Ano ang chemoinformatics at paano ito nakakatulong sa pagtuklas ng mga bagong gamot?

Alam mo ba na ang pagtuklas ng bagong gamot ay tumatagal sa pagitan ng 10 at 15 taon at nagkakahalaga ng bilyun-bilyong dolyar? Ang dami ng oras, pera, at pagsisikap na namuhunan ay napakalaki, ngunit lahat iyon ay nagbabago salamat sa isang siyentipikong disiplina na kilala bilang chemoinformatics.Ano ito at paano ito nakakatulong sa pagtuklas ng mga bagong gamotAng sagot ay kasing kapana-panabik na ito ay kumplikado, at sa post na ito ay ipapaliwanag namin ito sa isang simpleng paraan.

Ano ang cheminformatics? Ang kapana-panabik na pagsasanib ng chemistry at computer science

Upang maunawaan Ano ang cheminformatics?Isipin na kailangan mong makahanap ng isang natatanging susi na nagbubukas ng isang napakasalimuot na lock. Ngunit ang susi ay nakatago sa isang bundok na may sampung bilyong magkakaibang mga susi. Anong gawain! Naiisip mo ba kung gaano karaming oras at pagsisikap ang aabutin upang manual na maghanap at subukan ang bawat susi nang paisa-isa?

Well, ang industriya ng parmasyutiko ay nahaharap sa napakalaking hamon na ito. Ang lock ay kumakatawan sa isang protina na nagdudulot ng sakit, at ang susi ay isang kemikal na molekula na maaaring gawing gamot. Sa loob ng ilang dekada, Gumamit ang mga eksperto ng 'manual' na sistema upang mahanap ang bawat bagong gamot, namumuhunan ng tunay na napakalaking dami ng oras, pera at pagsisikap.

Pagbabalik sa pagkakatulad, isipin na mayroon ka na ngayong a matalinong sistema Nagagawa nitong agad na ibukod ang siyam sa sampung susi na hindi kasya. Tinutulungan ka rin ng system na hulaan kung aling mga susi ang may pinaka-promising na hugis, tipunin ang mga ito, at pagbukud-bukurin ang mga ito sa mga bungkos. Mahusay! Iyon ay, sa esensya, ang magic ng Cheminformatics.

Ano ang cheminformatics? Ayon sa portal PubMed, 'ay isang larangan ng teknolohiya ng impormasyon na nakatuon sa pagkolekta, pag-iimbak, pagsusuri, at pagmamanipula ng data ng kemikal.' Itong siyentipikong disiplina gumagamit ng computer science at data science techniques para malutas ang mga kumplikadong problema sa chemistryPangunahing nakatuon ito sa pagtuklas ng droga, ngunit mayroon ding mga aplikasyon sa maraming sektor (agrochemical, pagkain, atbp.).

Dalawang pangunahing haligi: Data at Algorithm

Upang maunawaan kung paano gumagana ang cheminformatics, dapat nating pag-usapan ang tungkol sa dalawang mahahalagang bahagi nito: data ng kemikal, sa isang banda, at ang mga algorithm at modelo, sa kabilang banda. Ang huli ay ginagamit upang iproseso ang data ng kemikal at sa gayon ay makakuha ng kapaki-pakinabang na impormasyon na nagbibigay-daan para sa pag-optimize ng pagbuo ng gamot. Upang gawin ito, kailangan munang i-digitalize ang lahat ng data na may kaugnayan sa bawat umiiral na compound ng kemikal.

Kaya ang lahat ay nagsisimula sa digitalization ng mga molekulaAng mga ito ay maaaring irepresenta nang digital gamit ang mga espesyal na format (gaya ng SMILES, InChI, o SDF file) na mauunawaan at maproseso ng isang computer. Siyempre, hindi natin pinag-uusapan ang mga simpleng guhit: ang mga file na ito ay nag-encode ng impormasyon tulad ng mga atom, ang kanilang mga bono, ang kanilang tatlong-dimensional na istraktura, singil sa kuryente, mga pisikal na katangian, atbp. Nagresulta ito sa pagkakaroon ng napakalaking database na nag-iimbak ng milyun-milyong molekula, parehong natural at sintetiko.

• Kapag ang mga kemikal na compound, kasama ang lahat ng kanilang mga katangian, ay dinala sa digital plane, posible na maglapat ng mga computational tool sa kanila.
• Ito ang tungkol sa cheminformatics: paglalapat ng data ng kemikal istatistika, ang pag-aaral ng makina, artificial intelligence, data mining at mga paraan ng pagkilala ng pattern.
• Ang lahat ng mga algorithm at modelong ito ay lubos na nagpapabilis sa pagsusuri ng napakalaking dami ng data, na may pangwakas na layunin ng pagbuo ng mga gamot.

