2. Preprocesamiento de archivo PDB antes de realizar dinámica molecular¶
Vamos a realizar una simulación de dinámica molecular de la proteína prM del virus del Dengue (PDB ID: 3c5x) para replicar las condiciones biológicas en las que esta proteína se encuentra y obtener una estructura estable. Para esto usaremos el archivo 3c5x.pdb que se encuentra en la carpeta _files dentro del directorio raíz del repositorio de GitHub
2.1 Los archivos del Protein Data Bank (PDB) tienen una nomenclatura por defecto para los aminoácidos. En esta nomenclatura, la cysteína se nombra como CYS. Sin embargo, en algunos programas de simulación como Amber la nomenclatura de los aminoácidos es diferente. Para que el programa pueda reconocer los aminoácidos de cisteína, estos se deben nombrar como CYX en lugar de CYS. Usando los conocimientos adquiridos en el curso, transformar el nombre de todos los aminoácidos de cisteína del archivo 3c5x.pdb de CYS a CYX y guardar el nuevo archivo como 3c5x_cyx.pdb en la carpeta _files.
2.2 Las primeras 579 líneas del archivo 3c5x.pdb son informativas y no son parte de la secuencia que necesita el programa para realizar la simulación. Por tanto, queremos reemplazar el nombre CYX por CYS de las primeras 579 líneas del archivo 3c5x_cyx.pdb creado previamente, y guardar el nuevo archivo como 3c5x_cyx_cys.pdb en la carpeta _files.
2.3 Las primeras 579 líneas son solamente informativas y no influyen en la simulación de la proteína. Por tanto, queremos eliminar las líneas 4-579 del archivo 3c5x_cyx_cys.pdb y guardar el nuevo archivo como 3c5x_cyx_cys_clean.pdb en la carpeta
2.4 Además de la información de los aminoácidos de las proteínas, los archivos PDB suelen tener información sobre átomos especiales como metales o puentes de hidrógeno, que se identifican con el código HETATM al inicio de las líneas. Supongamos que en nuestra simulación no nos interesan estos átomos y queremos eliminarlos del archivo 3c5x_cyx_cys_clean.pdb y guardar el nuevo archivo como 3c5x_no_HETATM.pdb en la carpeta _files.
2.5 Otros datos que se muestran en los archivos PDB son los puentes disulfuro entre átomos S de los aminoácidos de cisteína, que se identifican con el código CONECT al inicio de las líneas. Supongamos que también queremos eliminar esta información del archivo 3c5x_no_HETATM.pdb y guardar el nuevo archivo como 3c5x_no_HETATM_CONN.pdb en la carpeta _files.
2.6 Los archivos PDB suelen tener más de una cadena en su estructura proteica. Para establecer el fin de una cadena y el inicio de otra, en estos archivos se usa el código TER. Busca el número de línea en el que finaliza la cadena A y empieza la cadena C del del archivo 3c5x_no_HETATM_CONN.pdb.
2.7 Ahora que conocemos el número de línea en la que termina la cadena A y empieza la cadena C del archivo 3c5x_no_HETATM_CONN.pdb, queremos separar las dos cadenas y colocar su información en dos archivos diferentes llamados 3c5x_cadA.pdb y 3c5x_cadB.pdb en la carpeta _files.
2.8 Intenta juntar los comandos de los ejercicios 1.1 a 1.5 usando piping y aplica esta secuencia de comandos al archivo 3c5x.pdb. Guarda el archivo final en un fichero llamado 3c5x_procesado.pdb en la carpeta _files. Usa el comando diff para verificar que los archivos 3c5x_procesado.pdb y 3c5x_no_HETATM_CONN.pdb son iguales.