Chemoinformatics ဆိုတာ ဘာလဲ၊ ဆေးဝါးအသစ်တွေကို ဘယ်လိုရှာဖွေတွေ့ရှိနိုင်သလဲ။

ဆေးအသစ်တစ်ခုကို ရှာဖွေတွေ့ရှိရန် ၁၀ နှစ်မှ ၁၅ နှစ်ကြား အချိန်ယူရပြီး ဒေါ်လာ ဘီလီယံပေါင်းများစွာ ကုန်ကျကြောင်း သင်သိပါသလား။ အချိန်၊ ငွေကြေးနှင့် ကြိုးစားအားထုတ်မှု ရင်းနှီးမြုပ်နှံမှု ပမာဏသည် ကြီးမားသော်လည်း ဓာတုဗေဒဆိုင်ရာ သိပ္ပံနည်းကျ ဟုခေါ်သော သိပ္ပံနည်းကျ စည်းကမ်းကြောင့် ပြောင်းလဲသွားခြင်း ဖြစ်သည်။၎င်းသည် အဘယ်နည်းနှင့် ဆေးဝါးအသစ်များကို ရှာဖွေတွေ့ရှိရန် ကူညီပေးပုံအဖြေက ရှုပ်ထွေးသလောက် စိတ်လှုပ်ရှားစရာကောင်းပြီး ဒီပို့စ်မှာ ရိုးရှင်းတဲ့နည်းနဲ့ ရှင်းပြပါမယ်။

ဓာတုဗေဒပညာဆိုတာ ဘာလဲ။ ဓာတုဗေဒနှင့် ကွန်ပြူတာသိပ္ပံ၏ စိတ်လှုပ်ရှားဖွယ်ရာ ပေါင်းစပ်မှု

နားလည်ရန် ဓာတုဗေဒပညာဆိုတာ ဘာလဲ။အလွန်ရှုပ်ထွေးသောသော့ကိုဖွင့်မည့် ထူးခြားသောသော့တစ်ခုကို သင်ရှာဖွေရမည်ကို စိတ်ကူးကြည့်ပါ။ သို့သော် သော့သည် မတူညီသောသော့တစ်ဆယ်ဘီလီယံရှိသော တောင်ကြားတွင် ဝှက်ထားသည်။ ဘာအလုပ်လဲ။ ကိုယ်တိုင်ရှာဖွေပြီး သော့တစ်ခုချင်းစီကို တစ်ခုပြီးတစ်ခု စမ်းကြည့်ဖို့ အချိန်ဘယ်လောက်ကြာမယ်ဆိုတာ သင်တွေးကြည့်နိုင်မလား။

ကောင်းပြီ၊ ဆေးဝါးလုပ်ငန်းသည် ဤကြီးမားသောစိန်ခေါ်မှုကို ရင်ဆိုင်နေရသည်။ လော့ခ်သည် ရောဂါဖြစ်စေသော ပရိုတင်းကို ကိုယ်စားပြုပြီး သော့သည် ဆေးအဖြစ်သို့ ပြောင်းလဲနိုင်သော ဓာတုမော်လီကျူးဖြစ်သည်။ ဆယ်စုနှစ်များစွာ၊ ဆေးအသစ်တစ်ခုစီကို ရှာဖွေရန် ကျွမ်းကျင်သူများသည် 'လက်စွဲ' စနစ်များကို အသုံးပြုခဲ့သည်။အချိန် ၊ ငွေ နှင့် ကြိုးစားအားထုတ်မှု သည် အမှန်တကယ် ကြီးမားသော ပမာဏကို ရင်းနှီးမြှုပ်နှံပါ။

