Дипломная работа: Инновационный путь развития технологии создания новых лекарственных средств
,
где k константа Больцмана.
Рисунок 2 – Схема расчетов методами Монте-Карло и молекулярной динамики
При моделировании в рамках молекулярной динамики положения r(t) и скорости v(t) каждой частицы в момент времени t определяются как решения системы уравнений классической механики (уравнений Ньютона) либо уравнений, в которых к силам F задаваемым потенциалом U, добавляются так называемые случайные силы. Макроскопические свойства рассчитываются при усреднении по положениям и скоростям молекул.
Как уже упоминалось, число частиц при моделировании методами Монте-Карло и молекулярной динамики с помошью современных суперкомпьютеров может достигать колоссальных величин. Даже без суперкомпьютеров достаточно типичны численные эксперименты для значений N порядка десятков и сотен тысяч. Примеры успешного применения методов Монте-Карло и молекулярной динамики для моделирования равновесных составов смесей при постоянном давлении, фазовых равновесий, адсорбции на поверхности твердых тел, свойств жидкостей в микропорах и т.д. достаточно многочисленны. Этими же методами решаются задачи поиска устойчивых конформаций (поворотных изомеров) полимерных молекул, чрезвычайно важные для биохимических приложений [5,6].
Рассмотрим достаточно последовательную квантовую модель на примере бимолекулярной реакции типа
Х(i) + Y(j) → Х'(i') +Y'(j') + …
Здесь предполагается столкновение двух молекул X и Y, находящихся в состояниях i и j соответственно, которое приводит к продуктам реакции, то есть к молекулам X', Y',... в квантовых состояниях i', j', ... Квантовая теория столкновений в принципе позволяет вычислить вероятности переходов между состояниями, отвечающими реагентам и продуктам, затем найти парциальные, то есть относящиеся к данным наборам квантовых чисел (здесь i, j, i', j',...), константы скорости. При усреднении по квантовым состояниям реагентов и продуктов можно оценить макроскопическую константу скорости соответствующей газофазной химической реакции как функцию температуры.
Полное осуществление этой программы в конкретных приложениях крайне затруднительно, даже если из предшествующих квантово-химических расчетов известна поверхность потенциальной энергии. Самой сложной стадией является численное решение уравнений квантовой теории столкновений с учетом перераспределения частиц, то есть как раз наиболее важная для химии стадия. Следует, однако, подчеркнуть исключительную важность научных исследований в этом направлении, поскольку они формируют каркас обшей теории, с которой сравниваются более простые модели. Кроме того, современные экспериментальные методы исследования динамики молекул позволяют измерить парциальные константы скорости и непосредственно сопоставить экспериментальные и теоретические результаты.
Более простые, а потому и более практичные способы вычисления констант скорости химических реакций получают обычно при определенных упрощениях полной квантовой модели. Так, начиная с 50-х годов проводятся компьютерные расчеты скоростей реакций методом классических траекторий. В этом методе, как и ранее, предполагается разделение электронной и ядерной подсистем, но в данном приложении необходимо знание поверхностей потенциальной энергии для достаточно широких интервалов межъядерных расстояний. Для расчета движений ядер, совместимых с данной потенциальной поверхностью, решают уравнения классической механики, а оценки констант скорости получают при сопоставлении числа траекторий, приводящих к реакции, с исходным числом траекторий при статистическом задании начальных условий.
На рисунке 3 изображены последовательные стадии вычислений методом классических траекторий. Реализация подобной схемы на современных компьютерах позволяет вычислять константы скорости реакций с существенно большим числом атомов, нежели при полностью квантовом описании [5,6].
Рисунок 3 – Схема расчетов констант скоростей химических реакций методом классических теорий
1.3 Определение биологической активности по модели
Для методов определения биологической активности вводится понятие о дескрипторах и QSAR. Молекулярный дескриптор – это числовые значения, характеризующие свойства молекул. Например, они могут представлять физико-химические свойства. Многие различные молекулярные дескрипторы описаны и применяются для различных целей. Они различаются по сложности, закодированной в них информации и сложности расчетов. Увеличение потребности в вычислительной технике увеличивается со сложностью расчетов.
