A jednak się rusza!
Sporym problemem dla metod komputerowych, m.in. dokowania, jest ruchliwość  białek. Trójwymiarowy obraz receptora czy enzymu uzyskiwany z krystalografii jest średnią z wielu możliwych stanów danego białka – a więc strukturą tylko statyczną – a przecież w rzeczywistości białko jednak się rusza. Cząsteczka o takich rozmiarach ulega wielkiej liczbie mniejszych i większych ruchów, takich jak rotacja łańcuchów bocznych aminokwasów, przesunięcie struktur trzeciorzędowych czy też całych podjednostek. Dynamiczne zachowanie białek ma szczególne znaczenie dla wiązania i działania leków. Teoria klucza i zamka, na której zbudowano algorytmy dokowania – jak więc wiemy – jest tylko częścią prawdy. Jej uzupełnieniem jest teoria indukowanego dopasowania, według której miejsce wiążące (zamek) może dopasowywać swój kształt do wiązanego liganda (klucza).
Ponieważ białka są cząsteczkami o ogromnych rozmiarach, pełna symulacja ich zachowania, mimo wzrostu dostępnej mocy obliczeniowej komputerów, niestety nie jest obecnie możliwa. Mimo to wprowadzono pewne udoskonalenia do dokowania (dokowanie giętkie), które biorą pod uwagę możliwe zmiany położenia łańcuchów bocznych aminokwasów. Jeśli jednak chcemy badać te zjawiska w sposób bardziej precyzyjny oraz uwzględnić ruch większych struktur (np. przesunięcie helis po związaniu liganda), potrzebujemy fizykochemicznych metod dynamiki molekularnej.

 

Rys. 5. Większość metod obliczania wolnej energii wiązania opiera się na dynamice molekularnej. Ze względów obliczeniowych niepraktyczne jest symulowanie całego procesu wiązania. Wykonuje się za to obliczenia pewnych stanów dla cyklu termodynamicznego

Symulacje dynamiki molekularnej pozwalają na obserwowanie ruchu atomów w badanej cząsteczce w trakcie upływającego czasu. Oprócz ewentualnego wglądu w proces wiązania liganda czy obserwacji zachowania poszczególnych elementów miejsca wiążącego, dynamika molekularna pozwala również na bardziej precyzyjne bo uwzględniające dynamiczny charakter procesu wiązania, obliczenia powinowactwa leku wobec celu molekularnego (rys. 5).
Jeśli do metod dynamiki molekularnej, opartej na fizyce newtonowskiej, dodamy jeszcze chemię kwantową, otrzymujemy naprawdę potężne narzędzie do szacowania energii wiązania. W metodach QM/MM, bo o nich tutaj mowa, energia cząsteczki leku oraz aminokwasów z nią oddziałujących jest obliczana bardzo dokładnymi metodami kwantowo-chemicznymi. Oczywiście większa dokładność wiąże się z wyższym kosztem czasu obliczeń. Ponieważ niemożliwe czasowo jest badanie całego białka za pomocą chemii kwantowej, stąd też cała reszta receptora poza miejscem wiążącym traktowana jest bardzo szybką, ale niestety uproszczoną mechaniką molekularną, na której opierają się klasyczne dokowanie i dynamika molekularna. Dzięki temu to, co dla wiązania najważniejsze, badane jest metodami bardzo precyzyjnymi, zaś cała reszta jedynie w przybliżeniu, co pozwala na znaczne podwyższenie jakości obliczeń, bez specjalnego wydłużania ich czasu. Obliczenia wolnej energii metodami QM/MM mogą korelować nawet w 90% z danymi eksperymentalnymi.

Rys. 6. Antagoniści receptora 5-HT3 i ich farmakofor

Farmakofory
Metody zaprezentowane powyżej opierały się na znajomości struktury receptora (receptor-based methods). Czasem jednak jego struktura jest nieznana, a modelowanie homologiczne jest niemożliwe bądź daje słabe wyniki. Jeśli mamy więcej danych na temat ligandów aktywnych wobec badanego celu molekularnego niż na temat jego samego, warto skorzystać z metod opartych na ligandzie (ligand-based methods). Przykładowo, można zbudować model farmakoforowy, czyli płaską lub trójwymiarową mapę elementów budowy odpowiadających za działanie leku (rys. 6).
Idea farmakofora jest obecna w farmacji już od bardzo dawna, służyła do projektowania nowych leków jeszcze w erze „przedkomputerowej”. Dzisiaj naukowcy dysponują szerokim zestawem programów automatycznie generujących hipotezy farmakoforowe na podstawie danych o aktywności znanych ligandów. Otrzymany farmakofor może być użyty przy proponowaniu modyfikacji strukturalnych albo poszukiwaniu nowych związków w wielkich bibliotekach za pomocą przesiewu wirtualnego (ligand-based virtual screening – w przeciwieństwie do receptor-based virtual screening opisanego powyżej, który jest oparty na dokowaniu).

