Keserű György Miklós (szerk.)

Gyógyszerkémia


4.6.4.4. Utólagos feldolgozás

A virtuális találatokat utólagos feldolgozásnak vethetjük alá. Egyes értékelőfüggvények hajlamosak például a nagyobb molekulákat kedvezőbbnek értékelni, ezért hasznos lehet a találatok fizikokémiai paraméterek (pl. MW) alapján történő skálázása. Ebben a lépésben figyelembe vehetjük azt is, hogy az adott molekulának a VS-hez felhasznált konformere a globális minimumhoz képest mekkora energiatöbblettel rendelkezik. Ugyancsak az utólagos feldolgozás része a virtuális találatok szemrevételezése abban a modellrendszerben, amellyel azonosítottuk őket (pl. farmakofór-illeszkedés, kötőkonformáció). Előfordulhat, hogy a találatok vizsgálata során derül fény olyan összefüggésekre, amely alapján újraoptimalizálhatjuk a szűrési rendszerünket, és új VS-t futtathatunk. Szintén ide sorolhatjuk a különböző csoportosító eljárások alkalmazását, amelyek segítségével a nagyszámú találati listát a kívánt méretre szűkíthetjük, például úgy, hogy az azonos szerkezeti körbe tartozó molekulák közül csak 1-1 vegyületet javasolunk biológiai tesztelésre, vagy akár teljes vegyületcsaládokat törlünk, amennyiben azok például iparjogvédelmi szempontból problémásak. Az utólagos feldolgozást követően érkezünk el a virtuális szűrési folyamat végéhez – a biológiai tesztelésre javasolt vegyületek listájához.
A költséghatékonyság előtérbe kerülésével, az algoritmusok és a számítógépek fejlődésével, valamint a rendelkezésre álló adatbázisok folyamatos bővülésének eredményeként a virtuális szűrés az utóbbi években a vezérmolekula-keresés egyik elfogadott és ipari környezetben általánosan alkalmazott megközelítésévé vált. A fenti tényezők alapján a jövőben a VS tovább növelheti szerepét a gyógyszerkutatásban. A továbbfejlődés számos lehetséges területe közül kiemelendő a ligandumok és a fehérjék protomer/tautomer formáinak predikciója, a fehérjék flexibilitásának kezelése és a kötődési szabadentalpia becslése (különös tekintettel az entropikus és szolvatációs hatások figyelembevételére). Emellett a mesterséges intelligencia alkalmazása is új távlatokat nyithat a virtuális szűrési eljárások továbbfejlesztésében (lásd 4.6.5. fejezet). A módszerek technikai fejlesztése mellett azonban az is fontos lenne, hogy a VS-eljárások minél több vegyész, biológus és farmakológus számára legyenek elérhetőek, és használatuk minél kevesebb programozási és szakértői ismeretet igényeljen. A virtuális szűrési eljárások automatizált végrehajtása azonban nem mindig vezet megfelelő eredményre, az okok feltárásához és kijavításához pedig szakértői ismeretek szükségesek. Jóllehet a virtuális szűrésből származó találatok megerősítési aránya általában elmarad a HTS-találatokétól, a költségeket és az azonosított alapszerkezetek számát is figyelembe véve, a két módszer hatékonysága már összehasonlítható. Amennyiben a feltételek adottak, akkor a kémiai kiindulópontok számának maximalizálása érdekében a VS és a HTS különböző kémiai terekben (pl. VS a beszállítói és HTS a házon belüli adatbázison) történő párhuzamos megvalósítása ajánlott.

Gyógyszerkémia

Tartalomjegyzék


Kiadó: Akadémiai Kiadó

Online megjelenés éve: 2026

ISBN: 978 963 664 145 0

A kötet az Akadémiai Kiadónál 2011-ben Gyógyszerkutatás kémiája címen megjelent kézikönyv hagyományaira alapozva a kismolekulás gyógyszerkutatás eszköztárára és módszertanára fókuszál. Újdonságot jelent a magyar nyelvű szakirodalomban, hogy a modern gyógyszerkémiai felfogásnak megfelelően nem pusztán a meglévő gyógyszerkincs kémiáját mutatja be, hanem betekintést enged a kismolekulás gyógyszerek felfedezésének stratégiájába is.

Hivatkozás: https://mersz.hu/keseru-gyogyszerkemia//

BibTeXEndNoteMendeleyZotero

Kivonat
fullscreenclose
printsave