Компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека

Дмитриев, Александр Викторович

Бесплатный автореферат и диссертация по биологии на тему
Компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека
ВАК РФ 03.00.28, Биоинформатика

Автореферат диссертации по теме "Компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека"

На правах рукописи

Дмитриев Александр Викторович

КОМПЬЮТЕРНЫЙ ПРОГНОЗ ВЗАИМОДЕЙСТВИЯ КСЕНОБИОТИКОВ С ЦИТОХРОМАМИ Р450 ЧЕЛОВЕКА

03.00.28 - биоинформатика

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата биологических наук

1 9 НОЯ

Москва - 2009 г.

003483584

Работа выполнена в Учреждении Российской академии медицинских наук Науч! исследовательском институте биомедицинской химии имени В.Н.Ореховича РАМН

Научные руководители:

доктор биологических наук, профессор

Поройков Владимир Васильевич

кандидат физико-математических наук

Филимонов Дмитрий Алексеевич

Официальные оппоненты:

доктор биологических наук, профессор

Каменская Марина Александровна

доктор физико-математических наук, профессор

Ефремов Роман Гербертович

Ведущая организация: Учреждение Российской академии наук Институт молекулярн биологии им. В.А. Энгельгардта РАН

Защита состоится «3» декабря 2009 года в 11:00 часов на заседании Диссертационно совета Д 001.010.01 при Учреждении Российской академии медицинских наук Научг исследовательском институте биомедицинской химии имени В.Н.Ореховича РАМН адресу: 119121, Москва, ул. Погодинская, д. 10.

С диссертацией можно ознакомиться в библиотеке Учреждения Российской ахадем: медицинских наук Научно-исследовательском институте биомедицинской химии име В.Н.Ореховича РАМН.

Автореферат разослан «2» ноября 2009 г.

Ученый секретарь Диссертационного совета,

кандидат химических наук

Е.А. Карпова

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Многие ксенобиотики, включая лекарства, подвергаются биотрансформации в организме человека. Информация о метаболитах лекарственных препаратов чрезвычайно важна, поскольку их биологическая активность, токсичность и биодоступность могут значительно отличаться от таковых у исходных веществ. Такая информация также используется при создании пролекарств с целью оптимизации фармакокшгетических параметров исходной субстанции и фармакодинамических характеристик активного метаболита.

В организме человека лекарства метаболизируются несколькими ферментными системами, основной из которых является суперсемейство цитохромов Р450 (Archakov А., Degtyarenko К.., 1993). Около 75% лекарств метаболизируется цитохромами Р450, в основном ЗА4, 2С9, 2С19, 2D6 и 1А2 (Williams J. et al, 2004). Эти ферменты осуществляют: ароматическое гидроксилирование, алифатическое гидроксилирование, N-дсалкилирование, N-деметилирование, С-окисление с образованием альдегидов, кетонов, карбоновых кислот, О-деалкилирование, О-деметилирование, разрыв сложноэфирной связи, дегалогенирование (Guengerich F., 2001). Общим этапом перечисленных типов биотрансформации является окисление атома углерода субстрата цитохромом Р450 (сокращенно P450CARBONOX, от англ. Р450 carbon oxidation). Данные типы биотрансформации в совокупности составляют около 70% реакций, катализируемых указанными выше цитохромми Р450; поэтому предсказание реакций биотрансформации, проходящих через этап P450CARBONOX является важной задачей для прогнозирования метаболитов. Многие ксенобиотики являются субстратами нескольких цитохромов Р450. Под воздействием одного и того же цитохрома субстраты могут подвергаться одной или более реакциям; в то же время некоторые из реакций биотрансформации осуществляются более чем одним цитохромом и, напротив, некоторые реакции являются уникальными для конкретной изоформы. Поэтому особый интерес представляет прогноз биотрансформации ксенобиотиков под воздействием различных цитохромов Р450 человека.

Исследование указанных выше пяти изоформ цитохрома Р450 важно для оценки возможных межлекарствеиных взаимодействий из-за проявления ксенобиотиками ингибирующей и индуцирующей активности по отношению к цитохромам, поскольку одновременный прием пациентами нескольких препаратов может приводить к усилению либо ослаблению ожидаемых фармакологических эффектов (Hansten P. et al, 2006).

Экспериментальное исследование метаболизма ксенобиотиков и межлекарствслного взаимодействия является дорогостоящим и трудоемким (Wang J. et al, 2007). Компьютерные методы позволяют прогнозировать биотрансформацию для многих тысяч химических структур, в том числе виртуальных, еще не синтезированных. Для

прогнозирования взаимодействия ксенобиотиков с цитохромами Р450 предложено много подходов, различающиеся используемыми описаниями молекул и реакций, и математическими методами, включая ДСМ-метод (Джон Стюарт Миль) (Финн В.К., 2009), MetaDrug (Ekins S. et al., 2005), MetaSite (Cruciani G. et al., 2005), CATABOL (Jaworska J. et al., 2002), COMPACT (Lewis D. et al., 2001), TIMES, META, METEOR, MetabolExpert (Kulkarni S. et al, 2003) и др.

Ю.В. Бородиной, А.В. Рудик с соавторами, была предложена методика предсказания биотрансформации ксенобиотиков по структурным формулам с использованием MNA (Multilevel Neighborhood of Atom, дескрипторы многоуровневых атомных окрестностей) к RMNA (Reacting Multilevel Neighborhood of Atom, дескрипторы многоуровневых атомных окрестностей реакций) дескрипторов (Borodina Yu. et al., 2003, 2004; Рудик A., 2007) на основе алгоритмов программы PASS (Prediction of Activity Spectra for Substances). Однако в этих работах не реализовано прогнозирование взаимодействия ксенобиотиков с цитохромами Р450 человека, прогноз биотрансформаций не учитывал видовую и ферментную специфичность, а прогноз метаболитов осуществлялся только для четырех типов биотрансформации.

Цель работы: реализовать компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека в качестве субстратов, ингибиторов и индукторов, и прогноз сайтов окисления в молекуле субстрата.

Задача исследования:

1. Создать базы данных, содержащие информацию о структурах и биотрансформации ксенобиотиков, и данные об их взаимодействии с цитохромами Р450 ЗА4, 2С9, 2С19, 2D6 и 1А2 человека для формирования обучающих и тестовых выборок при реализации к верификации компьютерного прогноза.

2. Реализовать и верифицировать компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека в качестве субстратов, ингибиторов и индукторов с использованием созданных баз данных и компьютерной программы PASS.

3. Разработать унифицированный способ записи биотрансформации с учетом положения окисляемого атома углерода при взаимодействии с цитохромами Р450; реализовать и верифицировать прогноз сайтов окисления в молекуле субстрата.

4. На примере реакции ароматического гидроксилирования провести сопоставление прогноза сайтов окисления разработанными нами методами с квантовохимическими моделями.

Научная новизна. Впервые реализован компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 ЗА4, 2С9, 2С19, 2D6 и 1А2 человека в качестве субстратов, ингибиторов и индукторов. Предложен новый метод прогноза сайтов

биотрансформации, проходящих через стадию окисления атома углерода (Р450САЮЮЫОХ), позволяющий предсказывать реакции ароматического и алифатического гидроксилирования, Ы-деалкилирования, М-дсмстшшровапия, С-окисления с образова1шем альдегидов, кетонов, карболовых кислот, О-деалкилирования, О-деметилирования, разрыва сложноэфирной связи и дегалогенирования.

Научно-практическая значимость. Результаты работы могут быть использованы для прогноза метаболизма органических соединений при поиске и создании новых лекарств, оценки риска воздействия ксенобиотиков на организм человека, анализа межлекарственного взаимодействия при назначении пациентам нескольких лекарственных препаратов одновременно.

