Вычислительные подходы, оптимизирующие процесс открытия лекарственных средств

Computational approaches streamlining drug discovery
Vsevolod Katritch, Anastasiia Sadybekov
2023-04-26

компьютерное проектирование лекарствглубокое обучениепоиск лигандовструктурный виртуальный скринингвиртуальные библиотеки
Компьютерное открытие лекарственных средств существует уже несколько десятилетий, однако в последние годы произошел тектонический сдвиг в сторону широкого внедрения вычислительных технологий как в академической среде, так и в фармацевтической промышленности. Этот сдвиг в значительной степени обусловлен огромным объемом данных о свойствах лигандов, их связывании с терапевтическими мишенями и трехмерных структурах этих мишеней, широкими вычислительными возможностями, а также появлением виртуальных библиотек лекарственноподобных малых молекул, насчитывающих миллиарды соединений и доступных по запросу. Для полноценного использования этих ресурсов необходимы быстрые вычислительные методы эффективного скрининга лигандов. К ним относится структурно-ориентированный виртуальный скрининг химических пространств гигантского масштаба, дополнительно облегчаемый быстрыми итеративными подходами к скринингу. Важным синергетическим направлением являются достижения в области предсказания свойств лигандов и активности мишеней с помощью глубокого обучения без использования структуры рецептора. В настоящем обзоре рассматриваются последние достижения в технологиях поиска лигандов, их потенциал для преобразования всего процесса открытия и разработки лекарственных средств, а также возникающие при этом проблемы. Кроме того, обсуждается, каким образом быстрое выявление высокоразнообразных, мощных, селективных в отношении мишени и лекарственноподобных лигандов белковых мишеней может демократизировать процесс открытия лекарственных средств, создавая новые возможности для экономически эффективной разработки более безопасных и эффективных низкомолекулярных препаратов.
1
Компьютерные технологии способны преобразить разработку лекарств, обеспечивая быстрое выявление разнообразных, мощных, селективных к мишеням и пригодных для разработки лигандов.
2
Модели глубокого обучения могут прогнозировать свойства лигандов и активность в отношении мишеней без необходимости знать структуру рецептора, дополняя структурные методы поиска.
3
Быстрые методы структурного виртуального скрининга позволяют исследовать химические пространства гигантского масштаба, а итеративный скрининг дополнительно повышает эффективность.
4
Последние достижения в компьютерном дизайне лекарств обусловлены большими объёмами данных о лигандах, связывании с мишенями и трёхмерных структурах, ростом вычислительных ресурсов и виртуальными библиотеками из миллиардов молекул.
5
Эти достижения могут демократизировать разработку лекарств и сделать создание более безопасных и эффективных малых молекул экономичнее, хотя сохраняются существенные проблемы.

вычислительные технологии поиска лигандов для терапевтических белковых мишеней

быстрый скрининг и прогнозирование с помощью глубокого обучения свойств лигандов и активности мишеней, а также их эффективности, селективности, разнообразия и лекарственноподобия для оптимизации поиска лекарственных средств

Publication Details
Publication Date
2023-04-26
Journal
Publisher
ISSN
Cited by
1281
Access Type
Author Information
Authors
Vsevolod Katritch
Anastasiia Sadybekov
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%