cleaves, H. J. The origin of the biologically coded amino acids. Journal of Theoretical Biology. 263 (4), 490-498 (2010).
- Moosmann, B. Redox biochemistry of the genetic code. Trends in Biochemical Sciences. 46 (2), 83-86 (2021).
- Simkus, D. N., et al. Methodologies for analyzing soluble organic compounds in extraterrestrial samples: amino acids, amines, monocarboxylic acids, aldehydes, and ketones. Life. 9 (2), 47 (2019).
- Criado-Reyes, J., Bizzarri, B. M., García-Ruiz, J. M., Saladino, R., Di Mauro, E. The role of borosilicate glass in Miller-Urey experiment. Scientific Reports. 11 (1), 21009 (2021).
- Parker, E. T., et al. Primordial synthesis of amines and amino acids in a 1958 Miller H2S-rich spark discharge experiment. Proceedings of the National Academy of Sciences of the United States of America. 108 (14), 5526-5531 (2011).
- Bada, J. L. New insights into prebiotic chemistry from Stanley Miller’s spark discharge experiments. Chemical Society Reviews. 42 (5), 2186-2196 (2013).
- Yap, C. W. PaDEL-descriptor: An open source software to calculate molecular descriptors and fingerprints. Journal of Computational Chemistry. 32 (7), 1466-1474 (2011).
- SMARTS – A language for describing molecular patterns. Daylight Chemical Information Systems, Inc Available from: https://www.daylight.com/html/doc/theory/theory.smarts.html (2019)
- Meringer, M., Cleaves, H. J., Freeland, S. J. Beyond terrestrial biology: charting the chemical universe of α-amino acid structures. Journal of Chemical Information and Modeling. 53 (11), 2851-2862 (2013).
- Zherebker, A., et al. Speciation of organosulfur compounds in carbonaceous chondrites. Scientific Reports. 11 (1), 7410 (2021).
- Tanford, C. The hydrophobic effect and the organization of living matter. Science. 200 (4345), 1012-1018 (1978).
- Grantham, R. Amino acid difference formula to help explain protein evolution. Science. 185 (4154), 862-864 (1974).
- Cordero, B., et al. Covalent radii revisited. Dalton Transactions. (21), 2832-2838 (2008).
- Cleaves, H. J., Butch, C., Burger, P. B., Goodwin, J., Meringer, M. One among millions: the chemical space of nucleic acid-like molecules. Journal of Chemical Information and Modeling. 59 (10), 4266-4277 (2019).
