Современное состояние и перспективы поиска новых, высокоэффективных лекарственных средств

Трудно переоценить роль молекулярной механики в современной  химической практике. Поскольку все  вычислительные проблемы относятся  лишь к хорошо разработанным процедурам минимизации, даже на маломощных персональных компьютерах можно анализировать  строение больших многоатомных молекул  за разумное время. Возможность увидеть  структуру молекулы на экране компьютера, рассмотреть ее с разных сторон, проверить возникающие предположения  о стерических затруднениях и  т.д. оказывает неоценимую помощь в  работе. Молекулярная механика играет роль молекулярного конструктора: для  первичной оценки строения интересующей нас молекулы зачастую проще собрать  молекулу на компьютере, чем тратить  время на поиск необходимой информации в справочной литературе. При расчетах молекулярной структуры на более  высоком уровне методами квантовой  химии полезно использовать координаты ядер молекулы, найденные с помощью  молекулярной механики, в качестве начального приближения. Для многих задач, например для конформационного анализа, уровень моделирования  методами молекулярной механики оказывается вполне достаточным для качественных и даже количественных заключений.

В каждом конкретном случае необходимо интересоваться, для каких  классов соединений параметризована  та версия программы, которую предполагается применять при моделировании  свойств нового соединения. Особенно осторожно следует относиться к  оценкам энергий, хотя и для геометрических конфигураций возможны грубые ошибки.[5,6,7]

При моделировании методами молекулярной динамики или Монте-Карло  интересующее нас свойство системы  большого числа молекул вычисляется  через статистические средние по положениям и движениям молекул. Как и в методах молекулярной механики, здесь также необходимо перечислить все частицы системы  и задать потенциалы межчастичных взаимодействий. Однако в отличие от молекулярной механики в данных подходах области  задания межчастичных потенциалов  взаимодействия должны быть достаточно протяженными, и они не должны ограничиваться малыми смешениями от положений равновесия. Это накладывает существенно  более высокие требования на способы  расчета потенциалов.

Практически всегда уравнения, связывающие молекулярные параметры  и свойства вещества, то есть макроскопические свойства, решаются численно, а эффективность  решения существенно зависит  от мощности используемых компьютеров. На рисунке 2 показаны схемы двух методик: Монте-Карло и молекулярной динамики, применяемых в компьютерных экспериментах. В обоих случаях задаются число  молекул N, объем V, доступный для  движения молекул, накладываются те или иные граничные условия, предписывается потенциал межмолекулярного взаимодействия U. В методе Монте-Карло обычно независимыми переменными, сохраняющими постоянные значения при моделировании, выбираются N, V и температура Т. Молекулы двигаются  случайным образом в соответствии с предписаниями генератора случайных  чисел, и каждое новое расположение либо принимается, либо отбрасывается  с вероятностью, определенной по закону

,

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).