Научный журнал
Международный журнал прикладных и фундаментальных исследований

ISSN 1996-3955
ИФ РИНЦ = 0,618

МЕТОДОЛОГИЯ ПОИСКА НОВЫХ БИОЛОГИЧЕСКИ АКТИВНЫХ ФАРМАКОЛОГИЧЕСКИХ ВЕЩЕСТВ С РЕЦЕПТОРНОЙ АКТИВНОСТЬЮ

Казанчева О.Д. 1 Герасименко А.С. 1
1 Пятигорский медико-фармацевтический институт – филиал ГБОУ ВПО «Волгоградский государственный медицинский университет» Министерства здравоохранения Российской Федерации
В данной статье были рассмотрены современные методики поиска новых биологически активных веществ с рецепторной активностью. В настоящее время с развитием прогрессивных технологий все чаще предпочтение отдается компьютерному моделированию лекарственных средств. При помощи прямого и непрямого моделирования можно выявить структуру химических соединений, обладающих сродством к рецепторам определенного типа. В процессе создания лекарственных средств выделяют две основные стадии – доклинические и клинические исследования. Для оптимизации этого процесса ученые пользуются достижениями в области геномики, протеомики, хемоинформатики, фармакологии и других наук. Стадия доклинических испытаний включает в себя следующие этапы: выбор мишени, поиск соединения-лидера, оптимизацию соединения-лидера и доклиническую оценку фармакологических свойств. В статье описаны методики, применяемые для решения необходимых задач, стоящих перед исследователями на каждом этапе.
компьютерное моделирование
мишень
соединение-лидер
1. Баренбойм Г.М., Маленков А.Г. Биологически активные вещества. Новые принципы поиска. – М.: Наука, 1986. – 363 с.
2. Васильев П.М., Спасов А.А. Применение компьютерной информационной технологии для прогноза фармакологической активности структурно разнородных химических соединений // Вестник ВолгГМУ. – 2005. – № 1 (13). – С. 23–30.
3. Головко Ю.С., Ивашкевич О.А., Головко А.С. Современные методы поиска новых лекарственных средств // Вестник БГУ. Серия 2. – Белгород, 2012. – С. 7–15.
4. Соловьев М.Е., Соловьев М.М. Компьютерная химия. – М.: СОЛОН-Пресс, 2005. – 536 с.
5. Хелтье Х., Зиппль В., Роньян Д., Фолькерс Г. Молекулярное моделирование: теория и практика. – М., 2010.
6. Anderson S. Structural genomics: shaping the future of drug design // Drug Discov. Today. – 2002. – Vol. 7, № 2. – P. 105.
7. Barnard R., Gurevich K.G. In vitro bioassay as a predictor of in vivo response // Theor. Biol. Med. Model. 2005. Vol. 2. Art. 3.
8. Beavers M.P., Chen X. Structure-based combinatorial library design: methodologies and applications // J. Mol. Graph. Model. – 2002. – Vol. 20, № 6. – P. 463.
9. Debnath A.K. Quantitative Structure-Activity Relatioship – Hansch Era to New Millenium // Mini Rev. Med. Chem. – 2001. – Vol. 1, № 2. – P. 187.
10. Dixon S.L., Smondyrev A.M., Rao S.N. A novel approach to Pharmacophore Modeling and 3D Database searching // Chem. Biol. Drug Des. – 2006. – Vol. 67, № 5. – P. 370.
11. Eckert H., Bajorath J. Molecular similar analysis in virtual screening: foundations, limitations and novel approaches // Drug Discov. Today. – 2007. – Vol. 12, № 5-6. – P. 225.
12. Hicks R.P. Recent Advances in NMR Expanding its Role in Rational Drug Design // Curr. Med. Chem. – 2001. – Vol. 8, № 6. – P. 627.
13. Isaacson R.E. Genomics and the Prospects for the Discovery of New Targets for Antibacterial and Antifungal Agents // Curr. Pharm. Des. – 2002. – Vol. 8, № 13. – P. 1091.
14. Klebe G. Recent developments in structure-based drug design // J. Mol. Med. – 2000. – Vol. 78, № 5. – P. 269.
15. Kley N. Chemical Dimerizers and Three-Hybrid Systems: Scanning the Proteome for Targets of Organic Small Molecules // Chem. Biol. – 2004. – Vol. 11, №5. – P. 599.
16. Langer T., Hoffmann R.D. Virtual Screening An Effective Tool for Lead Structure Discovery // Curr. Pharm. Des. – 2001. – Vol. 7, № 7. – P. 509.
17. Lessiagiarska I., Nankov A., Bocheva A. 3D QSAR and prelimitary evaluation of anti-inflammatory activity of scries of N-pyrrolycarboxylic acids // Il Farmaco. – 2005. – Vol. 60, № 3. – P. 209.
18. Lipinski C.A. Drug – like properties and the causes of poor solubility and poor permeability // J. Pharmacol. Toxicol. Methods. – 2000. – Vol. 44, № 1. – P. 235.
19. Maas J., Kamm W., Hauck G. An integrated early formulation strategy – From hit evaluation to preclinical candidate profiling // Eur. J. Pharm. Biopharm. – 2007. – Vol. 66, № 1. – P. 1.
20. Martin Y.C. 3D QSAR: current state, scope and limitations // Perspectives Drug Discov. Des. – 1998. – Vol. 12-14. – P. 3.

