Слайд 2Современные представления о структуре и действии лекарственных веществ
![Современные представления о структуре и действии лекарственных веществ](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-1.jpg)
Слайд 4Количественные соотношения
«структура – БА»
![Количественные соотношения «структура – БА»](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-3.jpg)
Слайд 5Поиск БАВ
Скрининг
В 1966 году США для поиска противоопухолевых препаратов испытано 114 000
![Поиск БАВ Скрининг В 1966 году США для поиска противоопухолевых препаратов испытано](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-4.jpg)
соединений, отобрано 12 как потенциальные лекарства, но ни одно не стало выдающимся препаратом
Слайд 6Поиск БАВ
Экономическая эффективность скрининга возрастает с увеличением числа тестируемых активностей
![Поиск БАВ Экономическая эффективность скрининга возрастает с увеличением числа тестируемых активностей](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-5.jpg)
Слайд 7Поиск БАВ
Математическое моделирование – анализ связи структуры веществ и биологической активностью
![Поиск БАВ Математическое моделирование – анализ связи структуры веществ и биологической активностью](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-6.jpg)
Слайд 8Схема стратегии компьютерного конструирования лекарств
![Схема стратегии компьютерного конструирования лекарств](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-7.jpg)
Слайд 9Моделирование
Применение нейронных вычислительных сетей при построении моделей «структура - свойство»
![Моделирование Применение нейронных вычислительных сетей при построении моделей «структура - свойство»](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-8.jpg)
Слайд 10Использование структурных параметров в количественных соотношениях «структура – биологическая активность»
![Использование структурных параметров в количественных соотношениях «структура – биологическая активность»](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-9.jpg)
Слайд 11Количественные соотношения «структура – БА»
Наличие корреляций позволяет делать некоторые заключения о природе
![Количественные соотношения «структура – БА» Наличие корреляций позволяет делать некоторые заключения о природе действия ХС](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-10.jpg)
действия ХС
Слайд 12Количественные соотношения «структура – БА»
Была предсказана антибутирилхолинэстеразная активность 1-децил-3-(N-метилкарбамоил)пиперидина гидробромида за 3
![Количественные соотношения «структура – БА» Была предсказана антибутирилхолинэстеразная активность 1-децил-3-(N-метилкарбамоил)пиперидина гидробромида за](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-11.jpg)
года до его синтеза
Слайд 13Количественные соотношения «структура – БА»
Позволяет найти оптимальное лекарственное средство «на кончике пера»
62
![Количественные соотношения «структура – БА» Позволяет найти оптимальное лекарственное средство «на кончике](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-12.jpg)
соединения фениламидомочевины с антималярийным действием – уравнение – прогноз новых ХС – их синтез – испытание (оказались активнее известных)
Слайд 14Показатели БА
ЛД50 – летальная доза для 50%
ЛК50 – летальная концентрация для 50%
![Показатели БА ЛД50 – летальная доза для 50% ЛК50 – летальная концентрация](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-13.jpg)
особей
НК50 – наркотическая концентрация (вызывает боковое положение 50% мышей)
Сmin – пороговая концентрация, вызывающая изменения характеристики рефлекса
Слайд 15Показатели БА
ПДК – предельно допустимая концентрация
Наиболее низкие коэффициенты зависимости устанавливаются для ЛД50
Наиболее
![Показатели БА ПДК – предельно допустимая концентрация Наиболее низкие коэффициенты зависимости устанавливаются](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-14.jpg)
лучшие корреляции - для НК50
Слайд 16Параметры структуры
Надмолекулярный уровень (Sг, Sж, dtкип/dp0)
Молекулярный уровень [М, d, V(молек), dкрит, Ркрит,
![Параметры структуры Надмолекулярный уровень (Sг, Sж, dtкип/dp0) Молекулярный уровень [М, d, V(молек),](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-15.jpg)
χ (теплопроводность), Ср (теплоемкость), Тпл, Ткип, Рн (давление насыщенных паров), σ (поверхностное натяжение), η (вязкость), lgP или lgKом, Sр (растворимость), nD20, MR, μ, ε, I (потенциал ионизации), Da (абсолютная дисперсия), константы Гаммета, Е1/2]
Слайд 17Параметры структуры
Наилучшие корреляции наблюдаются для свойств молекулярного уровня
(но η и Рн не
![Параметры структуры Наилучшие корреляции наблюдаются для свойств молекулярного уровня (но η и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-16.jpg)
дают высоких корреляций)
Квантово-химические параметры (энергии ВЗМО, НСМО, ΔЕ, заряды на атомах, вклады отдельных атомов в МО и т.д.)
Слайд 18Количественные соотношения «структура – БА»
Физическая интерпретация или объяснения полученным зависимостям
Бактериостатическая активность связана
![Количественные соотношения «структура – БА» Физическая интерпретация или объяснения полученным зависимостям Бактериостатическая](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-17.jpg)
≈ 18 показателями ХС
Токсическое действие ≈ 26 показателей
Слайд 19Количественные соотношения «структура – БА»
Возможно превращение ХС под действием физических факторов (фото,
![Количественные соотношения «структура – БА» Возможно превращение ХС под действием физических факторов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-18.jpg)
термических, электрохимических), химических веществ
Связь структура – БА очень сложна
Нет универсальных характеристик ХС в определении БА
Слайд 20Количественные соотношения «структура – БА»
При поиске корреляций используется регрессивный анализ
![Количественные соотношения «структура – БА» При поиске корреляций используется регрессивный анализ](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-19.jpg)
Слайд 21Параметры структуры
Х. Мейер (1899 г) и Е. Овертон (1901 г) предложили, что
![Параметры структуры Х. Мейер (1899 г) и Е. Овертон (1901 г) предложили,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-20.jpg)
инертные вещества, вызывающие сон или наркотическое состояние и растворимые в липидах, способны вызывать эти состояния с эффективностью ~ коэффициенту распределения (липид-вода)
Ком = С(олифковое масло)/С(вода)
Слайд 22Коэффициент распределения
Гемолитическое действие некоторых неэлектролитов от коэффициента распределения (оливковое масло – вода)
log
![Коэффициент распределения Гемолитическое действие некоторых неэлектролитов от коэффициента распределения (оливковое масло –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-21.jpg)
Cгем = - 0.62 log K + 2.45
Слайд 23Параметры структуры
Количественные показатели гидрофобности ХС: lg растворимости, работа адсорбции в системе вода
![Параметры структуры Количественные показатели гидрофобности ХС: lg растворимости, работа адсорбции в системе](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-22.jpg)
– гептан (вода-воздух), энергия взаимодействия с неполярными органическими растворителями, поверхностная активность
Слайд 24Параметры структуры
Лазарев Н.В. – отечественный фармаколог – 1944 г. «Неэлектролиты. Опыт биолого-физико-химической
![Параметры структуры Лазарев Н.В. – отечественный фармаколог – 1944 г. «Неэлектролиты. Опыт](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-23.jpg)
их систематики»
Главное внимание адгезии веществ (≈ гидрофильность)
Слайд 25Классификация неэлектролитов
А – сильные неэлектролиты (сильно притягиваются молекулами воды)
В - слабые неэлектролиты
![Классификация неэлектролитов А – сильные неэлектролиты (сильно притягиваются молекулами воды) В -](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-24.jpg)
(слабо притягиваются молекулами воды)
С – переходные электролиты
Слайд 26Классификация неэлектролитов (Ком)
А – гр.1 (<10-2), гр.2 (10-2…10-1)
В – гр.3 (10-1…100), гр.4
![Классификация неэлектролитов (Ком) А – гр.1 ( В – гр.3 (10-1…100), гр.4](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-25.jpg)
(100…101), гр.5 (101…102)
С – гр.6 (102…103), гр.7 (103…104), гр.8 (104…105), гр.9 (>105)
Ряды: 1 ряд – вещества с М <100
2 ряд – М = 100 …200 и т.д.
Слайд 27Классификация неэлектролитов (Ком)
В гомологическом ряду переход от низших групп к высшим
Специфическое действие
![Классификация неэлектролитов (Ком) В гомологическом ряду переход от низших групп к высшим](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-26.jpg)
~ номеру группы (зависимость пораболическая)
Слайд 28Коэффициент распределения
Количественные связи между БА и коэффициентом распределения (октанол-вода), который характеризует гидрофобность
![Коэффициент распределения Количественные связи между БА и коэффициентом распределения (октанол-вода), который характеризует](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-27.jpg)
веществ
(можно определять экспериментально, можно рассчитать на основании структуры ХС)
Слайд 30Коэффициент распределения
Расчет с помощью ACD Labs
Задание
Рассчитать logP для ряда лекарственных препаратов
![Коэффициент распределения Расчет с помощью ACD Labs Задание Рассчитать logP для ряда лекарственных препаратов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-29.jpg)
Слайд 31Уравнение Ханча
А = -ψ1•ln2P + ψ2•lnP + ψ3
где А – 1/c,
ψi
![Уравнение Ханча А = -ψ1•ln2P + ψ2•lnP + ψ3 где А –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-30.jpg)
– коэффициенты, зависящие от структурных особенностей
Хорошие корреляции для цитостатических свойств производных нитрозомочевины, канцерогенной активности полициклических аренов
Слайд 32Задание
Какой интервал коэффициента распределения является оптимальным для биологической активности фенольных бактерицидов?
![Задание Какой интервал коэффициента распределения является оптимальным для биологической активности фенольных бактерицидов?](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-31.jpg)
Слайд 33Коэффициент распределения
Хорошо коррелирует с токсичностью для веществ с высокой гидрофобностью
Для гидрофильных соединений
![Коэффициент распределения Хорошо коррелирует с токсичностью для веществ с высокой гидрофобностью Для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-32.jpg)
вклад в корреляционные соотношения вносят степень ионизации, заряд иона, μ, способность к образованию водородных связей и т.п.
Слайд 34Степень диссоциации
Для электролитов:
БА ~ α
Антибактериальная активность трифенилметановых красителей (Альберт, 1941)
Минимальная концентрация производных
![Степень диссоциации Для электролитов: БА ~ α Антибактериальная активность трифенилметановых красителей (Альберт,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-33.jpg)
акридина (101 соед.) для бактерий Streptococcus pyogenes (48 ч инкубации)
Слайд 35Задание
Найти корреляционную зависимость
9-аминоакридин 1/С=16•104 α=99
3-аминоакридин 1/С=8•104 α=72
2-аминоакридин 1/С=1•104 α=2
1-аминоакридин 1/С=1•104 α=2
3,9-диамино….. 1/С=16•104 α=100
![Задание Найти корреляционную зависимость 9-аминоакридин 1/С=16•104 α=99 3-аминоакридин 1/С=8•104 α=72 2-аминоакридин 1/С=1•104](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-34.jpg)
Слайд 36П (парахор)
П = (М/ρ)•√√σ
М – молярная масса
ρ - плотность
σ - поверхностное натяжение
![П (парахор) П = (М/ρ)•√√σ М – молярная масса ρ - плотность](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-35.jpg)
жидкости
Слайд 37Корреляции БА – П (парахор)
Получены зависимости:
Для замещенных в 5-м положении пентиламинов препятствовать
![Корреляции БА – П (парахор) Получены зависимости: Для замещенных в 5-м положении](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-36.jpg)
свертыванию крови
Активность местных анестетиков
Антимикробная активность пенициллинов
Слайд 38Корреляции БА – П (парахор)
Получены зависимости:
Фибринолитическая активность для 2- и 4-замещенных бензойных
![Корреляции БА – П (парахор) Получены зависимости: Фибринолитическая активность для 2- и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-37.jpg)
кислот и 5-R-салициловых кислот
Biochem Pharmacol. 1975, V. 24, №10, Р. 1103-1109
Слайд 39Задание
Составить корреляционные уравнения БА ХС с парахором (П)
![Задание Составить корреляционные уравнения БА ХС с парахором (П)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-38.jpg)
Слайд 40Свойства и действие ХС
Рише (1893 г) установил, что некоторые вещества по силе
![Свойства и действие ХС Рише (1893 г) установил, что некоторые вещества по](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-39.jpg)
их наркотического действия на мелких рыбок располагаются в обратной зависимости от их растворимости в воде
Слайд 41Физические параметры
БА ~ физические параметры
(Ткип, Тпл, ρ, nD20, ε, Ткип/M, Ткип/V(молек). Ткип/MR,
![Физические параметры БА ~ физические параметры (Ткип, Тпл, ρ, nD20, ε, Ткип/M,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-40.jpg)
Тпл/M)
Зависимости не дают высоких корреляций
Слайд 42Задание
Найдите корреляционные уравнения, связывающие физические, или химические, или физико-химические характеристики вещества с
![Задание Найдите корреляционные уравнения, связывающие физические, или химические, или физико-химические характеристики вещества с видом биологической активности](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-41.jpg)
видом биологической активности
Слайд 43Хроматографические параметры
Хроматографические характеристики сравнительно легко определяются экспериментально и хорошо корреллируют со многими
![Хроматографические параметры Хроматографические характеристики сравнительно легко определяются экспериментально и хорошо корреллируют со](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-42.jpg)
физико-химическими и структурными параметрами
Слайд 44Хроматографические параметры
Использование хроматографических методов для изучения зависимости «структура - биологическая активность»
Корреляции типа
![Хроматографические параметры Использование хроматографических методов для изучения зависимости «структура - биологическая активность»](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-43.jpg)
«удерживание — биологическая активность»
Слайд 45Задание
Найдите корреляционные уравнения, связывающие хроматографические характеристики веществ с данными по их биологической
![Задание Найдите корреляционные уравнения, связывающие хроматографические характеристики веществ с данными по их биологической активности](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-44.jpg)
активности
Слайд 46Спектральные характеристики
Параметры флуоресценции (λфл и квантовый выход - связывание с мишенью) ~
![Спектральные характеристики Параметры флуоресценции (λфл и квантовый выход - связывание с мишенью)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-45.jpg)
БА
Многомерные вектора спектральных характеристик ХС и БА исследовать трудно, необходимо упрощение на подмножества
Слайд 47Спектральные характеристики
Возможны ошибки
Отсутствие у стероидов СН3-групп (С18), лишающее их активности, практически не
![Спектральные характеристики Возможны ошибки Отсутствие у стероидов СН3-групп (С18), лишающее их активности,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-46.jpg)
скажется на их УФ спектрах
Слайд 48Спектральные данные
В отдельных случаях выявляются корреляционные зависимости биологической активности со специфическими пиками
![Спектральные данные В отдельных случаях выявляются корреляционные зависимости биологической активности со специфическими](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-47.jpg)
ИК спектроскопии
Для замещенных бензолов – колебания С-Н связей вне плоскости ароматического кольца
Слайд 49Задание
Найдите корреляционные зависимости биологической активности выбранных вами химических соединений со специфическими пиками
![Задание Найдите корреляционные зависимости биологической активности выбранных вами химических соединений со специфическими](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-48.jpg)
в их ИК спектрах
Слайд 50Компьютерное моделирование
(квантово-химические
параметры)
![Компьютерное моделирование (квантово-химические параметры)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-49.jpg)
Слайд 51Основы компьютерного прогнозирования связи "структура-свойство"
Квантовохимические расчеты с помощью комплекса программ HyperChem
Выбрать
![Основы компьютерного прогнозирования связи "структура-свойство" Квантовохимические расчеты с помощью комплекса программ HyperChem](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-50.jpg)
стерические, электронные, поляризационные свойства молекул
Слайд 53Основы компьютерного прогнозирования связи "структура-свойство"
Экспериментальные данные используются как критерий правильности теоретических
![Основы компьютерного прогнозирования связи "структура-свойство" Экспериментальные данные используются как критерий правильности теоретических расчетов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-52.jpg)
расчетов
Слайд 54Экспериментальный и теоретический спектры УФ
![Экспериментальный и теоретический спектры УФ](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-53.jpg)
Слайд 55Энергия орбиталей
Есть корреляции психотропной активности препаратов со значениями энергий их ВЗМО
![Энергия орбиталей Есть корреляции психотропной активности препаратов со значениями энергий их ВЗМО](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-54.jpg)
Слайд 56Ряд психотропных препаратов
Дофамин
Мескалин
2,5-диметокси-4-метил-амфетамин
N,N-диметилтриптамин
Серотонин
Хлорпромазин
Диэтиламид лизергиновой кислоты (ЛСД)
Предсказать ряд активности по энергиям ВЗМО
![Ряд психотропных препаратов Дофамин Мескалин 2,5-диметокси-4-метил-амфетамин N,N-диметилтриптамин Серотонин Хлорпромазин Диэтиламид лизергиновой кислоты](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-55.jpg)
Слайд 57Потенциалы ионизации
В оценках нейротропной активности следует учитывать не только первый, но и
![Потенциалы ионизации В оценках нейротропной активности следует учитывать не только первый, но](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-56.jpg)
последующий потенциалы ионизации молекул препаратов
Слайд 58Потенциалы ионизации
Корреляция биологической активности со значениями потенциалов ионизации соответствует механизму переноса заряда,
![Потенциалы ионизации Корреляция биологической активности со значениями потенциалов ионизации соответствует механизму переноса](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-57.jpg)
при котором электронодонорная π-система молекулы психотропного препарата вступает во взаимодействие с электроноакцепторным центром рецептора
Слайд 59Энергия ВЗМО
Этим взаимодействием может быть комплексообразование, электрофильное замещение по ароматическому кольцу препарата,
![Энергия ВЗМО Этим взаимодействием может быть комплексообразование, электрофильное замещение по ароматическому кольцу](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-58.jpg)
образование π-связи рецептора с ароматическим кольцом и т.д.