Апробация работы. Основные положения диссертационной работы представлены на симпозиумах «Биоинформатика и компьютерное конструирование лекарств», состоявшихся в рамках Российских национальных кошрессов «Человек и лекарство» XII (Москва, 2005 г.), Х1П (Москва, 2006 г.), XIV (Москва, 2007 г.), XV (Москва, 2008 г.); на Московской международной конференции «Биотехнология и медицина» (Москва, 2006 г.), IV Московском международном конгрессе «Биотехнология: состояние и перспективы развития» (Москва, 2007 г.), научной конференции ИБМХ РАМН (Москва, 2007 г.), 4-ом Международном симпозиуме «Компьютерные методы в токсикологии и фармакологии, включающие Иитернегг-ресурсы (СМТР1-2007)» (Москва, 2007 г.), на Германской конференции по хемоинформатике (Гослар, Германия, 2008 г.).

Работа выполнена при поддержке грантов Международного фонда технологам и инвестиций (МФТИ) № ОР0.55229907.0010б и № DPG.55229907.00190; Государственного контракта ГК № 02.740.11.0306.

Публикации. По материалам диссертации опубликовано 18 печатных работ в российских и зарубежных научных изданиях, в том числе 4 статьи в рецензируемых журналах, входящих в список ВАК, 14 публикаций в сборниках трудов научных конференций.

Объем и структура диссертации. Диссертационная работа изложена на 129 страницах машинописного текста, содержит 28 рисунков и 25 таблиц. Работа состоит из введения, обзора литературы, описания объектов и методов исследования, полученных результатов, их обсуждения, выводов, списка цитированной литературы, включающего 147 источников, и приложения.

Обзор литературы содержит описание основных цитохромов Р450 человека, принимающих участие в метаболизме ксенобиотиков, экспериментальных методик исследования метаболизма ксенобиотиков, компьютерных методов моделирования структуры и функции различных цитохромов Р450, и прогноза биотрансформации.

2. ОБЪЕКТЫ И МЕТОДЫ ИССЛЕДОВАНИЯ

Для создания базы данных (БД) субстратов, ингибиторов, индукторов цитохромов Р450 человека, и БД реакций биотрансформации использован программный комплекс ISIS BASE, ISIS DRAW, ISIS HOST; и следующие источники информации: БД Metabolite (Symyx MDL), БД Metabolism V 2002.1 (Accelrys), база знаний Cytochrome Р450 Knowledgebase (CPK) (Lisitsa A. et al, 2001), данные из публикаций в научных журналах.

Анализ взаимосвязей «структура-свойство» и прогноз взаимодействия органических соединений с цитохромами Р450 ЗА4, 2С9, 2С19, 2D6 и IA2 в качестве субстратов, ингибиторов и индукторов выполнен с использованием программы PASS (Свидетельство Роспатента № 2006613275), которая на основе обучающей выборки прогнозирует по структурной формуле органического соединения вероятность его принадлежности (Ра) или не принадлежности (Pi) к определенному классу.

Прогноз сайтов окисления атома углерода субстратов цитохромов Р450 выполнен с использованием программы METAPREDICT (Свидетельство Роспатента № 2004610666), которая осуществляет генерацию гипотетических метаболитов с использованием фрагментов реакций. Фрагменты реакций содержат по одному ближайшему соседу атома, к которому присоединена изменяющаяся в ходе биотрансформации связь (см. рис. 1). Фрагмент 1 описывает ароматическую структуру, остальные фрагменты - окисление алифатических соединений.

1 Oi о

— А — ^

г О , О --- J^ ./¡X, > ^

Рис. 1. Фрагменты реакций P450CARBONOX.

Для предсказания сайтов P450CARBONOX реакции из обучающей выборки кодируются RMNA дескрипторами, разработанными ранее с нашим участием (Borodina Yu. et ai, 2004). Для каждой возможной реакции биотрансформации программа METAPREDICT подсчитывает вероятности её наличия (Pt) и отсутствия (Pf). Чем больше величина ДР = Pt - Pf, тем вероятнее прохождение данной реакции.

Оценка точности прогноза. Точность прогноза оценивали в компьютерных экспериментах: 1) скользящий контроль с исключением по одному для обучающих выборок; 2) двадцатикратное случайное разбиение исходной выборки на обучающую и тестовую подвыборки в пропорции 80:20%; 3) прогноз субстратов, ингибиторов, индукторов цитохромов Р450 и сайтов P45QCARBONOX для тестовых выборок.

Использовались следующие статистические критерии:

Инвариантная точность прогноза LAP (Invariant Accuracy of Prediction) -рассчитывается для каждого класса по следующей формуле: ир=К{Ра{За)>Ра{3 Q) Na-Ni

где N(Pa(Sa)>Pa(Si)) - число случаев, когда Ра для соединений, принадлежащих к определенному классу (положительные примеры, Sä) превышает Ра для соединений, к нему не принадлежащих (отрицательные примеры, Si); Na и Ni - число положительных и отрицательных примеров.

Чувствительность, специфичность, точность и индекс Йодена, рассчитываемые по формулам:

SENS = TP/(TP+FN) SPEC = TN/(FP+TN) ACR = (TP+TN)/(TP+FN+FP+TN) VDN = SENS + SPEC -1 где: SENS - чувствительность, SPEC - специфичность, ACR - точность прогноза, YDN -индекс Йодсна, TP - число истинно положительных (число положительных примеров, спрогнозированных как положительные), TN - число истинно отрицательных, FP - число ложно положительных, FN - число ложно отрицательных предсказаний.

Индекс Йодена включает как специфичность, так и чувствительность, и отражает сбалансированность прогноза.

Для квантовохимических расчетов при построении известных из литературы моделей ароматического гидроксилированмя ксенобиотиков под воздействием цитохромов Р450, использовался комплекс программ МОР АС 6.0. (Stewart J., et al., 1990), интегрированный В Sybyi 6.9 фирмы Tripos (Clark M., et al., 1989).

3. РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

3.1. Создание баз данных о метаболизме ксенобиотиков

3.1.1. БД по взаимодействию ксенобиотиков с цитохромами Р450

В основе БД по взаимодействию ксенобиотиков с цитохромами Р450 лежит информация из БД Metabolite (Symyx MDL), обзора Слободана Рапдича «Summary of information on human CYP enzymes: human P4S0 metabolism data» (Rendic S., 2002), и БД CPK (Lisitsa A. etal., 2001).

БД по взаимодействию ксенобиотиков с цитохромами Р450 включает в себя 2051 запись, содержащие структурные формулы веществ, информацию об их взаимодействии с

различными изоформами цитохрома Р450 (субстрат, ингибитор, индуктор), ссылки на первоисточники. Сводная информация о содержании БД приведена в таблице 1.

Таблица 1. Содержание БД по взаимодействию ксенобиотиков с цитохромами Р450

Тип Кол-во j Тип Кол-во Тин Кол-во

взаимодействия молекул | взаимодействия молекул взаимодействия молекул

CYP1A2 substrate 650 CYP1A2 inhibitor 127 CYP1A2 inducer 24

CYP2C19 substrate 406 CYP2C19 inhibitor 84 CYP2C19 inducer 8

CYP2C9 substrate 499 CYP2C9 inhibitor 143 CYP2C9 induccr 24

CYP2D6 substrate 592 CYP2D6 inhibitor 178 CYP2D6 inducer 8

CYP3A4 substrate 1103 CYP3A4 inhibitor 225 CYP3A4 inducer 71

3.1.2. БД биотрансформации

Созданная нами БД содержит 3042 записи реакций биотрансформации с участием цитохромов Р450 ЗА4, 2С9, 2С19, 2D6 и 1А2, наблюдаемых при метаболизме ксенобиотиков в экспериментах in vivo и in vitro (таблица 2), из БД Metabolite (Symyx MDL).

Таблица 2. Содержание БД биотрансформации

I Изоформа цитохрома Р450 Количество субстратов Количество реакций

CYP1A2 658 1178

j CYP2C19 422 703

CYP2C9 503 836

[ CYP2D6 613 1037

CYP3A4 1069 2017 I

БД содержит реакции биотрансформации, структурные формулы субстратов и метаболитов, наименования классов биотрансформации и соответствующих изоформ цитохрома Р450.