သာဓကကိုပြန်သွားပါ၊ သင့်တွင် ယခုတစ်ခုရှိနေပြီဟု မြင်ယောင်ကြည့်ပါ။ စမတ်စနစ် ၎င်းသည် အဆင်မပြေသော သော့ဆယ်ခုတွင် ကိုးခုကို ချက်ခြင်းထုတ်နိုင်သည်။ စနစ်သည် မည်သည့်သော့များသည် အလားအလာအရှိဆုံးပုံသဏ္ဍာန်ရှိသည်ကို ခန့်မှန်းရန်၊ ၎င်းတို့ကို စုစည်းကာ ၎င်းတို့ကို အစုအဝေးအဖြစ် စီရန်ကိုလည်း ကူညီပေးပါသည်။ မိုက်တယ်! ဆိုလိုသည်မှာ Cheminformatics ၏ မှော်ဆန်ခြင်းပင် ဖြစ်သည်။

ဓာတုဗေဒပညာဆိုတာ ဘာလဲ။ ပေါ်တယ်။ PubMed၊ 'ဓာတုအချက်အလက် စုဆောင်းခြင်း၊ သိမ်းဆည်းခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် ခြယ်လှယ်ခြင်းတို့ကို အလေးပေးသည့် သတင်းအချက်အလက်နည်းပညာနယ်ပယ်တစ်ခုဖြစ်သည်။' ဒါက သိပ္ပံနည်းကျ စည်းကမ်းပါ။ ဓာတုဗေဒဆိုင်ရာ ရှုပ်ထွေးသော ပြဿနာများကို ဖြေရှင်းရန် ကွန်ပျူတာသိပ္ပံနှင့် ဒေတာသိပ္ပံနည်းပညာများကို အသုံးပြုသည်။၎င်းသည် မူးယစ်ဆေးဝါးရှာဖွေတွေ့ရှိမှုအပေါ် အဓိကအာရုံစိုက်ထားပြီး ကဏ္ဍများစွာ (စိုက်ပျိုးရေးဓာတုဗေဒပစ္စည်းများ၊ အစားအစာ၊ စသည်) တွင် အသုံးချမှုများလည်းရှိသည်။

အခြေခံမဏ္ဍိုင်နှစ်ခု- Data နှင့် Algorithms

ဓာတုဗေဒပညာ၏ အလုပ်လုပ်ပုံကို နားလည်ရန်၊ ၎င်း၏ မရှိမဖြစ် အစိတ်အပိုင်း နှစ်ခုကို ဆွေးနွေးရပါမည်- ဓာတုဒေတာတစ်ဖက်နှင့်တစ်ဖက်၊ algorithms နှင့် မော်ဒယ်များ, သို့သော်ငြားလည်း။ နောက်ပိုင်းတွင် ဓာတုဒေတာကို စီမံဆောင်ရွက်ရာတွင် အသုံးပြုကြပြီး ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှုကို ပိုမိုကောင်းမွန်အောင် လုပ်ဆောင်နိုင်စေမည့် အသုံးဝင်သော အချက်အလက်များကို ရယူကြသည်။ ဒါကိုလုပ်ဖို့၊ ရှိပြီးသား ဓာတုဒြပ်ပေါင်းတစ်ခုစီနဲ့ သက်ဆိုင်တဲ့ အချက်အလက်အားလုံးကို ဒစ်ဂျစ်တယ်ပုံစံဖြစ်အောင် အရင်လုပ်ဖို့ လိုပါတယ်။

ဒီတော့ အားလုံးက နိဒါန်းနဲ့ စတယ်။ မော်လီကျူးများ၏ဒစ်ဂျစ်တယ်အသွင်ကူးပြောင်းမှုကွန်ပြူတာနားလည်ပြီး စီမံဆောင်ရွက်နိုင်သည့် အထူးဖော်မတ်များ (SMILES၊ InChI သို့မဟုတ် SDF ဖိုင်များကဲ့သို့) ၎င်းတို့ကို ဒစ်ဂျစ်တယ်ဖြင့် ကိုယ်စားပြုနိုင်သည်။ ကျွန်ုပ်တို့သည် ရိုးရှင်းသောပုံများအကြောင်းပြောနေခြင်းမဟုတ်ပါ- ဤဖိုင်များသည် အက်တမ်များ၊ ၎င်းတို့၏နှောင်ကြိုးများ၊ ၎င်းတို့၏သုံးဖက်မြင်ဖွဲ့စည်းပုံ၊ လျှပ်စစ်အားသွင်းမှု၊ ရုပ်ပိုင်းဆိုင်ရာဂုဏ်သတ္တိများစသည်ဖြင့် အချက်အလက်များကို ကုဒ်ဝှက်ထားသည်။ ၎င်းသည် သဘာဝနှင့် ပေါင်းစပ်ထားသော မော်လီကျူးပေါင်း သန်းပေါင်းများစွာကို သိမ်းဆည်းထားသည့် ဧရာမဒေတာဘေ့စ်များ တည်ရှိလာစေသည်။

