Gyógyszertervezés a Biokémiai Tanszéken
A Journal of Chemical Information and Modeling (JCIM) című folyóirat a kémiai informatika és a molekulamodellezés tudományterületén a világ második legtöbbet hivatkozott periodikája. A folyóirat 2012. évi első számának címlapjára került a Molekuláris Biológiai és Bioinformatikai Labor mintázat alapú gyógyszertervezéssel kapcsolatos közleménye.
A legtöbb ismert gyógyszer többféle célfehérjén keresztül fejti ki hatását. A klinikai hatásért felelős kölcsönhatások közti komplex kapcsolatrendszert azonban a jelenlegi módszerekkel még nem sikerült feltárni. A Természettudományi Kar Biokémiai Tanszékén működő kutatócsoport olyan új megközelítést mutat be, amely képes a gyógyszerek fehérjékkel kialakított kölcsönhatási profiljait hatásukkal kapcsolatba hozni. Az eredmények JCIM-ben való megjelenése mérföldkövet jelent a kutatócsoport számára, amely a Delta Informatika Zrt-vel és a Semmelweis Egyetemmel közösen dolgozott.
A labort és a kutatócsoportot Málnási-Csizmadia András, a Biokémiai Tanszék egyetemi docense, a kutatóegyetemi pályázat „Nagy rendszerek a természettudományokban és számítógépes szimulációjuk” alprojektjének vezetője irányítja. A mintázat alapú gyógyszertervezés a kutatóegyetemi projektben résztvevő kutatócsoport kiemelt témája.
A cikk absztraktját a szerzők hozzájárulásával közöljük.
Drug Effect Prediction by Polypharmacology-Based Interaction Profiling
Simon Zoltán, Peragovics Ágnes, Vígh-Smeller Margit, Csukly Gábor, Tombor László, Zhenhui Yang, Kőhalmi-Zahoránszky Gergely, Végner László, Jelinek Balázs, Hári Péter, Hetényi Csaba, Bitter István, Czobor Pál, Málnási-Csizmadia András
Abstract:
Most drugs exert their effects via multitarget interactions, as hypothesized by polypharmacology. While these multitarget interactions are responsible for the clinical effect profiles of drugs, current methods have failed to uncover the complex relationships between them. Here, we introduce an approach which is able to relate complex drug–protein interaction profiles with effect profiles. Structural data and registered effect profiles of all small-molecule drugs were collected, and interactions to a series of nontarget protein binding sites of each drug were calculated. Statistical analyses confirmed a close relationship between the studied 177 major effect categories and interaction profiles of ca. 1200 FDA-approved small-molecule drugs. On the basis of this relationship, the effect profiles of drugs were revealed in their entirety, and hitherto uncovered effects could be predicted in a systematic manner. Our results show that the prediction power is independent of the composition of the protein set used for interaction profile generation.
A teljes tanulmány itt elolvasható.