Роль граничных орбиталей (ГО) в определении психотропного действия представляется весьма убедительной
Слайд 60Распределение электростатического потенциала
Одним из примеров корреляции биологической активности с распределением электростатического потенциала
![Распределение электростатического потенциала Одним из примеров корреляции биологической активности с распределением электростатического](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-59.jpg)
в молекуле может служить изучение взаимодействия ЛСД и серотонина (и его аналогов – изомерных гидрокситриптофанов) с соответствующим рецептором
Слайд 62Распределение электростатического потенциала
Были рассчитаны контуры молекулярных электростатических потенциалов, показывающие векторы предпочтительной ориентации
![Распределение электростатического потенциала Были рассчитаны контуры молекулярных электростатических потенциалов, показывающие векторы предпочтительной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-61.jpg)
молекулы по отношению к полю, генерируемому положительным зарядом
Слайд 63Распределение электростатического потенциала
Оказалось, что направления этих векторов существенно различаются для различных гидрокситриптаминов:
![Распределение электростатического потенциала Оказалось, что направления этих векторов существенно различаются для различных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-62.jpg)
вектор молекулы 6-гидрокситриптамина почти перпендикулярен вектору 5-гидрокситриптамина
Слайд 64Распределение электростатического потенциала
Такое различие в условиях взаимодействия с рецептором может быть причиной
![Распределение электростатического потенциала Такое различие в условиях взаимодействия с рецептором может быть](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-63.jpg)
неодинаковой биологической активности серотонина и его аналогов
Слайд 65Распределение электростатического потенциала
Карта электростатического потенциала серотонина в значительной мере воспроизводится в молекуле
![Распределение электростатического потенциала Карта электростатического потенциала серотонина в значительной мере воспроизводится в](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-64.jpg)
ЛСД, что и объясняет их чувствительность к одному и тому же рецептору (оба соединения способны оказывать сильные эффекты на деятельность центральной нервной системы)
Слайд 66Уравнение Гаммета
ХС6Н4СООН <=> ХС6Н4СОО- + Н+
lg(k/k0)= σρ, где
kо - константа скорости
![Уравнение Гаммета ХС6Н4СООН ХС6Н4СОО- + Н+ lg(k/k0)= σρ, где kо - константа](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-65.jpg)
или равновесия при Х=Н,
k - константа скорости при замещении водорода группой Х
ρ - константа, характеризующая данную реакцию в данных условиях
σ- константа, характеризующая заместитель Х (мера суммарных электронных эффектов)
Слайд 67Уравнение Гаммета
Принято ρ=1 для диссоциации мета- и пара-замещенных бензойных кислот в воде
![Уравнение Гаммета Принято ρ=1 для диссоциации мета- и пара-замещенных бензойных кислот в](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-66.jpg)
при 25оС
Были рассчитаны σм и σп для различных заместителей
Можно найти ρ для других реакций
Зная ρ и σ, можно предсказать скорость реакции до ее проведения (если механизм одинаков)
Слайд 68Уравнение Гаммета
К орто-заместителям этот подход не оправдывается
Браун предложил σ+ для реакций,
![Уравнение Гаммета К орто-заместителям этот подход не оправдывается Браун предложил σ+ для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-67.jpg)
при которых электронодонорная группа взаимодействует с образующимся в переходном состоянии положительным зарядом
Слайд 69Уравнение Гаммета
Предложены σ- (Тафт) для реакций, при которых образуется отрицательный заряд в
![Уравнение Гаммета Предложены σ- (Тафт) для реакций, при которых образуется отрицательный заряд в переходном состоянии](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-68.jpg)
переходном состоянии
Слайд 70Уравнение Гаммета
Существуют таблицы с этими константами
Аналогичные расчеты можно проводить для других циклических
![Уравнение Гаммета Существуют таблицы с этими константами Аналогичные расчеты можно проводить для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-69.jpg)
систем - нафталина, гетероциклов, для этиленовых, ацетиленовых углеводородов
Слайд 71Уравнение Гаммета
Уравнение Гаммета представляет собой линейное соотношение свободных энергий:
ΔG=-R∙T∙lnK
lgK-lgKo=σρ
-ΔG/2.3RT + ΔGo/2.3RT
![Уравнение Гаммета Уравнение Гаммета представляет собой линейное соотношение свободных энергий: ΔG=-R∙T∙lnK lgK-lgKo=σρ](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-70.jpg)
= σρ
-ΔG = σρ∙2.3∙RT - ΔGo
Слайд 72Уравнение Гаммета
Для БА ХС
lg(А/А0)= σρ, где
Ао – БА для соединения с
![Уравнение Гаммета Для БА ХС lg(А/А0)= σρ, где Ао – БА для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-71.jpg)
Х=Н,
А - БА для ХС, с замещенным водородом группой Х
ρ - константа, характеризующая данную БА
σ- константа, характеризующая заместитель Х (мера суммарных электронных эффектов)
Слайд 73Аддитивная модель
Фри-Вилсона
БА - Σ активности типового соединения в гомологическом ряду и
![Аддитивная модель Фри-Вилсона БА - Σ активности типового соединения в гомологическом ряду и активностей заместителя](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-72.jpg)
активностей заместителя
Слайд 74Задание
Составить уравнения оценки вклада заместителя в общую активность ХС
log(1/c) = X +
![Задание Составить уравнения оценки вклада заместителя в общую активность ХС log(1/c) = X + log(1/c0)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-73.jpg)
log(1/c0)
Слайд 75Количественные соотношения «структура – БА»
Наличие корреляций позволяет делать некоторые заключения о природе
![Количественные соотношения «структура – БА» Наличие корреляций позволяет делать некоторые заключения о природе действия ХС](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-74.jpg)
действия ХС
Слайд 76Нелинейные эффекты
Уравнения описывают линейную аддитивную комбинацию свойств заместителей в молекуле, между тем
![Нелинейные эффекты Уравнения описывают линейную аддитивную комбинацию свойств заместителей в молекуле, между](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-75.jpg)
нелинейные взаимодействия вносят существенный вклад в биологическую активность
Слайд 77Нелинейные эффекты
Обусловлены:
- кинетикой транспорта и распределения соединения в биологической системе
- лимитом
![Нелинейные эффекты Обусловлены: - кинетикой транспорта и распределения соединения в биологической системе](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-76.jpg)
пространства для взаимодействия гидрофобных групп с сайтом связывания
- аллостерическими эффектами (связывание ХС с участками фермента вне активного центра влечет за собой конформационные изменения и его активности)
Слайд 78Нелинейные эффекты
Обусловлены:
- возрастающим метаболизмом липофильных аналогов
- ингибированием конечного продукта липофильными продуктами
![Нелинейные эффекты Обусловлены: - возрастающим метаболизмом липофильных аналогов - ингибированием конечного продукта](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-77.jpg)
ферментных реакций
- ограниченной растворимостью высших аналогов
- принципом минимальной оккупации рецептора
Слайд 79Уравнение Ганча
Для математического описания основных нелинейных эффектов, связанных с липофильностью, Ганч сформулировал
![Уравнение Ганча Для математического описания основных нелинейных эффектов, связанных с липофильностью, Ганч сформулировал параболическую модель](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-78.jpg)
параболическую модель
Слайд 80Трехпараметровые уравнения Ганча-Фуджиты
Использование характеристик электронной структуры (константы Гаммета), стерических взаимодействий (стерические константы
![Трехпараметровые уравнения Ганча-Фуджиты Использование характеристик электронной структуры (константы Гаммета), стерических взаимодействий (стерические](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-79.jpg)
Тафта) и транспортных свойств (коэффициент распределения в системе октанол - вода)
Слайд 81Уравнение Ганча
log(A)= aσ + bπ + cπ2 + dEs + eMR +
![Уравнение Ганча log(A)= aσ + bπ + cπ2 + dEs + eMR](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-80.jpg)
f
где π - липофильность (гидрофобность), Es -стерические факторы Тафта, MR - молярная рефракция и дисперсионные силы, σ - константы Гаммета
Величины σ, π, Es, MR относятся к отдельным заместителям и определяются по таблицам
Слайд 82Модель Ганча
Была сделана компьютерная модель транспорта в биологической системе с гипотетическими константами
![Модель Ганча Была сделана компьютерная модель транспорта в биологической системе с гипотетическими](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-81.jpg)
и она не показала существенного отклонения от сторон параболы, что говорит о хорошем соответствии модели Ганча конкретным взаимодействиям
Слайд 83Взаимодействие ХС с рецептором
1) Обратимое образование комплекса вещества D с рецептором S
D
![Взаимодействие ХС с рецептором 1) Обратимое образование комплекса вещества D с рецептором](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-82.jpg)
+ S ↔ D:S
2) Необратимое превращение комплекса в продукты
D:S → Q
Слайд 84Взаимодействие ХС с рецептором
Скорость образования продукта
dQ/dt = k2[D:S]
Константа равновесия
K1 = [D:S]/([D][S]) =
![Взаимодействие ХС с рецептором Скорость образования продукта dQ/dt = k2[D:S] Константа равновесия](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-83.jpg)
exp(-ΔG/RT)
ΔG – свободная энергия Гиббса образования комплекса
Слайд 85Взаимодействие ХС с рецептором
Скорость образования продукта
dQ/dt = k2[D][S]exp(-ΔG/RT)
После интегрирования
Q = k2[D][S]exp(-ΔG/RT)t
Так как
[D]
![Взаимодействие ХС с рецептором Скорость образования продукта dQ/dt = k2[D][S]exp(-ΔG/RT) После интегрирования](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-84.jpg)
= AD0
A – вероятность достижения рецептора (постоянная для данного ХС)
Слайд 86Взаимодействие ХС с рецептором
ln(1/D0) = lnA - ΔG/RT + ln|S| + ln(t/Q)
![Взаимодействие ХС с рецептором ln(1/D0) = lnA - ΔG/RT + ln|S| +](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-85.jpg)
+ lnk2
Где D0 – ЛД50, ЕД50 и т.д.
Принимая, что механизм действия одинаков - ln|S|, ln(t/Q), lnk2 – const
ln(1/D0) = lnA - ΔG/RT + C
Слайд 87Взаимодействие ХС с рецептором
Из подхода Гаммета-Тафта
ΔG ~ Σσi и ΣЕi
ln(1/D0)
![Взаимодействие ХС с рецептором Из подхода Гаммета-Тафта ΔG ~ Σσi и ΣЕi](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-86.jpg)
= lnA + a1Σσi + a2ΣЕi + a0
А – связана с транспортом вещества до рецептора
Модель: вещество путем диффузии проходит поочередно через водные и липидные фазы
Слайд 88Взаимодействие ХС с рецептором
Принимают, что объем всех фаз и поверхность раздела между
![Взаимодействие ХС с рецептором Принимают, что объем всех фаз и поверхность раздела](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-87.jpg)
ними одинаковы
Считаем, что константы скоростей диффузии из воды в липид и обратно не зависят от номера фазы
Слайд 90Коэффициент распределения
Вводят новую переменную lnP, где Р – коэффициент распределения между водой
![Коэффициент распределения Вводят новую переменную lnP, где Р – коэффициент распределения между](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-89.jpg)
и липидной фазой (от 0.001 до 1000)
Р = k12/k21
Решая систему уравнений вычисляли lnCn – полученные точки хорошо обрабатываются параболой
Слайд 91Коэффициент распределения
lnCn = a ln2P + b lnP + c
Так как, Cn
![Коэффициент распределения lnCn = a ln2P + b lnP + c Так](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-90.jpg)
= А•D0
ln(1/D0) = lnA + a1Σσi + a2ΣЕi + a0
Слайд 92Уравнение Ганча
Методология Ганча хорошо работает в узких рядах гомологичных соединений
Как отнести
![Уравнение Ганча Методология Ганча хорошо работает в узких рядах гомологичных соединений Как](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-91.jpg)
новое ХС к определенному ряду?
