Tahukah anda bahawa penemuan ubat baharu mengambil masa antara 10 hingga 15 tahun dan menelan belanja berbilion dolar? Jumlah masa, wang dan usaha yang dilaburkan sangat besar, tetapi itu semua berubah terima kasih kepada disiplin saintifik yang dikenali sebagai chemoinformatics.Apakah itu dan bagaimana ia membantu menemui ubat baharuJawapannya menarik kerana ia rumit, dan dalam siaran ini kami akan menerangkannya dengan cara yang mudah.
Apakah cheminformatics? Gabungan kimia dan sains komputer yang menarik
Untuk memahami Apakah cheminformatics?Bayangkan anda perlu mencari kunci unik yang membuka kunci yang sangat kompleks. Tetapi kunci itu tersembunyi di antara gunung sepuluh bilion kunci yang berbeza. Sungguh tugasan! Bolehkah anda bayangkan berapa banyak masa dan usaha yang diperlukan untuk mencari dan mencuba setiap kunci secara manual satu demi satu?
Nah, industri farmaseutikal menghadapi cabaran monumental ini. Kunci mewakili protein penyebab penyakit, dan kuncinya ialah molekul kimia yang boleh ditukar menjadi ubat. Selama beberapa dekad, Pakar telah menggunakan sistem 'manual' untuk mencari setiap ubat baru, melaburkan sejumlah besar masa, wang dan usaha.
Berbalik kepada analogi, bayangkan bahawa anda kini mempunyai a sistem pintar Ia dapat segera menolak sembilan daripada sepuluh kunci yang tidak sesuai. Sistem ini juga membantu anda meramalkan kunci yang mempunyai bentuk yang paling menjanjikan, mengumpulkannya dan menyusunnya menjadi tandan. Hebat! Itulah, pada dasarnya, keajaiban Cheminformatics.
Apakah cheminformatics? Menurut portal itu PubMed, 'adalah satu bidang teknologi maklumat yang menumpukan pada pengumpulan, penyimpanan, analisis dan manipulasi data kimia.' Disiplin saintifik ini menggunakan sains komputer dan teknik sains data untuk menyelesaikan masalah kompleks dalam kimiaIa tertumpu terutamanya pada penemuan dadah, tetapi juga mempunyai aplikasi dalam pelbagai sektor (agrokimia, makanan, dll.).
Dua tunjang asas: Data dan Algoritma
Untuk memahami cara cheminformatics berfungsi, kita mesti bercakap tentang dua komponen pentingnya: data kimia, di satu pihak, dan algoritma dan model, sebaliknya. Yang terakhir digunakan untuk memproses data kimia dan dengan itu mendapatkan maklumat berguna yang membolehkan pengoptimuman pembangunan dadah. Untuk melakukan ini, pertama sekali perlu mendigitalkan semua data yang berkaitan dengan setiap sebatian kimia sedia ada.
Jadi semuanya bermula dengan pendigitalan molekulIni boleh diwakili secara digital menggunakan format khas (seperti SMILES, InChI atau fail SDF) yang boleh difahami dan diproses oleh komputer. Sudah tentu, kita tidak bercakap tentang lukisan mudah: fail ini mengekod maklumat seperti atom, ikatannya, struktur tiga dimensinya, cas elektrik, sifat fizikal, dll. Ini telah mengakibatkan kewujudan pangkalan data raksasa yang menyimpan berjuta-juta molekul, baik semula jadi dan sintetik.
- Sebaik sahaja sebatian kimia, dengan semua cirinya, dibawa ke satah digital, adalah mungkin untuk menggunakan alat pengiraan kepada mereka.
- Inilah yang dimaksudkan dengan cheminformatics: menggunakan data kimia statistik, yang pembelajaran automatik, kecerdasan buatan, perlombongan data dan kaedah pengecaman corak.
- Semua algoritma dan model ini sangat mempercepatkan analisis jumlah data yang begitu besar, dengan matlamat utama untuk membangunkan ubat.
