Vad är kemoinformatik och hur hjälper det till att upptäcka nya läkemedel?

Visste du att det tar mellan 10 och 15 år och kostar miljarder dollar att upptäcka ett nytt läkemedel? Mängden tid, pengar och ansträngning som investeras är enorm, men allt detta förändras tack vare en vetenskaplig disciplin som kallas kemoinformatik.Vad det är och hur det hjälper till att upptäcka nya läkemedelSvaret är lika spännande som det är komplext, och i det här inlägget ska vi förklara det på ett enkelt sätt.

Vad är keminformatik? Den spännande sammansmältningen av kemi och datavetenskap

Att förstå Vad är keminformatik?Tänk dig att du måste hitta en unik nyckel som öppnar ett extremt komplext lås. Men nyckeln är gömd bland ett berg av tio miljarder olika nycklar. Vilken uppgift! Kan du föreställa dig hur mycket tid och ansträngning det skulle ta att manuellt söka och testa varje nyckel en efter en?

Läkemedelsindustrin står inför denna monumentala utmaning. Låset representerar ett sjukdomsframkallande protein, och nyckeln är en kemisk molekyl som skulle kunna omvandlas till ett läkemedel. I årtionden, Experter har använt "manuella" system för att hitta varje nytt läkemedel., investerar verkligen enormt mycket tid, pengar och ansträngning.

Om vi ​​återgår till analogin, föreställ dig att du nu har en intelligent system Den kan omedelbart utesluta nio av tio nycklar som inte passar. Systemet hjälper dig också att förutsäga vilka nycklar som har den mest lovande formen, samla dem och sortera dem i buntar. Toppen! Det är i grund och botten magin med keminformatik.

Vad är keminformatik? Enligt portalen PubMed, "är ett område inom informationsteknologi som fokuserar på insamling, lagring, analys och manipulation av kemiska data." Denna vetenskapliga disciplin använder datavetenskapliga och datavetenskapliga tekniker för att lösa komplexa problem inom kemiDet är främst inriktat på läkemedelsutveckling, men har även tillämpningar inom flera sektorer (jordbrukskemikalier, livsmedel etc.).

Två grundläggande pelare: Data och algoritmer

För att förstå hur keminformatik fungerar måste vi prata om dess två väsentliga komponenter: kemiska data, å ena sidan, och algoritmer och modeller, å andra sidan. De senare används för att bearbeta kemiska data och därmed få fram användbar information som möjliggör optimering av läkemedelsutveckling. För att göra detta är det först nödvändigt att digitalisera all data relaterad till varje befintlig kemisk förening.

Så allt börjar med digitalisering av molekylerDessa kan representeras digitalt med hjälp av speciella format (som SMILES-, InChI- eller SDF-filer) som en dator kan förstå och bearbeta. Naturligtvis talar vi inte om enkla ritningar: dessa filer kodar information som atomer, deras bindningar, deras tredimensionella struktur, elektriska laddning, fysikaliska egenskaper etc. Detta har resulterat i existensen av gigantiska databaser som lagrar miljontals molekyler, både naturliga och syntetiska.

• När de kemiska föreningarna, med alla deras egenskaper, har förts till det digitala planet är det möjligt att tillämpa beräkningsverktyg på dem.
• Det här är vad keminformatik handlar om: att tillämpa kemiska data statistiken, den maskininlärning, artificiell intelligens, datautvinning och mönsterigenkänningsmetoder.
• Alla dessa algoritmer och modeller snabbar upp analysen av en så enorm mängd data avsevärt, med det yttersta målet att utveckla läkemedel.

Hur keminformatik hjälper till att upptäcka nya läkemedel

I grund och botten, vad keminformatik gör är optimera varje steg i läkemedelsutvecklingsprocessenDet är värt att notera att denna process är en lång och komplex cykel som kan ta 10 till 15 år och kosta miljarder dollar. Men mycket av detta arbete har förenklats avsevärt tack vare sammansmältningen av kemi och datavetenskap. Låt oss titta på hur detta är möjligt under de tidiga stadierna av läkemedelsutveckling:

Steg 1: Upptäckt och forskning

För att skapa ett läkemedel är det första forskare gör att undersöka vad som orsakar en sjukdom. Inom den orsaken, De identifierar ett biologiskt mål eller syfte (såsom ett protein eller en gen) som kan förändras för att behandla sjukdomen.Vid denna tidpunkt hjälper keminformatik till att veta om ett mål är "läkemedelsbart", det vill säga om det har en bult (återgår till den inledande analogin) för att introducera en llave (molekyl) för att försöka modifiera den.

Dessutom hjälper databehandlingstekniker också till att identifiera och skapa kandidatmolekyler (nyckelknippen) som kunde interagera med målet. Istället för att fysiskt testa miljontals föreningar, en virtuell screening i massiva databaser för att identifiera de bästa kandidaterna. Det som tidigare tog två till fyra år kan nu åstadkommas på mycket kortare tid och med en mindre investering av pengar och ansträngning.

Steg 2: Preklinisk fas

I den prekliniska fasen tas de mest lovande substanserna som identifierats och studeras noggrant för att utvärdera deras säkerhet och effekt. Dessa studier genomförs vanligtvis både vitro (på celler och vävnader) som in vivo- (hos djur). Men, Kemoinformatik gör det möjligt att simulera alla dessa studier in silico, det vill säga på en dator, och med resultat som är mycket lika laboratorietester. Naturligtvis sparar detta resurser och tid, och man undviker att syntetisera hundratals värdelösa varianter.

Steg 3: Kliniska prövningsfaser

Om prekliniska studier är framgångsrika går substansen vidare till tester på människor. Naturligtvis kan en sådan substans vara mycket potent i ett provrör eller i en digital simulering. Men om människokroppen inte absorberar den, om den är giftig eller om levern metaboliserar den för snabbt, kommer det att vara ett läkemedelsmisslyckande. Därför är det nödvändigt att genomföra en testning på människor innan man testar den. ADMET-egenskapsprediktionstest, som mäter adsorption, distribution, metabolism, utsöndring och toxicitet av föreningen i människokroppen.

Lyckligtvis Keminformatikmodeller kan också köra ADMET-egenskapsprediktionstesterDetta kan göras redan innan substansen testas på djur, för att utesluta problematiska kandidater tidigt. Återigen minskar utförandet av dessa digitala simuleringar antalet misslyckade kliniska prövningar, såväl som behovet av att använda försökspersoner (och den resulterande etiska effekten).

Sammanfattningsvis har vi i stora drag sett vad kemoinformatik är och hur den hjälper till att upptäcka nya läkemedel. Skalbarheten hos denna vetenskapliga disciplin är enorm., så fler och bättre resultat förväntas i framtiden. Genom att kombinera kemins kraft med beräkningsintelligens öppnas ett helt universum av möjligheter för att behandla sjukdomar snabbare, mer exakt och mer ekonomiskt.