ゲノムデータの解釈は、生物学的プロセスの分子メカニズムを理解する上で極めて重要である。タンパク質構造は、遺伝子をコードする変異体に機能的な背景を与えることにより、この解釈を容易にする上で重要な役割を果たす。しかし、遺伝子とタンパク質の対応付けは、データ形式の不一致のために、面倒でエラーが起こりやすい作業である。過去20年の間に、アノテーションされた位置やバリアントをタンパク質構造に自動的にマッピングするためのツールやデータベースが数多く開発されてきた。しかし、これらのツールのほとんどはウェブベースであり、大規模なゲノムデータ解析には適していない。
この問題を解決するために、PythonとRで開発されたスタンドアローンのコマンドラインツールである3Dmapperを紹介する。このツールは、アノテーションされたタンパク質の位置とバリアントをタンパク質構造に体系的にマッピングし、効率的で信頼性の高いソリューションを提供する。
https://github.com/vicruiser/3Dmapper/wiki
Tutorial
https://github.com/vicruiser/3Dmapper/wiki/Tutorial-mode
インストール
condaでpython3.7の環境を作ってテストした。
依存
mamba create -n 3Dmapper python=3.7 -y
conda activate 3Dmapper
git clone https://github.com/vicruiser/3Dmapper.git
cd 3Dmapper
pip install .
sh r_dependencies.sh
> makestructuraldb -h
usage: makestructuraldb [-h] --pdb <String> [<String> ...] --blast_db <String>
[-o <String>] [-d <String>] [-t <String>] [-e <float>]
[--pident <float>] [-c <float>]
[--interaction <String>] [--biolip] [-p] [-j <int>]
----------------------------------------------------
____ _____
|___ \| __ \
__) | | | |_ __ ___ __ _ _ __ _ __ ___ _ __
|__ <| | | | '_ ` _ \ / _` | '_ \| '_ \ / _ \ '__|
___) | |__| | | | | | | (_| | |_) | |_) | __/ |
|____/|_____/|_| |_| |_|\__,_| .__/| .__/ \___|_|
| | | |
|_| |_|
----------------------------------------------------
optional arguments:
-h, --help show this help message and exit
--pdb <String> [<String> ...]
PDB file path
--blast_db <String> proteome files path (output of makeblastdb)
-o <String>, --out <String>
output directory
-d <String>, --dist <String>
inter-residue distance threshold in angstroms (5 by
default)
-t <String>, --int-type <String>
interface definition. Options are: 'noh' (by default)
to calculate distance considering heavy atoms only;
'h' to compute hydrogen bonds; 'calpha' to compute CA-
CA distance; 'cbeta' to measure distances between CB-
CB (CA in the case of Glycine); 'sidechain' consider
atoms only from sidechains; 'backbone' to calculate
distances between atoms in the backbone only; or 'all'
to calcule interfaces between any possible atom
-e <float>, --evalue <float>
e-value threshold in BLAST. Default is 1e-7.
--pident <float> percent identity threshold between query (pdb chain)
and hit (protein) sequences. Default is 20 percent
-c <float>, --coverage <float>
percent coverage threshold of the protein sequence
(how much of the protein sequence is covered by the
PDB sequence). Default is 0 percent
--interaction <String>
Interaction type: 'protein', 'ligand', 'nucleic',
combination of the previous separated by space, or
'all' (by default)
--biolip consider BioLiP list
(https://zhanggroup.org/BioLiP/ligand_list) to remove
artifact ligands? Default is False
-p, --parallel Parallelize process
-j <int>, --jobs <int>
number of jobs to run in parallel
-----------------------------------
| >>>Publication link<<<<< |
| victoria.ruiz.serra@gmail.com |
-----------------------------------
> makevariantsdb -h
$ makevariantsdb -h
usage: makevariantsdb [-h]
(-vf <String> [<String> ...] | -maf <String> [<String> ...])
[-f] [-o <String>] [-s] [-p] [-j <int>]
----------------------------------------------------
____ _____
|___ \| __ \
__) | | | |_ __ ___ __ _ _ __ _ __ ___ _ __
|__ <| | | | '_ ` _ \ / _` | '_ \| '_ \ / _ \ '__|
___) | |__| | | | | | | (_| | |_) | |_) | __/ |
|____/|_____/|_| |_| |_|\__,_| .__/| .__/ \___|_|
| | | |
|_| |_|
----------------------------------------------------
optional arguments:
-h, --help show this help message and exit
-vf <String> [<String> ...], --varfile <String> [<String> ...]
input VCF, VEP or VEP-like file(s)
-maf <String> [<String> ...], --maf_file <String> [<String> ...]
input MAF file(s)
-f, --force force to owerwrite? Inactive by default
-o <String>, --out <String>
output directory. Default is current directory.
-s, --sort sort input file to split
-p, --parallel Speed up running time. Depends on GNU Parallel. O.
Tange(2011): GNU Parallel - The Command-Line Power
Tool, login: The USENIX Magazine, February 2011:
42-47.
