Для создания (Q)SAR модели, достоверно отражающей реальные про-
цессы взаимодействия между фармакологической мишенью и химическим
соединением, требуется репрезентативная обучающая выборка. Скорость
накопления данных об известных взаимодействиях для различных классов
соединений многократно увеличилась после внедрения технологии высо-
копроизводительного скрининга (High-Throughput Screening, HTS) как ин-
струмента прикладных или академических исследований [380]. Параллель-
но с увеличением скорости накопления данных
появляются электронные
ресурсы, агрегирующие получаемую информацию и предоставляющие к
ней доступ. Полученные данные проходят фильтрацию на основе их каче-
ства и возможности использования для моделирования [294, 360, 478]. От
тщательности подготовки обучающей выборки
непосредственно зависит
качество построенных моделей и, соответственно, шансы на успех при ис-
пользовании этих моделей для поиска новых фармакологических веществ
и оптимизации их характеристик [491]. Более детальная информация о со-
временном состоянии исследований в области (Q)SAR представлена в уже
упоминавшейся выше монографии О.А. Раевского [141].
2.5. Прогноз на основе анализа структурного сходства
Как
уже говорилось выше, методы дизайна лекарств,
основанные на
структуре лигандов, исходят из предположения, что «
Similar molecules exert
similar biological activities
» (схожие молекулы обладают схожей биологиче-
ской активностью) [384]. В подавляющем большинстве случаев эта эмпи-
рическая гипотеза находит экспериментальное подтверждение, что широко
используется в фармацевтической химии для конструирования новых ана-
логов известных фармакологических веществ.
В частности, именно по этой причине
защита интеллектуальной соб-
ственности в области фармацевтики, как правило, осуществляется в виде
«зонтичных патентов», нередко содержащих структурные формулы тысяч
схожих по структуре химических веществ, представленных в виде форму-
лы Маркуша [193]. При этом экспериментальные результаты исследования
биологической активности представлены в патенте для отдельных «приме-
ров», а для остальных молекул наличие соответствующей активности пред-
полагается
априори
без проведения тестирования.
На основе предположения об аналогичном фармакологическом действии
структурно схожих молекул выполнены многочисленные работы в области
медицинской химии, направленные на поиск и оптимизацию свойств новых
биологически активных веществ [508]. Использование информации об ак-
тивности/свойствах «ближайших структурных соседей» позволяет повысить
точность (Q)SAR/(Q)SPR моделей [141]. Это предположение широко приме-
няется с целью получения оценок токсикометрических характеристик хими-
ческих веществ на основе так называемого “Read Across” подхода [459].
Достарыңызбен бөлісу: