Логотип журнала "Провизор"








А. А. Тарасов

Системный подход к созданию новых лекарственных противомикробных средств

Харьковский НИИ микробиологии и иммунологии им. И. И. Мечникова

Проблема изыскания и разработки новых противомикробных средств издавна привлекала и привлекает сегодня внимание ученых самых различных направлений: медиков и ветеринаров, промышленных технологов, а в последнее время — кибернетиков, математиков и программистов [1–12]. Это определяется прежде всего тем, что противомикробные препараты незаменимы как лечебные, дезинфицирующие, диагностические и профилактические средства, а также — широким использованием в качестве консервантов в пищевой промышленности и сельском хозяйстве [13–14].

Разработка нового лекарственного средства обычно представляет собой сложный, многостадийный процесс, традиционно подразделяемый на следующие этапы:

  1. определение потребности в препарате;
  2. замысел и конструирование лекарства;
  3. синтез химических соединений;
  4. фармакологический скрининг и доклиническое изучение (лабораторные испытания);
  5. клиническая проверка;
  6. разработка технологии промышленного производства [6].

Эффективность процесса в целом зависит как от эффективности каждого этапа, так и от распределения нагрузки по отдельным, неравноценным по трудоемкости, этапам. Оптимально процесс разработки нового противомикробного средства следует строить так, чтобы отсеивать максимальное число неперспективных веществ при максимальной интенсификации наименее трудоемких этапов [11]. Поскольку наименее трудо- и ресурсоемким этапом является «замысел и конструирование лекарства», то в настоящее время рациональным следует считать путь целенаправленного конструирования соединений с заданными свойствами на основе оптимизации процессов поиска и отбора для лабораторных и клинических испытаний только заведомо перспективных веществ [6, 11, 15, 16]. В литературе изложены современные принципы и подходы к созданию противомикробных средств и представлены методы, позволяющие оценить различные стороны влияния химических соединений (XC) на микробы и организм животного и человека, однако они не всегда позволяют конкретизировать полезные свойства потенциального лекарства с учетом особенностей их взаимодействия с возбудителем и тканями организма.

В настоящей работе поставлена задача — на основе математического моделирования разработать комплексный подход к определению связей «структура—биологическая активность—токсичность», дать методологическое толкование как процессам поиска, скрининга и изучения новых противомикробных препаратов, так и возможностям достоверного прогноза уровней биологической активности в рядах еще не изученных (или еще не синтезированных) химических веществ.

Применительно к решению поставленной нами задачи необходима разработка вычислительного эксперимента для оценки конкретного ХС или химического ряда как потенциальных противомикробных препаратов и определения критериев активности (или неактивности) ХС для прогноза и дальнейшего целенаправленного синтеза веществ с заданными свойствами. Определим противомикробное средство (лекарственное, диагностическое, профилактическое или техническое) как химическое соединение любого происхождения, способное нарушать нормальное функционирование конкретных патогенных микроорганизмов, щадящее при этом других сочленов микробной популяции и организм хозяина [13, 14, 17]. В настоящее время известно более 15 млн индивидуальных ХС, выделенных из природных источников или искусственно синтезированных, большинство из них — биологически активны. А количество веществ, удовлетворяющих требованиям, предъявляемым к противомикробным средствам, ограничено всего лишь несколькими десятками, что еще раз подчеркивает сложность, трудоемкость и во многих случаях низкую эффективность существующих подходов к поиску и разработке новых лечебных, профилактических и диагностических препаратов [2].

Более детально следует остановиться на понятиях интегральной и элементарной биологической активности (БД). Интегральная биологическая активность отражает основной конечный эффект действия препарата на объект высшего иерархического уровня, элементарная — отражает определенное проявление механизма воздействия на более низком уровне иерархии, представленной традиционно следующими уровнями организации [2, 18]:

молекулярный;
субклеточный;
клеточный (включая одноклеточные организмы);
тканевой;
организменный (многоклеточные животные организмы);
популяционный (для популяций одноклеточных организмов).

Для противомикробных средств в качестве основных видов биологического действия рассматриваются:

способность препарата подавлять развитие или задерживать рост микробной популяции;
острое и хроническое токсическое воздействие на макроорганизмы), включая эффекты аллергизации [14, 17, 19].

Изыскание новых потенциальных противомикробных средств (ППС) основывается на принципе, согласно которому установление связей «структура—активность» должно быть направлено на поиск более эффективных и менее безопасных препаратов, чем существующие [20–21]. Этот принцип базируется на концепции избирательной токсичности: желательное избирательное действие ХС должно быть направлено в отношении только одного типа клеток (тканей, организмов или видов), и при этом существенно не затрагивать другие, даже находящиеся в контакте с первыми.

Основой избирательности действия противомикробных препаратов являются следующие факторы:

преимущественное накопление веществ в очаге поражения — существенные принципиальные различия биохимических процессов в различных живых клетках;
цитологические различия.

Следует также учитывать факт высокой изменчивости многих патогенных микроорганизмов, когда вследствие неправильных или случайных мутаций, трансформации, трансдукции и конъюгации в популяциях мутантов, устойчивых к препарату, снижается и даже полностью нейтрализуется действие противомикробных средств [22–23]. Поэтому при выявлении, анализе и прогнозировании связей «структура-активность» для противомикробных средств необходимо определять и учитывать возможные конкретные механизмы действия соединения на живые клетки различных типов и видов (элементарную активность), от которых в итоге зависят избирательность действия, все интегральные эффекты и проявление устойчивости к препарату [13, 14, 17, 22, 24].

Изложенные особенности процесса поиска потенциальных противомикробных средств позволяют сделать вывод о его динамичности и сложности, обусловленных множеством разнородных параметров и противоречивых критериев. Принципиальное совершенствование процесса поиска ППС возможно только на основе комплексного системного подхода к решению всех его задач, что сопряжено с рядом сложных научно-теоретических, методических, информационных, организационных и технических проблем.

Поиск предполагает наличие цели и нескольких вариантов ее достижения, из которых следует избрать наиболее результативный и информативный [25]. Цель в данном случае заключается в выявлении веществ с априорно заданными свойствами, а итогом поиска являются индивидуальные химические соединения или их комплекс [2].

Поиск возможен эмпирический или теоретический. При эмпирическом поиске соединение находят в результате перебора массы существующих веществ путем экспериментальных исследований. Конечным итогом может быть достаточно полная информация об искомом средстве, например, структурная формула соединения или фармакофора, предполагаемые физико-химические свойства соединения или его активность. Для этого нужны глубокие знания о механизмах патологических процессов, чего пока еще явно недостает исследователям для чисто теоретического поиска медицинских препаратов вообще и противомикробных средств в частности. В настоящее время оптимальным можно считать результат, когда путем минимальных затрат на получение экспериментальных данных и моделированием реальных явлений удается обеспечить эффективный и надежный поиск требуемых веществ в пределах известных химических групп. Один из подходов к оптимизации поиска [2, 4, 9] заключается в исключении на начальных стадиях исследования ХС экспериментов на животных как тест-объектах с максимальным использованием биологических тест-объектов доорганизменного уровня и микроорганизмов.

В процессе скрининга веществ с нужным биологическим воздействием принято выделять две стадии: конструирование потенциально активных веществ и изучение БА синтезированных ХС [6, 11].

Для конструирования потенциально активных ХС необходимы сведения о связи биологической активности с химической структурой соединения, его физико-химическими характеристиками. Кажущееся отсутствие таких связей в отдельных случаях обусловлено, на наш взгляд, недостатками методов их выявления, а также многообразием и сложностью протекающих в организме процессов. Выявление и анализ этих связей позволяет прогнозировать свойства потенциальных препаратов с помощью соответствующих моделей. По функциональному назначению целесообразно выделить три группы моделей:

выявление и анализ связей «структура—активность» (ССА) для различных уровней проявления воздействия XС;
прогнозирование комплекса свойств неизученных и еще не синтезированных препаратов;
оценка перспективности и отбор для лабораторных испытаний веществ с требуемыми свойствами.

Наша цель заключается в том, чтобы реализовать подходы и создать комплекс методов построения и использования иерархической системы моделей, необходимых для оптимизации всех типов и циклов поиска ППС.

В настоящее время для решения подобных задач чаще всего используются два подхода:

имитационное моделирование, основанное на использовании физических моделей, полученных в результате глубокого изучения физического механизма действия объекта (дедуктивный подход) [26–27];
использование методов математической статистики (преимущественно регрессионный анализ и теория распознавания образов) [8, 12, 28, 29], выявляющих и исследующих причинно-следственные связи по принципу работы с «черным ящиком».

Для моделирования ССА противомикробных средств их традиционное применение существенно затруднено из-за отсутствия достаточно полных физических моделей, необходимых для имитационного моделирования и из-за невозможности удовлетворить на практике требованиям к количеству и однородности данных, используемых методами классической математической статистики. Поэтому в качестве основы моделирования ССА для поиска ППС предложен принцип самоорганизации моделей на ЭВМ, который можно рассматривать как комбинацию двух вышеупомянутых. Согласно этому принципу, на ЭВМ осуществляется целенаправленный перебор постепенно усложняющихся структур моделей-претендентов и формирование оптимальной модели в виде одного уравнения или системы уравнений с использованием целесообразных эвристических критериев, называемых критериями селекции [30–34].

Принцип самоорганизации исходит из предположения, что существует минимум критерия селекции, который определяет модель оптимальной структуры. Критерий перебора моделей носит название «внешний», если он основан на определенной дополнительной информации, не учитывавшейся при построении и оценке моделей-претендентов, полученных с помощью «внутренних» критериев (подход «чем сложнее модель, тем она точнее»). Внешний критерий в некоторой степени останавливает процесс усложнения моделей, и получить его можно при использовании части данных с целью сравнения между собой моделей-претендентов. Способ, с помощью которого реализуется принцип самоорганизации моделей на ЭВМ, получил название метода группового учета аргументов (МГУА) [30–33]. Суть его заключается в том, что весь массив исходных данных разбивается на три группы (выборки): обучающую, контрольную и экзаменационную. На данных обучающей выборки строятся модели-претенденты, с помощью контрольной группы ведется отбор оптимальных в соответствии с принятым критерием моделей, а экзаменационная выборка позволяет доказать адекватность полученной модели. Для формирования выборок и построения моделей-претендентов могут быть использованы как логико-структурный анализ [6, 11], так и методы теории графов [35–37]. Оригинальный способ совместного использования этих методов и МГУА представлен в [38].

Принцип самоорганизации моделей на ЭВМ, все методы и средства его реализации приемлемы для получения моделей действия противомикробных средств для всех видов и уровней проявления биологической активности ХС, что подтверждается результатами наших исследований.

Построенные модели связей «структура—активность» используются для прогнозирования свойств неизученных соединений. Здесь мы имеем дело с задачами двух типов:

для синтезированных ХС с определенными физико-химическими параметрами необходимо получить прогноз биологической активности соответствующего уровня;
сконструировать теоретически возможные ХС с заданными свойствами.

Эти задачи соответствуют прямому и обратному использованию моделей ССА. Самое главное здесь — как можно точнее определить область допустимых значений переменных, включенных в модели, и корректно их использовать [27]. Затем на основе полученных прогнозов необходимо оценить перспективность ХС в целом и дать рекомендации по целенаправленному синтезу и отбору ХС на экспериментальное тестирование. ХС представляется перспективным в отношении конкретных групп микроорганизмов, если минимальная задерживающая рост микроорганизмов in vitro концентрация меньше определенной величины, а параметры возможной острой и хронической токсичности препарата in vivo не превышают допустимого уровня [14, 17, 39].

Модель отбора перспективных противомикробных средств должна допускать корректировку (варьирование) критических значений концентраций препарата, задерживающих рост микробов, при этом весьма существенно, чтобы ранжирование ХС по перспективности выполнялось на основе комплексной оценки их свойств. Удобными для получения такой оценки являются «таблицы решений» [40], представляющие собой средство компактного описания логических правил, применяемых для определения требуемого решения (действия). Булевы функции при этом отражают зависимость решений (действий) от условий. Таблицы решений с конечным числом входов легко программируются, в том числе и в случае, когда решения выступают как ссылка на другие таблицы решений (сцепленные таблицы решений). Применяя таблицы решений рекурсивно, можно построить дерево таблиц решений любой глубины. Построение моделей ССА, прогноз свойств ППС, отбор ХС на испытания и планирование целенаправленного синтеза выполняются на основе имеющихся экспериментальных данных.