-j <int>, --jobs <int>
number of jobs to run in parallel
-----------------------------------
| >>>Publication link<<<<< |
| victoria.ruiz.serra@gmail.com |
-----------------------------------
> mapper -h
usage: mapper [-h]
(-pid <String> [<String> ...] | -vid <String> [<String> ...])
-psdb <String> -vdb <String> [-o <String>] --id_mapping <String>
[-i <String> [<String> ...]] [-c <String> [<String> ...]]
[-d <float>] [--pident <int>] [-e <int>] [-f | -a] [-p]
[-j <int>] [-v] [-l] [-csv] [-hdf]
----------------------------------------------------
____ _____
|___ \| __ \
__) | | | |_ __ ___ __ _ _ __ _ __ ___ _ __
|__ <| | | | '_ ` _ \ / _` | '_ \| '_ \ / _ \ '__|
___) | |__| | | | | | | (_| | |_) | |_) | __/ |
|____/|_____/|_| |_| |_|\__,_| .__/| .__/ \___|_|
| | | |
|_| |_|
----------------------------------------------------
optional arguments:
-h, --help show this help message and exit
-pid <String> [<String> ...], --prot-id <String> [<String> ...]
one or more IDs of protein, transcripts or genes
provided via command line or from a file
-vid <String> [<String> ...], --var-id <String> [<String> ...]
single or list of variants ids provided via command
line or from a file
-psdb <String> interfaces database directory
-vdb <String>, --vardb <String>
variants database directory
-o <String>, --out <String>
output directory
--id_mapping <String>
File that contains the conversion of protein,
transcripts and gene IDs and optionally APPRIS
isoforms IDs.
-i <String> [<String> ...], --isoform <String> [<String> ...]
if available in the ID mapping file, this parameter
can filter by a single or a list of APPRIS isoforms.
The principal isoform is set by default. Options are:
principal1, principal2, ...
-c <String> [<String> ...], --consequence <String> [<String> ...]
filter by variant or position consequence type
-d <float>, --dist <float>
threshold of interface maximum distance allowed in
angstroms. By default, the maximum value will be the
one selected in makeinterfacedb
--pident <int> threshold of sequence identity (percertage)
-e <int>, --evalue <int>
threshold of evalue
-f, --force force to owerwrite? Inactive by default
-a, --append Two or more calls to the program write are able to
append results to the same output file.
-p, --parallel Parallelize process
-j <int>, --jobs <int>
number of jobs to run in parallel
-v, --verbose Print progress.
-l, --location Map all variants and detect their location.
Output format:
-csv Write the mapped data to a CSV file.
-hdf Write the mappedd data to an HDF5 file using HDFStore.
-----------------------------------
| >>>Publication link<<<<< |
| victoria.ruiz.serra@gmail.com |
-----------------------------------
> makevisualization -h
----------------------------------------------------
____ _____
|___ \| __ \
__) | | | |_ __ ___ __ _ _ __ _ __ ___ _ __
|__ <| | | | '_ ` _ \ / _` | '_ \| '_ \ / _ \ '__|
___) | |__| | | | | | | (_| | |_) | |_) | __/ |
|____/|_____/|_| |_| |_|\__,_| .__/| .__/ \___|_|
| | | |
|_| |_|
----------------------------------------------------
-----------------------------------
| >>>Publication link<<<<< |
| victoria.ruiz.serra@gmail.com |
-----------------------------------
⡀⠀ Loadingusage: makevisualization [-h] -p <string> [<string> ...] [--pdb_list]
[-i <string>] [-s <string>] [-o <string>]
[-n <string>] [-it <string>] [-l <string>]
[-bg <string>] [-ns] [-mol <string>] [-is <string>]
[-f]
makechimerax generates ChimeraX scripts of the provided PDB code(s) from the
data contained in the mapped file generated by 3Dmapper.
optional arguments:
-h, --help show this help message and exit
-p <string> [<string> ...], --pdb_code <string> [<string> ...]
PDB code/s to be found within the mapped file. If
assembly is not included it will generate a script for
all mapped assemblies of that PDB code.
--pdb_list Specifies that PDBs provided are in a file, sepparated
by spaces, tabs or new lines.
-i <string>, --interface_positions <string>
File containing the variants mapped to interfaces
generated by 3Dmapper.
-s <string>, --structure_positions <string>
File containing the variants mapped to protein
structure generated by 3Dmapper.
-o <string>, --output <string>
Output folder in which the ChimeraX script/s will be
saved.
-n <string>, --name <string>
Base name for the ChimeraX scripts.
-it <string>, --inter_type <string>
If interfaces are available, filter by specified
interaction type (ligand, protein or nucleic).
-l <string>, --lighting <string>
Select lighting option: full, soft or simple.
-bg <string>, --background <string>
Select background option: white or black.
-ns, --no_silhouette Display will not present silhouettes.
-mol <string>, --mol_style <string>
Select option for molecule style: ball, sphere or
stick.
-is <string>, --itf_style <string>
Select option for molecule style of the interfaces
displayed: ball, sphere or stick.
-f, --force Force to overwrite?
