III. Разработка лекарственного препарата.
Стратегия поиска лекарственных препаратов зависит от накопленных знаний об уже известных препаратах, мишенях их действия и т. д. Стратегия поиска (особенно компьютерного) соединений с максимальной и специфической биологической активностью зависит от наличия исходных данных. Различные варианты состояния начальной информации можно условно разделить на четыре основные категории:
. Cтруктуры как рецептора, так и лиганда неизвестны;
. Известна только структура рецептора (структура лиганда неизвестна);
. Известна только структура лиганда (структура рецептора неизвестна);
. Известны структуры как рецептора, так и лиганда[6].
.1 Поиск и конструирование соединений-лидеров
Первая стадия поиска и конструирования лекарственных препаратов состоит, как правило, в идентификации и синтезе новых физиологически активных веществ (ФАВ), обычно называемых «соединениями-лидерами». Соединение-лидер - это своего рода структурный прототип будущего лекарства, т.е. соединение, обладающее определенной физиологической активностью, на базе которого и будет создаваться лекарство [2].
Соединение - лидер может быть найдено случайно, и в истории создания лекарственных препаратов таких примеров очень много. Именно так был открыт, например, нитроглицерин, приведший к синтезу многих эфиров алифатических спиртов с азотной кислотой, и пенициллин, на основе которого были синтезированы его многочисленные аналоги и производные. Однако обычно начальный поиск связан с систематическим тестированием («скринингом») различных веществ на активность. Выделено два вида систематического скрининга:
а) исследование в одном биологическом тесте достаточно большого количества соединений;
б) изучение нескольких соединений с оригинальной структурой на многих биологических тестах.
Обычно это дорогие и трудоемкие методы, сильно ограничивающие полную проверку гигантского потенциального набора органических веществ. При скрининге иногда используют термин hit-compound, означающий своего рода «попадание в цель» - нахождение соединения, проявляющего физиологическую активность. Затем проводится тестирование круга соединений с похожей структурой, из которых потом и выбирается соединение-лидер. В принципе соединение-лидер может быть не только получено органическим синтезом, но и выделено из природных источников.
В поисках соединений-лидеров методом систематического скрининга нередки обращения к источникам так называемой «народной медицины». Иными словами, источниками молекул для тестирования на биологические свойства могут быть как продукты химического синтеза, так и природные соединения, имеющие молекулы с очень необычной и сложной структурой. Примером соединения-лидера, найденного с помощью систематического скрининга природных соединений, является таксол - эффективное противораковое средство [3]. В современной медицинской химии существует несколько стратегий направленного поиска соединения - лидера.
Тотальный («through put») скрининг. С развитием компьютерной и робототехники был разработан так называемый тотальный или сплошной скрининг, который представляет собой одновременный автоматизированный и миниатюризованный анализ in vitro нескольких сотен и даже тысяч соединений в 30-50 биологических тестах.
Метод сплошного скрининга, как правило, используется для тестов с замещением лигандов, меченных радиоактивными атомами, и ингибированием ферментов. Развитие методов сплошного скрининга вызвало к жизни новое направление в органическом синтезе - синтез «комбинаторных библиотек». Последние представляют собой смесь большого (часто очень большого) числа соединений, полученных однотипным методом с использованием серий аналогичных реагентов и имеющих регулируемый состав. Эта смесь подвергается тотальному скринингу, после чего проводится идентификация тех структур смеси, которые проявляют биологическую активность [4].
Среди успехов метода сплошного скрининга можно отметить получение ловастатина, ставшего соединением-лидером для нового поколения препаратов, снижающих уровень холестерина в крови [7].
Рациональное конструирование соединения-лидера. К началу 70-х годов появилась реальная возможность сознательного конструирования соединений-лидеров, основываясь на информации, полученной благодаря достижениям биоорганической химии, молекулярной биологии (в особенности благодаря установлению структур некоторых рецепторов и ферментов методом рентгеноструктурного анализа). Целенаправленное конструирование особенно эффективно в том случае, когда известны структуры как рецептора, так и лиганда.
Во-первых, в этом случае, применяется компьютерное совмещение полости рецептора или фермента и гипотетических молекул (компьютерное моделирование, docking) с целью достижения как максимального совмещения размеров молекулы c размером полости, так и максимального взаимного связывания за счет учета водородных связей, электростатического притяжения, липофильных взаимодействий и т. д. Важным моментом «докинга» может явиться поиск подходящего трехмерного молекулярного фрагмента в соответствующей структурной базе данных.
