Біяінфарматыка ў распрацоўцы лекаў
Біяінфарматыка стала найважнейшым слупом сучасных біямедыцынскіх даследаванняў, асабліва ў распрацоўцы лекаў. Калісьці распрацоўка лекаў у значнай ступені абапіралася на працаёмкія і дарагія лабараторныя эксперыменты, то цяпер біяінфарматыка дазваляе даследчыкам хутчэй, дакладней і больш эфектыўна праводзіць скрынінг кандыдатаў у лекі. Выкарыстоўваючы маштабныя біялагічныя дадзеныя, такія як геномы, транскрыптомы, пратэомы і бялковыя структуры, біяінфарматыка дапамагае паскорыць шлях ад распрацоўкі мішэняў да аптымізацыі кандыдатаў у лекі, гатовых да далейшых выпрабаванняў.
Роля біяінфарматыкі ў ланцужку адкрыцця лекаў
У цэлым, распрацоўка лекаў уключае некалькі ключавых этапаў: ідэнтыфікацыю мішэні, праверку мішэні, выяўленне вядучага злучэння, аптымізацыю вядучага злучэння і ацэнку бяспекі і эфектыўнасці. Біяінфарматыка адыгрывае ролю амаль на ўсіх гэтых этапах.
На пачатковых стадыях біяінфарматыка дапамагае выбраць адпаведныя біялагічныя мішэні. Мішэні — гэта малекулы ў арганізме, звычайна бялкі, ферменты, рэцэптары або нуклеінавыя кіслоты, якія адыгрываюць ключавую ролю ў захворванні. Аналізуючы геномныя і пратэомныя дадзеныя, даследчыкі могуць ідэнтыфікаваць гены або бялкі, якія змяняюцца ў захворваннях, а затым картаграфаваць, як гэтыя змены ўплываюць на біялагічныя шляхі. Добрыя мішэні звычайна маюць моцную сувязь з механізмам захворвання і дэманструюць лекавую актыўнасць, гэта значыць, яны могуць быць мадуляваны лекавым злучэннем.
Ідэнтыфікацыя і праверка мэтаў на аснове дадзеных Omics
Адной з ключавых пераваг біяінфарматыкі з'яўляецца яе здольнасць апрацоўваць маштабныя омічныя дадзеныя. У кантэксце складаных захворванняў, такіх як рак, дыябет або нейрадэгенератыўныя захворванні, біяінфарматыка можа параўноўваць экспрэсію генаў у здаровых і хворых тканінах (дыферэнцыяльны аналіз). Вынікі могуць выявіць гены, якія з'яўляюцца «гіперактыўнымі» або «звышактыўнымі» пры захворванні, якія затым мяркуюцца як ключавыя фактары, якія яго выклікаюць.
Пасля таго, як кандыдат на мішэнь вызначаны, біяінфарматыка дапамагае ў этапе праверкі праз аналіз сетак узаемадзеяння бялкоў. Калі бялок займае цэнтральнае месца ў рэгуляторнай сетцы або кантралюе некалькі важных працэсаў, ён, хутчэй за ўсё, будзе адпаведнай мішэнню. Акрамя таго, аналіз метабалічных і сігнальных шляхоў дапамагае гарантаваць, што мадуляцыя мішэні не выклікае шырока распаўсюджаных пабочных эфектаў, напрыклад, таму што мішэнь таксама важная ў здаровых тканінах.
Біяінфарматыка таксама дазваляе выкарыстоўваць падыход да клінічных даследаванняў, заснаваны на дадзеных. Спалучаючы дадзеныя пацыентаў, генетычныя мутацыі і вынікі тэрапіі, даследчыкі могуць ацаніць, ці звязаны мішэні з прагнозам або канкрэтнымі рэакцыямі на лекі, умацоўваючы навуковую аснову для распрацоўкі новых лекаў.
Структура бялку і асновы распрацоўкі лекаў на аснове структуры
Пасля выбару мішэні наступным крокам з'яўляецца разуменне яе трохмернай структуры, паколькі ўзаемадзеянне лекаў з мішэнню ў значнай ступені вызначаецца формай і хімічнымі ўласцівасцямі паверхні бялку. У гэтым заключаецца сутнасць падыходу да распрацоўкі лекаў на аснове структуры (SBDD). Біяінфарматыка адыгрывае ролю ў прагназаванні, мадэляванні і аналізе структур бялкоў.