Методология поиска новых биологически активных фармакологических веществ с рецепторной активностью

Проблема изыскания новых высокоэффективных фармакологических веществ по сей день не теряет своей актуальности. Причиной этому служит низкая эффективность или отсутствие таковой у широко известных лекарственных препаратов, применяемых для профилактики и терапии ряда патологических состояний, а также наличие побочных реакций, вызывающих дискомфортные ощущения у пациентов в период лечения.

Процесс создания лекарств требует колоссальных затрат времени и средств, не говоря о его трудоемкости. Крупные фармацевтические предприятия вкладывают миллионы, а иногда и миллиарды, долларов в исследования по разработке инновационного лекарственного препарата. В среднем, от идеи создания до внедрения препарата на рынок проходит от 5 до 15 лет. Конечный продукт является результатом объединения знаний в области медицины, химии, биологии и других наук, а также организации и создания всех условий для проведения необходимых экспериментальных исследований [1].

Согласно данным Всемирной организации здравоохранения, за последние пятьдесят лет средняя продолжительность жизни людей возросла. Не последнюю роль в этом сыграли достижения в области медицины и фармакологии. Причиной столь стремительного прогресса явилась интеграция новых технологий, в частности компьютерных, в научные исследования и разработку лекарственных препаратов, отвечающих современным фармакотерапевтическим стандартам и высоким требованиям к эффективности и безопасности [2, 5].

История фармакологии очень продолжительна и обширна. Древние люди, впервые столкнувшись с различными недугами, были вынуждены искать в окружающей среде вещества, способные в той или иной степени облегчить их состояние. Наиболее доступными оказались растительные объекты. Вещества природного происхождения не утратили свою необходимость и в настоящее время. На смену эмпирической терапии пришли синтетические препараты, что связано, в первую очередь, с бурным скачком в развитии химии во второй половине XIX в. Дальнейшее движение по пути развития привело ученых к открытию рецепторов и установлению их структуры. Данный факт является ключевым для рационального построения лекарственных средств, мощным способствующим фактором к которому послужило открытие учеными трехмерных структур белков-рецепторов и их комплексов с некоторыми лигандами.

Компьютерные технологии играют ведущую роль в конструировании лекарств, так как с их помощью можно ускорить процесс исследования, минимизировать ошибки и повысить результативность. Также активно используются достижения в области геномики и молекулярной биологии [4].

Целью настоящей статьи является обобщение и систематизация современных подходов к созданию новых лекарственных средств.

Компьютерное моделирование как метод конструирования лекарственных средств

Выбор типа моделирования зависит от имеющихся у исследователей сведений о пространственной структуре лиганда и рецептора-мишени.

Существует два основных типа моделирования: прямое и непрямое.

Прямое моделирование позволяет оценить степень сродства рецептора и лиганда. Комплементарность определенных структур активному центру рецептора можно оценить при помощи процедуры докинга. В этом случае на помощь ученым приходят специализированные базы данных, содержащие сведения об известных соединениях [3, 6].

Возможно также создание при помощи компьютерных программ гипотетической структуры молекул, которые в теории могут обладать высоким сродством к рецепторам того или иного типа. Это так называемые методы de novo. Их сущность заключается в подборе небольших фрагментов молекул с повышенной энергией связывания и минимальной энергией отталкивания в отношении активного центра рецептора. Путем постепенного присоединения фрагментов конструируется цельная молекула. Данный метод, несомненно, дает положительные результаты, однако, надежность оценки сродства не всегда высока.

Непрямое моделирование заключается в построении зависимостей «структура-активность» (QSAR) и фармакофорном моделировании. Фармакофорный анализ оценивает лиганд-рецепторное взаимодействие с позиции влияния на него функциональных групп молекул. Именно они отвечают за взаимосвязь структуры и активности.

Метод QSAR (Quantitative Structure – Activity Relationship) довольно успешно применяется уже на протяжении нескольких десятилетий. Он позволяет предсказать различные свойства соединений, исходя из их химической структуры. Для построения моделей в данном методе широко применяется математическая статистика [7].

Оптимизация процесса создания лекарственных средств

В процессе разработки лекарственных средств выделяют две основные стадии – доклинические и клинические исследования. Как важнейшая составляющая, стадия доклинических испытаний включает в себя следующие этапы:

– выявление мишени для лекарственного средства;

– поиск соединения-лидера;

– оптимизацию соединения лидера;

– доклиническую оценку фармакологических свойств.

Выбор мишени осуществляется на основании имеющихся данных о конкретном заболевании. В настоящее время преимущество отдается геномике и протеомике, позволяющим точно выявить мишени в организме, отвечающие за патологический процесс. Множество фармацевтических компаний уже пользуются достижениями геномики. Помимо секвенирования генома, ведущего к открытию новых мишеней, используется позиционное клонирование и другие современные методики. Следует отметить, что при наличии достаточного количества процедур по выявлению мишеней, выбор действительно верных из них, становится все сложнее. Для этого производят процедуру валидации (target validation) [8, 9].

Нельзя также не отметить перспективы применения хемоинформатики. Эта область науки, находящаяся на пересечении химии и информатики, позволяет прогнозировать физико-химические свойства соединений, токсическую и биологическую активность и разрабатывать новые лекарственные препараты [10].

Соединением-лидером считается вещество, обладающее сродством к определенному рецептору и проявляющее фармакологическую активность. Для поиска таких соединений используются обширные базы данных, содержащие информацию о зависимости фармакологического эффекта от особенностей химической и пространственной структуры исследуемых субстанций. Наиболее часто используемыми и эффективными считаются электронные библиотеки на основе de novo дизайна.

Все базовые соединения подвергаются тестированию на наличие определенного типа активности. Данный процесс достаточно длительный и трудоемкий. Эффективность тотального скрининга невелика, несмотря на его возможность анализировать большое количество соединений с высокой надежностью. В настоящее время ученые все чаще обращаются к инновационным методикам, среди которых следует особо выделить скрининг на основе ЯМР, фармакофорный анализ и виртуальный скрининг [11].

Магниторезонансные методики, являясь высокочувствительными, дают возможность анализировать сложные смеси веществ и получать данные о связи лигандов с рецепторами даже при отсутствии начальной информации [12].

Развитие компьютерных технологий позволяет более эффективно вести поиск соединений-лидеров в специализированных базах данных. Это во многом связано с сочетанием фармакофорного анализа и методов QSAR, позволяющих выявить требования, которым должны соответствовать искомые соединения [13].

Виртуальный скрининг как метод поиска соединений-лидеров объединяет в себе различные компьютерные технологии. Он особенно информативен в тех случаях, когда имеются сведения о химической структуре веществ в различных вариациях [14].

Таким образом, в арсенале ученых-исследователей имеется достаточное количество методов, охватывающих широкий круг проблем – от создания и совершенствования баз данных до анализа молекулярного подобия и построения моделей QSAR. Для анализа молекулярного подобия используются трехмерные дескрипторы молекулярной структуры. Актуальной на сегодняшний день является проблема поиска дескрипторов и обозначение границ их применимости.