Во-вторых, если субстратом рецептора или фермента является пептидная молекула, то можно по аналогии сконструировать непептидную молекулу (пептидомиметик), которая выступала бы в качестве ингибитора данного фермента. Классическим примером является использование N-сукцинил-L-пролина в качестве соединения-лидера для создания антигипертензивного препарата на основании знания механизма ферментативной реакции превращения ангиотензина I в ангиотензин II (последний повышает кровяное давление путем сужения сосудов). Каптоприл - искусственный ингибитор конвертирующего фермента - был синтезирован на основе вышеуказанного соединения в 1975 г., считается одним из первых «спроектированных» лекарственных препаратов [22].
2.2 Оптимизация соединения-лидера
Вторая стадия конструирования лекарственного соединения - оптимизация - состоит в создании синтетической модификации структуры соединения-лидера с целью повышения его активности, уменьшения токсичности и улучшения селективности действия. Подходы, используемые на этой стадии создания лекарственных препаратов, включают изменения структуры молекулы, приводящие к лучшему соответствию между молекулой и ее мишенью в организме, например ферментом или рецептором. Такие подходы часто включают в себя также синтез структурных аналогов соединения-лидера. Поскольку количество возможных аналогов очень велико, в настоящее время широко применяют рациональные подходы, позволяющие предсказывать, какие заместители нужно использовать. Основными методами, используемыми медицинскими химиками на этой стадии разработки, являются вышеупомянутое компьютерное моделирование и QSAR (Quantitative Structure - Activity Relationship или «количественное соотношение структура - активность»)- математический аппарат, позволяющий проводить корреляции структур химических соединений с их биологической активностью. QSAR предполагает идентификацию и количественное выражение структурных параметров или каких-либо физико-химических свойств физиологически активных веществ в виде дескрипторов с целью выявления факта влияния каждого из них на биологическую активность [8, 9]. Если такая зависимость имеет место, то возможно составление уравнений, позволяющих просчитать заранее биологическую активность новых аналогов, что, в свою очередь, позволит сократить количество аналогов, которые должны быть синтезированы. Обнаружение аналога, не попадающего под корреляцию, означает, что для проявления молекулой биологической активности, важны какие-то другие ее характеристики; в таком случае этот аналог может стать новым соединением-лидером для последующей разработки. Поэтому QSAR применяется для поиска соединений-лидеров в случае, когда известна только структура лиганда, а структура рецептора не известна. Основными дескрипторами, наиболее часто применяемыми в QSAR, являются: липофильность (способность растворяться в липидах), необходимая в первую очередь для оценки способности лекарства преодолевать клеточные мембраны; электронные эффекты, влияющие на ионизацию или полярность соединения; стерические особенности структуры, играющие важную роль при оценке прочности связывания исследуемого соединения в активном центре фермента или рецептора; фрагментные дескрипторы, оценивающие вклад различных частей молекулы в общее свойство (в благоприятных случаях это может привести к формулировке гипотезы о фармакофорной группе - функциональной группе, определяющей проявление определенной физиологической активности данным веществом) [17, 26]. Итак, стратегия поиска соединений-лидеров и их оптимизация с помощью методов QSAR и компьютерного моделирования зависит от наличия исходных данных. В благоприятном случае, разрабатывая (на основании небольшого количества химических соединений с известной активностью) количественную модель структура - активность (QSAR), предсказывающую необходимые структурные формулы, и/или формулируя структурную (или даже трехмерную) фармакофорную гипотезу, позволяющую выявить относительное расположение химических групп, важных для проявления веществом биологической активности, можно добиться резкого ограничения круга синтезируемых соединений в поиске лекарственного препарата[6].
Методы современного компьютерного конструирования многообразны и не ограничиваются только рассмотренными выше. Так, в случае когда известна структура рецептора, но не найдено соединение-лидер, способное взаимодействовать с активным центром, эффективным оказывается поиск 3D-структур в больших базах данных, с тем чтобы идентифицировать малые фрагменты молекул, которые могут взаимодействовать со специфическими областями рецептора, а также связывающие (мостиковые) фрагменты определенного размера и геометрии, которые смогут удерживать функциональные группы в нужной ориентации. Возможно использование подходов математической химии, например использование кластерного анализа и методов поиска 2D- и 3D-аналогий для идентификации потенциальных лидеров. Подход, известный под названием «оценка несходства» (diversity assessment), также может быть использован для идентификации непохожих соединений и их исследования методами комбинаторной химии [8].