• ဓာတုဒြပ်ပေါင်းများကို ၎င်းတို့၏ ဝိသေသလက္ခဏာများနှင့်အတူ ဒစ်ဂျစ်တယ်လေယာဉ်သို့ ယူဆောင်လာပါက ၎င်းတို့အတွက် တွက်ချက်မှုဆိုင်ရာ ကိရိယာများကို အသုံးချနိုင်မည်ဖြစ်သည်။
• ဤသည်မှာ ဓာတုဗေဒဆိုင်ရာ အချက်အလက်များအကြောင်းဖြစ်သည်- ဓာတုဒေတာကို အသုံးပြုခြင်း ဖြစ်သည်။ စာရင်းဇယားများ၊ စက်သင်ယူမှုဥာဏ်ရည်တု၊ ဒေတာတူးဖော်ခြင်းနှင့် ပုံစံအသိအမှတ်ပြုခြင်းနည်းလမ်းများ.
• ဤ အယ်လဂိုရီသမ်များနှင့် မော်ဒယ်များအားလုံးသည် ဆေးဝါးများ တီထွင်ထုတ်လုပ်ခြင်း၏ အန္တိမရည်မှန်းချက်ဖြင့် ထိုကဲ့သို့သော များပြားလှသော ဒေတာခွဲခြမ်းစိတ်ဖြာမှုကို အရှိန်မြှင့်ပေးပါသည်။

ဓာတုဗေဒပညာသည် ဆေးဝါးအသစ်များကို ရှာဖွေတွေ့ရှိရန် မည်သို့ကူညီပေးမည်နည်း။

အခြေခံအားဖြင့်၊ ဓာတုဗေဒပညာရပ်က ဘာလဲ။ မူးယစ်ဆေးဝါးရှာဖွေတွေ့ရှိမှုနှင့် ဖွံ့ဖြိုးတိုးတက်မှုလုပ်ငန်းစဉ်၏ အဆင့်တိုင်းကို အကောင်းဆုံးဖြစ်အောင်လုပ်ပါ။ဤလုပ်ငန်းစဉ်သည် ၁၀ နှစ်မှ ၁၅ နှစ်အထိ ကြာနိုင်ပြီး ဒေါ်လာဘီလီယံပေါင်းများစွာ ကုန်ကျနိုင်သော ရှည်လျားပြီး ရှုပ်ထွေးသည့် စက်ဝန်းတစ်ခုဖြစ်ကြောင်း သတိပြုသင့်သည်။ သို့သော် ဓာတုဗေဒနှင့် ကွန်ပြူတာသိပ္ပံ ပေါင်းစပ်မှုကြောင့် ဤကြိုးပမ်းမှု အများစုသည် အလွန်ရိုးရှင်းပါသည်။ ဆေးဝါးဖွံ့ဖြိုးတိုးတက်မှု၏ အစောပိုင်းအဆင့်များတွင် မည်သို့ဖြစ်နိုင်သည်ကို ကြည့်ကြပါစို့။