Слайд 94Элементарный состав химического соединения и расположение его атомов и связей между ними
![Элементарный состав химического соединения и расположение его атомов и связей между ними](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-93.jpg)
в пространстве полностью определяют физические, химические свойства соединения, а также его биологическую активность
Слайд 95QSAR
Quantitative Structure-Activity Relationships
![QSAR Quantitative Structure-Activity Relationships](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-94.jpg)
Слайд 96QSAR
Направление, возникшее, на стыке органической химии, хемометрики, математического моделирования и компьютерной химии
![QSAR Направление, возникшее, на стыке органической химии, хемометрики, математического моделирования и компьютерной химии](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-95.jpg)
Слайд 97QSAR
Целью методов QSAR является поиск корреляций между любой из форм биологической активности
![QSAR Целью методов QSAR является поиск корреляций между любой из форм биологической](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-96.jpg)
и структурными, физико-химическими и квантово-химическими параметрами исследуемого химического соединения
Слайд 98КССА
Количественные соотношения структура - активность
![КССА Количественные соотношения структура - активность](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-97.jpg)
Слайд 99QSAR
В основе метода QSAR лежит утверждение о том, что активность и параметры
![QSAR В основе метода QSAR лежит утверждение о том, что активность и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-98.jpg)
соединения связаны известной математической функцией:
BA = F(S)
где ВА - биологическая активность,
S - физико-химические и/или квантово-химические характеристики исследуемого соединения
Слайд 100QSAR
Функция F обычно представляет собой математическое выражение, полученное с помощью статистических методов
![QSAR Функция F обычно представляет собой математическое выражение, полученное с помощью статистических](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-99.jpg)
(примером может служить широко используемая многофакторная линейная регрессия)
Слайд 101Линейно-регрессионное
QSAR-уравнение
log(A)= Σxi•zi + μ
А - это какой-либо биологический ответ
xi -
![Линейно-регрессионное QSAR-уравнение log(A)= Σxi•zi + μ А - это какой-либо биологический ответ](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-100.jpg)
дескриптор, который описывает присутствие или отсутствие i-ого заместителя
zi - вклад i-ого заместителя в log(A)
μ - константа
Слайд 102Химическое соединение
ХС разбивается на фрагменты многократно, с суперпозицией отдельных фрагментов
![Химическое соединение ХС разбивается на фрагменты многократно, с суперпозицией отдельных фрагментов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-101.jpg)
Слайд 103Достоинства метода QSAR
При использовании QSAR-метода исследователю не нужно знать вид
зависимости ВА
![Достоинства метода QSAR При использовании QSAR-метода исследователю не нужно знать вид зависимости](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-102.jpg)
= F (S)
Число структурных параметров S может быть достаточно большим
Для QSAR-метода не требуется молекула-эталон (выбор ее зачастую субъективен)
Слайд 104Достоинства метода QSAR
Достаточно знать ранговую оценку свойства ВА (это важно, когда
![Достоинства метода QSAR Достаточно знать ранговую оценку свойства ВА (это важно, когда](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-103.jpg)
ВА определяется с достаточно большой погрешностью)
Классификацию молекул по свойствам на основе структурных характеристик можно проводить, варьируя число классов
Слайд 105Достоинства метода QSAR
Количественная оценка соответствия между структурой и свойствами позволяет лучше
![Достоинства метода QSAR Количественная оценка соответствия между структурой и свойствами позволяет лучше](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-104.jpg)
понять их взаимосвязь, которая иногда может быть не очень четко выражена в случае большого количества разрозненных данных
Слайд 106Достоинства метода QSAR
QSAR позволяет синтезировать химические соединения с заданными биологическими свойствами
Возможно
![Достоинства метода QSAR QSAR позволяет синтезировать химические соединения с заданными биологическими свойствами](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-105.jpg)
предсказание свойств еще не синтезированных химических соединений
Слайд 107Достоинства метода QSAR
Результаты могут быть использованы для лучшего понимания взаимодействий имеющихся между
![Достоинства метода QSAR Результаты могут быть использованы для лучшего понимания взаимодействий имеющихся](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-106.jpg)
функциональными группами молекул
и функциональными группами молекул мишеней
Слайд 108Недостатки метода QSAR
Возникновение недостоверных корреляций из-за чрезмерного доверия к биологическим
данным, полученным
![Недостатки метода QSAR Возникновение недостоверных корреляций из-за чрезмерного доверия к биологическим данным, полученным экспериментальным путем](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-107.jpg)
экспериментальным путем
Слайд 109Недостатки метода QSAR
Иногда, эксперимент, от которого зависят результаты QSAR-анализа, может быть
![Недостатки метода QSAR Иногда, эксперимент, от которого зависят результаты QSAR-анализа, может быть](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-108.jpg)
плохо продуман, из-за чего полученные в результате эксперимента данные могут быть ошибочными
Слайд 110Недостатки метода QSAR
Некоторое физико-химические и квантово-химические параметры соединений могут оказаться взаимокоррелируемыми,
![Недостатки метода QSAR Некоторое физико-химические и квантово-химические параметры соединений могут оказаться взаимокоррелируемыми,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-109.jpg)
что может привести к неверным выводам о биологической активности исследуемого соединения
Слайд 111Недостатки метода QSAR
При применении QSAR наиболее эффективными структурными параметрами S являются
![Недостатки метода QSAR При применении QSAR наиболее эффективными структурными параметрами S являются](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-110.jpg)
лишь те, которые имеют монотонный характер
влияния на исследуемое свойство ВА
Слайд 112Дескрипторы химической структуры
Число или набор чисел, которые характеризуют структуру химического (органического) соединения,
![Дескрипторы химической структуры Число или набор чисел, которые характеризуют структуру химического (органического)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-111.jpg)
причем характеризуют так, что они описывают наиболее существенные черты этой структуры
Слайд 113Дескрипторы химической структуры
Любое число, которое можно рассчитать исходя из структурной формулы (молекулярный
![Дескрипторы химической структуры Любое число, которое можно рассчитать исходя из структурной формулы](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-112.jpg)
вес, число определенных атомов, связей или групп, молекулярный объем, частичные заряды на атомах и т.д.)
Слайд 114Дескрипторы
При создании моделей структура - биологическая активность большое значение в отборе дескрипторов
![Дескрипторы При создании моделей структура - биологическая активность большое значение в отборе](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-113.jpg)
имеют современные представления о процессах в организме, происходящих с участием химических веществ
Слайд 115Дескрипторы элементного уровня
Молекулярная масса
Число атомов какого-либо сорта
Атомные массы заместителей
Молярная
![Дескрипторы элементного уровня Молекулярная масса Число атомов какого-либо сорта Атомные массы заместителей](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-114.jpg)
рефракция и др.
содержат слишком мало информации о молекулярной структуре
Слайд 116Топологические дескрипторы
Рассчитываются на основе описания структурной формулы соединения с помощью молекулярного
![Топологические дескрипторы Рассчитываются на основе описания структурной формулы соединения с помощью молекулярного](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-115.jpg)
графа G, представляющего собой двумерное отображение молекулы (вершины соответствуют атомам, а ребра - химическим связям молекулы)
Слайд 117Топологические дескрипторы
Фрагменты структуры, индексы атомов и связей, каппа-индексы, описывающие форму молекулы,
![Топологические дескрипторы Фрагменты структуры, индексы атомов и связей, каппа-индексы, описывающие форму молекулы,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-116.jpg)
индексы молекулярных связей
Индекс Плата F(G) равен сумме степеней каждого ребра в графе G
Слайд 118Топологические дескрипторы
Число Винера (Σ кратчайших путей)
Индекс Балабана
Теоретико-информационные индексы графов обеспечивают
![Топологические дескрипторы Число Винера (Σ кратчайших путей) Индекс Балабана Теоретико-информационные индексы графов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-117.jpg)
количественную меру симметрии соответствующей структуры
Слайд 119Дескрипторы электронной структуры
Заряды на атомах (для сильно полярных реагентов) или электронные
![Дескрипторы электронной структуры Заряды на атомах (для сильно полярных реагентов) или электронные](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-118.jpg)
плотности
Значения граничных орбиталей (ВЗМО и НСМО)
Значения вкладов отдельных атомов в граничные орбитали
Дипольные моменты
Поляризуемость
Слайд 120Липофильность
характеризует транспортные свойства соединений в биологических объектах
Распределение (Р) соединений в
![Липофильность характеризует транспортные свойства соединений в биологических объектах Распределение (Р) соединений в](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-119.jpg)
модельной системе октанол-вода
IgP для нейтральной формы соединения
рКa для ионизированных веществ
Слайд 121Геометрические параметры молекул
Длины связей
Валентные углы
Торсионные углы
Размеры молекулы и т.д.
![Геометрические параметры молекул Длины связей Валентные углы Торсионные углы Размеры молекулы и т.д.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-120.jpg)
Слайд 122Методика QSAR
Весь массив соединений с известной характеристикой биологической активности делят на:
обучающий ряд
![Методика QSAR Весь массив соединений с известной характеристикой биологической активности делят на:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-121.jpg)
(обучающая выборка)
тестируемый ряд (контрольная выборка)
Слайд 123Обучающий ряд
Статистический анализ позволяет выявить зависимость и степень зависимости биологической активности от
![Обучающий ряд Статистический анализ позволяет выявить зависимость и степень зависимости биологической активности](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-122.jpg)
значения того или иного дескриптора или группы дескрипторов
Слайд 124Обучающий ряд
Математическая зависимость данной биологической активности от значений наиболее значимых дескрипторов
![Обучающий ряд Математическая зависимость данной биологической активности от значений наиболее значимых дескрипторов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-123.jpg)
Слайд 125Тестируемый ряд
Проверка полученной математической зависимости данной биологической активности от значений выбранных дескрипторов
![Тестируемый ряд Проверка полученной математической зависимости данной биологической активности от значений выбранных дескрипторов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-124.jpg)
Слайд 126Предсказанные и опытные значения LC50
![Предсказанные и опытные значения LC50](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-125.jpg)
Слайд 127QSAR
Справочников по QSAR-уравнениям пока нет
Обзоры в Chemical Rev.
![QSAR Справочников по QSAR-уравнениям пока нет Обзоры в Chemical Rev.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-126.jpg)
Слайд 129Примеры уравнений
Производные 1,2,3-тиадиазола – фунгицидная активность (AF) Verticilium dahliae на хлопке
![Примеры уравнений Производные 1,2,3-тиадиазола – фунгицидная активность (AF) Verticilium dahliae на хлопке](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-128.jpg)
Слайд 130Примеры уравнений
средний молекулярный вес AMW
значение атомного Вандерваальсового радиуса для атомов углерода Mv
значение
![Примеры уравнений средний молекулярный вес AMW значение атомного Вандерваальсового радиуса для атомов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-129.jpg)
атомной поляризуемости для атомов углерода Mp
количество атомов хлора nCl
топологический электронный дескриптор частично тяжелого заряда PCWTe
количество вращающихся связей RBN
относительный отрицательный заряд RNCG
Слайд 131Примеры уравнений
Производные 1,2,3-триазола – фунгицидная активность (AF) Verticilium dahliae на хлопке
Производные
![Примеры уравнений Производные 1,2,3-триазола – фунгицидная активность (AF) Verticilium dahliae на хлопке](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-130.jpg)
1,2,3-триазола – фунгицидная активность Gibberella zeae на пшенице (G)
Слайд 132Мутагенная/канцерогенная активность
Определение множества дескрипторов для каждой молекулы, их корреляций с мутагенной/канцерогенной активностью,
![Мутагенная/канцерогенная активность Определение множества дескрипторов для каждой молекулы, их корреляций с мутагенной/канцерогенной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-131.jpg)
отбор наиболее значимых дескрипторов, вносящих наибольший вклад в биологическую активность, требуют использования специальных компьютерных программ
Слайд 133Предсказание генотоксичности
Пакеты программ CASE, MULTICASE, META
Rosenkranz H.S., Klopman G. // Toxicol. Ind.
![Предсказание генотоксичности Пакеты программ CASE, MULTICASE, META Rosenkranz H.S., Klopman G. //](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-132.jpg)
Health. 1988. V.4. P. 533-540
Klopman G., Rosenkranz H.S. // Mutat. Res. 1994. V. 305. P.33-46
Klopman G., Ddimayuga M., Talafos J. // J. Chem. Inf. Comput. Sci. 1994. V.34. P. 1320-1325
Слайд 134CASE
Обучаемая программа, начинает свою работу со считывания всех структур в обучающей выборке
![CASE Обучаемая программа, начинает свою работу со считывания всех структур в обучающей](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-133.jpg)
и их фрагментирования на цепочки по 2-10 связанных неводородных атомов, затем программа для этих фрагментов оценивает вероятность их соотношения с активностью, используя биноминальный и другие статистические методы
Слайд 135MULTICASE
Отбирает наиболее значимые из этих фрагментов как биофоры, считая их ответственными за
![MULTICASE Отбирает наиболее значимые из этих фрагментов как биофоры, считая их ответственными](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-134.jpg)
активность, наблюдаемую у соединений, содержащих эти фрагменты
Биофор понимается как участок локализации основных реакций, приведших к появлению активности
Слайд 136MULTICASE
Затем программа идентифицирует внутри уменьшенной обучающей выборки молекул, содержащих биофоры, фрагменты и
![MULTICASE Затем программа идентифицирует внутри уменьшенной обучающей выборки молекул, содержащих биофоры, фрагменты](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-135.jpg)
физико-химические свойства, играющие роль в модуляции активности биофоров
Слайд 137CASE и MULTICASE –анализ
Полностью автоматизирован и удобен для пользователя
Для оценки новой молекулы
![CASE и MULTICASE –анализ Полностью автоматизирован и удобен для пользователя Для оценки](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-136.jpg)
программа сначала проверяет наличие в ней биофоров, если их нет, то молекула предсказывается как неактивная; если молекула содержит биофоры, тогда исследуется наличие модуляторов для этих биофоров – результатом является качественное и количественное предсказание активности
Слайд 138CASE и MULTICASE –анализ
Получаемые уравнения QSAR действительны только внутри домена, определяемого соответствующими
![CASE и MULTICASE –анализ Получаемые уравнения QSAR действительны только внутри домена, определяемого соответствующими биофорами](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-137.jpg)
биофорами
Слайд 139МЕТА – программа
Канцерогенность и мутагенность часто ассоциируется с электрофильным потенциалом молекулы,
![МЕТА – программа Канцерогенность и мутагенность часто ассоциируется с электрофильным потенциалом молекулы,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-138.jpg)
однако, электрофильность молекулы может выявиться или сразу, или после одного или нескольких этапов метаболической трансформации
Слайд 140МЕТА – программа
Для решения проблемы метаболической трансформации ксенобиотиков была создана экспертная
![МЕТА – программа Для решения проблемы метаболической трансформации ксенобиотиков была создана экспертная программа МЕТА](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-139.jpg)
программа МЕТА
Слайд 141МЕТА – программа
Использует предварительно установленные правила в идентификации структурных мишеней для некоторых
![МЕТА – программа Использует предварительно установленные правила в идентификации структурных мишеней для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-140.jpg)
ферментов и преобразует эти мишени, имитируя метаболическую трансформацию
Слайд 142Метаболиты
По их потенциальной биологической активности: терапевтически активные, неактивный экскретируемый, неактивный неэкскретируемый, потенциально
![Метаболиты По их потенциальной биологической активности: терапевтически активные, неактивный экскретируемый, неактивный неэкскретируемый, потенциально токсичный т.д.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-141.jpg)
токсичный т.д.
Слайд 143Метаболиты
Различные метаболиты могут локализоваться в различных тканях в зависимости от способа введения,
![Метаболиты Различные метаболиты могут локализоваться в различных тканях в зависимости от способа](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-142.jpg)
коэффициента распределения, способности связываться различными белками и от специфических для соединения механизмов действия
Слайд 144МЕТА – программа
Проблема влияния растворимости на метаболическую трансформацию решается с помощью программы
![МЕТА – программа Проблема влияния растворимости на метаболическую трансформацию решается с помощью](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-143.jpg)
LOGP, входящей в пакет МЕТА, и рассчитывающей коэффициенты распределения октанол-вода
Слайд 145МЕТА – программа
В зависимости от расчетной величины logP, молекула подлежит или не
![МЕТА – программа В зависимости от расчетной величины logP, молекула подлежит или](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-144.jpg)
подлежит трансформации соответствующим ферментом, также оценивается ее способность проходить через мембрану или двигаться от органа к органу
Слайд 146Пути биотрансформации
Большинство данных касается путей биотрансформации различных метаболитов для животных, а не
![Пути биотрансформации Большинство данных касается путей биотрансформации различных метаболитов для животных, а](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-145.jpg)
для человека
Первый этап оценки стабильности метаболитов, основывается на общих для всех видов реакциях, а специальные задачи могут быть решены с учетом различий метаболизма между видами
Слайд 147Пути биотрансформации
В отдельных случаях могут рассматриваться генетически обусловленные индивидуальные вариации метаболизма, такие
![Пути биотрансформации В отдельных случаях могут рассматриваться генетически обусловленные индивидуальные вариации метаболизма,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-146.jpg)
как полиморфизм, связанный с N-ацетилированием и P-450-опосредованным окислением
Слайд 148МЕТА – программа
После каждого этапа трансформации программа с помощью словаря спонтанных реакций
![МЕТА – программа После каждого этапа трансформации программа с помощью словаря спонтанных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-147.jpg)
оценивает стабильность полученного метаболита и продолжает трансформировать структуру до образования конечного продукта, нестабильные метаболиты автоматически разрушаются
Слайд 149МЕТА – программа
Метаболиты, оцениваемые как потенциально мутагенные/канцерогенные, вносятся в базу данных CASE
![МЕТА – программа Метаболиты, оцениваемые как потенциально мутагенные/канцерогенные, вносятся в базу данных CASE или MULTICASE](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-148.jpg)
или MULTICASE
Слайд 150Пример использования
QSAR-анализа
Проведено сравнительное изучение мутагенной активности производных бифенила, флуоренона, фенантренхинона, пирена
![Пример использования QSAR-анализа Проведено сравнительное изучение мутагенной активности производных бифенила, флуоренона, фенантренхинона,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-149.jpg)
и его гетероциклических аналогов в тесте Эймса на штамме Salmonella typhimurium TA 1538 (всего 60 соединений)
Слайд 151Пример использования
Большинство из исследованных соединений показало мутагенную активность и некоторые из них
![Пример использования Большинство из исследованных соединений показало мутагенную активность и некоторые из](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-150.jpg)
индуцируют до 7000 ревертантов/нмоль
Слайд 152Пример использования
Любимова И.К., Абилев С.К., Мигачев Г.И. // Генетика, 1995. N 2.
![Пример использования Любимова И.К., Абилев С.К., Мигачев Г.И. // Генетика, 1995. N](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-151.jpg)
С. 268-272
Баскин И.И., Любимова И.К., Абилев С.К., Палюлин В.А., Зефиров Н.С. // Доклады АН. 1993. Т. 332. N 5. С. 587-589
Баскин И.И., Любимова И.К., Абилев С.К., Палюлин В.А., Зефиров Н.С. // Доклады АН. 1994. Т. 339. N 1. С. 106-108
Любимова И.К. Зависимость мутагенной активности полициклических ароматических соединений от их структуры. Автореферат канд. диссертации. М. 1994. 25 с.
Слайд 153Анализ данных
Пара-положение нитро- и амино-групп определяет высокую мутагенную активность, наличие же заместителей
![Анализ данных Пара-положение нитро- и амино-групп определяет высокую мутагенную активность, наличие же](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-152.jpg)
(нитро-, ацетил-, карбонил- ) в других положениях ослабляет или усиливает эту активность
Слайд 154Уравнения QSAR
Для получения уравнений QSAR на выборке исследованных соединений были выбраны следующие
![Уравнения QSAR Для получения уравнений QSAR на выборке исследованных соединений были выбраны](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-153.jpg)
дескрипторы:
d1 – энергия нижней незанятой молекулярной орбитали (LUMO);
d2 – величина максимального заряда на атоме азота;
d3 – величина максимального заряда на атоме кислорода;
d4 – logP (липофильность);
d5 – наличие нитрогруппы в пара- положении;
d6 – наличие аминогруппы в пара- положении;
d7 – наличие заместителей в мета- и орто- положениях
Слайд 155Квантово-химические параметры
Рассчитывали по методу Хюккеля, анализ корреляций между дескрипторами и мутагенной активностью
![Квантово-химические параметры Рассчитывали по методу Хюккеля, анализ корреляций между дескрипторами и мутагенной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-154.jpg)
проводили с помощью программы “EMMA” (Effective Modeling of Molecular Activity), которая позволяет осуществить множественный линейный регрессионный анализ
Слайд 156Уравнения QSAR
Соединения были разделены на 2 группы:
первая включала гетероциклические аналоги пирена,
![Уравнения QSAR Соединения были разделены на 2 группы: первая включала гетероциклические аналоги](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-155.jpg)
производные фенантрена и флуоренона;
вторая – производные бифенила
Слайд 157Уравнения QSAR
Была получена серия регрессионных уравнений со следующими параметрами:
Nhis+ - число his+
![Уравнения QSAR Была получена серия регрессионных уравнений со следующими параметрами: Nhis+ -](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-156.jpg)
ревертантов при дозе 7.5 нмоль/чашку;
R – коэффициент корреляции между экспериментальными и прогнозируемыми значениями логарифма числа his+ ревертантов;
Sv – среднеквадратичная ошибка прогноза логарифма his+ ревертантов в контрольной выборке;
F - значение критерия Фишера
Слайд 158Уравнения QSAR
Для гетероциклических аналогов пирена и производных фенантрена и флуоренона (всего 39
![Уравнения QSAR Для гетероциклических аналогов пирена и производных фенантрена и флуоренона (всего](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-157.jpg)
соединений)
ln(Nhis+) = 0.88 d1 + 2.08 d5 + 1.07
R = 0.72; Sv = 1.31; F = 14.72
ln(Nhis+) = -1.05 d1 + 1.84 d5 – 0.34 d7 + 1.04 R = 0.75; Sv = 1.24; F = 11.25
ln(Nhis+) = -2.64 d1 - 1.10 d2 - 8.93 d3 –
1.34 d5 + 0.89 d6 - 3.93
R = 0.80; Sv = 1.21; F = 6.68
Слайд 159Уравнения QSAR
Для замещенных бифенилов (21 соединение)
ln(Nhis+) = 2.1 d1 – 0.57 d4
![Уравнения QSAR Для замещенных бифенилов (21 соединение) ln(Nhis+) = 2.1 d1 –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-158.jpg)
- 0.13
R = 0.82; Sv = 1.12; F = 16.37
Для всех соединений (объединенной группы соединений)
ln(Nhis+) = 1.77 d1 - 0.22 d2 - 0.9 d5 - 0.52 R = 0.75; Sv = 1.94; F = 18.80
Слайд 160Уравнения QSAR
Все эти соединения удовлетворительно прогнозировали мутагенную активность контрольных выборок соединений (3
![Уравнения QSAR Все эти соединения удовлетворительно прогнозировали мутагенную активность контрольных выборок соединений](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-159.jpg)
производных пирена и фенантрена и 2 производных бифенила)
Слайд 161Уравнения QSAR
Во всех уравнениях присутствует дескриптор d1 – энергия LUMO, которая характеризует
![Уравнения QSAR Во всех уравнениях присутствует дескриптор d1 – энергия LUMO, которая](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-160.jpg)
способность соединения реагировать с нуклеофилами, т.е. его электрофильность
Слайд 162Анализ уравнений QSAR
Характеризующих взаимосвязь структура-активность в группе разнородных соединений, включающей гетероциклические аналоги
![Анализ уравнений QSAR Характеризующих взаимосвязь структура-активность в группе разнородных соединений, включающей гетероциклические](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-161.jpg)
пирена, производные фенантрена и флуоренона показывает, что величина R зависит от числа включенных в уравнение дескрипторов
Слайд 163Анализ уравнений QSAR
R = 0.80 достигается только при включении в QSAR-модель таких
![Анализ уравнений QSAR R = 0.80 достигается только при включении в QSAR-модель](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-162.jpg)
дескрипторов как d2 и d3, характеризующих величину максимального заряда на атомах азота и кислорода, соответственно
Слайд 164Анализ уравнений QSAR
Наличие в этом уравнении дескрипторов d5 и d6 , характиризующих
![Анализ уравнений QSAR Наличие в этом уравнении дескрипторов d5 и d6 ,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-163.jpg)
наличие нитро- и амино- группы в пара- положении, соответственно, отражает эмпирические выводы, сделанные на основе анализа экспериментальных данных
Слайд 165Анализ уравнений QSAR
Дальнейшее повышение коэффициента корреляции между экспериментальным и прогнозируемым значением мутагенной
![Анализ уравнений QSAR Дальнейшее повышение коэффициента корреляции между экспериментальным и прогнозируемым значением](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-164.jpg)
активности (логарифм числа his+ ревертантов) достигается только при увеличении числа квантово-химических и подструктурных дескрипторов
Слайд 166Анализ уравнений QSAR
Увеличение числа дескрипторов в уравнениях QSAR, сужает круг прогнозируемых структур
![Анализ уравнений QSAR Увеличение числа дескрипторов в уравнениях QSAR, сужает круг прогнозируемых](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-165.jpg)
Такое уравнение будет прогнозировать активность в реальной ситуации не лучше, чем уравнения с дескрипторами, характеризующими наиболее общие свойства обучающей выборки
Слайд 167Анализ уравнений QSAR
Прогностическая ценность уравнений QSAR зависит от ряда общих проблем, касающихся
![Анализ уравнений QSAR Прогностическая ценность уравнений QSAR зависит от ряда общих проблем,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-166.jpg)
принципов подготовки материала для анализа методами SAR и QSAR
Слайд 168Анализ уравнений QSAR
Подходы к изучению взаимосвязи структура-активность основаны на существующих знаниях о
![Анализ уравнений QSAR Подходы к изучению взаимосвязи структура-активность основаны на существующих знаниях](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-167.jpg)
физико-химических свойствах исследуемых соединений и о механизмах их биологической активности
Все это зависит от современного уровня знаний, точек зрения, предположений, которые могут быть верными и неверными
Слайд 169Проблемы использования метода QSAR
Размер и неоднородность базы данных
От размера и однородности
![Проблемы использования метода QSAR Размер и неоднородность базы данных От размера и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-168.jpg)
обучающей выборки зависит прогностическая способность уравнений QSAR
Слайд 170Проблемы использования метода QSAR
Большая и однородная база данных, полученная на группе
![Проблемы использования метода QSAR Большая и однородная база данных, полученная на группе](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-169.jpg)
родственных соединений, позволяет получить уравнение с высокими предсказательными возможностями и с ограниченным числом дескрипторов, описывающих главные свойства химических соединений, с которыми связано наличие или отсутствие биологической активности
Слайд 171Проблемы использования метода QSAR
Неоднородная база данных и, соответственно, такая же обучающая
![Проблемы использования метода QSAR Неоднородная база данных и, соответственно, такая же обучающая](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-170.jpg)
выборка, не позволяет получить уравнения с высокими предсказательными возможностями
Увеличения значения R для таких выборок можно достичь только за счет увеличения ее размера или числа дескрипторов
Слайд 172Проблемы использования метода QSAR
Проблема выделения дескрипторов
Можно использовать всевозможные квантовые, физико-химические свойства и
![Проблемы использования метода QSAR Проблема выделения дескрипторов Можно использовать всевозможные квантовые, физико-химические](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-171.jpg)
структурные характеристики, а затем с помощью статистических процедур отбирать те из них, которые лучше всех коррелируют с активностью
Слайд 173Проблемы использования метода QSAR
Такой подход нуждается в проведении большой предварительной работы, (расчета
![Проблемы использования метода QSAR Такой подход нуждается в проведении большой предварительной работы,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-172.jpg)
квантово-химических параметров для каждого соединения, включенного в базу данных, с помощью специальных программ)
Слайд 174Проблемы использования метода QSAR
Поэтому при анализе структура-активность химических мутагенов особое внимание уделяется
![Проблемы использования метода QSAR Поэтому при анализе структура-активность химических мутагенов особое внимание](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-173.jpg)
механизмам мутагенного действия химических соединений (алкилирование, интеркаляция и т.д.)
Слайд 175Проблемы использования метода QSAR
Известно, что мутагенная активность отражает способность молекул к реакции
![Проблемы использования метода QSAR Известно, что мутагенная активность отражает способность молекул к](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-174.jpg)
с азотистыми основаниями ДНК
В таком случае общим свойством соединений с мутагенной активностью является наличие в их молекуле электрофильных свойств или эти сайты образуются в результате метаболизма
Слайд 176Проблемы использования метода QSAR
Для выделения таких “структурных алертов” необходимы глубокие знания химии
![Проблемы использования метода QSAR Для выделения таких “структурных алертов” необходимы глубокие знания](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-175.jpg)
и метаболизма соединений, чего нет на практике
Электрофильная теория не может быть признана единственно верной
Слайд 177Проблемы использования метода QSAR
Анализ баз данных по мутагенной активности нитро- и аминоароматических
![Проблемы использования метода QSAR Анализ баз данных по мутагенной активности нитро- и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-176.jpg)
соединений
Чтобы отличить мутагенные соединения от немутагенных при наличии у всех структурного алерта – нитро- или амино- группы, необходимо обязательно учитывать наличие дескрипторов-модуляторов мутагенной активности
Слайд 178Проблемы использования метода QSAR
Если энергию LUMO, отражающую электрофильность молекулы и logP -
![Проблемы использования метода QSAR Если энергию LUMO, отражающую электрофильность молекулы и logP](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-177.jpg)
показатель ее биологической доступности, принять за основные дескрипторы, то другие дескрипторы являются модуляторами мутагенной активности
Слайд 179Уравнение QSAR
Уравнение для бифенильных соединений:
ln(Nhis+) = - 111 d1 – 2.66
![Уравнение QSAR Уравнение для бифенильных соединений: ln(Nhis+) = - 111 d1 –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-178.jpg)
d2 – 36.7 d3 – 10.4 d4 + 0.967
R = 0.95; Sv = 0.69; F = 35
Слайд 180Уравнение QSAR
где d1 – минимальный квадрат коэффициента вклада атомной орбитали углерода в
![Уравнение QSAR где d1 – минимальный квадрат коэффициента вклада атомной орбитали углерода](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-179.jpg)
низшую свободную молекулярную орбиталь
d2 – минимальный квадрат коэффициента вклада атомной орбитали азота в низшую свободную молекулярную орбиталь
d3 –максимальный индекс свободной валентности на атоме углерода
d4 – среднее значение индекса свободной валентности на атомах кислорода
Слайд 181Уравнение QSAR
Уравнение отличается от прежнего уравнения более высоким уровнем коэффициента корреляции R=0.95
Но,
![Уравнение QSAR Уравнение отличается от прежнего уравнения более высоким уровнем коэффициента корреляции](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-180.jpg)
оно не отражает возможного механизма мутагенного действия соединения и не имеет очевидного биологического смысла, что затрудняет его восприятие с точки зрения биолога-экспериментатора
Слайд 182Уравнение QSAR
Возникает дилемма
Выбирать дескрипторы исходя из механизмов мутагенного действия и результатов
![Уравнение QSAR Возникает дилемма Выбирать дескрипторы исходя из механизмов мутагенного действия и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-181.jpg)
анализа экспериментальных данных
Перебирать всевозможные квантовохимические параметры
Слайд 183Уравнение QSAR
Реальная предсказательная ценность уравнений второго типа пока остается неизвестной
![Уравнение QSAR Реальная предсказательная ценность уравнений второго типа пока остается неизвестной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-182.jpg)
Слайд 184QSAR – анализ
При существующем разнообразии программ QSAR и баз данных по мутагенной
![QSAR – анализ При существующем разнообразии программ QSAR и баз данных по](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-183.jpg)
активности химических соединений в различных тест-системах, достаточно корректное уравнение QSAR можно получить только при совместной работе биологов, химиков, математиков
Слайд 185QSAR – анализ
Определение цели – получить корреляции между активностью и структурными особенностями
![QSAR – анализ Определение цели – получить корреляции между активностью и структурными](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-184.jpg)
молекулы (качественный анализ – SAR) или получить коэффициент корреляции между экспериментальными и прогнозируемыми значениями мутагенной активности (количественный анализ – QSAR)
Слайд 186QSAR – анализ
В последнем случае количественные экспериментальные данные анализируются и формализуются
Решается
![QSAR – анализ В последнем случае количественные экспериментальные данные анализируются и формализуются](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-185.jpg)
вопрос об однородности базы данных
Если принимается обоснованное решение о разделении базы данных на подгруппы, то дальнейший анализ проводится для каждой подгруппы по отдельности
Слайд 187QSAR – анализ
Выбор дескрипторов зависит от общих знаний механизма мутагенного действия, от
![QSAR – анализ Выбор дескрипторов зависит от общих знаний механизма мутагенного действия,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-186.jpg)
возможности программ, которые предполагается использовать для расчета квантовохимических параметров и анализа фрагментов структур, а также для регрессионного анализа связи между рассматриваемыми дескрипторами и мутагенной активностью
Слайд 188QSAR – анализ
В конечном итоге выбираются те уравнения QSAR, которые достаточно удовлетворительно
![QSAR – анализ В конечном итоге выбираются те уравнения QSAR, которые достаточно](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-187.jpg)
прогнозируют активность соединений, отнесенных к контрольной выборке
Слайд 189QSAR – анализ
Речи сегодня о замене теста Эймса или другого теста методологией
![QSAR – анализ Речи сегодня о замене теста Эймса или другого теста](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-188.jpg)
QSAR нет
Это возможно в будущем
Сегодня QSAR является хорошим инструментом для внеэкспериментального прогноза
Слайд 190Задание
Используя известное QSAR уравнение осуществите теоретическое конструирование новых ХС с данным видом
![Задание Используя известное QSAR уравнение осуществите теоретическое конструирование новых ХС с данным видом БА](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-189.jpg)
БА
Слайд 191Задание
Найдите корреляционные уравнения, связывающие ЛД50 химических веществ с параметрами их структуры
![Задание Найдите корреляционные уравнения, связывающие ЛД50 химических веществ с параметрами их структуры](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-190.jpg)
Слайд 192Задание
Обработайте массив экспериментальных данных зависимости БА ~ параметры ХС
Создайте систему данных,
![Задание Обработайте массив экспериментальных данных зависимости БА ~ параметры ХС Создайте систему](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-191.jpg)
аналогичную системе элементов Д.И. Менделеева
Слайд 193PASS
Prediction of Activity
Spectra for Substances
![PASS Prediction of Activity Spectra for Substances](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-192.jpg)
Слайд 194Биологическая активность
Обнаружение у веществ определенных свойств – по-прежнему случайное событие, но вероятность
![Биологическая активность Обнаружение у веществ определенных свойств – по-прежнему случайное событие, но](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-193.jpg)
проявления такого события резко возрастает
Слайд 195Пример
Аминазин (нейролептик) – использовался для непсихотропных целей, прежде чем были открыты его
![Пример Аминазин (нейролептик) – использовался для непсихотропных целей, прежде чем были открыты его свойства нейролептика](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-194.jpg)
свойства нейролептика
Слайд 196Примеры
ВИАГРА - силденафил - как антиагрегантное средство начал применяться в 1988 г.
![Примеры ВИАГРА - силденафил - как антиагрегантное средство начал применяться в 1988](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-195.jpg)
и как препарат, стимулирующий эрекцию - в 1994 г.
Аспирин был предложен в качестве анальгетика в 1899 г., а его антиагрегантное действие было открыто лишь в 1971 г.; и т.д.
Слайд 197Пример
Талидомид, обладающий анксиолитическим и снотворным эффектами, был введен в медицинскую практику в
![Пример Талидомид, обладающий анксиолитическим и снотворным эффектами, был введен в медицинскую практику](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-196.jpg)
50-х годах
В начале 60-х годов из-за наличия тератогенности он стал причиной врожденных дефектов у более чем 8000 новорожденных, что привело к запрету на его применение
Слайд 198Пример
Сорок лет спустя, талидомид переживает «второе рождение» - он активно испытывается в
![Пример Сорок лет спустя, талидомид переживает «второе рождение» - он активно испытывается](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-197.jpg)
клинике как потенциальное противоопухолевое и антиметастатическое средство, как препарат для симптоматической терапии СПИДа
Слайд 199Компьютерная система прогноза
Собрать всю известную информацию о биологически активных соединениях, создать на
![Компьютерная система прогноза Собрать всю известную информацию о биологически активных соединениях, создать](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-198.jpg)
этой основе обучающую выборку, провести анализ связей "структура-активность" для веществ из обучающей выборки и построить соответствующие зависимости
"Подставив" в эти зависимости данные о структуре нового вещества, можно получить в результате оценку его биологической активности
Слайд 200КССА
Применимы к соединениям одного и того же химического класса
Оперируют с одним
![КССА Применимы к соединениям одного и того же химического класса Оперируют с](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-199.jpg)
видом биологической активности
Можно ли разработать подобные методы для веществ, гетерогенных как по химической структуре, так и по проявляемому ими биологическому действию?