Bagaimana cheminformatics membantu menemui ubat baharu
Pada asasnya, apa yang cheminformatics lakukan ialah mengoptimumkan setiap peringkat proses penemuan dan pembangunan ubatPerlu diingat bahawa proses ini adalah kitaran yang panjang dan kompleks yang boleh mengambil masa 10 hingga 15 tahun dan menelan belanja berbilion dolar. Tetapi kebanyakan usaha ini telah dipermudahkan dengan baik kerana gabungan kimia dan sains komputer. Mari kita lihat bagaimana ini boleh dilakukan semasa peringkat awal pembangunan dadah:
Peringkat 1: Penemuan dan Penyelidikan
Untuk mencipta ubat, perkara pertama yang dilakukan saintis ialah menyiasat apa yang menyebabkan penyakit. Dalam sebab itu, Mereka mengenal pasti sasaran atau objektif biologi (seperti protein atau gen) yang boleh diubah untuk merawat penyakit ini.. Pada ketika ini, cheminformatics membantu untuk mengetahui sama ada sasaran adalah "boleh dadah", iaitu, jika ia mempunyai bolt (kembali kepada analogi awal) untuk memperkenalkan a llave (molekul) untuk cuba mengubah suainya.
Selain itu, teknik pemprosesan data juga membantu untuk mengenal pasti dan mencipta molekul calon (kumpulan kunci) yang boleh berinteraksi dengan sasaran. Daripada menguji berjuta-juta sebatian secara fizikal, a saringan maya dalam pangkalan data besar-besaran untuk mengenal pasti calon terbaik. Oleh itu, apa yang dahulunya mengambil masa dua hingga empat tahun kini dicapai dalam masa yang lebih singkat dan dengan pelaburan wang dan usaha yang lebih kecil.
Peringkat 2: Fasa praklinikal
Dalam fasa praklinikal, sebatian yang paling menjanjikan yang dikenal pasti diambil dan dikaji dengan teliti untuk menilai keselamatan dan keberkesanannya. Kajian ini biasanya dijalankan kedua-duanya vitro (pada sel dan tisu) sebagai dalam vivo (dalam haiwan). Tetapi, Chemoinformatics membenarkan semua kajian ini disimulasikan dalam silico, iaitu pada komputer, dan dengan keputusan yang hampir sama dengan ujian makmal. Sememangnya, ini menjimatkan sumber dan masa, serta mengelakkan mensintesis beratus-ratus varian yang tidak berguna.
Peringkat 3: Fasa percubaan klinikal
Jika kajian praklinikal berjaya, kompaun itu beralih kepada ujian manusia. Sudah tentu, sebatian sedemikian mungkin sangat kuat dalam tabung uji atau dalam simulasi digital. Tetapi jika tubuh manusia tidak menyerapnya, ia adalah toksik, atau hati memetabolismekannya terlalu cepat, ia akan menjadi kegagalan dadah. Oleh itu, sebelum menguji manusia, perlu melakukan a Ujian Ramalan Sifat ADMET, yang mengukur Penjerapan, Pengedaran, Metabolisme, Perkumuhan dan Ketoksikan daripada sebatian dalam tubuh manusia.
Mujurlah, Model Cheminformatics juga boleh menjalankan ujian ramalan sifat ADMETIni boleh dilakukan walaupun sebelum menguji kompaun dalam haiwan, untuk menolak calon yang bermasalah sejak awal. Sekali lagi, melaksanakan simulasi digital ini mengurangkan bilangan percubaan klinikal yang gagal, serta keperluan untuk menggunakan subjek ujian (dan kesan etika yang terhasil).
Kesimpulannya, kita telah melihat secara meluas apa itu kemoinformatik dan bagaimana ia membantu menemui ubat baharu. Kebolehskalaan disiplin saintifik ini sangat besar., jadi lebih banyak hasil yang lebih baik dijangka pada masa hadapan. Dengan menggabungkan kuasa kimia dengan kecerdasan pengiraan, seluruh alam semesta kemungkinan terbuka untuk merawat penyakit dengan lebih cepat, tepat dan menjimatkan.
Sejak saya masih muda, saya sangat ingin tahu tentang segala-galanya yang berkaitan dengan kemajuan saintifik dan teknologi, terutamanya yang menjadikan kehidupan kita lebih mudah dan lebih menghiburkan. Saya suka mengikuti perkembangan terkini dengan berita dan trend terkini, serta berkongsi pengalaman, pendapat dan nasihat saya tentang peralatan dan gajet yang saya gunakan. Ini membawa saya menjadi penulis web lebih kurang lima tahun yang lalu, tertumpu terutamanya pada peranti Android dan sistem pengendalian Windows. Saya telah belajar untuk menerangkan dengan perkataan mudah apa yang rumit supaya pembaca saya dapat memahaminya dengan mudah.