အဆင့် 1- ရှာဖွေတွေ့ရှိမှုနှင့် သုတေသန

ဆေးဝါးဖန်တီးရန် သိပ္ပံပညာရှင်များ ပထမဆုံးလုပ်သောအရာမှာ ရောဂါဖြစ်စေသည့်အရာကို စူးစမ်းခြင်းဖြစ်သည်။ ထိုအကြောင်းကြောင့်၊ ၎င်းတို့သည် ရောဂါကုသရန် ပြောင်းလဲနိုင်သော ဇီဝဆိုင်ရာပစ်မှတ် သို့မဟုတ် ရည်မှန်းချက် (ပရိုတင်း သို့မဟုတ် မျိုးဗီဇကဲ့သို့) ကို ခွဲခြားသတ်မှတ်သည်။. ဤအချိန်တွင်၊ ဓာတုဗေဒပညာရပ်သည် ပစ်မှတ်တစ်ခုသည် "ဆေးသုံးနိုင်သည်" ရှိမရှိကို သိရန် ကူညီပေးသည်၊ ဆိုလိုသည်မှာ ၎င်းတွင်၊ မင်းတုံး (ကနဦး နှိုင်းယှဥ်ပြန်ခြင်း) a ကို မိတ်ဆက်ပေးရန် သော့ (မော်လီကျူး) ကို ပြုပြင်မွမ်းမံရန် ကြိုးစားသည်။

ထို့အပြင် data processing techniques ကိုလည်း ကူညီပေးပါသည်။ ကိုယ်စားလှယ်လောင်း မော်လီကျူးများကို ဖော်ထုတ်ပြီး ဖန်တီးပါ။ ပစ်မှတ်နှင့် တုံ့ပြန်နိုင်သော (သော့တွဲများ)။ ဓာတ်ပေါင်း သန်းပေါင်းများစွာကို ရုပ်ပိုင်းဆိုင်ရာ စမ်းသပ်မည့်အစား၊ a virtual screening အကောင်းဆုံး ကိုယ်စားလှယ်လောင်းများကို ဖော်ထုတ်ရန် ကြီးမားသော ဒေတာဘေ့စ်များတွင် ထို့ကြောင့်၊ နှစ်နှစ်မှ လေးနှစ်ကြာသည့်အရာသည် ယခုအချိန်နည်းပြီး ငွေနှင့်ကြိုးစားအားထုတ်မှု နည်းပါးစွာဖြင့် ပြီးမြောက်အောင်မြင်သွားပါသည်။

အဆင့် 2- Preclinical အဆင့်

ကုသရေးအဆင့်တွင်၊ ၎င်းတို့၏ဘေးကင်းမှုနှင့် ထိရောက်မှုကို အကဲဖြတ်ရန် အလားအလာအရှိဆုံး ဒြပ်ပေါင်းများကို ဖော်ထုတ်ပြီး တိကျစွာလေ့လာသည်။ ဤလေ့လာမှုနှစ်ခုလုံးကို ပုံမှန်အားဖြင့် ပြုလုပ်သည်။ စသည်တို့အတွက် (ဆဲလ်များနှင့် တစ်ရှူးများပေါ်တွင်) အဖြစ် Vivo အတွက် (တိရစ္ဆာန်များတွင်)။ ဒါပေမယ့်၊ Chemoinformatics သည် ဤလေ့လာမှုအားလုံးကို အတုယူရန် ခွင့်ပြုသည်။ silico ၌တည်၏ဆိုလိုတာက ကွန်ပျူတာပေါ်မှာဓာတ်ခွဲခန်းစမ်းသပ်မှုများနှင့် အလွန်ဆင်တူသော ရလဒ်များ။ သဘာဝအားဖြင့်၊ ၎င်းသည် အရင်းအမြစ်များနှင့် အချိန်ကို သက်သာစေပြီး အသုံးမဝင်သော မျိုးကွဲရာပေါင်းများစွာကို ပေါင်းစပ်ခြင်းမှ ရှောင်ကြဉ်ပါသည်။

