Свежий номер №21 (398) / Tabulettae ex machina Дата публикации: 05.06.2001 Александр Шкроб, shkrob@ibmh.msk.su
Новые перспективы для компьютерного конструирования биологически активных соединений открылись в связи с успехами в установлении пространственной структуры белков. Появилась реальная возможность согласовывать структуру эффектора со структурой мишени. Однако оказалось, что эту возможность далеко не просто использовать, причем трудности носят принципиальный характер, и для их преодоления требуется революционный скачок как в методологии, так и в сознании исследователя. Очень быстро выяснилось: пространственная структура активных центров ферментов и участков связывания эффекторов сложна и лабильна настолько, что анализ внутрибелковых и лиганд-белковых взаимодействий возможен лишь ценой отказа от привычных представлений о наглядности и понятности. Сейчас кажутся наивными и смешными платформы со штативами и зажимами, которые поддерживали гигантские сооружения из пластмассовых шариков - материальные модели белков, сооружавшиеся в надежде разобраться в механизмах их взаимодействия с субстратами и ингибиторами. Выход был найден в построении математических моделей белка. В результате мы располагаем неким отображением реальной молекулы, которое в пределе идентично ей по своей геометрии, жесткости и иным свойствам. Паутина внутренних взаимодействий в таких моделях столь же сложна, как и в самих белках, и потому так же мало доступна человеческому «пониманию». Тем не менее, эти модели стало возможным использовать для симуляции поведения белков, в частности - их взаимодействия с лигандами. Ясно, что модели такой степени сложности могут «жить» лишь в компьютерах, и это как раз тот случай, когда вычислительная техника необходима не только из-за быстродействия. Она не пытается «понять» - вот в чем дело! В результате на выходе мы имеем правдоподобный (настолько - насколько хороша модель!) ответ, чаще всего не очень понимая, как это случилось. Так реальный эксперимент постепенно стал заменяться вычислительным, необязательно приближая исследователя к полному «пониманию» результатов. В этой ситуации нет ничего необычного. При определении прочности сложных конструкций их сейчас редко ломают на самом деле, а чаще описывают громоздкой системой уравнений, которая недоступна анализу и допускает только численное решение. Это решение сплошь и рядом бывает неожиданным, правильно предсказывая слабину в совершенно непредсказуемом месте. Бюро знакомств или воспитание невесты Технологию компьютерного моделирования белков почти сразу стали использовать при поиске и конструировании ингибиторов или активаторов ферментов. Рассмотрим важнейшие направления этой прикладной науки. Все они так или иначе опираются на сведения о структуре белок-лигандных комплексов, полученные либо экспериментально (обычно рентгеноструктурными методами), либо расчетным путем с помощью докинга - так называют виртуальное прилаживание лиганда к месту связывания. Известно несколько программ, осуществляющих молекулярный докинг; одна из самых производительных - DockSearch - создана А. С. Ивановым и В. С. Скворцовым. Первое из этих направлений - расширение возможностей QSAR-технологий посредством учета реального окружения «обучающих» лигандов в месте их связывания белком. Ясно, что это разумный и продуктивный путь, однако здесь сохраняется потребность в обучающей выборке, то есть в обширном наборе реальных химических соединений, целевая биологическая активность которых определялась экспериментально, по возможности в стандартных условиях. Кроме того, все предсказания по-прежнему носят характер интерполяции, не позволяя существенно выйти за пределы накопленного опыта. Второе направление - последовательное построение виртуальных комплексов с белком-мишенью для большого числа органических соединений и прогноз их «качества», то есть вероятности того, что соединение будет «в жизни» конкурентным ингибитором или иным регулятором активности белка. Прогноз может основываться Надежда на результативность скрининга - так именуют перебор более или менее случайно выбранных структур потенциальных лигандов - опирается на святую веру, будто химики наварили столь бездонную прорву органических соединений, что среди них заведомо должны быть нужные для любой цели: ищите и обрящете! Ну а поскольку результаты скрининга все же необходимо проверить в реальном эксперименте, искать предлагают среди веществ, представленных в коммерчески доступных коллекциях. При этом забывают, что в коллекциях собрана сотня-другая тысяч образцов, всего синтезирован миллион-другой соединений, а теоретически возможны - триллионы. Поэтому шансы не то чтобы совсем нулевые, но… Тем более что доступная сотня тысяч еще до собственно скрининга съеживается до десятков тысяч, а то и еще сильнее, при наложении элементарных ограничений на размер молекулы, присутствие в ней необходимых функциональных групп, отсутствие заведомо токсичных фрагментов и т. д. И все же вынужденно малая исходная выборка не главная причина неудач при скрининге. Дело в том, что чем прочнее комплекс органического лиганда с белком, тем более многоточечный характер носит связывание. При этом катионные группы одной молекулы должны располагаться супротив анионных - другой, Н-доноры - супротив Н-акцепторов и т. д. Ясно, что вероятность таких синхронных счастливых совпадений не может быть большой. Но если так, может, стоит отказаться от перебора реально доступных соединений и воспользоваться программами - генераторами виртуальных структур, которые рано или поздно сочинят все структуры, разрешенные законами химии. Увы, такой исчерпывающий скрининг закончится очень и очень нескоро, даже при использовании всех вычислительных ресурсов нашей планеты. Несмотря на явные недостатки ограниченно-тотального скрининга, его все же используют, и подчас не без успеха. Почему? Да потому, что в создании новых лекарственных соединений четко различаются два этапа: открытие прототипа (базового соединения, lead compound) и его последующее совершенствование. Первый этап - обычно дело удачи, результат случайного наблюдения. Его нельзя запланировать, а можно только