.3 Разработка лекарственного соединения
Третья стадия - стадия разработки лекарственного соединения - включает в себя улучшение его фармацевтических и фармакокинетических свойств таким образом, чтобы сделать лекарство удобным для клинического использования (например, повысить его растворимость в воде или химическую стабильность, пролонгировать его действие и др.). При этом иногда приходится прибегать к структурной модификации и даже специальному синтезу новых структур. В этом случае возможны следующие подходы [6]:
Создание биоизостерических соединений (биоизостер - химическая группа, которая способна заменить другую химическую группу, не сильно изменив при этом трехмерную молекулярную структуру и тем самым физиологическую активность) [24].
Создание пролекарств (pro-drug) - соединений, не обладающих выраженной физиологической активностью, но способных превратиться в активные соединения либо посредством ферментативной реакции, либо химическим (без участия белкового катализатора) путем (например, соединение азатиоприн является пролекарством 6-меркаптопурина, обладающего цитостатическими и иммунодепрессивными свойствами). В организме азатиоприн медленно превращается в 6-меркаптопурин [12], что приводит к пролонгированию действия последнего.
Создание «мягких лекарств» (soft drugs) - соединений, фармакологический эффект которых локализован в определенном месте (их распределение в других местах приводит к быстрой деструкции или инактивации). Этот стратегический прием был, например, использован при создании лекарств против глаукомы [25].
Создание «двойных лекарств» (twin drugs) - физиологически активных соединений, содержащих две фармакофорные группы, объединенные ковалентно в одну молекулу (такое определение исключает комбинацию двух лекарств в одну молекулу соли). В качестве примера идентичного двойного лекарства, представляющего собой комбинацию двух одинаковых составляющих, приведем симметричную молекулу BDHP, активность которой приблизительно в десять раз выше, чем активность составляющих ее молекул нитрендипина (антагониста кальциевых каналов) [12].
Двойные лекарства могут быть и неидентичными (имеющими в качестве составляющих различные структуры). В частности, возможно конструирование сложных «бинарных» структур, содержащих в своем составе несколько функционально значимых частей молекулы. Здесь возможны самые различные комбинации. Например, если известен фермент, разрушающий лекарственный препарат в организме, то возможно конструирование бинарной молекулы, содержащей в своей структуре как фрагмент этого лекарства, так и фрагмент молекулы ингибитора данного фермента. При расщеплении этой молекулы в организме ингибирование фермента приведет к пролонгированию действия данного лекарства. Каждый из вышеупомянутых типов модификаций, улучшающих активность и фармакокинетические свойства соединения, приводит, строго говоря, к созданию новой химической структуры. Нужно иметь в виду, что новое химическое соединение может обладать меньшей активностью или иметь другой фармакологический профиль. Поэтому эта часть исследований часто неотделима от QSAR-стадии [6].
. Основные направления в компьютерном моделировании биологической активности веществ
Стратегия поиска биологически активных молекул во многом определяется тем, известны или нет трехмерные структуры молекулы-биолиганда и рецептора-мишени. При этом более ценным является знание структуры рецептора, позволяющее проводить прямое моделирование (непрямое базируется на сравнительном анализе структурных особенностей активных и неактивных соединений) [9]. Таблица отражает возможные сочетания знаний о структуре лиганда и рецептора и основные подходы к разработке лекарственных веществ (ЛВ) в каждом из случаев. Кратко охарактеризуем названные методы.
Основные стратегии, применяемые в компьютерном моделировании биологической активности веществ, в зависимости от наличия информации о структуре лигандов и рецепторов:
Таблица 1
Структура лиганда Структура рецептораИзвестнаНеизвестнаИзвестна (прямой дизайн)Докинг Дизайн de novoНеизвестна (непрямой дизайн)Аналоговый дизайн (QSAR)Скрининг, поиск подобия
Прямое моделирование - один из наиболее эффективных подходов при поиске ЛВ. Это неудивительно, поскольку в его рамках воссоздается структура лиганд-рецепторного комплекса с оценкой конформаций и взаимного сродства [10].
