Hva er kjemoinformatikk, og hvordan bidrar det til å oppdage nye legemidler?

Visste du at det tar mellom 10 og 15 år og koster milliarder av dollar å oppdage et nytt legemiddel? Mengden tid, penger og innsats som investeres er enorm, men alt dette er i endring takket være en vitenskapelig disiplin kjent som kjeminformatikk.Hva det er og hvordan det bidrar til å oppdage nye medisinerSvaret er like spennende som det er komplekst, og i dette innlegget skal vi forklare det på en enkel måte.

Hva er kjeminformatikk? Den spennende fusjonen av kjemi og informatikk

For å forstå Hva er kjeminformatikk?Tenk deg at du må finne en unik nøkkel som åpner en ekstremt kompleks lås. Men nøkkelen er gjemt blant et fjell av ti milliarder forskjellige nøkler. For en oppgave! Kan du forestille deg hvor mye tid og krefter det ville ta å manuelt søke og prøve hver nøkkel én etter én?

Vel, legemiddelindustrien står overfor denne monumentale utfordringen. Låsen representerer et sykdomsfremkallende protein, og nøkkelen er et kjemisk molekyl som kan omdannes til et legemiddel. I flere tiår, Eksperter har brukt «manuelle» systemer for å finne hvert nye legemiddel, og investerer virkelig en enorm mengde tid, penger og krefter.

Tilbake til analogien, tenk deg at du nå har en smart system Den kan umiddelbart utelukke ni av ti nøkler som ikke passer. Systemet hjelper deg også med å forutsi hvilke nøkler som har den mest lovende formen, samle dem og sortere dem i bunter. Flott! Det er i bunn og grunn magien med kjeminformatikk.

Hva er kjeminformatikk? Ifølge portalen PubMed, «er et felt innen informasjonsteknologi som fokuserer på innsamling, lagring, analyse og manipulering av kjemiske data.» Denne vitenskapelige disiplinen bruker informatikk og datavitenskapsteknikker for å løse komplekse problemer innen kjemiDet er primært fokusert på legemiddelutvikling, men har også anvendelser i flere sektorer (landbrukskjemikalier, mat, etc.).

To grunnleggende søyler: Data og algoritmer

For å forstå hvordan kjeminformatikk fungerer, må vi snakke om dens to essensielle komponenter: kjemiske data, på den ene siden, og algoritmer og modeller, på den annen side. Sistnevnte brukes til å behandle kjemiske data og dermed innhente nyttig informasjon som muliggjør optimalisering av legemiddelutvikling. For å gjøre dette er det først nødvendig å digitalisere alle dataene relatert til hver eksisterende kjemiske forbindelse.

Så det hele starter med digitalisering av molekylerDisse kan representeres digitalt ved hjelp av spesielle formater (som SMILES-, InChI- eller SDF-filer) som en datamaskin kan forstå og behandle. Vi snakker selvfølgelig ikke om enkle tegninger: disse filene koder for informasjon som atomer, deres bindinger, deres tredimensjonale struktur, elektrisk ladning, fysiske egenskaper osv. Dette har resultert i eksistensen av gigantiske databaser som lagrer millioner av molekyler, både naturlige og syntetiske.

• Når de kjemiske forbindelsene, med alle sine egenskaper, er brakt til det digitale planet, er det mulig å anvende beregningsverktøy på dem.
• Dette er hva kjeminformatikk handler om: å anvende kjemiske data statistikk, den maskinlæring, kunstig intelligens, datamining og mønstergjenkjenningsmetoder.
• Alle disse algoritmene og modellene fremskynder analysen av en så enorm mengde data betraktelig, med det endelige målet å utvikle legemidler.

Hvordan kjeminformatikk bidrar til å oppdage nye legemidler

I bunn og grunn gjør kjeminformatikk det optimalisere alle trinn i prosessen med legemiddeloppdagelse og -utviklingDet er verdt å merke seg at denne prosessen er en lang og kompleks syklus som kan ta 10 til 15 år og koste milliarder av dollar. Men mye av denne innsatsen har blitt kraftig forenklet takket være fusjonen av kjemi og informatikk. La oss se på hvordan dette er mulig i de tidlige stadiene av legemiddelutvikling:

Fase 1: Oppdagelse og forskning

For å lage en medisin er det første forskere gjør å undersøke hva som forårsaker en sykdom. Innenfor den årsaken, De identifiserer et biologisk mål eller objektiv (som et protein eller gen) som kan endres for å behandle sykdommen.På dette tidspunktet hjelper kjeminformatikk med å vite om et mål er «medisinerbart», det vil si om det har en bolt (tilbake til den innledende analogien) for å introdusere en skiftenøkkel (molekyl) for å prøve å modifisere det.

I tillegg bidrar databehandlingsteknikker også til å identifisere og lage kandidatmolekyler (nøkkelknipper) som kunne samhandle med målet. I stedet for å fysisk teste millioner av forbindelser, en virtuell screening i enorme databaser for å identifisere de beste kandidatene. Dermed oppnås det som pleide å ta to til fire år nå på mye kortere tid og med en mindre investering av penger og innsats.

Fase 2: Preklinisk fase

I den prekliniske fasen tas de mest lovende forbindelsene som er identifisert og studeres grundig for å evaluere deres sikkerhet og effekt. Disse studiene utføres vanligvis både vitro (på celler og vev) som in vivo (hos dyr). Men, Kjemoinformatikk gjør det mulig å simulere alle disse studiene i silico, altså på en datamaskin, og med resultater som er svært lik laboratorietester. Dette sparer naturligvis ressurser og tid, og unngår å syntetisere hundrevis av ubrukelige varianter.

Fase 3: Faser av kliniske studier

Hvis prekliniske studier er vellykkede, går forbindelsen videre til testing på mennesker. En slik forbindelse kan selvfølgelig være svært potent i et reagensrør eller i en digital simulering. Men hvis menneskekroppen ikke absorberer den, den er giftig, eller leveren metaboliserer den for raskt, vil det være en medikamentfeil. Derfor er det nødvendig å utføre en testing på mennesker før ADMET-egenskapsprediksjonstest, som måler adsorpsjon, distribusjon, metabolisme, utskillelse og toksisitet av forbindelsen i menneskekroppen.

Heldigvis Kjeminformatikkmodeller kan også kjøre ADMET-egenskapsprediksjonstesterDette kan gjøres selv før stoffet testes på dyr, for å utelukke problematiske kandidater tidlig. Igjen reduserer utførelse av disse digitale simuleringene antallet mislykkede kliniske studier, samt behovet for å bruke testpersoner (og den resulterende etiske konsekvensen).

Avslutningsvis har vi sett i grove trekk hva kjemoinformatikk er og hvordan det bidrar til å oppdage nye legemidler. Skalerbarheten til denne vitenskapelige disiplinen er enorm., så det forventes flere og bedre resultater i fremtiden. Ved å kombinere kraften i kjemi med beregningsintelligens åpnes et helt univers av muligheter for å behandle sykdommer raskere, mer nøyaktig og mer økonomisk.