Сформулированная таким образом концептуальная модель поиска ППС использована нами для обоснования и решения конкретных задач реализации ВЭ по прогнозированию свойств потенциальных противомикробных средств [41].

В заключение отметим очевидную аналогию между вычислительным и обычным натуральным экспериментом: на ЭВМ (экспериментальной установке) приводятся серии расчетов (измерений), в результате которых исследователь получает новые данные об исследуемом объекте. Вычислительный эксперимент — это новая современная универсальная технология и методология проведения теоретических исследований, реализующая цепочку: ОБЪЕКТ—МОДЕЛЬ—ВЫЧИСЛИТЕЛЬНЫЙ АЛГОРИТМ—ПРОГРАММА ДЛЯ ЭВМ—РАСЧЕТ НА ЭВМ—АНАЛИЗ РЕЗУЛЬТАТОВ—УПРАВЛЕНИЕ ОБЪЕКТОМ [42].

Литература

  1. Альберт А. Избирательная токсичность. Физико-химические основы терапии. В 2-х т. М.: Медицина, 1989.— 300 с.
  2. Баренбойм Г. М., Маленков В. Г. Биологически активные вещества. Новые принципы поиска.— М.: Наука, 1986.— 363 с.
  3. Волянский Ю. Л. Противомикробная активность новых азот- и фосфорсодержащих органических соединений, фенолов и ферроценов: Автореф. дис... д-ра мед. наук.— М., 1981.— 32 с.
  4. Гацура В. В. Методы первичного фармакологического исследования биологически активных веществ.— М.: Медицина, 1974.— 144 с.
  5. Георгиевский В. П., Комиссаренко Н. Ф., Дмитрук С. Е. Биологически активные вещества лекарственных растений.— Новосибирск: Наука, 1986.— 555 с.
  6. Голлендер В. Е., Розенблит А. Б. Вычислительные методы конструирования лекарств.— Рига: Зинатне, 1978.— 238 с.
  7. Каметани Т., Касаи К. Лекарства и органический синтез//Гипотезы, прогноз, будущее науки.— М.: Знание, 1888.— С. 123–131.
  8. Машинный поиск закономерностей строение—биологическое действие химических соединений/Под ред. Н. И. Мельникова. Итоги науки и техники. Сер. «Органическая химия»/ВИНИТИ.— М., 1989.— Т. 18.— 158 с.
  9. Нижний С. В., Дмитриева Н. В. Скрининг физиологически активных соединений.— М.: Медицина, 1985.— 160 с.
  10. Палий Г. К., Макац Е. Ф. Исследование антимикробных свойств производных хинолина//Антибиотики и мед. биотехнология.— 1985.— Т. 30 — № 10.— С. 747–750.
  11. Розенблит А. Б., Голендер В. Е. Логико-комбинаторные методы в конструировании лекарств.— Рига: Зинатне, 1984.— 352 с.
  12. Стьюпер Э., Брюггер У., Джурс П. Машинный анализ связи химической структуры и биологической активности.— М.: Мир, 1982.— 235 с.
  13. Ланчини Д., Паренти Ф. Антибиотики.— М.: Мир, 1985.— 272 с.
  14. Навашин С. М., Фомина И.П. Рациональная антибиотикотерапия.— М.: Медицина, 1982.— 272 с.
  15. Кожухов А. Н. О некоторых аспектах дальнейшего развития биологических испытаний//Научно-методологические аспекты биологических исследований новых лекарственных препаратов.— Рига: Знание, 1987.— С. 9–20.

Полный список литературы находится в редакции





© Провизор 1998–2017



Грипп у беременных и кормящих женщин
Актуально о профилактике, тактике и лечении

Грипп. Прививка от гриппа
Нужна ли вакцинация?
















Крем от морщин
Возможен ли эффект?
Лечение миомы матки
Как отличить ангину от фарингита






Журнал СТОМАТОЛОГ



џндекс.Њетрика