အဆင့် 3- လက်တွေ့စမ်းသပ်မှု အဆင့်များ

ကြိုတင်လက်တွေ့လေ့လာမှုများ အောင်မြင်ပါက ဒြပ်ပေါင်းသည် လူ၏စမ်းသပ်မှုဆီသို့ ဆက်လက်ရွေ့လျားသည်။ ဟုတ်ပါတယ်၊ ထိုဒြပ်ပေါင်းသည် စမ်းသပ်ပြွန်တစ်ခု သို့မဟုတ် ဒစ်ဂျစ်တယ် သရုပ်ဖော်မှုတွင် အလွန်အစွမ်းထက်ပါသည်။ ဒါပေမယ့် လူ့ခန္ဓာကိုယ်က မစုပ်ယူနိုင်ရင် အဆိပ်သင့်တာ ဒါမှမဟုတ် အသည်းက အစာချေဖျက်တာ မြန်ရင် ဆေးပျက်သွားလိမ့်မယ်။ ထို့ကြောင့် လူသားများကို စမ်းသပ်ခြင်းမပြုမီ၊ ပြုလုပ်ရန် လိုအပ်ပါသည်။ ADMET Properties Prediction Test သည် စုပ်ယူမှု၊ ဖြန့်ဝေမှု၊ ဇီဝကမ္မဖြစ်စဉ်၊ စွန့်ထုတ်မှုနှင့် အဆိပ်အတောက်များကို တိုင်းတာပေးသည်။ လူ့ခန္ဓာကိုယ်အတွင်းရှိဒြပ်ပေါင်း.

ကံကောင်းထောက်မစွာ, Cheminformatics မော်ဒယ်များသည် ADMET ပိုင်ဆိုင်မှု ခန့်မှန်းချက်များကိုလည်း လုပ်ဆောင်နိုင်သည်။ပြဿနာရှိသော ကိုယ်စားလှယ်လောင်းများကို စောစောစီးစီး ဖယ်ရှားရန်အတွက် တိရစ္ဆာန်များတွင် ဒြပ်ပေါင်းကို စမ်းသပ်ခြင်းမပြုမီတွင်ပင် ၎င်းကို လုပ်ဆောင်နိုင်သည်။ တဖန်၊ ဤဒစ်ဂျစ်တယ် သရုပ်ဖော်မှုများ လုပ်ဆောင်ခြင်းသည် မအောင်မြင်သော ဆေးခန်းများတွင် စမ်းသပ်မှု အရေအတွက်အပြင် စမ်းသပ်မှု ဘာသာရပ်များကို အသုံးပြုရန် လိုအပ်ခြင်း (နှင့် ရရှိလာသော ကျင့်ဝတ်ဆိုင်ရာ အကျိုးသက်ရောက်မှုများ) ကို လျော့နည်းစေသည်။

နိဂုံးချုပ်အားဖြင့်၊ ဓာတုဗေဒပညာသည် အဘယ်နည်းနှင့် ဆေးဝါးအသစ်များကို ရှာဖွေတွေ့ရှိရန် မည်ကဲ့သို့ ကူညီပေးသည်ကို ကျယ်ပြန့်သောလေဖြတ်မှုများတွင် ကျွန်ုပ်တို့တွေ့ခဲ့ရသည်။ ဤသိပ္ပံနည်းကျ စည်းကမ်း၏ အတိုင်းအတာသည် ကြီးမားသည်။ထို့ကြောင့် အနာဂတ်တွင် ပိုမို၍ ပိုမိုကောင်းမွန်သော ရလဒ်များကို မျှော်လင့်ပါသည်။ ဓာတုဗေဒ၏ စွမ်းအားကို တွက်ချက်မှုဆိုင်ရာ ဉာဏ်ရည်ဉာဏ်သွေးဖြင့် ပေါင်းစပ်ခြင်းဖြင့်၊ ဖြစ်နိုင်ခြေရှိသော စကြာဝဠာတစ်ခုလုံးသည် ရောဂါများကို ပိုမိုလျင်မြန်စွာ၊ တိကျစွာနှင့် စီးပွားရေးအရ ကုသရန်အတွက် ဖွင့်လှစ်ပေးပါသည်။