Trochę matematyki
Inną grupą metod opartych na ligandzie są metody QSAR, czyli ilościowej zależności między strukturą a aktywnością (ang. Quantitative Structure-Activity Relationship). Początki QSAR-u sięgają jeszcze XIX wieku, kiedy w pracach badaczy, takich jak Cros, Meyer czy Overton krystalizowała się idea, że właściwości związków chemicznych, a także ich aktywność czy toksyczność zależą od ich budowy oraz że możliwe jest opisanie tej zależności za pomocą równania matematycznego. Ponad pół wieku później w latach 60. XX wieku teoria QSAR została sformułowana i zastosowana do modelowania aktywności różnych związków. Nowa dziedzina wiedzy na styku matematyki, statystyki i chemii na stałe weszła do repertuaru badawczego w farmacji, toksykologii oraz używana jest w naukach materiałowych.
W QSAR budowa związku zapisana jest za pomocą deskryptorów, czyli matematycznych zmiennych opartych na właściwościach fizycznych, chemicznych, kwantowych, topologicznych i wielu, wielu innych. Kilkadziesiąt lat rozwoju tej metody zaowocowało bogatym zestawem różnych deskryptorów, użytecznych w poszczególnych rozważanych przypadkach.

Wybrane deskryptory są korelowane z aktywnością związków chemicznych. Uzyskana zależność może służyć do wyjaśnienia mechanizmu oddziaływania albo do przewidywania aktywności nowych, nawet niezsyntetyzowanych do tej pory związków.

Rys. 7. W metodologii QSAR chodzi o  przedstawienie budowy związków za pomocą deskryptorów i ich korelacji z aktywnością biologiczną. Otrzymane równanie może posłużyć do wyjaśnienia działania grupy leków lub przewidywania aktywności nowych, a nawet niezsyntetyzowanych pochodnych

Metodologia QSAR ciągle ewoluuje. Na początku deskryptory odnosiły się do cząsteczek w formie „płaskiej”, ignorując możliwy kształt przestrzenny. Zmieniło się to pod koniec lat 80. (metoda CoMFA, 3D-QSAR), zaś badacze XXI wieku są wyposażeni w jeszcze bardziej zaawansowane odmiany QSAR-u (4D, 5D, 6D), które uwzględniają bogactwo konformacyjne ligandów, białek, efekty solwatacyjne. Nie znaczy to, że klasyczny QSAR nie jest już używany. Wprost przeciwnie – wiele przykładów pokazuje, że nadal jest to efektywna metoda badawcza (rys. 7).
 

Ten, kto modeluje, odnosi sukcesy
Na początku ery komputerowo-wspomaganego projektowania leków pokładane były w nim wielkie, przesadne i nierealistyczne nadzieje. Ten początkowy entuzjazm nieco już wygasł, dzięki czemu przemysł farmaceutyczny patrzy na CADD bardziej racjonalnie. Nie jest to metodologia rozwiązująca wszystkie problemy, jednak stanowi ona mimo wszystko bardzo pożyteczne narzędzie, znacznie usprawniające poszukiwanie nowych i innowacyjnych leków.
Komputerowo wspomagane projektowanie leków trafia do przemysłu farmaceutycznego dzięki dalszemu rozwojowi sprawnego oprogramowania, które umożliwia modelowanie nie tylko wąskim specjalistom od tych metod, ale także naukowcom z innych dziedzin (np. syntetykom, toksykologom etc.). Oprócz nowych firm zajmujących się wyłącznie produkcją oprogramowania CADD, własne pakiety bio- i cheminformatyczne rozwijają firmy farmaceutyczne, co dobitnie świadczy o randze i popularności komputerowo-wspomaganego projektowania leków. Wystarczy zresztą przejrzeć spisy treści z ostatnich lat czasopism, takich jak: „Journal of Medicinal Chemistry”, „Medicinal Chemistry Letters”, „Drug Discovery Today”, „Nature Reviews Drug Discovery”, aby zobaczyć, w jak wielu tytułach prac pojawiają się wprost nazwy i odniesienia do opisanych w niniejszym artykule metodologii badawczych i przemysłowych.
 

* * *

Dzisiaj modelują już prawie wszędzie – od uniwersytetów, przez małe specjalistyczne firmy, aż po wielki przemysł. Nie dotyczy to tylko farmacji czy biotechnologii, ale praktycznie każdej dziedziny nauki i techniki. Ten, kto wykorzystuje metody komputerowe, dysponuje dużą przewagą konkurencyjną, odnosi innowacyjne sukcesy, wprowadza do testów klinicznych nowatorskie leki.
Brakuje wam innowacji w waszej firmie? Zatrudnijcie młody zespół 2-3 specjalistów od modelowania molekularnego w projektowaniu leków, dajcie im dobry komputer i dobre pensje, do tego trochę czasu. Albo nawiążcie współpracę z grupą działającą w jednej z instytucji naukowych, szukającą partnera biznesowego w ramach komercjalizacji wyników badań naukowych. Zainwestowane środki zwrócą się z nawiązką.
 

Literatura
[1] Gerhard Klebe, Wirkstoffdesign: Entwurf und Wirkung von Arzneistoffen, 2009, Springer.
[2] Hugo Kubinyi, Success Stories of Computer-Aided Drug Design, w: Computer Applications in Pharmaceutical Research and Development, 2006, John Wiley & Sons, Inc.
[3] David C. Young, Computational Drug Design: A Guide for Computational and Medicinal Chemists, 2009, John Wiley & Sons, Inc.
[4] Burger’s Medicinal Chemistry, Drug Discovery and Development, 2012, John Wiley & Sons, Inc.
[5] Camille G. Wermuth, The Practice of Medicinal Chemistry, 2008, Elsevier.

 

Autorzy: Dariusz Plewczyński, Piotr F.J. Lipiński
Artykuł został opublikowany w magazynie "Przemysł Farmaceutyczny" nr 6/2012
Fot.: Dariusz Plewczyński, Piotr F.J. Lipiński