дожидаться. Скрининг позволяет поставить это ожидание на поток, механизировать везуху, по-ихнему - serendipity. Да, мало шансов таким путем обнаружить высокоактивное соединение. Однако чем ниже требования к уровню активности, тем выше результативность поиска. Идя по такому пути, мы можем выявить совершенно неожиданные соединения, обладающие пусть очень малой, но так нужной нам активностью. А их совершенствование - это уже следующий этап. Третье и последнее направление, которое мы здесь рассмотрим, - самое романтическое. Суть его - в формировании структуры виртуального лиганда непосредственно в контакте с местом его связывания на виртуальной молекуле белка-мишени. Происходит это путем многочисленных проб при постоянной отбраковке неудачных вариантов. Программа-конструктор располагает сформированной оператором библиотекой фрагментов, которые она использует как строительные элементы, подчиняясь законам структурной химии и любым заранее заданным ограничениям на соединение фрагментов и постоянно оптимизируя конформацию продукта. Обычно критерием отбора является тем или иным способом оцениваемая энергия белок-лигандного взаимодействия. При этом оператор может влиять на эволюцию выращиваемой молекулы, изменяя с помощью коэффициентов вклады отдельных типов взаимодействий: например, завышая «цену» водородного связывания, мы поощрим отбор структур, в комплексах которых такое связывание имеет место. Самые развитые программы-конструкторы - например, модуль LeapFrog в программном комплексе Sybyl - позволяют ввести дополнительные критерии отбора: к примеру, штрафные очки за появление асимметрических центров, усложняющих Стратегия - вопрос тактики В одной из повестей Дж. Олдриджа описаны два охотника-соперника. Один тщательно изучает повадки зверей и ставит считанные капканы у нор, водопоев и т. п., другой - покрывает капканами всю доступную ему территорию. Можно ли однозначно выбрать из этих альтернативных методов оптимальный? Конечно, нет, поскольку оптимальность стратегии определяется множеством внешних факторов. Точно так же в общем случае нельзя отдать предпочтение скринингу или «выращиванию» как наиболее эффективному техническому средству при разработке новых биологически активных соединений. Выбор между ними зависит и от структуры белка-мишени, и от стоимости программного обеспечения и услуг держателей коллекций образцов, и, наконец, от опыта, традиций и синтетических возможностей разработчиков. К тому же разумны и компромиссные варианты, когда прототип ищут скринингом, а совершенствуют его, используя возможности программ-конструкторов. К сему следует добавить, что скорость и результативность вычислительных методов, как всегда, в немалой степени определяется применяемыми алгоритмами. А они являются результатом компромисса между уровнем нашего понимания природы внутри- и межмолекулярных взаимодействий, адекватностью их математического описания и программистской техники, обеспечивающей решение проблемы в разумные сроки. Сказать, что этот компромисс всегда удовлетворителен, было бы явным преувеличением. Поэтому даже щепетильное выполнение всех вычислительных процедур вовсе не гарантирует достоверность полученных результатов. Сей неприятный факт компенсируется лишь тем, что вычислительный эксперимент протекает намного быстрее реального. Благодаря этому, исследователь, грубо говоря, получает список из десяти потенциально активных соединений гораздо раньше, чем сможет иными путями предложить хотя бы одно. Если хотя бы пара веществ из списка действительно будет хоть сколько-нибудь активна - это замечательный успех! Трудно, но можно ~ можно, но трудно Скажем, наконец, главное: вычислительные подходы прочно вошли в методический арсенал при разработке новых биологически активных соединений и новых лекарств. Роль вычислительного эксперимента в обозримое время возрастет необычайно, поскольку никаким иным образом невозможно «переварить» гигантский объем информации, который поставляется геномикой и протеомикой. Достижения этих технологических потомков молекулярной биологии и химии белка позволяют поставить ранее немыслимые задачи перед разработчиками лекарственных соединений. Вот лишь некоторые из них. Самые эффективные антибиотики - это «оружие массового поражения». Их действие основано, как правило, на наиболее «грубых» различиях в устройстве микробов (прокариот) и жертв (эукариот). Знание особенностей генома отдельных паразитов является предпосылкой для создания прицельно действующих лекарств, тех самых, о которых мечтал сто лет назад великий Эрлих, называя их «волшебными пулями». Создатели антипаразитарных средств постоянно сражаются с Природой, которая, пренебрегая нашими интересами, позволяет патогенным организмам приобретать устойчивость к самым изощренным средствам химиотерапии. Возбудители гриппа, туберкулеза, СПИДа и множества других болезней быстро обновляют свои защитные механизмы. В этом противостоянии «снаряда и брони» побеждает тот, кто быстрее перевооружается. Детальное понимание природы приобретенной устойчивости поможет предельно сократить время создания средств борьбы с устойчивыми штаммами паразитов, а также с ранее не встречавшимися инфекционными заболеваниями. Известно много эффективных лекарственных соединений, механизм действия которых доселе неизвестен. Сейчас уже можно приблизиться к решению «обратной задачи» - не искать лиганд для известного белка, а определить белок-мишень по структуре избирательно связываемого им лиганда. Этот и многие другие подходы опираются на быстро совершенствующиеся технологии предсказания пространственной структуры белков исходя лишь из знания их генов. Чем не сюжет для фантаста: от вампиров (пришельцев, ЦРУ, изгоев - на выбор) пошла эпидемия неведомого заболевания. По изменениям протеома выслежен возбудитель и определен его геном. В нем опознаны белки, специфические для паразита, и рассчитана их пространственная структура. Путем скрининга найдены вещества, избирательно связывающиеся с этими белками. Среди них - «волшебная пуля». И «хэппи-энд» - спасенная красотка в экстазе целует компьютер, поскольку все эти чудеса тот сотворил без участия двуногих конкурентов.
|