Калі структура бялку даступная з такіх эксперыментаў, як рэнтгенаўская крышталаграфія, ЯМР або крыя-ЭМ, дадзеныя можна выкарыстоўваць непасрэдна. Аднак, калі яны яшчэ недаступныя, біяінфарматыка прапануе метады структурнага мадэлявання, такія як мадэляванне гамалогіі на аснове падобных бялкоў, а таксама ўсё больш дакладнае прагназаванне структуры на аснове машыннага навучання. Затым гэтая структура выкарыстоўваецца для ідэнтыфікацыі кішэні звязвання або актыўнага цэнтра фермента, дзе ідэальна ўзаемадзейнічаў бы кандыдатны прэпарат.
Біяінфарматычны аналіз таксама дапамагае ацаніць захаванасць амінакіслотных рэшткаў у месцы звязвання. Калі гэты сайт высока захаваны ў патагеннага віду, напрыклад, бактэрый або вірусаў, то мішэнь больш перспектыўная, бо змены (мутацыі), якія ўхіляюцца ад лекаў, могуць быць цяжэй дасягнуць без шкоды для асноўнай функцыі патагена.
Віртуальны скрынінг і малекулярны докінг
Адзін з найвялікшых унёскаў біяінфарматыкі ў распрацоўку лекаў — гэта віртуальны скрынінг, вылічальны скрынінг мільёнаў злучэнняў для пошуку найбольш верагодных кандыдатаў для звязвання з мішэнню. Гэты працэс звычайна ўключае малекулярны докінг, які прадказвае, як невялікая малекула (ліганд) упісваецца ў сайт звязвання бялку, і разлічвае яе разліковую афіннасць звязвання.
Дакінг дазваляе даследчыкам прыярытэтызаваць невялікую колькасць злучэнняў з вялікай хімічнай бібліятэкі для лабараторных выпрабаванняў. Гэта значна эканоміць выдаткі і час. Розныя праграмы для дакінгу прапануюць розныя падыходы да ацэнкі, а біяінфарматыка адыгрывае пэўную ролю ў выбары адпаведных параметраў, ацэнцы якасці вынікаў і выкананні пасляапрацоўкі для зніжэння колькасці ілжыва станоўчых вынікаў.
Акрамя статычнага дакінгу, існуе таксама малекулярная дынаміка (МД), якая мадэлюе рух атамаў бялку і лігандаў у клеткавых асяроддзях (напрыклад, вада і іёны). МД дапамагае зразумець гнуткасць бялку, стабільнасць звязвання лігандаў і канфармацыйныя змены, часта нябачныя для статычных структур. Такім чынам, біяінфарматыка дазваляе больш рэалістычна прадказваць узаемадзеянне лекаў з мішэнню.
Дызайн лекаў на аснове лігандаў і мадэляванне QSAR
Мэтавая структура не заўсёды даступная або лёгка прадказаная. У такіх сітуацыях выкарыстоўваецца дызайн лекаў на аснове лігандаў (LBDD), які выкарыстоўвае інфармацыю аб злучэннях з вядомай біялагічнай актыўнасцю. Біяінфарматыка і хемаметрыя (хіміінфарматыка) адыгрываюць ключавую ролю ў гэтым падыходзе, асабліва праз QSAR (колькасная сувязь паміж структурай і актыўнасцю).
QSAR стварае мадэлі, якія звязваюць хімічныя характарыстыкі, такія як памер малекулы, палярнасць, здольнасць да вадародных сувязяў і электронныя ўласцівасці, з біялагічнай актыўнасцю. Выкарыстоўваючы гэтыя мадэлі, даследчыкі могуць распрацоўваць больш магутныя, больш селектыўныя або больш бяспечныя аналагі злучэнняў. Метады машыннага навучання, такія як выпадковыя лясы, метады апорных вектараў і глыбокае навучанне, усё часцей выкарыстоўваюцца для павышэння дакладнасці прагнозаў QSAR, асабліва калі дадзеныя аб актыўнасці злучэння вялікія.
Прагнозы ADMET: эфектыўнасць і бяспека з самага пачатку
Многія прэпараты-кандыдаты церпяць няўдачу не таму, што яны неэфектыўныя, а з-за праблем з ADMET (ўсмоктванне, размеркаванне, метабалізм, вывядзенне і таксічнасць). Біяінфарматыка дазваляе ранняе прагназаванне ADMET, што дазваляе хутчэй выключаць кандыдатаў высокай рызыкі.
Напрыклад, прагназуючыя мадэлі могуць прадказаць, ці дрэнна ўсмоктваецца злучэнне ў кішачніку, ці патэнцыйна моцна звязваецца з бялкамі плазмы, ці хутка метаболізуецца, што зніжае яго эфектыўнасць. Біяінфарматыка таксама можа прадказаць патэнцыйную таксічнасць, такую як гепатаксічнасць або рызыку парушэння сардэчных іённых каналаў (напрыклад, hERG), што можа прывесці да арытмій. Дзякуючы гэтаму ранняму прагназаванню распрацоўка лекаў становіцца больш мэтанакіраванай: даследчыкі не толькі імкнуцца да патэнцыялу моцнага звязвання з мішэнню, але і ўлічваюць адэкватны профіль бяспекі і фармакокінетыкі.