Например, молекулярная масса имеет малое значение среди химических свойств, но зато быстро вычисляется. Дескрипторы основанные на квантово-химических расчетах имеют более важное значение для получения информации о химических свойств, но очень длительны по времени. Дескриптор может быть рассчитан из двухмерной и трехмерной модели химической структуры. Полученные дескрипторы обрабатываются и объединяются. Особое внимание заслуживают дескрипторы, которые описывают свойства молекул, а не замещают их. Такой вид дескрипторов является важной частью в разработке метода QSAR.
Большое распространение имеют математические и статистические модели. К таким моделям относятся модели методов QSAR(определяет количественные соотношения между структурой и активностью) и QSPR(определяет количественные соотношения между структурой и свойствами). Модель выполненная по методу QSAR должна быть разработана, как «эксперимент» и соответствовать точности реального эксперимента, для адекватного прогноза и для получения максимальной пользы от модели. В данном случае, чем больше первоначальных данных, тем точнее модель. Первым этапом является определение размера набора данных. Вторым этапом является корреляция дескрипторов. После определения набора данных и некоррелированных дескрипторов решается что именно должно быть включено в уравнения QSAR. Самый простой способ это использование автоматизированной процедуры. Полученные дескрипторы просчитываются через ряд уравнений и по полученным значениям определяют активность.
Последнее время одна из наиболее важных разработок с применением метода QSAR в области биологической активности связано с введением в CoMFA (Comparative Molecular Field Analysis). Цель CoMFA заключается в связывании биологической активности с трехмерной формой молекулы, электростатическими характеристиками и водородными связями. Структура данных используемая в анализе CoMFA вытекает из ряда комформаций, по одной на каждую молекулу. По этим конформациям и просчитывают биологическую активность молекулы.
Просеивание с высокой пропускной способностью (HTS-метод). Сегодня HTS-метод (High Throughput Screening) повсеместно используется в фармацевтической индустрии для открытия новых лекарственных средств. С помощью высокоскоростной компьютеризованной технологии сотни тысяч веществ проверяются на активность относительно исследуемой молекулы, предназначенной для взаимодействия[8].
2. Применение компьютерного моделирования в современной практике
В США была разработана технология компьютерного моделирования новых химических веществ. Создано специализированное программное обеспечение и разработана обучающая литература по нему. Примером может служить книга Хинклифа «Моделирование молекулярных структур», выпущенная в 2000 году, в котором описаны методы расчетов и моделирования, используемые в HyperChem.
В России компьютерное моделирование находится на начальном этапе развития и его продвигают ученые-энтузиасты. Например, Николай Серафимович Зефиров химик-органик; академик РАН. Зефиров внёс вклад в математическую химию, в решение проблемы описания органических структур и реакций; проблемы «структура-активность» (QSAR), проблемы поиска структуры, отвечающей заданному целевому свойству (QSPR); в компьютерное моделирование и компьютерный синтез. Занимался поиском новых реакций и реагентов, созданием методов синтеза целевых структур; соединений-лигандов глутаматных, мелатониновых и других рецепторов как потенциальных лекарств[9].
Достижения Зефирова в последние годы кратко можно сформулировать следующим образом:
1) развиты методы математической химии, на основе которых было осуществлено молекулярное моделирование строения и функционирования ряда важнейших рецепторов человека и компьютерный дизайн их потенциальных лигандов; получен патент на новый лекарственный препарат для лечения болезни Альцгеймера, принципиально отличающийся по принципу действия от всех описанных ранее препаратов;
2) проведенные молекулярно-динамические расчеты лиганд-рецепторных комплексов и свободных форм рецепторов позволили предсказать и объяснить агонистподобное расположение антагонистов в лиганд-связывающих центрах рецепторов, важное функциональное значение димеризации аминоконцевых доменов, возможность моделирования процессов закрытия и открытия аминоконцевого домена, а также предположить альтернативное объяснение функциональной роли агонистов, заключающееся в изменении конформаций боковых цепей аминокислотных остатков. С помощью метода молекулярного моделирования впервые построены полные пространственные модели серии рецепторов человека, что позволяет решать задачи конструирования и поиска лекарств по типу мишени (рецептора, на который данное лекарство действует);
3) созданы методы молекулярного докинга для исследования лиганд-белковых взаимодействий в белковых структурах, что позволяет осуществить предсказание связывания химических соединений с рецепторами на основании виртуального эксперимента. Выявлены соединения-лидеры с уникальным спектром нейропротекторных и когнитивно-стимулирующих свойств.
