Mitä on kemoinformatiikka ja miten se auttaa löytämään uusia lääkkeitä?

Tiesitkö, että uuden lääkkeen löytäminen vie 10–15 vuotta ja maksaa miljardeja dollareita? Lääkkeen kehittämiseen kuluu valtavasti aikaa, rahaa ja vaivaa, mutta kaikki tämä on muuttumassa kemoinformatiikan kaltaisen tieteenalan ansiosta.Mikä se on ja miten se auttaa löytämään uusia lääkkeitäVastaus on yhtä jännittävä kuin monimutkainenkin, ja tässä viestissä selitämme sen yksinkertaisella tavalla.

Mitä on kemiinformatiikka? Kemian ja tietojenkäsittelytieteen jännittävä fuusio

Ymmärtää Mitä on keminformatiikka?Kuvittele, että sinun on löydettävä ainutlaatuinen avain, joka avaa äärimmäisen monimutkaisen lukon. Mutta avain on piilossa kymmenen miljardin eri avaimen vuoren joukossa. Mikä tehtävä! Osaatko kuvitella, kuinka paljon aikaa ja vaivaa vaatisi etsiä ja kokeilla jokaista avainta manuaalisesti yksi kerrallaan?

Lääketeollisuus on nyt valtavan haasteen edessä. Lukko edustaa tautia aiheuttavaa proteiinia ja avain on kemiallinen molekyyli, joka voitaisiin muuntaa lääkkeeksi. Vuosikymmenten ajan Asiantuntijat ovat käyttäneet "manuaalisia" järjestelmiä löytääkseen jokaisen uuden lääkkeen, investoimalla todella valtavasti aikaa, rahaa ja vaivaa.

Palatakseni analogiaan, kuvittele, että sinulla on nyt älykäs järjestelmä Se pystyy välittömästi sulkemaan pois yhdeksän kymmenestä sopimattomasta avaimesta. Järjestelmä auttaa myös ennustamaan, millä avaimilla on lupaavin muoto, keräämään ne ja lajittelemaan ne nipuiksi. Hienoa! Siinä piilee pohjimmiltaan kemikaaliinformatiikan taika.

Mitä on keminformatiikka? Portaalin mukaan PubMed, 'on tietotekniikan ala, joka keskittyy kemiallisten tietojen keräämiseen, tallentamiseen, analysointiin ja käsittelyyn.' Tämä tieteenala käyttää tietojenkäsittelytieteen ja datatieteen tekniikoita monimutkaisten kemian ongelmien ratkaisemiseenSe keskittyy ensisijaisesti lääkekehitykseen, mutta sillä on sovelluksia myös useilla eri aloilla (maatalouskemikaalit, elintarvikkeet jne.).

Kaksi peruspilaria: data ja algoritmit

Ymmärtääksemme, miten keminformatiikka toimii, meidän on puhuttava sen kahdesta olennaisesta osasta: kemialliset tiedot, toisaalta, ja toisaalta algoritmit ja mallittoisaalta. Jälkimmäisiä käytetään kemiallisen datan käsittelyyn ja siten hyödyllisen tiedon hankkimiseen, joka mahdollistaa lääkekehityksen optimoinnin. Tätä varten on ensin digitalisoitava kaikki kuhunkin olemassa olevaan kemialliseen yhdisteeseen liittyvä data.

Joten kaikki alkaa siitä, molekyylien digitalisointiNämä voidaan esittää digitaalisesti käyttämällä erityisiä formaatteja (kuten SMILES-, InChI- tai SDF-tiedostoja), jotka tietokone pystyy ymmärtämään ja käsittelemään. Emme tietenkään puhu yksinkertaisista piirustuksista: nämä tiedostot koodaavat tietoa, kuten atomit, niiden sidokset, niiden kolmiulotteinen rakenne, sähkövaraus, fysikaaliset ominaisuudet jne. Tämä on johtanut jättimäisten tietokantojen olemassaoloon, jotka tallentavat miljoonia molekyylejä, sekä luonnollisia että synteettisiä.

• Kun kemialliset yhdisteet kaikkine ominaisuuksineen on tuotu digitaaliselle tasolle, niihin on mahdollista soveltaa laskennallisia työkaluja.
• Tästä kemiinformatiikassa on kyse: kemiallisen datan soveltamisesta tilastot koneoppiminen, tekoäly, tiedonlouhinta ja hahmontunnistusmenetelmät.
• Kaikki nämä algoritmit ja mallit nopeuttavat huomattavasti näin valtavan tietomäärän analysointia, ja perimmäisenä tavoitteena on lääkkeiden kehittäminen.