Распрацоўка лекаў для лячэння інфекцыйных захворванняў і рэзістэнтнасці
Пры інфекцыйных захворваннях біяінфарматыка мае вырашальнае значэнне для вызначэння канкрэтных мішэняў патагенаў, якіх няма ў чалавека, тым самым зніжаючы рызыку пабочных эфектаў. Аналіз геномаў патагенаў дапамагае вызначыць неабходныя гены, тыя, інгібіраванне якіх знішчае патаген. Акрамя таго, біяінфарматыка дапамагае кантраляваць мутацыі, якія прыводзяць да ўстойлівасці да антыбіётыкаў або супрацьвірусных прэпаратаў.
Картаграфуючы геномную варыятыўнасць патагенаў у розных рэгіёнах і часе, даследчыкі могуць распрацоўваць лекі, якія накіраваны на найбольш кансерватыўныя бялковыя ўчасткі, або распрацоўваць тэрапеўтычныя камбінацыі, якія мінімізуюць верагоднасць рэзістэнтнасці. У хутка мутуючых вірусаў інфармацыя аб малекулярнай эвалюцыі неацэнная для стратэгій распрацоўкі лекаў, якія больш устойлівыя да генетычных змен.
Інтэграцыя штучнага інтэлекту ў медыцынскую біяінфарматыку
Распрацоўкі ў галіне штучнага інтэлекту і машыннага навучання ўмацоўваюць ролю біяінфарматыкі. Мадэлі штучнага інтэлекту могуць прадказваць структуры бялкоў, прапаноўваць новыя малекулярныя дызайны (de novo дызайн) і аптымізаваць злучэнні на аснове некалькіх мэтаў, напрыклад, высокай трываласці сувязі, нізкай таксічнасці і адпаведных фізіка-хімічных уласцівасцей. Штучны інтэлект таксама выкарыстоўваецца для «перапрафілявання лекаў», што прадугледжвае пошук новых спосабаў ужывання існуючых лекаў шляхам аналізу падабенстваў у экспрэсіі генаў або біялагічных сетак розных захворванняў.
Аднак прымяненне штучнага інтэлекту ўсё яшчэ патрабуе эксперыментальнай праверкі. Добрая біяінфарматыка — гэта не толькі складаныя мадэлі, але і якасць дадзеных, празрыстасць метадаў і абгрунтаваная біялагічная інтэрпрэтацыя.
Праблемы і будучыя напрамкі
Нягледзячы на свае перспектыўнасці, біяінфарматыка ў распрацоўцы лекаў сутыкаецца са значнымі праблемамі. Біялагічныя дадзеныя часта неаднародныя, поўныя шуму і пад уплывам адрозненняў у эксперыментальных платформах. Акрамя таго, вылічальныя мадэлі могуць быць скажонымі, калі навучальныя дадзеныя не з'яўляюцца прадстаўнічымі. Яшчэ адна праблема — складанасць біялогіі чалавека: многія захворванні ўключаюць некалькі шляхоў, таму адной мішэні не заўсёды дастаткова.
У будучыні інтэграцыя мультыомікі, рэальных клінічных дадзеных і біялагічных мадэляў, якія больш нагадваюць умовы жыцця чалавека, такіх як арганоіды і аналіз аднаклетачных клетак, узбагаціць распрацоўку лекаў. Біяінфарматыка таксама будзе ўсё больш звязана з лабараторнай аўтаматызацыяй (рабатызаванымі лабараторыямі), што дазволіць значна паскорыць цыкл праектавання-тэставання-аналізу.
Выснова
Біяінфарматыка змяніла спосаб распрацоўкі лекаў: ад метаду спроб і памылак да падыходу, заснаванага на дадзеных, і вылічальнага прагназавання. Ад ідэнтыфікацыі мішэняў і мадэлявання структуры бялкоў, віртуальнага скрынінгу, QSAR да прагназавання ADMET, біяінфарматыка паскарае адкрыццё і распрацоўку лекаў, адначасова зніжаючы выдаткі. Абапіраючыся на штучны інтэлект і маштабныя омічныя дадзеныя, будучыня распрацоўкі лекаў усё больш рухаецца ў бок больш эфектыўных, бяспечных і персаналізаваных тэрапій, што адкрывае вялікія перспектывы для лячэння гістарычна цяжкалячальных захворванняў.
