Одна из основных проблем современного общества — это эффективность и стоимость разработки лекарств для лечения болезней. Достижения фармацевтической науки были феноменальными, но цена этих достижений остается непомерно высокой для многих фармацевтических компаний, которые рискуют заниматься редкими заболеваниями. Существует большое количество «забытых» болезней, при которых каждая болезнь поражает лишь небольшое количество пациентов в мире, но это число все же остается значительным.
Кун-И Синь, исследователь из отдела открытой биологии под руководством профессора Хироаки Китано, работает именно над этой проблемой. В недавней статье, опубликованной в PLOS ONE, он описывает свою работу по выявлению потенциальных лекарств и мишеней для этих лекарств с использованием вычислительного подхода, который может снизить стоимость разработки лекарств при одновременном увеличении скорости открытия лекарств.Есть несколько подходов, которые используют академические и фармацевтические ученые, чтобы определить, взаимодействует ли небольшая молекула, которая является активным компонентом лекарства, с белком. Многие заболевания возникают из-за чрезмерной или недостаточной активности белка.
Цель открытия лекарств — найти небольшую молекулу, которая либо включит, либо выключит ошибочный белок. Традиционно это делается в лаборатории, вручную проверяя каждую небольшую молекулу на белок, который, как известно, вызывает заболевание. Этот метод дорогостоящий и трудоемкий.
Когда появились компьютеры, ученые смогли виртуально идентифицировать малые молекулы-кандидаты, а затем приступить к их тестированию в лаборатории. Одна из проблем этого подхода заключается в том, что вычислительная часть дает вам только одну часть информации, независимо от того, связывается ли небольшая молекула с конкретным белком.
Он не может рассказать вам о том, с какими другими белками может взаимодействовать небольшая молекула. Это становится проблемой, когда эти неожиданные взаимодействия приводят к нежелательным последствиям или побочным эффектам.
Результатами неожиданных побочных эффектов являются повышенные риски при приеме препарата пациентом, увеличение стоимости для пациента и, в крайних случаях, вывод препарата с рынка.Здесь могут помочь исследования Синя. Он использует метод, называемый симуляцией стыковки систем, что означает, что он фактически оценивает, будет ли небольшая молекула связываться с белком. Однако вместо того, чтобы проверять множество маленьких молекул и один неправильно функционирующий, вызывающий болезнь белок, он проверяет одну небольшую молекулу против множества белков.
Это приводит к тому, что он находит целевые и нецелевые объекты, или белок, который они хотят изменить, и белки, которые они, возможно, не хотят изменять, но с которыми небольшая молекула взаимодействует неожиданно. Это позволяет исследователям предсказать токсичность того или иного лекарства еще до того, как оно дойдет до экспериментальной стадии. Используя комбинацию алгоритмов моделирования стыковки и систем машинного обучения, исследователи показали, что их метод может лучше предсказывать кандидатов в цель и вне нее, чем используемые в настоящее время методы.
Конечная цель его исследования — использовать эти вычислительные методы для создания более дешевых лекарств, что приведет к созданию более безопасных и доступных лекарств для пациентов. Прямо сейчас Синь говорит, что он «улучшает результаты прогнозирования в небольшом масштабе, прежде чем применять методы к более крупной системе».
В будущем у них есть планы протестировать его систему на карте жизненного цикла гриппа A (FluMap) в сотрудничестве с Институтом медицинских наук Токийского университета. И в дальнейшем он адаптирует свой метод с вычислительной мощностью системы высокопроизводительных вычислений OIST (TOMBO) для более сложных сценариев прогнозирования, которые более точно имитируют естественную клеточную среду.