Монография под редакцией А. Л. Хохлова, Н. В. Пятигорской Отделение медицинских наук ббк 2. П86

краткая информация о которой была приведена выше [125]. Одновременный 
прогноз большого числа (в идеале – всех известных) видов биологической 
активности не только обеспечивал определение приоритетных направлений 
тестирования биологической активности уже синтезированных органиче-
ских соединений, но и давал возможность получить комплексную оценку 
спектра биологической активности каждой отдельной молекулы. 
Спектром (или профилем) биологической активности
органического 
соединения является множество видов биологической активности, которые 
отражают результат его взаимодействия с различными биологическими 
объектами [285]. Это понятие отражает “внутренние”, присущие данному 
соединению свойства, зависящие только от строения его молекулы, что обе-
спечивает возможность объединения больших массивов данных из различ-
ных информационных источников (конкретная публикация не охватывает 
всех аспектов биологического действия рассматриваемого органического 
соединения). 
На протяжении истекших 30 лет нашим коллективом осуществляется раз-
работка и усовершенствование компьютерной программы PASS (Prediction 
of Activity Spectra for Substances), предназначенной для прогнозирования 
спектров биологической активности лекарственно-подобных соединений 
на основе структурной формулы молекулы [27, 129, 199, 283]. В процес-
се реализации этого проекта была сопоставлена точность прогноза спектра 
биологической активности с использованием нескольких тысяч различных 
структурных дескрипторов и показано, что предложенные нами оригиналь-
ные дескрипторы множественных атомных окрестностей MNA (Multilevel 
Neighborhoods of Atoms) [284] обеспечивают хорошую точность прогноза 
для многих видов биологической активности, включая фармакологические 
эффекты, молекулярные механизмы действия, специфическую токсичность 
и побочное действие, метаболизм, а также влияние на нежелательные ми-
шени, молекулярный транспорт, генную экспрессию. Сравнение большого 
количества различных математических методов, используемых для оценки 
зависимостей «структура-активность» продемонстрировало, что предло-
женный Д. А. Филимоновым Байесовский подход не только позволяет с 
высокой точностью представить эти зависимости для веществ обучающей 
выборки, но и обладает статистической устойчивостью, обеспечивающей 
разумные оценки спектров биологической активности для новых соедине-
ний, несмотря на неполноту информации в обучающей выборке [437]. 
Современная версия компьютерной программы PASS основана на ана-
лизе взаимосвязей «структура-активность обучающей выборки, содержа-
щей свыше 1 млн соединений с известной биологической активностью, и 
позволяет прогнозировать свыше 5000 видов биологической активности со 
средней точностью около 96%. Используемый в PASS подход, возможности 
и ограничения компьютерного прогнозирования, примеры практического 
применения детально описаны в нашей недавней публикации [283] (см. так-
же более ранние публикации [201, 286, 287]). Поэтому здесь мы приведем 
72

жүктеу/скачать 3,82 Mb.

Достарыңызбен бөлісу: