CC BY
62
ПОИСК ПРОТИВООПУХОЛЕВЫХ ПРЕПАРАТОВ НА ОСНОВЕ НОВЫХ ТЕХНОЛОГИЙ ГЕНЕРАЦИИ ЗНАНИЙ
В.В Поройков, А.А. Лагунин, О.Н. Коборова, А.В. Захаров, Д.А. Филимонов
КОМПЬЮТЕРНЫЙ ПОИСК ПРОТИВООПУХОЛЕВЫХ ПРЕПАРАТОВ МНОЖЕСТВЕННОГО ДЕЙСТВИЯ: ДОСТИЖЕНИЯ И ПЕРСПЕКТИВЫ
ГУ НИИ биомедицинской химии им. В.Н. Ореховича РАМН, Москва
Основная парадигма создания новых лекарств в XX веке базировалась на представлении об избирательном действии препарата на определенную молекулярную мишень, которое должно приводить к нормализации патологического процесса, а ществами по сравнению с препаратами, действующими на одну-единственную мишень. Поиск таких лекарств может базироваться на прогнозе спектра биологической активности с использованием компьютерной системы PASS, предсказывающей более 3000 видов биологической активности и молекулярных механизмвзаимодействие с другими мишенями в организме обычно связывают с проявлением нежелательных побочных эффектов и токсичности. С развитием постгеномных исследований стало ясно, что многие заболевания имеют сложную этиологию, и возникла концепция лекарств множественного действия, которые обладают преимуов действия со средней точностью около 95%. В докладе обсуждаются возможности определения перспективных наборов молекулярных мишеней методами биоинформатики и выявления прототипов лекарств множественного действия в базах данных доступных образцов химических соединений. Работа выполнена при поддержке грантами РФФИ №№ 05-03-08077, 05-0790123, INTAS # 03-55-5218, ISTC # 3197, FP6 LSHB-CT-2007-037590.
Г.Н. Апрышко
БАЗА ДАННЫХ ПО ПРОТИВООПУХОЛЕВЫМ ВЕЩЕСТВАМ НИИ ЭДиТО ОНКОЛОГИЧЕСКОГО НАУЧНОГО ЦЕНТРА
ИМ. Н.Н. БЛОХИНА РАМН
ГУ Российский онкологический научный центр им. Н.Н. Блохина РАМН, Москва
Представлено описание Базы данных, содержащей информацию по химическому строению, свойствам и результатам изучения биологической активности около 12000 веществ, изучавшихся в РОНЦ им. Н.Н. Блохина РАМН и ряде других отечественных учреждениях в 1952-2007 гг., приведены примеры ее использования для аналитических исследований по экспериментальной химиотерапии опухолей.
Начатые в нашей стране в 1945 году при создании в Институте онкологии АМН СССР в Ленинграде первой лаборатории экспериментальной терапии рака научные исследования по поиску противоопухолевых лекарств были продолжены в организованном в 1951 году в Москве Институте экспериментальной патологии и терапии рака АМН СССР (в настоящее время
Российский Онкологический Научный Центр (РОНЦ) им. Н.Н. Блохина РАМН). В лаборатории экспериментальной химиотерапии РОНЦ в 1952 года в содружестве с химиками различных учреждений страны был начат широкий поиск противоопухолевых веществ, который продолжается по настоящее время. За это время на основе наиболее активных из них было раз-
работано 20 препаратов синтетического и природного происхождения, которые передавались на клинические испытания (новэмбихин, допан, асалин, сарколи-зин, колхамин, оливомицин, розевин, фентирин, нит-руллин, кортифен, тестифенон, сетремед, метил-ДИК, амотин, ханерол, араноза, платин, циклоплатам, эстра-зин, терафтал). 10 из них успешно прошли клинические испытания, применялись ранее или применяются в настоящее время. В настоящее время в клинической практике используются разработанные в РОНЦ представители основных классов противоопухолевых ци-тостатиков: алкилирующие агенты (сарколизин, ци-фелин), нитрозоалкилмочевины (араноза, лизому-стин), платиновый комплекс второго поколения -циклоплатам, воспроизведенный митоксантрон - би-сантрон. Проходят клинические испытания кортифен и терафтал [9, 6, 7].
В 1975 году была создана специализированная группа, перед которой была поставлена задача создания Банка данных по противоопухолевым веществам, изучавшимся в РОНЦ, с целью создания новых противоопухолевых лекарств. Направления развития Банка данных соответствовали тенденциям развития как подходов к поиску новых противоопухолевых лекарств, так и информационных технологий.
Начав с простого накопления первичных документов, переходили к созданию картотеки с формализованной информацией и затем компьютерной базы данных (БД).
В настоящее время Банк данных по противоопухолевым веществам имеет трехконтурную структуру, представленную на схеме (рис.1).
Неформа-
лизо
ванная
Формализованные данные на картах
Формализованные данные в электрон-
Рис. 1. Трех^нтурная структура Банка данных ho нpoтивooнухoлевым веществам
Архив первичных документов (I контур) содержит более 10000 единиц хранения, в основном паспорта на вещества, лабораторные журналы, протоколы исследований и различные отчеты, содержащие преимущественно неформализованную информацию. Систематизированная картотека (II контур) содержит формализованные по определенным правилам данные по строению, свойствам и результатам изучения биологической активности веществ. Организована картотека в соответствии с системным номером-идентификатором, присвоенным веществу при его первичной регистрации в Банке данных. Основные части карты - химический паспорт вещества и результаты биологических испытаний. Картотека является, во-первых, самостоятельной информационнопоисковой системой, во-вторых, архивным массивом предмашинных форматов, использованных при вводе данных в компьютерную БД. Компьютерная БД (III контур) содержит формализованные данные в электронном виде. При создании компьютерной БД использована СУБД (система управления базами данных) ISISBASE MDL Information Systems, Inc. [15].
Структура БД делится на 2 блока: номенклатурнохимический и биологический. Поля номенклатурнохимического блока содержат данные, обычно известные к моменту передачи вещества на биологическое изучение, которые вводятся в БД при первичной регистрации вещества в Банке данных. Это, во-первых, модуль номенклатурных данных, позволяющие однозначно идентифицировать вещество, во-вторых - модуль химических данных, характеризующих химический состав, строение и физико-химические свойства вещества в объеме, необходимом для корректного проведения биологического изучения и полноценного анализа его результатов. Основная часть данных номенклатурно-химического блока получена эмпирическим путем и вводится в БД из паспортов, составленных авторами вещества. Это различные шифры, способ получения, сведения об авторах синтеза или выделения из природного сырья, структурная формула, элементный состав, брутто-формула, молекулярная масса, химические и тривиальные названия на русском и английском языках, химический класс, данные по стерео- и оптической изомерии, температуры кипения и плавления, внешний вид, устойчивость во внешней среде, гигроскопичность, растворимость в различных растворителях, стабильность и условия хранения. Для веществ природного происхождения дополнительно приводятся данные о таксономии организма - источника выделения вещества (семейство, род и вид), месте и времени сбора сырья, способе получения экстракта и его фракций. Есть также данные, генерируемые средствами СУБД ISISBase (химическое название по системе IUPAC, рассчитанный по структурной формуле элементный состав) [2, 5, 10].
Дополнительно в структуру БД введены поля, содержащие данные, характеризующие «лекарствоподо-бие» или «нелекарствоподобие» вещества, которые по современным представлениям желательно оценивать
как можно раньше, а именно ^Р (логарифм коэффициента распределения в системе октанол - вода, характеризует различную растворимость вещества в двух несмешивающихся растворителях, может быть рассчитан с помощью различных компьютерных программ), H_Donors (число донорных водородных связей в молекуле), H_Accept (число акцепторных водородных связей в молекуле), Rot_Bond (число вращающихся связей в молекуле). Эти простые молекулярные признаки используются в настоящее время для прогнозирования биодоступности вещества при перо-ральном введении. Идеальными кандидатами для разработки лекарств считаются вещества, удовлетворяющие правилу 5 Липинского, а именно, имеющие молекулярную массу MW < 500 (оптимальное значение = 350) дальтон, -2 < 1оеР < 5 (оптимальное значение = 3), число акцепторных водородных связей в молекуле < 10 (опт. = 5, число донорных водородных связей в молекуле - < 5 (опт. = 2), число вращающихся связей в молекуле < 5 [14].
Поля биологического блока БД содержат качественные и количественные данные результатов изучения цитотоксической активности в культуре опухолевых клеток, противоопухолевой активности на экспериментальных опухолях животных и общетоксических свойств. Для цитотоксической активности приводятся данные по торможению синтеза ДНК или выживаемости клеток (в %) в присутствии вещества, СЕ50 вместе с условиями опыта, при которых они получены (названия линий клеток, способ оценки цито-токсической активности, время обработки клеток вществом). Для противоопухолевой активности приводятся торможение роста опухоли, увеличение продолжительности жизни, показатели индукции ремиссий и излеченности вместе с названиями опухолевой модели, вида и линии животных, пути и режима введения вещества. Токсичность веществ характеризуется летальными дозами, полученными на лабораторных животных в различных режимах введения [1].
БД фактически представляет собой оцифрованный формализованный обзор многолетних исследований РОНЦ по поиску новых противоопухолевых лекарств. В настоящее время в БД зарегистрировано 11206 веществ, из них синтетических 9488, природного происхождения 1718, имеют корректные структурные формулы 8911. 7492 вещества имеют молекулярную массу < 500, то есть могут быть кандидатами в лекарства перорального применения. Распределение веществ по химическим классам представлено на диаграмме (рис. 2).
Представляет интерес перекрываемость БД РОНЦ и Национального института рака (НИР) США. К сожалению, точный анализ наличия одинаковых веществ в этих двух БД в настоящее время затруднен из-за отсутствия возможности корректной дифференци-ровки с помощью структурной формулы формата 1Б1-Ва$е пространственных особенностей молекулы вещества. В связи с этим вещества, противоположные по стереоизомерии, при компьютерном сравнении определяются как одинаковые. Поиск с помощью тех-
ш
h
О
Ф
3
ф
ш
о
ш
h
О
ф
У
S
q
о
800
700
600
500
400
300
200
100
0
таапрррдп
химические классы
Рис. 2. Основные химические классы веществ, представленных в БД [11]
нологии Chemical Structure Lookup Service
(http://cactus.nci.nih.gov/lookup/help.html), позволяющий искать наличие структурной формулы конкретного вещества в 80 различных БД, содержащих 27 миллионов оригинальных химических структур, показал, что только около 3% структурных формул из БД РОНЦ содержится в открытой БД НИР США, содержащей 250250 веществ (Рис. 3)
Одна из причин перекрываемости БД РОНЦ и НИР США - совместная работа по сравнению систем отбора активных веществ, применяемых в обоих институтах, которая сопровождалась обменом веществами [13].
Наряду с внешними информационными ресурсами (БД НИР США, представленные на сайтах http://www.dtp.nci.nih.gov/) и http://cactus.nci.nih.gov/), БД РОНЦ может быть использована для оценки оригинальности структуры новых веществ, предлагаемых для изучения биологической активности, принадлежности нового вещества к химическим классам, проявляющим или не проявляющим цитотоксическую или противоопухолевую активность.
Особенностью информации, представленной в БД РОНЦ, является то, что результаты экспериментального изучения биологической активности получены в стандартизованных экспериментальных условиях одного учреждения по одним и тем же методикам и имеют количественный характер. Это придает данным по биологической активности дополнительную цен-
Рис. 3. Содержание оригинальных и одинаковых химических структур в БД РОНЦ и НИР США
ность при их использовании в аналитических исследованиях по связи структура - активность, в том числе в качестве обучающих массивов для систем компьютерного прогнозирования биологической активности веществ по их химической структуре. Данные по химической структуре, цитотоксической и противоопухолевой активности из компьютерной Базы данных РОНЦ использовались для формирования обучающих массивов при прогнозировании активности по структуре вещества с помощью отечественных компьютерных систем BIBIGON (разработана в Институте органической химии им. Зелинского РАН) [3], PASS (разработана в Институте биомедицинской химии им. В.Н. Ореховича РАМН) [4] и ДСМ-метода (Всероссийский институт научной и технической информации) [12]. Обучающие массивы, формируемые на основе выборок из компьютерной Базы данных РОНЦ, позволяют прогнозировать спектр противоопухолевого действия новых химических веществ на 14 различных экспериментальных опухолей.
Анализ информации, содержащейся в БД РОНЦ, с помощью современных информационных технологий позволяет не согласиться с мнением о том, что мы никогда не узнаем того, что некоторые вещества могли бы стать эффективными лекарствами несмотря на то, что они были отвергнуты ранее по результатам экспериментального изучения на опухолевых моде-
лях, чувствительных только к известным в то время препаратам, в связи с тем, что они обладают иным, неизвестным во время их изучения механизмом действия [8].
Так, для ряда веществ, структурные формулы которых содержатся в БД РОНЦ, не показавших противоопухолевой активности при первичном скрининге на перевиваемых лейкозах мышей, и вследствие этого снятых с дальнейшего изучения, с помощью системы PASS получен положительный прогноз наличия у них антиангиогенного действия. Результаты прогноза позволяют предположить у этих веществ активность, не выявленную ранее из-за невозможности выявления на лейкозах противоопухолевой активности, обусловленной антиангиогенным действием, и рассмотреть возможность их повторного тестирования на моделях солидных опухолей, где предполагаемый механизм контроля роста опухоли может быть реализован.
В настоящее время структура БД дополнена полями для ввода данных по результатам компьютерного прогнозирования спектра биологической активности с помощью системы PASS [16]. Это позволяет хранить в одной записи как данные, уже имеющиеся в базе, в том числе по результатам изучения биологической активности, и результаты прогноза. Специально созданные интерфейсы позволяют просматривать их одновременно, что облегчает анализ (Рис. 4).
ID IDcomp
1 1969038
shifr_che
ЛХС-06'
structure
saltdata
PASS_DRUG
0.245
PASS_EFFECTS
0.942 0.006 Antineopli 0.876 0.004 Cytostat 0.762 0.004 Alkylato 0.530 0.017 Antileuke 0.483 0.013 Mutagen 0.463 0.046 Immunostim 0.275 0.202 Antimutag
PASS_TOXICITY
0.483 0.013 Mutagenic
PASifiUL Possible Pharmacologi Effects at Pa 1 of 3 Possib Molecular Mechanisms Pa > Pi 1 of 1 Possib Side Effects a Toxicity at Pa Pi
f 0 P.--i^
PASS METABOLISM
names_chem_rus
2-[4-бис(2-хлорэтил)аминофенокси]-2,4-диоксо-1
диаза-2-фосфациклогексен-5
chem class type
хлорэтиламины
циклогексены
other_names_rus
хлофоцил, дифазен
class of activity
Antineoplastic
Cytostatic
Antiphage
celll
CaO
v
tumor
лейкоз
L1210
лейкоз
L996
лейкоз L
опухоль
100
unit
мкг
мл
ILS
32.0000
67.6000
17.0000
74.0000
time
24
час
para
ДНК
Т
DLS
inhi
89.3
00
IC50
6
мкг
мл
ITG
IC50
6.00
0
IC50
STG
rese
Доб
ыни
н
Я.В
refe
Лаб
жур
197Й
con
Рис. 4. Пример одновременного представления структурной формулы, результатов биологического изучения и прогноза спектра биологической активности вещества
Таким образом, БД по противоопухолевым веществам может эффективно использоваться в качестве информационно-технологического ресурса при поиске новых веществ с противоопухолевой активностью.