Paano nakakatulong ang cheminformatic na tumuklas ng mga bagong gamot

Karaniwan, ang ginagawa ng cheminformatics ay i-optimize ang bawat yugto ng proseso ng pagtuklas at pag-unlad ng gamotKapansin-pansin na ang prosesong ito ay isang mahaba at kumplikadong cycle na maaaring tumagal ng 10 hanggang 15 taon at nagkakahalaga ng bilyun-bilyong dolyar. Ngunit karamihan sa pagsisikap na ito ay lubos na pinasimple salamat sa pagsasanib ng kimika at computer science. Tingnan natin kung paano ito posible sa mga unang yugto ng pagbuo ng gamot:

Yugto 1: Pagtuklas at Pananaliksik

Upang lumikha ng isang gamot, ang unang bagay na ginagawa ng mga siyentipiko ay siyasatin kung ano ang sanhi ng isang sakit. Sa loob ng kadahilanang iyon, Tinutukoy nila ang isang biological na target o layunin (tulad ng isang protina o gene) na maaaring baguhin upang gamutin ang sakit.. Sa puntong ito, nakakatulong ang cheminformatics na malaman kung ang isang target ay "nakakagamot", ibig sabihin, kung mayroon itong bolt (pagbabalik sa inisyal na pagkakatulad) kung saan ipakilala ang a mag-ipon (molekula) upang subukang baguhin ito.

Bilang karagdagan, ang mga diskarte sa pagproseso ng data ay nakakatulong din sa kilalanin at lumikha ng mga molekula ng kandidato (mga bungkos ng mga susi) na maaaring makipag-ugnayan sa target. Sa halip na pisikal na subukan ang milyun-milyong compound, a virtual screening sa napakalaking database upang matukoy ang pinakamahusay na mga kandidato. Kaya, kung ano ang dating tumagal ng dalawa hanggang apat na taon ay nagagawa na ngayon sa mas kaunting oras at may mas maliit na puhunan ng pera at pagsisikap.

Stage 2: Preclinical phase

Sa preclinical phase, ang pinaka-promising na mga compound na natukoy ay kinuha at mahigpit na pinag-aralan upang suriin ang kanilang kaligtasan at bisa. Ang mga pag-aaral na ito ay karaniwang isinasagawa pareho sa vitro (sa mga cell at tissue) bilang sa Vivo (sa mga hayop). pero, Ang Chemoinformatics ay nagpapahintulot sa lahat ng mga pag-aaral na ito na gayahin sa silico, ibig sabihin, sa isang computer, at may mga resulta na halos kapareho sa mga pagsubok sa laboratoryo. Naturally, nakakatipid ito ng mga mapagkukunan at oras, at iniiwasan ang pag-synthesize ng daan-daang mga walang kwentang variant.

Stage 3: Mga yugto ng klinikal na pagsubok

Kung matagumpay ang mga preclinical na pag-aaral, ang tambalan ay nagpapatuloy sa pagsusuri sa tao. Siyempre, ang naturang tambalan ay maaaring napakalakas sa isang test tube o sa isang digital simulation. Ngunit kung hindi ito naa-absorb ng katawan ng tao, ito ay nakakalason, o masyadong mabilis na na-metabolize ng atay, ito ay isang drug failure. Samakatuwid, bago ang pagsubok sa mga tao, kinakailangan na magsagawa ng a ADMET Properties Prediction Test, na sumusukat sa Adsorption, Distribution, Metabolism, Excretion at Toxicity ng tambalan sa katawan ng tao.

Sa kabutihang palad, Ang mga modelo ng Cheminformatics ay maaari ding magpatakbo ng mga pagsubok sa paghula ng property ng ADMETMagagawa ito bago pa man subukan ang tambalan sa mga hayop, upang maagang maalis ang mga may problemang kandidato. Muli, binabawasan ng pagsasagawa ng mga digital simulation na ito ang bilang ng mga nabigong klinikal na pagsubok, gayundin ang pangangailangang gumamit ng mga paksa ng pagsubok (at ang resultang etikal na epekto).

Sa konklusyon, nakita natin sa malawak na mga stroke kung ano ang chemoinformatics at kung paano ito nakakatulong sa pagtuklas ng mga bagong gamot. Ang scalability ng siyentipikong disiplina na ito ay napakalaki., kaya mas marami at mas magagandang resulta ang inaasahan sa hinaharap. Sa pamamagitan ng pagsasama-sama ng kapangyarihan ng chemistry sa computational intelligence, ang buong uniberso ng mga posibilidad ay nagbubukas para sa pagpapagamot ng mga sakit nang mas mabilis, tumpak, at matipid.