Зефиров заведуют лабораторией математической химии и компьютерного синтеза Института органической химии им. Зелинского РАН[10].
В КГМУ где ведется подготовка специалистов в области синтеза биологически активных веществ выпускающая кафедра биологической и химической технологии стала в ряды энтузиастов молекулярного моделирования. Далее приводятся примеры работ выполненные на кафедре биологической и химической технологии.
3. Примеры применения молекулярного моделирования
3.1 Определение механизма взаимодействия медиатора и рецептора с использованием молекулярного моделирования на примере ГАМК
Пытаясь объяснить роль ГАМК в нервной системе встречается одна из центральных проблем - выяснением механизма передачи импульсов в нервной системе. В ткани головного мозга содержатся химические вещества (медиаторы, передатчики), которые участвуют в создании контактов между нервными клетками осуществляют перенос импульса как в периферической, так и в центральной нервной системе. Решение этой центральной проблемы в настоящее время тесно связано с детальным изучением пространственного строения взаимодействующих медиаторов и рецепторов.
Взаимодействие ГАМК с нервной клеткой осуществляется когда нервный импульс достигает нервного окончания, он вызывает освобождение медиатора в синаптическую щель. ГАМК диффундирует через синаптическую щель (шириной 20—50 нм) и взаимодействует со специальными рецепторами в постсинаптической мембране. В результате такого взаимодействия изменяется мембранная проводимость для ионов, находящихся по обе стороны мембраны. Изменение проводимости связано со структурными изменениями мембраны и открытием в ней узких гидрофильных каналов для прохождения катионов или анионов и зависит от структурных особенностей ГАМК.
ГАМК имеет неплоскую структуру. ГАМК является гибкой цвиттер-ионной молекулой, которая может существовать в разных конформациях. Методами рентгеноструктурного анализа, изучением действия синтетических аналогов с жестко фиксированным строением и ряда природных агонистов и антагонистов ГАМК было надежно установлено, что наиболее предпочтительной для получения тормозящего эффекта является вытянутая конформация ГАМК (расстояние между заряженными атомами N+ и О- составляет в этом случае 5,4 ± 0,4 А; для свернутой конформации оно находится в пределах 3,9-4,2 А).
В кристаллах ГАМК находится полностью в вытянутой конформации. Однако в растворах ее молекулы, вероятно, существуют в различных конформациях. Прямое экспериментальное определение структуры ГАМК в момент ее взаимодействия с рецептором пока невозможно.
Для установления пространственного строения активной молекулы ГАМК и участка ее рецептора была изучена связь структуры с физиологической активностью некоторых аналогов ГАМК, имеющих в отличие от гибкой молекулы ГАМК жесткую структуру. Так, мусцимол, 4-аминотетрловая и 4-аминокротоновая кислоты имеют определенную конформацию благодаря наличию циклической структуры двойных и тройных связей. Различное действие мусцимола и других аналогов ГАМК, на спинные нейроны, а также структурные характеристики ряда ингибиторов захвата ГАМК показывают, что в процесс поглощения ГАМК нервными структурами и взаимодействия ее с постсинаптическими рецепторами она может иметь как вытянутую, так и свернутую конформацию.