ЛИТЕРАТУРА
1. Апрышко Г.Н. Биологическая информация в электронной базе данных по противоопухолевым веществам НИИ ЭДИТО РОНЦ РАМН // Вестник РОНЦ. - 2007. - № 2. - С.25-31.
2. Апрышко Г.Н. Информационная система РОНЦ им. Н.Н. Блохина РАМН по противоопухолевым агентам. Общий обзор // НТИ. Сер. 2. - 2007. -№1. -С.18-22.
3. Апрышко Г.Н., Кумсков М.И. Решетникова
B.В., Маслова Л.К. Пономарева Л.А. База данных по противоопухолевым препаратам для изучения связи «СТРУКТУРА-АКТИВНОСТЬ» // Материалы 6-ой Международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» РОАИ-6-2002, Великий Новгород, РФ, 21-26 октября 2002. - Великий Новгород, 2002. -
C.39-40.
4. Апрышко Г.Н., Поройков В.В., Филимонов Д.А. Компьютерный Прогноз Спектра Противоопухолевой Активности// Тезисы Докладов XII Российского Национального Конгресса «Человек И Лекарство», М., 2005. - С.636.
5. Апрышко Г.Н., Решетникова В.В. Регистрационно-номенклатурный и химический модули электронной базы данных Информационной системы по противоопухолевым агентам // НТИ. Сер.2. - 2007. -№6. - С.24-31.
6. Герасимова Г.К. Итоги сотрудничества экспериментальных и клинических отделов химиотерапии РОНЦ им. Н.Н.°Блохина РАМН (1952-2000 гг.) // Вопросы онкологии. — 2001. —Т.47. — №6. — С.722-727.
7. Герасимова Г.К., Апрышко Г.Н. Развитие систем и методов отбора веществ с противоопухолевыми свойствами в РОНЦ им. Н.Н. Блохина РАМН // «Экспериментальная онкология на рубеже веков». — Под ред. М.И.Давыдова, А.Ю.Барышникова. М., Издатель-
ская группа РОНЦ им. Н.Н. Блохина РАМН, 2003. —
С.59-84.
8. Корман Д.Б. Основы противоопухолевой химиотерапии. М., «Практическая медицина». —2006.
— 512 с.
9. Ларионов Л.Ф., Манкин З.В. Биологические и химические способы лечения рака // Злокачественные опухоли. — Т.1, ч.2. — Под ред. Петрова Н.Н. — Л., Медгиз, 1948. — С.117-152.
10. Решетникова В.В., Апрышко Г.Н. Номенклатурно-химическая информация в Банке данных по противоопухолевым веществам ГУ РОНЦ им. Н.Н. Блохина РАМН // Вестник РОНЦ. - 2007 -№3. - C.9-14.
11. Решетникова В. В., Апрышко Г.Н., Герасимова Г.К. Изучение веществ разных химических классов в ГУ РОНЦ им. Н.Н. Блохина РАМН по данным информационной системы по противоопухолевым агентам // Российский биотерапевтический журнал. -2006. - № 4. - C.84-88.
12. Самохин М.В., Апрышко Г.Н., Горюнова О.В., Плихтяк И.Л., Решетникова В.В. Прогнозирование биологической активности гликозидов бисиндо-лов и индолокарбазалов на основе представления молекул помеченными графами с учетом пространственной изомерии. // Тез. докл. XIII Российского национального конгресса «Человек и лекарство», Москва, 2006. С. 35.
13. Экспериментальная оценка противоопухолевых веществ в СССР и США / Под ред. Софьина З.П., Сыркин А.Б., Голдин А. и др. — М.: Медицина, 1980.
- 179 с.
14. C. Lipinski, F. Lombardo, B.W. Dominy, P.J. Feeney. Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings // Adv. Drug. Deliv. Res. - 1997/ -№23. - Р.3-25.
15. http://www.mdli.com/products/framework/isis
16. Poroikov V., Filimonov D. PASS: Prediction of Biological Activity Spectra for Substances. In: Predictive Toxicology. Ed. by Cristoph Helma. N.Y.: Taylor & Frensis, 2005. — P.459-478.