Докинг-процедуры оценивают комплементарность известных структур данному активному центру [11].
В методах de novo структура целевых молекул воссоздается путем постепенного конструирования на основе небольших фрагментов, помещаемых в активный сайт рецептора, путем минимизации энергии отталкивания групп (стерический фактор) и максимизации энергии связывания [18]. Используемые компьютерные процедуры строят гипотетические структуры, которые должны обладать высоким сродством к рецептору.
Непрямые подходы базируются преимущественно на построении зависимостей «структура - активность» (Quantitative Structure - Activity Relationship (QSAR)) и фармакофорном моделировании. При фармакофорном анализе предполагается, что основной вклад в лиганд-рецепторное взаимодействие вносят некоторые функциональные группы, поэтому их можно считать ответственными за взаимосвязь структуры и активности. Чаще всего в качестве таких структурных элементов рассматриваются потенциальные доноры и акцепторы при реализации водородных и координационных связей [21].
Как правило, анализ включает два этапа: выявление фармакофорных групп и пространственное совмещение активных конформаций ряда молекул или их силовых полей для лучшего понимания ключевых структурных особенностей [22].
К настоящему времени разработано значительное количество программ для практической реализации данного подхода [23-25]. Очевидно, что применение фармакофорного моделирования будет расширяться с появлением новых сведений о лиганд-рецепторных комплексах, усовершенствованием силовых полей молекулярной механики и методов учета сольватации, интеграцией с другими подходами [26].применяют в моделировании биологической активности уже более 40 лет. В последнее время наметилась тенденция перехода от использования простых статистических корреляций к применению физически интерпретируемых дескрипторов и методик, подобных CoMFA (Comparative Molecular Field Analysis, или 3D QSAR), использующих совмещение полученных с помощью подходящего «химического зонда» трехмерных силовых полей соединений, проявляющих конкретный вид биологической активности [11, 26]. Область применения 3D QSAR может быть существенно расширена при условии преодоления несовершенства алгоритмов суперпозиции молекул, а также за счет использования ориентационно инвариантных дескрипторов [14].
Заключение
Постоянное совершенствование процесса разработки ЛС обусловлено его ярко выраженной междисциплинарностью и возможностью привлечения новейших достижений в смежных областях: геномике, протеомике, биохимии, молекулярной биологии, медицине, фармакологии, компьютерном моделировании. Бурное развитие медицинской химии создает предпосылки для перехода от метода проб и ошибок к действительно рациональному дизайну лекарств, когда эмпирический синтез с последующей проверкой активности уступает место направленному созданию веществ с желаемыми физико-химическими свойствами и биологическим действием.
Трудно предсказать заранее, какие именно подходы войдут в исследовательский обиход, однако несомненно, что расшифровка генома и совершенствование информационных технологий существенно изменят процесс разработки ЛС. С установлением новых мишеней и уточнением путей метаболизма расширяются возможности рационального конструирования лекарств. В фармакологии наблюдается переход от создания симптоматических средств к созданию средств этиотропной терапии. Следует ожидать, что с улучшением понимания генома эта тенденция усилится. Очевидно, что роль компьютерного моделирования на разных этапах создания ЛС будет неуклонно возрастать, а совершенствование in silico и in vitro методов позволит минимизировать in vivo исследования и клинические испытания, сделав дизайн лекарств эффективнее, быстрее и дешевле.
Список литературы
1.Аляутдин Р.Н. Фармакология. - учебник для вузов, Москва, 2004.
2.Бабин В.Н., Домарадский И.В., Дубинин A.B., Кондракова O.A. Новые подходы к разработке лекарственных средств. // Рос. хим. журн.- 1996.-Т.40, № 2,- С.125-130.
.Белкина Н.В., Скворцов В.С., Иванов А.С., Арчаков А.И. Вопросы медицинской химии, 1998, 44, 464
4.Брылев М.И. Раменская Г.В. Лоторев Д.С. Поиск антагонистов рецепторов nr 3c 4 методом молекулярного моделирования Курский научно-практический вестник "Человек и его здоровье" <http://cyberleninka.ru/journal/n/kurskiy-nauchno-prakticheskiy-vestnik-chelovek-i-ego-zdorovie> Выпуск № 1 / 2014 10-18 с.