Методами молекулярного моделирования были получены модели молекулы ГАМК и ГАМК-рецептора. Модель молекулы ГАМК была получена в программе HyperChem v6.0 методом оптимизации PM3. Пример модели молекулы ГАМК приведен на рисунке 4.
Рисунок 4 – Модели молекулы ГАМК. а) оптимизация молекул ГАМК в воде; б) вытянутая конформация; в) свернутая конформация.
Была выдвинута гипотеза, что взаимодействие молекулы ГАМК и рецептора обусловлено конформацией молекулы ГАМК. Положение ионов N+ и О- и расстояние между ними обуславливает образование комплекса между рецептором и медиатором. Образованный комплекс изменяет проводимость мембраны за счет образования пор.
Для проверки гипотезы была построена модель рецептора по аминокислотной последовательности, полученной из базы данных RCSB.PDB (Protein Data Bank), в специализированной программе DeepView TheSwissPdbViewer v3.7. Построенная модель приведена на рисунке 5.
Рисунок 5 - Модель рецептора ГАМК.
Как видно из модели ГАМК-рецептора в центре есть канал для связывания с молекулами ГАМК. Размеры канала составляют 6,65 Ао, а размер комплекса из трех молекул вытянутой конформации ГАМК составляет 6,012 Ао, что позволяет предположить что взаимодействие происходит именно поэтому месту [11].
3.2 Определение биологической активности при помощи программы PASS
Объектом является химическое соединение дикаин.
Структурная формула дикаина:
Температура плавления 147-150. Соединение представляет белый кристаллический порошок без запаха. Легко растворим в воде и спирте. Дикаин сильное местноанестезирующее средство, обладающее высокой токсичностью. Применяют в глазной и оториноларингологической практике при некоторых оперативных вмешательствах, а также для анестезии.
Были предложены варианты новых структур для компьютерного дизайна молекулы дикаина с целью снижения его токсичности с сохранением или даже усилением анестезирующих свойств.
Введение в бензольное кольцо «облагораживающей» карбоксильной группы и замена диметиламиногруппы на более фармакоактивную диэтиланиногруппу позволит снизить токсичность соединения, облегчить гидролиз сложноэфирной связи с высвобождением антигистаминного фрагмента - диэтиламиноэтанола.
Алифатический радикал н-бутил в структуре дикаина усиливает фармакологический эффект. При замене его на адреналиновый фрагмент ожидается получить более яркое анестезирующее действие.
К настоящему времени известно, что биологические системы не делают различия между плоскими кольцами, поэтому при замене ароматической основы н-аминобензойной кислоты на никотиновую (или изоникотиновую) кислоту изменяется полярность молекулы, облегчается задача введения различных заместителей в ароматическое кольцо. К тому же, аминопроизводные никотиновой кислоты (кордиамин) являются стимуляторами центральной нервной системы.
Один из наиболее эффективных анестетиков, промедол, содержит в структуре вместо ароматического пиридинового кольца пиперидиновое, что является предпосылкой для модификации молекулы дикаина.
Условно новым структурам дали названия:
1) Структура 1 – карбоксиструктура;
2) Структура 2 – адреноструктура;
3) Структура 3 – никотиноструктура;
4) Структура 4 – пиперидиноструктура.
Примеры структур приведены на рисунке 6.
Рисунок 6 – Предложенные структуры.
При помощи программы HyperChem была доказана возможность существования данных соединений путем оптимизации молекул и построения графиков потенциальной энергии. По графикам были обнаружены максимумы и минимумы, что подтверждает существования молекулы по квантовым расчетам.
После доказательства существования молекулы была проведена проверка биологической активности на программе PASS. Сводный анализ биологической активности дикаина и новых структур приведены в таблице 1.
Современная версия компьютерной системы предсказания спектра биологической активности PASS C&T (Prediction of Activity Spectra for Substances: Complex & Training) реализована в 1998 году. Она включает в себя обучающую выборку, содержащую более 45000 биологически активных веществ с известной биологической активностью, и охватывает более 400 фармакологических эффектов, механизмов действия, а также мутагенность, канцерогенность, тератогенность и эмбриотоксичность[12].