После нахождения соединения-лидера проводится его оптимизация с целью усиления активности и избирательности действия, а также минимизации нежелательных побочных эффектов. Компьютерное моделирование помогает исключить заведомо бесперспективные соединения, что существенно ускоряет процесс оптимизации.

Важную роль в выборе метода оптимизации играет наличие сведений о пространственной структуре рецептора. Наличие такого типа информации дает возможность использования дизайна de novo. Дизайн лигандов, корректировка структуры комплекса вещество-рецептор приводят в дальнейшем к получению новых соединений-лидеров с заданными свойствами. Такие методики широко используются для создания лекарственных средств различных фармакологических групп, в том числе и препаратов терапии ВИЧ-инфекции [15].

При отсутствии сведений о пространственной структуре рецептора применяют метод QSAR, позволяющий установить зависимость между дескрипторами ряда близких по строению биологически активных соединений и их фармакологической активностью. Построение такого рода зависимостей помогает выявить и проанализировать факторы, обусловливающие возникновение того или иного эффекта в организме и дает возможность прогнозирования свойств новых соединений на основе общности химической структуры [16].

Помимо QSAR исследователи активно используют метод CoMFA (Comparative Molecular Field Analysis), позволяющий подобрать лиганд с определенным расположением радикалов, а также доноров или акцепторов водородной связи. Позже возникли такие методы как: CoMMA (Comparative Molecular Moment Analysis); WHIM (Weighted Holistic Invariant Molecular descriptors) [17].

Развитие компьютерных технологий, несомненно, внесло колоссальный вклад в создание инновационных лекарственных препаратов, однако, компьютерное моделирование не всегда гарантирует создание лекарственного средства.

Необходимо проведение доклинической оценки фармакологических свойств.

Наличие у вещества рецепторной активности далеко не во всех случаях приводит к его дальнейшему использованию в качестве лекарственного средства. Многие из веществ-кандидатов, успешно прошедших доклинические исследования, отсеиваются на этапе дорогостоящих клинических испытаний. Для минимизации затрат и сокращения сроков исследования необходимо научиться моделировать различные фармакокинетические и токсикологические свойства соединений. Моделирование свойств ADMET (Absorption, Distribution, Metabolism, Excretion, Toxicity) позволяет из всего многообразия выделить только те вещества, которые обладают необходимыми фармакологическими характеристиками [18].

Серьезным этапом является перенос результатов исследований на человека. Существует ряд in silico методов оценки таких важнейших ADMET-свойств как биодоступность, степень связывания с белками плазмы крови, способность прохождения через барьеры и др. [19].

Сложность моделирования ADMET-свойств заключается в наличии множества взаимосвязанных физиологических процессов, протекающих в организме человека, и небольшом запасе экспериментальных данных. Однако, путем расширения научных знаний и перехода к построению моделей для предсказания тех или иных параметров возможно ускорение и улучшение процесса разработки лекарственных средств [20].

Подводя итог, следует отметить, что в настоящее время традиционный эмпирический синтез лекарственных средств отходит на второй план, уступая место инновационным технологиям. Широкое применение компьютерного моделирования, а также достижений в области геномики, протеомики, молекулярной биологии, фармакологии и медицины обусловливают переход науки на качественно новый уровень, что проявляется в возможности направленного синтеза лекарственных средств с заданными фармакокинетическими и фармакодинамическими показателями. Дальнейшее движение науки по пути прогресса позволит миниминизировать in vivo исследования и клинические испытания, сделав разработку лекарств более рациональной и эффективной.


Библиографическая ссылка

Казанчева О.Д., Герасименко А.С. МЕТОДОЛОГИЯ ПОИСКА НОВЫХ БИОЛОГИЧЕСКИ АКТИВНЫХ ФАРМАКОЛОГИЧЕСКИХ ВЕЩЕСТВ С РЕЦЕПТОРНОЙ АКТИВНОСТЬЮ // Международный журнал прикладных и фундаментальных исследований. – 2016. – № 8-4. – С. 522-525;
URL: http://applied-research.ru/ru/article/view?id=10116 (дата обращения: 26.09.2018).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.252