Development of tools for analysis and interpretation of docking study results

Abstract

Molecular docking is a widely used computational technique for predicting the preferred binding orientation and affinity of small molecules to protein targets. While docking programs such as AutoDock Vina provide ranked binding poses, interpreting these results remains challenging due to limita- tions in scoring functions and a lack of structural context. This thesis ad- dresses the problem of post-docking analysis by examining the principles of molecular recognition and the foundations of docking algorithms, with a fo- cus on pose evaluation. A Python-based tool, DockInspect, was developed to support the interpretation of AutoDock Vina results. It provides features for extracting ligand, protein pockets and binding poses descriptors, localization of hydrogen bonds and visualizing docking poses.

Molekulární dokování je široce používaná výpočetní technika pro predikci preferované vazebné orientace a afinity malých molekul k cílovým proteinům. Přestože dokovací programy jako AutoDock Vina poskytují seřazené vazebné pozice, jejich interpretace zůstává náročná kvůli omezením skórovacích funkcí a nedostatku strukturálního kontextu. Tato práce se zabývá problémem ana- lýzy výsledků dokování zkoumáním principů molekulárního rozpoznávání a základů dokovacích algoritmů se zaměřením na hodnocení vazebných póz. Byl vyvinut nástroj v jazyce Python s názvem DockInspect, který podporuje in- terpretaci výsledků z AutoDock Vina. Nástroj umožňuje extrakci deskriptorů ligandu, proteinových kapes a vazebných póz, lokalizaci vodíkových vazeb a vizualizaci vazebných póz