Таблица 1 Таблица биологической активности ряда веществ
Характеристика фармакологической активности | Основная структура | Модифицированные структуры | |||
Дикаин
|
Структура 1 Карбоксиструктура |
Структура 2 Адреноструктура
|
Структура 3 Никотиноструктура |
Структура 4Пиперидноструктура
|
|
1. Спазмолтик | 0,603 0,023 | 0,591 0,025 | 0,620 0,021 | 0,683 0,017 | 0,680 0,015 |
2. Сосудорасширяющее средство | 0,511 0,048 | 0,367 0,095 | 0,472 0,059 | 0,548 0,031 | 0,537 0,042 |
3. Антагонист кальциевых каналов | 0,405 0,015 | 0,264 0,051 | 0,362 0,020 | 0,326 0,026 | 0,411 0,014 |
4. Антигипер-тензивный | 0,350 0,107 | 0,301 0,142 | 0,237 0,211 | 0,364 0,098 | 0,402 0,078 |
5. Агонист β-адренорецепторов | 0,114 0,098 | 0,113 0,101 | 0,139 0,043 | ||
6. Токсичный | 0,323 0,166 | 0,331 0,160 | 0,291 0,188 | ||
7. Тератоген | 0,219 0,214 | 0,233 0,195 | 0,243 0,182 | ||
8. Антагонист β-адрено-рецепторов | 0,092 0,091 | 0,092 0,09 | |||
9. Диуретик | 0,211 0,144 | ||||
10. агонист -адренорецепторов |
0,144 0,041 | ||||
11. Агонист α-адренорецепторов | 0,133 0,119 | 0,253 0,075 | |||
12. Антагонист -адренорецепторов |
0,233 0,051 |
3.3 Поиск физиологически активных аналогов ССК-4
Было известно, что многие пептиды, в частности, аналоги гастроинтерального гормона холецистокинина(ССК), состоящего из 33 аминокислот (ССК-33), при парентеральном введении обладают способностью существенно влиять на психоэмоциональный статус. ССК пептиды функционируют в центральной нервной системе(ЦНС) как нейромодуляторы и участвуют в регуляции поведенческих реакций, болевых ощущений, процессов памяти и обучения.
В связи с этим следует ожидать, что модуляция ССК системы является основой для лечения и предупреждение психотических заболеваний.
Наиболее перспективным направлением при поиске средств купирования психических расстройств является конструирование аналогов эндогенных пептидов, который характеризуются минимальной токсичностью и отсутствием побочных эффектов. В этом аспекте актуальны разработка и синтез соединений на основе нейропептидов – антагонистов минимального физиологически активного С-концевого фрагмента холецистокинина – пептида ССК-4. ССК-4 - селективный агонист к холецистокининовым рецепторам второго типа, которые вовлечены в формирование психоэмоционального состояния.
Пространственная структура рецептора была получена из базы данных Protein Data Bank (www.spdb.org). Оптимизацию молекул проводили с применением метода молекулярной механики BIO+ и полуэмпирическим квантово-химическим методом PM3, которые реализованы в программном комплексе HyperChem. В итоге по результатам молекулярного моделирования были получена наиболее вероятная биологически активная конформация молекулы ССК-4, которая представлена на рисунке 7.
Рисунок 7 – Биологически активная конформация ССК-4
Исходя из структуры биологической конформации были предложены аналоги. В ходе данной работы были получены следующие результаты:
1) Методами молекулярного моделирования сконструирована вероятная биологически активная конформация пептида ССК-4, а также разработана пространственная модель взаимодействия лиганда ССК-4 с активным центром холецистокининового рецептора второго типа.
2) С использованием квантохимических расчетов разработанной модели взаимодействия пептида ССК-4 и холецистокининового рецептора второго типа предложен вероятный механизм лиганд-рецепторного взаимодействия, заключающийся в одновременном переносе протона амидной группы N-концевой группы фенилаланина и перераспределением электронной плотности с молекулы лиганда ССК-4 на аминокислоту активного центра рецептора.