Слайд 201PASS
Основа – характеристика активных частей молекулы
Расчет частоты субструктурной активности (ЧСА) – отношение
![PASS Основа – характеристика активных частей молекулы Расчет частоты субструктурной активности (ЧСА)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-200.jpg)
БАС, содержащих данную структуру, к числу соединений, имеющих эту структуру
Слайд 202PASS
Вычисляют из данных ЧСА среднюю арифметическую ЧСА для всей молекулы
ЧСА – предсказывает
![PASS Вычисляют из данных ЧСА среднюю арифметическую ЧСА для всей молекулы ЧСА – предсказывает БАВ](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-201.jpg)
БАВ
Слайд 203PASS
Выделение фрагментов фармакофоров
Определение частоты встречаемости этих фрагментов для определения видов БА
![PASS Выделение фрагментов фармакофоров Определение частоты встречаемости этих фрагментов для определения видов БА](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-202.jpg)
Слайд 204Дескрипторы
Топологические – не меняющиеся при деформациях молекулы (брутто-формула)
Топографические – пространственные соотношения между
![Дескрипторы Топологические – не меняющиеся при деформациях молекулы (брутто-формула) Топографические – пространственные](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-203.jpg)
компонентами молекулы (расстояния, углы)
Квантовомеханические или квантовохимические – электронная структура (ЕМО, q, порядок связи, индекс свободной валентности)
Слайд 205Дескрипторы
Химические – изменение состава, числа связей (ΔG, pK)
Физические (Vмолекулы, Тпл, Ткип,
![Дескрипторы Химические – изменение состава, числа связей (ΔG, pK) Физические (Vмолекулы, Тпл,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-204.jpg)
nD20)
Физико-химические – взаимодействие с другими веществами без химической реакции (растворимость, хроматографические индексы)
Слайд 206PASS
Мера информативности дескриптора – отношение частоты встречаемости в подмассиве с данной активностью
![PASS Мера информативности дескриптора – отношение частоты встречаемости в подмассиве с данной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-205.jpg)
к частоте встречаемости во всем массиве
ni/Ni : nj/N
Слайд 207PASS
Версия компьютерной системы предсказания спектра биологической активности PASS реализована в 1998 году
![PASS Версия компьютерной системы предсказания спектра биологической активности PASS реализована в 1998](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-206.jpg)
Институтом биомедицинской химии (Москва)
Слайд 208PASS
Она включала в себя обучающую выборку, содержащую более 30000 БАВ с известной
![PASS Она включала в себя обучающую выборку, содержащую более 30000 БАВ с](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-207.jpg)
биологической активностью, и охватывала более 400 (900) фармакологических эффектов, механизмов действия, а также мутагенность, канцерогенность, тератогенность и эмбриотоксичность
Слайд 209PASS online
www.pharmaexpert.ru/
PASSOnline/
![PASS online www.pharmaexpert.ru/ PASSOnline/](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-208.jpg)
Слайд 211PASS online
Биологическая активность описывается в PASS качественным образом ("да"/"нет")
Выдаваемые результаты прогноза помимо
![PASS online Биологическая активность описывается в PASS качественным образом ("да"/"нет") Выдаваемые результаты](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-210.jpg)
названий активности включают в себя оценки вероятностей наличия (Pa) и отсутствия каждой активности (Pi), имеющие значения от 0 до 1
Эти вероятности рассчитываются независимо, их сумма не равна единице
Слайд 212Cavinton
Pa Pi Activity
0.929 0.004 Peripheral vasodilator
0.900 0.000 Multiple sclerosis treatment
![Cavinton Pa Pi Activity 0.929 0.004 Peripheral vasodilator 0.900 0.000 Multiple sclerosis treatment](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-211.jpg)
Слайд 214Задание
Рассчитать спектр предсказания биологической активности для Талидомида
![Задание Рассчитать спектр предсказания биологической активности для Талидомида](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-213.jpg)
Слайд 215PASS
Если целью исследования является поиск базовых структур лекарств, целесообразно отбирать из массива
![PASS Если целью исследования является поиск базовых структур лекарств, целесообразно отбирать из](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-214.jpg)
доступных веществ не те структуры, для которых величина Pa близка к единице (они могут оказаться близкими аналогами известных препаратов), а соединения с Pa<0.7
Слайд 216PASS
Риск получения отрицательного результата в эксперименте тем больше, чем меньше величина Pa,
![PASS Риск получения отрицательного результата в эксперименте тем больше, чем меньше величина](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-215.jpg)
однако и новизна такой структуры (при подтверждении прогноза в эксперименте) будет более высокой
Слайд 217PASS
Если поставлена цель поиска близкого аналога известного препарата, то из массива имеющихся
![PASS Если поставлена цель поиска близкого аналога известного препарата, то из массива](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-216.jpg)
образцов следует отобрать вещества с наибольшими значениями Pa
Слайд 218PASS
При отборе перспективных для исследований соединений можно руководствоваться комбинированным критерием:
- наличие в
![PASS При отборе перспективных для исследований соединений можно руководствоваться комбинированным критерием: -](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-217.jpg)
прогнозируемом спектре требуемых эффектов/механизмов
- отсутствие нежелательных эффектов/механизмов
Слайд 219PASS
Может быть выполнен уже на этапе планирования синтеза
Будут синтезированы лишь некоторые из
![PASS Может быть выполнен уже на этапе планирования синтеза Будут синтезированы лишь](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-218.jpg)
теоретически возможных производных, в наибольшей степени удовлетворяющие критериям задачи
Слайд 220Компьютерная система интерпретации спектров биологической активности
Можно составить большое количество комбинаций из требуемых
![Компьютерная система интерпретации спектров биологической активности Можно составить большое количество комбинаций из требуемых и нежелательных эффектов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-219.jpg)
и нежелательных эффектов
Слайд 221Компьютерная система интерпретации спектров биологической активности
Для их анализа сотрудник Лаборатории структурно-функционального конструирования
![Компьютерная система интерпретации спектров биологической активности Для их анализа сотрудник Лаборатории структурно-функционального](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-220.jpg)
лекарств НИИ Биомедхимии РАМН А.А. Лагунин разработал специальную компьютерную систему интерпретации спектров биологической активности веществ IBIAC, основанную на знаниях об известных взаимосвязях между фармакологическими эффектами и механизмом действия биологически активных веществ (более 2000 терминов, описывающих биологическую активность)
Слайд 222Компьютерная система интерпретации спектров биологической активности
С использованием системы IBIAC генерация перечня эффектов,
![Компьютерная система интерпретации спектров биологической активности С использованием системы IBIAC генерация перечня](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-221.jpg)
соответствующих определенному механизму действия и, наоборот, списка вероятных механизмов, ответственных за проявление определенного эффекта, осуществляется автоматически
Слайд 223Ограничения РАSS
Имеет смысл прогноз для синтетических и биополимеров, для неорганических веществ и
![Ограничения РАSS Имеет смысл прогноз для синтетических и биополимеров, для неорганических веществ и т.п.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-222.jpg)
т.п.
Слайд 224Ограничения РАSS
Наличие не менее 5 веществ с известной активностью для формирования обучающей
![Ограничения РАSS Наличие не менее 5 веществ с известной активностью для формирования](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-223.jpg)
выборки
В случае принципиально новых мишеней действия лекарственных препаратов, для которых имеются данные только об 1-2 лигандах, предсказание биологической активности таким методом не может быть реализовано
Слайд 225Ограничения РАSS
В случае существенной по отношению к соединениям обучающей выборки новизны химической
![Ограничения РАSS В случае существенной по отношению к соединениям обучающей выборки новизны](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-224.jpg)
структуры прогнозируемого вещества (более 3-х дескрипторов ни разу не встретились в обучающей выборке) результаты прогноза могут иметь значительную погрешность
Слайд 226Ограничения РАSS
Целесообразно протестировать вещество на требуемые виды активности независимо от результатов прогноза,
![Ограничения РАSS Целесообразно протестировать вещество на требуемые виды активности независимо от результатов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-225.jpg)
так как результатом может оказаться принципиально новая базовая структура
Слайд 227Ограничения РАSS
В некоторых случаях вещество прогнозируется одновременно как агонист и антагонист (стимулятор
![Ограничения РАSS В некоторых случаях вещество прогнозируется одновременно как агонист и антагонист](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-226.jpg)
и блокатор, активатор и ингибитор) по отношению к одним и тем же рецепторам (ферментам и т.п.)
Это означает, что система не может дифференцировать внутреннюю активность вещества, а лишь указывает на его способность к связыванию с данным рецептором (ферментом)
Слайд 228Система PASS
Не может предсказать, станет ли конкретное вещество лекарственным препаратом, поскольку это
![Система PASS Не может предсказать, станет ли конкретное вещество лекарственным препаратом, поскольку](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-227.jpg)
будет зависеть также от многих других факторов (сравнительной оценки безопасности и клинической эффективности; наличия необходимых для разработки и внедрения инвестиций, и т.д.)
Слайд 229Система PASS
Прогноз, однако, может помочь определить, какие тесты наиболее адекватны для изучения
![Система PASS Прогноз, однако, может помочь определить, какие тесты наиболее адекватны для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-228.jpg)
биологической активности конкретного химического вещества, и какие вещества из имеющихся в распоряжении исследователя наиболее вероятно проявят требуемые эффекты
Слайд 230Задание
Провести анализ прогноза видов БА для известного лекарственного препарата
(Сульфадимезин, Норсульфазол и др.)
![Задание Провести анализ прогноза видов БА для известного лекарственного препарата (Сульфадимезин, Норсульфазол и др.)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-229.jpg)
Слайд 231Методы компьютерного моделирования
Позволяют ученым строить компьютерные модели «мишени» и определять структуру потенциального
![Методы компьютерного моделирования Позволяют ученым строить компьютерные модели «мишени» и определять структуру](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-230.jpg)
«ключа»
Химики синтезируют это соединение
Слайд 232Лекарство от болезни Альцгеймера
С помощью компьютерного моделирования химики МГУ (Зефиров Н.С.) выяснили,
![Лекарство от болезни Альцгеймера С помощью компьютерного моделирования химики МГУ (Зефиров Н.С.)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-231.jpg)
что димебон – лекарство от аллергии – может и должен обладать нейропротекторными свойствами
Слайд 233Лекарство от болезни Альцгеймера
Димебон недавно прошел клинические испытания в России
Российский препарат даже
![Лекарство от болезни Альцгеймера Димебон недавно прошел клинические испытания в России Российский](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/374065/slide-232.jpg)
пропустили на американский лекарственный рынок!