P2Rankを用いた蛋白質のポケット探索 | Apptainer on WSL2

※ コードブロック における 🦐 は、プロンプトを表している

🦐 はじめに

ある蛋白質分子においてリガンド分子 (e.g., 低分子化合物) が結合する領域やくぼみのことを「ポケット」という。

創薬研究において標的蛋白質の構造が手元にあるときに、その蛋白質のligandableな (あるいはdrugableな) ポケットをin silicoで推定したいという要求はままあるだろう (あるよね？)。

世の中には様々なポケット探索ツールがたくさんあるが、今回はオープンソースソフトウェアのなかでも導入しやすく使いがってもよい機械学習ベースの P2Rank について紹介する。

Ligand binding site prediction from protein structure has many applications related to elucidation of protein function and structure based drug discovery. It often represents only one step of many in complex computational drug design efforts. Although many methods have been published to date, only few of them are suitable for use in automated pipelines or for processing large datasets. These use cases require stability and speed, which disqualifies many of the recently introduced tools that are either template based or available only as web servers.

We present P2Rank, a stand-alone template-free tool for prediction of ligand binding sites based on machine learning. It is based on prediction of ligandability of local chemical neighbourhoods that are centered on points placed on the solvent accessible surface of a protein. We show that P2Rank outperforms several existing tools, which include two widely used stand-alone tools (Fpocket, SiteHound), a comprehensive consensus based tool (MetaPocket 2.0), and a recent deep learning based method (DeepSite). P2Rank belongs to the fastest available tools (requires under 1 s for prediction on one protein), with additional advantage of multi-threaded implementation.

Krivák, R. et al. J. Cheminform. (2018) | P2Rank: machine learning based tool for rapid and accurate prediction of ligand binding sites from protein structure

本記事では Apptainer (旧 Singularity ) を用いた環境構築方法を例として示すが、正直 Apptainer を使う必要性はないのでご安心を。

以下、本記事を執筆した際の環境。

	specifications
CPU	Ryzen 7 5700X (AMD)
グラフィックボード	GeForce RTX 2080 Ti VENTUS GP OC (MSI)
メモリ	DDR4-3200 16 GB×2 (Crucial)

	version
Windows 10	22H2
NVIDIA グラフィクス ドライバー	528.49
WSL2	1.0.3.0
AlmaLinux 8 on WLS2	8.7
Apptainer	1.1.5-2.el8

WSL2 上の AlmaLinux 8 に Apptainer 環境を構築する手順については、 以下の記事をご参照ください。
Zenn | AlmaLinux 8 on WSL2にApptainer環境 (with GPU) を構築する

🦐 P2Rank実行コンテナの構築

P2Rank はなんとLinux、macOS、およびWindows向けのバイナリパッケージをGitHubで配布してくれている (Linux 以外のバイナリについては使ったことないけど……)。

バイナリパッケージを利用するための依存環境は Java 8 to 18 および PyMOL ver. 1.7 (or newer) で、PyMOL については結果を表示するためなので、実質必要なのは Java 8 to 18 環境である。

以上を踏まえて、任意のディレクトリ (例として ~/apps/apptainer_image/def_file ) にコンテナイメージビルドのための P2Rank.def を作成する。

~/apps/apptainer_image/def_file/P2Rank.def

BootStrap: docker
From: ubuntu:20.04

%post
  # localtime関係のWARNINGに対処
  touch /etc/localtime
  
  # リポジトリを富山大学に変更
  sed -i.bak -e 's|archive.ubuntu.com|ubuntutym.u-toyama.ac.jp|g' /etc/apt/sources.list

  # P2Rankに必要なパッケージのインストール (冗長)
  apt update && apt upgrade -y
  apt install -y build-essential default-jre curl
  
  # localeにen_US.UTF-8を追加する (WSL2だけで使用するなら不要)
  apt install -y locales
  locale-gen en_US.UTF-8
  
  # P2Rankのインストールディレクトリの作成
  mkdir -p /usr/local/apps
  
  # P2Rankをインストールする
  cd /usr/local/apps
  curl -L -O https://github.com/rdk/p2rank/releases/download/2.4/p2rank_2.4.tar.gz
  tar -xvf ./p2rank_2.4.tar.gz
  
  # P2Rankのlogファイルの出力先を変更
  sed -i -e 's|$INSTALL_DIR|$HOME/.p2rank|g' ./p2rank_2.4/prank
  
  # 不要なファイルの削除
  rm -f ./p2rank_2.4.tar.gz
  
%environment
  # P2Rank用のPATHを設定
  export P2RANK_HOME="/usr/local/apps/p2rank_2.4"
  export PATH="${P2RANK_HOME}:${PATH}"

%runscript
  # "$@"でprankの引数を利用するための設定
  prank "$@"

P2Rank (ver. 2.4) の仕様として、インストールディレクトリ、つまり /hoge/p2rank_2.4 内に prank.log というログファイルを出力する (今後の更新で修正予定らしい)。そのまま使用するとコンテナ実行時にコンテナ内への書き込みが生じエラーになるため、~/.p2rank/log に出力するように改変している。

ちなみに apptainer run の際に --writable-tmpfs をつければ改変なしで動く (ただし prank.log は残らない)。

作成した P2Rank.def を基に、P2Rank 実行コンテナ P2Rank.sif を以下のコマンドでビルドする。

# P2Rank.defに基づいてP2Rank実行コンテナイメージをビルド
🦐 cd ~/apps/apptainer_image
🦐 apptainer build ./P2Rank.sif ./def_file/P2Rank.def

以下のように ~/.bashrc や ~/.zshrc に alias を作成しておくと便利。

~/.zshrc

# P2Rank
export APPTAINER_IMAGE="${HOME}/apps/apptainer_image" 
alias prank="apptainer run ${APPTAINER_IMAGE}/P2Rank.sif"

🦐 P2Rankを使ってみる

SARS-CoV-2 3CL proteaseの結晶構造 ( PDB code: 7VU6 ) に対して P2Rank を用いたポケット探索をやってみる。

# 任意の作業ディレクトリに移動
🦐 cd ~/Documents/p2rank/7VU6

# PDBから7VU6の構造をダウンロードする
🦐 curl -O -L http://www.rcsb.org/pdb/files/7vu6.pdb

7vu6.pdb のA鎖および蛋白質のみを抽出したファイルを 7vu6_A_noHET.pdb として保存した (今回はテストのためリガンドや水分子を取り除いているが、本来は不要)。

7vu6_A_noHET.pdb に対して以下のように prank predict コマンドを用いてポケット探索を実行する。

# P2Rankの実行
🦐 prank predict -f ./7vu6_A_noHET.pdb -o ./7vu6_A_noHET

-f にはインプットする .pdb ファイルを、-o にはアウトプット先のディレクトリを指定する。

アウトプットディレクトリの visualizations ディレクトリに .pml ファイルが出力されるのでこれを PyMOL で開くと、以下のように予測されたポケットが可視化される。

結晶構造におけるリガンド結合領域がちゃんとポケットとして推定されている。

裏側はこんな感じ。

ちなみに P2Rank は .pdb 中の b-factor カラムの値を予測に利用する仕様になっていて、結晶構造以外、つまりcryo-EM、NMR、あるいはAlphaFold由来の構造については b-factor カラムの情報を使わせないように、以下のように -c オプションを指定することが推奨されている。

# P2Rankの実行 (for cryo-EM, NMR, or AlphaFold structure)
🦐 prank predict -c alphafold -f input.pdb -o output_dir