実行方法
3Dmapperは、構造データベースとバリアントアノテーションファイルの生成から始まり、バリアントのタンパク質構造へのマッピング、そしてChimeraXを使った結果の可視化でパイプラインは終了する。使用するには、クエリのPDBファイルと問い合わせ先のタンパク質セットのBLAST DBが必要。チュートリアルの流れを確認する。
１、BLAST DB作成
チュートリアルでは、BLAST+のmakeblastdbコマンドを使ってEnsembl ID:
ENST00000367182 & ENST00000374005のヒト転写産物のタンパク質データベースを作成している（実行後のDBはcloneした3Dmapper/example/1-makestructuraldb/に含まれている）。チュートリアル通りコマンドを実行するなら以下の通り。
#1 change direcotry
cd 3Dmapper/example/1-makestructuraldb/
#2 download human proteome (20,598 seqs)
wget https://ftp.uniprot.org/pub/databases/uniprot/current_release/knowledgebase/reference_proteomes/Eukaryota/UP000005640/UP000005640_9606.fasta.gz
gzip -dv UP000005640_9606.fasta.gz
#3 run makeblastdb commnad
makeblastdb -in UP000005640_9606.fasta -dbtype prot -out human_proteome_uniprot
human_proteome_uniprot.phr、human_proteome_uniprot.pin、human_proteome_uniprot.peqが出来る。
２，構造DB作成
makestructuraldbコマンドを使用する。”--pdb”でPDBファイルあるいはCIF形式ファイルのパスを１行ずつ記載したテキストを指定する。"--blast_db"で１のBLAST DBを指定する。
makestructuraldb --pdb input_pdbs.txt --blast_db human_proteome_blastdb/human_proteome_uniprot --pident 95 -o outdir
-
--blast_db proteome files path (output of makeblastdb)
-
--pident percent identity threshold between query (pdb chain) and hit (protein) sequences. Default is 20 percent
-
-o output directory
ここでは２つのヒト転写産物のタンパク質構造のPDBファイルが分かっているため、それを使用しているが、wikiでは、現在PDBに構造がないタンパク質の構造データを取得したい場合に、PDBにあるファイルをすべてダウンロードし、配列相同性に頼って構造的ホモログを見つけたり、AlphaFold2モデルをダウンロードして使用する事も提案している。
３、バリアントデータベースの生成
makevariantsdbコマンドを使用する。入力ファイルvariants.vepには、転写産物ENST00000367182とENST00000374005に関連するバリアントが含まれている。
cd 3Dmapper/example/2-makevariantsdb/
makevariantsdb -vf variants.vep
-
-vf input VCF, VEP or VEP-like file(s)
DB/内にファイルが作成される。これらのファイルには、それぞれの転写産物に関連する variants が含まれている。
> ls -lR DB/
４，構造データベースへのバリアントのマッピング
mapperを使う。"-psdb"で2で作成した構造DB、”-vdb”で3で作成したバリアントDBを指定する。"--id_mapping"ではタンパク質ID、転写産物ID、遺伝子IDの関係を示したCSVファイルを指定する。
cd 3Dmapper/example/3-mapper/
mapper -pid P09769 O15151 -psdb ../1-makestructuraldb/structural_db/structuralDB/ -vdb ../2-makevariantsdb/DBs/varDB/ --id_mapping dict_geneprot_GRCh38_uniprot.txt -csv -a -l -o 3dmapper_results
-
-pid one or more IDs of protein, transcripts or genes provided via command line or from a file
-
-psdb interfaces database directory
-
-vdb variants database directory
-
--id_mapping File that contains the conversion of protein, transcripts and gene IDs and optionally APPRIS isoforms IDs.
- -o output directory
このコマンドはバリアントを構造データベースのタンパク質構造にマップし、バリアントがインターフェースにマップされているか、構造にマップされているか、マップされていないか、ノンコーディングであるかに基づいて、バリアントに関する情報を含む4つのCSVファイルを生成する。
ls -lR 3dmapper_results/
５、ステップ４で得られたマッピング結果の可視化
makevisualizationコマンドを使ってマッピング結果を可視化するためのChimeraXスクリプト(.cxc)を生成する。
cd 3Dmapper/example/4-makevisualization/
makevisualization -p list_pdbs.txt --pdb_list -i ../3-mapper/3dmapper_results/csv/InterfacePositions_pident20.0_isoform_all_consequence_all.csv --force -s ../3-mapper/3dmapper_results/csv/StructurePositions_pident20.0_isoform_all_consequence_all.csv -is sphere
レポジトリの可視化例を見ると、バリアントによって変化したアミノ酸残基が強調して視覚化されている。
https://github.com/vicruiser/3Dmapper/wiki/Step-4.-Results-Visualization-with-ChimeraX
Chimeraスクリプトの実行については、このサイトの解説が参考になると思います。
https://yubais.net/doc/chimera/#example
引用
3Dmapper: a command line tool for BioBank-scale mapping of variants to protein structures
Victoria Ruiz-Serra, Samuel Valentini, Sergi Madroñero, Alfonso Valencia, Eduard Porta-Pardo
Bioinformatics, Published: 02 April 2024
参考
UCSF Chimera入門
https://yubais.net/doc/chimera/#example
関連