3) На основании рассчитанных дескрипторов предложены новые высокоактивные соединения аналоги ССК-4.
4) Синтезированы предложенные аналоги.
5) Проведены экспериментальные исследования по оценке биологической активности синтезированных аналогов. Установлено, что аналоги превосходят стандарт в 3,6-4,1 раза по антагонистической активности [13].
4. Анализ примеров
Анализ приведенных примеров позволяет предложить следующую схему использования компьютерного моделирования в создании новых лекарственных препаратов:
1) Анализ литературы по фармацевтической химии и синтезу лекарственных препаратов. Поиск моделей структур соединений и рецепторов в базах данных, полученных методами ЯМР и рентгеноскопии. Примерами баз данных служат SPDB, CSD.
2) В случае отсутствия компьютерных моделей препарата строят модель и оптимизируют модель квантово-химическими расчетами в программном комплексе HyperChem или аналогичном;
3) Анализ биологической активности путем совмещения модели рецептора клетки-мишени или путем использования метода QSAR в программе PASS;
4) По сделанным выводам о биологической активности предлагают модификации, улучшающие свойства молекулы. При этом должна использоваться литература по фармацевтической химии и синтезу лекарственного препарата;
5) Построение модели в HyperChem, анализ биологической активности методами виртуального докинга или QSAR с использованием HyperChem и PASS, соответственно;
6) Синтез новой структуры и лабораторные испытания.
Заключение
В ходе данной работы было проанализированы работы о применимости методов моделирования в практике, а именно при создании новых препаратов и изучении механизма действия химического соединения и рецепторов клетки мишени.
По результатам анализа можно с уверенностью сказать, что молекулярное моделирование является эффективным методом разработки новых лекарственных препаратов, позволяющим сэкономить время при отборе новых структур и деньги, затрачиваемые на синтез новых структур для отбора. Но применение данной методики связано с определенными трудностями, так как требует высококвалифицированных кадров. Также это требует высокие вычислительные мощности оборудования и соответствующее программное обеспечение, которое требует больших финансовых затрат.
Список используемых источников
1) Ассоциация Российских Фармацевтических производителей. Режим доступа: http://www.arfp.ru, свободный;
2) ЦВТ «Химрар». Режим доступа: http://www.chemrar.ru, свободный;
3) A.R. Leach, V.J. Gillet: An Introduction to Chemoinformatics. Springer, 2003, ISBN 1-4020-1347-7;
4) A.R. Leach, V.J. Gillet: An Introduction to Chemoinformatics. Springer, 2003, ISBN 1-4020-1347-7;
5) Степанов Н.Ф. Квантовая механика и квантовая химия. – М.: Мир, 2001. – 519 с., ил;
6) Немухин А.В. Компьютерное моделирование в химии // Соросовский образовательный журнал, 1998. 6. — с.48-52;
7) 9. Буркерт У., Аллинжер Н. Молекулярная механика. М.: Мир, 1986. - 364 с;
8) Курс лекций «Введение в химическую информатику», проведенный в 2008 г. в Киевском политехническом институте. Режим доступа: http://summerschool.ssa.org.ua/index.php?option=com_content&task=view&id=91&lang=ru , свободный;
9) Зефиров, Николай Серафимович – Википедия. Режим доступа: http://ru.wikipedia.org/wiki/Зефиров, свободный;
10) Биографическая интернет-энциклопедия. Режим доступа: http://www.biographica.ru/, свободный;
11) Дипломный проект А.В.Конорева «Производство ГАМК мощностью 7 тонн в год в системе фармпредприятий. Исследование механизма рецепции ГАМК методом компьютерного моделирования»;
12) Дипломный проект Саенко «Разработка аналогов дикаина методами компьютерного моделирования»;
13) Автореферат диссертации С.В.Шульгина на тему «Конструирование синтетических аналогов С-концевого тетрапептида холецистокинина и оценка их физиологической активности»