.Глориозова Т.А., Филимонов Д.А., Лагунин A.A. Тестирование компьютерной системы предсказания спектра биологической активности PASS на выборке новых химических соединений. // Хим.-фармац. журн.- 1998.-№12.- С.33-39.
.Головко Ю.С., Ивашкевич О.А. Современные методы поиска новых лекарственных средств// Вестник бгу. Сер. 2. 2012. - № 1 7-15 с.
.Зацепин В.М., Осипов А.Л., Семенов Р.Д. Система компьютерного предсказания физико-химических и биологических свойств веществ // Автометрия, 1995. - N 5.
.Зефирова О.Н., Зефиров Н.С. Медицинская химия (medicinal chemistry). Методологические основы создания лекарственных препаратов// Вестн. Моск. ун-та. Сер. 2. Химия. 2000. - С. 103-108.
.Лагунин А.А., Филимонов Д.А., Поройков В.В. Компьютерный поиск потенциальных антигипертензивных соединений комбинированного действия. Хим.-фарм. журн., 2001, 35 (7), с. 28-34.
.Немухин А.В. Компьютерное моделирование в химии // Соросовский образовательный журнал, 1998. - №6. - с.48-52;
.Новые технологии в биомедицине: биоинформатика Арчаков А.И., Поройков В.В., Белкина Н.В. 2004.
.Осипов А.Л., Нигматуллин Р.С., Семенов Р.Д. Компьютерная система поиска и анализа данных о структурных, биологических и физико-химических свойствах веществ (CHANCE) // Тез. докл. II Всероссийской конф. ``Математические проблемы экологии''. Новосибирск, 1994.
.Поройков В.В. Компьютерное предсказание биологической активности веществ: пределы возможного. Химия в России, 1999, № 2, 8-12.
.Поройков В.В., Филимонов Д.А. Компьютерный прогноз биологической активности химических соединений как основа для поиска и оптимизации базовых структур новых лекарств. В сб.: Азотистые гетероциклы и алкалоиды. Москва: Иридиум-пресс, 2001, т.1, с.123-129.
.Раевский O.A., Сапегин А.Н. Моделирование связи структура активность. III. Системный физико-химический подход к конструированию биологически активных веществ // Хим.-фармац. журн.- 1990.- Т.24, №1.-С.41 -46.
.Раевский О.А. Дескрипторы молекулярной структуры в компьютерном дизайне биологически активных веществ // Усп. хим. 1999. - N 6. - С. - 555-575.
.Рациональный дизайн новых лекарственных средств// Живые системы - 2009
.Роземблит А.Б., Голендер А.В. Логико-комбинаторные методы в конструировании лекарств.- Рига.: Зинатне, 1983. - 352 с.
.Симонян А.В. Исследование взаимосвязи структура - фармакологическая активность производных коричной кислоты// Волгоград.: Изд. ВолГМУ, 2009. - 98 с.
.Шамовский И.Л., Баренбойм Г.М., Овчинников A.A. Теоретическое исследование связи между структурой и активностью кардиотонических стероидов // Биоорг.хим.- 1983.- Т.9, №8.- С.1112-1127.
.Юдаев A.B. Использование компьютеров в конструировании лекарственных форм. // Вестн. нов. мед. технол.- 1994.- Т.1, № 1.- С. 35-36.
.Baumann, Knut. Distance Profiles (DiP): A translationally and rotationally invariant 3D structure descriptor capturing steric properties of molecules // J. QSAR.- 2002.- Vol.21.- №5.- P. с.507-519.
.Bello-Ramirez A.M., Buendia-Orozco J., Nava-Ocampo A.A. A QSAR analysis to explain the analgesic properties of Aconitum alkaloids // Fundamental and Clinical Pharmacology.- 2003.- Vol.17, №5.- P.575-581.
25.Garg R., Kurup A., Gupta S.P. Quantitative Structure-Activity Relationship studies on some acyclouridine derivatives acting as Anti-HIV-1 Drugs // Quant. Struct.-Act. Relat. 1997. V. 16, N 1. P. 20-24.
26.Kadaba P.K. // Cut. Med. Chem. - 2003. - Vol. 10, № 20. - P. 2081-2108
.Stewart J.J.P. Application of Localized Molecular Orbitals to the Solution of Semiempirical Self-Consistent Field Equations // Int.J.Quant.Chem.- 1996.-Vol.58.- P.133-146.