Miten kemiinformatiikka auttaa löytämään uusia lääkkeitä

Kemiinformatiikan pohjimmiltaan tehtävä on optimoida lääkekehitysprosessin jokainen vaiheOn syytä huomata, että tämä prosessi on pitkä ja monimutkainen sykli, joka voi kestää 10–15 vuotta ja maksaa miljardeja dollareita. Mutta suuri osa tästä työstä on yksinkertaistunut huomattavasti kemian ja tietojenkäsittelytieteen fuusion ansiosta. Katsotaanpa, miten tämä on mahdollista lääkekehityksen alkuvaiheissa:

Vaihe 1: Löytö ja tutkimus

Lääkkeen luomiseksi tiedemiehet tutkivat ensin, mikä aiheuttaa sairauden. Tämän syyn sisällä, Ne tunnistavat biologisen kohteen tai päämäärän (kuten proteiinin tai geenin), jota voidaan muuttaa taudin hoitamiseksi.Tässä vaiheessa keminformatiikka auttaa selvittämään, onko kohde "lääkeaineeltaan herkkä", eli onko sillä pultti (palataan alkuperäiseen analogiaan), jossa otetaan käyttöön Llave (molekyyli) yrittääkseen muokata sitä.

Lisäksi tiedonkäsittelytekniikat auttavat mm. tunnistaa ja luoda ehdokasmolekyylejä (avainten nippuja), jotka voisivat olla vuorovaikutuksessa kohteen kanssa. Sen sijaan, että fyysisesti testattaisiin miljoonia yhdisteitä, virtuaalinen seulonta massiivisissa tietokannoissa parhaiden ehdokkaiden tunnistamiseksi. Näin ollen se, mikä ennen kesti kahdesta neljään vuotta, saadaan nyt aikaan paljon lyhyemmässä ajassa ja pienemmällä rahallisella ja vaivalla.

Vaihe 2: Prekliininen vaihe

Prekliinisessä vaiheessa otetaan käyttöön lupaavimmat tunnistetut yhdisteet, joita tutkitaan perusteellisesti niiden turvallisuuden ja tehokkuuden arvioimiseksi. Nämä tutkimukset tehdään tyypillisesti sekä vitro (soluissa ja kudoksissa) kuten in vivo (eläimillä). Mutta, Kemoinformatiikka mahdollistaa kaikkien näiden tutkimusten simuloinnin in silicoeli tietokoneella, ja tulokset ovat hyvin samankaltaisia ​​kuin laboratoriotesteissä. Luonnollisesti tämä säästää resursseja ja aikaa ja estää satojen hyödyttömien varianttien synteesin.

Vaihe 3: Kliinisen tutkimuksen vaiheet

Jos prekliiniset tutkimukset onnistuvat, yhdiste siirtyy ihmiskokeisiin. Tällainen yhdiste voi tietenkin olla erittäin tehokas koeputkessa tai digitaalisessa simulaatiossa. Mutta jos ihmiskeho ei ime sitä, se on myrkyllistä tai maksa metaboloi sen liian nopeasti, se on lääkeaineenvaihdunta. Siksi ennen ihmiskokeita on tarpeen suorittaa ADMET-ominaisuuksien ennustustesti, joka mittaa adsorptiota, jakautumista, aineenvaihduntaa, erittymistä ja toksisuutta yhdisteestä ihmiskehossa.

Onneksi Kemiinformatiikan mallit voivat myös suorittaa ADMET-ominaisuuksien ennustustestejäTämä voidaan tehdä jo ennen yhdisteen testaamista eläimillä, jotta ongelmalliset ehdokkaat voidaan sulkea pois varhaisessa vaiheessa. Näiden digitaalisten simulaatioiden suorittaminen vähentää epäonnistuneiden kliinisten kokeiden määrää sekä tarvetta käyttää koehenkilöitä (ja siitä johtuvaa eettistä vaikutusta).

Yhteenvetona voidaan todeta, että olemme nähneet karkeasti, mitä kemoinformatiikka on ja miten se auttaa löytämään uusia lääkkeitä. Tämän tieteenalan skaalautuvuus on valtava., joten tulevaisuudessa odotetaan enemmän ja parempia tuloksia. Yhdistämällä kemian tehon laskennalliseen älykkyyteen avautuu kokonainen mahdollisuuksien universumi sairauksien nopeampaan, tarkempaan ja taloudellisempaan hoitoon.