A kémiai kiindulópont keresésében alkalmazott módszereket alapvetően szűrésalapú és tudásalapú megközelítésekre bonthatjuk (Keserű és mtsa, 2006; 2009). A szűrésalapú megközelítések közös jellemzője, hogy egy célszerűen megválasztott biokémiai vagy biofizikai teszt vagy elméleti modell segítségével molekulák nagy tömegét vizsgáljuk meg annak érdekében, hogy közülük a célponttal kölcsönhatásba lépő vegyületeket azonosítani tudjuk. A biokémiai tesztekben a molekulák kölcsönhatását biológiai mintákon (sejten, sejtpreparátumon, izolált fehérjén) leggyakrabban fluoreszcens vagy lumineszcens jelölővel vizsgáljuk (4.2. fejezet). A biokémiai tesztek legnagyobb előnye, hogy az általuk szolgáltatott adatok szerkezet–hatás összefüggések felállításához közvetlenül felhasználhatók. A biokémiai tesztek adatai ugyanakkor zajjal terheltek, amelyek a ténylegesen aktív molekulák azonosítását jelentősen megnehezítik. A szűrővizsgálatok legnagyobb kihívása az ún. mintavételezési probléma. A szűrővizsgálatokban leggyakrabban vizsgált molekulák általában gyógyszerszerű vegyületek, amelyek molekulatömege, lipofilitása és más fizikai kémiai sajátságai a forgalomban lévő gyógyszerek által kijelölt tartományba esnek. A gyógyszerszerű sajátságoknak azonban elvileg akár 1060 nagyságrendű szerves molekula is megfelelhet, ami mellett az eddig előállított és így ténylegesen vizsgálható vegyületeket tartalmazó Chemical Abstract-adatbázis közel 290 millió (290×106 (!)) molekulája szinte elhanyagolható. A gyógyszerszerű vegyületeken folytatott, általában néhány millió molekulán végrehajtott szűrővizsgálatok ezért az elvileg levezethető gyógyszerszerű molekulák halmazának csak igen kicsiny részhalmazát veszik figyelembe, azaz a gyógyszerszerű vegyületek terét alacsony hatékonysággal mintavételezik. Ezt a problémát próbálják meg orvosolni a kisebb molekulatömegű fragmensek szűrésén alapuló eljárások (4.3. fejezet). A fragmensek kis molekulatömegű (általában 300 Da alatti) poláris vegyületek, amelyekből elvi megfontolások alapján lényegesen kevesebb, mintegy 117 különböző kémiai szerkezet írható fel. Ezáltal néhány tízezer fragmens szűrésével hatékonyabb mintavételezés érhető el, azaz a szűrővizsgálatok megvalósításával ebben az esetben kémiai szempontból változatosabb kiindulópontokhoz juthatunk. A kisebb molekulatömegű fragmensek általában a gyógyszerszerű molekuláknál kevésbé aktívak, ezért detektálásukra a szűrővizsgálatok során a biokémiai teszteknél érzékenyebb, általában biofizikai módszereket használnak. A leggyakrabban használt biofizikai elven történő detektálási módszerek közé tartozik a tömegspektrometria, a röntgendiffrakció és az NMR. A biofizikai detektálási lehetőségek kapacitása a tömegspektrometriás detektálást leszámítva korlátos, ezért gyógyszerszerű vegyületek szűrésére az utóbbit leszámítva nem használják őket. A kapacitás növelésének tipikus módja a vegyületek keverékben történő vizsgálata, amely a röntgendiffrakciós és az NMR-es detektálásnál könnyedén megvalósítható, ugyanis az aktív komponens a mérés során egyértelműen azonosítható. Ráadásul ezek a detektálások a kialakuló molekuláris kölcsönhatások tekintetében szerkezeti információt adnak, amely segítheti a fragmensek további optimalizálását. A tömegspektrometriás detektálás során az aktívak keverékből történő azonosítása speciális stratégiát igényel. A fragmenseken végzett szűrővizsgálatok legnagyobb hátránya a hamis találatok magas aránya, ami a legtöbb esetben a fragmensek kis aktivitása miatt kényszerűségből megemelt koncentráció következménye. Az elméleti módszerekkel folytatott szűrővizsgálatok nagy előnye az alacsony költség és a hatékonyabb mintavételezés, lévén elméleti módszerekkel eddig elő nem állított molekulák is vizsgálhatók (4.6. fejezet). A rendelkezésre álló módszerek pontossága és a számítási teljesítmény jelentette korlátok mellett azonban meg kell említeni a kísérleti validálás problémáját, amihez a modell alapján aktívnak becsült vegyületeket fizikai formában is elő kell állítani. A kémiai kiindulópont keresésében leggyakrabban alkalmazott szűrési módszereket a 4.1.1. táblázat mutatja.

 

 

A szűrővizsgálatokon alapuló kémiai kiindulópont azonosítása mellett a gyógyszerkutatási programokban jelentős szerepet kapnak a tudásalapú módszerek is. Ezek közé tartoznak a tudományos és/vagy szabadalmi irodalomban leírt vegyületek alapján történő keresés (4.4. fejezet) és az együttműködésen alapuló megközelítések. A tömeges szűrővizsgálatokkal ellentétben mindkét eljárás jelentős humán intervenciót és intuíciót igényel. Általában néhány tíz, esetleg néhány száz vegyület vizsgálatával juthatunk el a kiindulóponthoz. Mindkét megközelítés alapját a külső kutatóhelyek által publikált vagy rendelkezésre álló, a célfehérjével és/vagy az azon aktív vegyületekkel kapcsolatos, már megszerzett tudás képezi, amely a kutatási szervezetben meglévő tudással és tapasztalatokkal kombinálva vezethet új kiindulópontokhoz. A tudásalapú megközelítések során kiemelten fontos a megfelelő iparjogvédelmi támogatás, hiszen csak ennek segítségével nyerhetünk szabadalmilag független kiindulópontokat.

 

 

A tudásalapú megközelítések részaránya mintegy 40%-ot tesz ki, amely azonban a HTS rovására folyamatosan emelkedik. A különböző célpontokon folytatott HTS-szűrések sikeraránya jelentős mértékben függ a molekuláris célpont jellegétől, és az elmúlt évtizedekben bekövetkezett technológiai fejlődés ellenére változatlanul 5–10% körül van, azaz a HTS-sel azonosított kémiai kiindulópontoknak csak egy töredéke eredményez végül vezérmolekulát (4.1.3. ábra).

 

 

A sikertelen HTS-szűrések nagy aránya rámutat arra, hogy a kémiai kiindulópontok azonosításához célszerű több eljárást is kipróbálni. A tudásalapú megközelítések nagy előnye, hogy a szűrővizsgálatokhoz használt erőforrásokat nem terhelik, így ezek a módszerek a szűrésekkel párhuzamosan is megvalósíthatóak. A célfehérjére fókuszált vegyületgyűjteményeken, illetve fragmenseken végzett szűrővizsgálatok a HTS-nél kisebb erőforrást igényelnek, ezért alkalmazásuk már a kutatási programok korai szakaszában indokolt.