3.2. Прогноз субстратов, ингибиторов и индукторов цитохромов Р450 3.2.1. Обучающая выборка

БД по взаимодействию ксенобиотиков с цитохромами Р450 (см. п. 3.1.1.) была

использована для создания обучающей выборки, содержащей структурные формулы

органических соединений, названия изоформ цитохрома Р450 с указанием типа

взаимодействия (субстрат, ингибитор, индуктор). Данная обучающая выборка содержит

2051 соединение, взаимодействующее с цитохромами Р450, далее - выборка «01».

3.2.2. Обучение компьютерной программы PASS

В ходе обучения программы PASS с использованием выборки 01 осуществлялся скользящий контроль с исключением по одному, а также было произведено двадцатикратное случайное разбиение исходной выборки на обучающую и тестовую подвыборки в пропорции 80:20%, с вычислением значений 10%, 50% и 90% квантилей значений IAP. Полученные результаты приведены в таблице 3.

Таблица 3. Оценка качества прогноза для выборки Q1

Тип взаимодействия (число молекул) IAP, % IAP90, % IAP50, % IAP10, %

CYP1A2 substrate (650) 77 79 77 73

CYP2C19 substrate (406) 78 81 77 74

CYP2C9 substrate (499) 75 76 73 70

CYP2D6 substrate (592) 79 81 78 76

CYP3A4 substrate (1103) 75 77 74 72

Среднее значение no субстратам: 77 79 76 73

CYP1A2 inhibitor (127) 77 84 77 71

CYP2C19 inhibitor (84) 74 78 71 64

CYP2C9 inhibitor (143) 79 84 77 72

CYP2D6 inhibitor (178) 80 83 80 74

CYP3A4 inhibitor (225) 72 77 71 67

Среднее значение no ингибиторам: 76 81 75 69

CYP1A2 inducer (24) 83 95 82 67

CYP2C9 inducer (24) 69 87 71 50

|CYP3A4 inducer (71) 77 85 76 66

I Среднее значение но индукторам: 77 89 76 61

II Среднее значение по 13 типам 1 взаимодействия 77 82 76 69

Число соединений с определенным типом взаимодействия в обучающей выборке 01 варьирует от 24 (для индукторов СУР1А2 и СУР2С9) до 1103 (субстраты СУРЗА4). Индукторов цитохромов Р450 21)6 и 2С19 в обучающей выборке по 8 молекул, что недостаточно для корректного построения прогноза и проведения теста с двадцатикратным случайным разбиением на обучающую и тестовую подвыборки. Из данных, приведенных в таблице 3, следует, что доверительные интервалы различны для групп субстратов, ингибиторов и индукторов, и зависят от количества молекул в соответствующей группе.

Среднее значение точности прогноза для 13 типов взаимодействия с цитохромами Р450 равно 77%. При сопоставлении значений 50% квантилей 1АР, полученных при двадцатикратном случайном разбиении исходной выборки, и значений 1АР, полученных при скользящем контроле с исключением по одному, установлена корреляция со значением Я2 ~ 0,93 (см. рис. 2). Это свидетельствует об устойчивости прогноза для 13

исследованных типов взаимодействия ксенобиотиков с цитохромами Р450. Широта полученных 10-90% доверительных интервалов для субстратов (в среднем 6%) и ингибиторов (в среднем 12%) всех пяти изоформ цитохрома Р450 свидетельствует об устойчивости прогноза. Прогноз же индукторов, в сравнении с субстратами и ингибиторами, является менее устойчивым, поскольку доверительный интервал в среднем по группе индукторов равен 28%, что может быть объяснено небольшим количеством положительных примеров в обучающей выборке. Зависимость широты доверительных интервалов от количества молекул в каждой группе субстратов, ингибиторов и индукторов может быть описана графиком степенной функции, представленным на рисунке 3.

Рис. 2. Сопоставление IAP и IAP50, %. Рис. 3. Зависимость широты доверительных

интервалов от количества молекул в каждой группе субстратов, ингибиторов и индукторов.

Для верификации прогноза и оценки предсказательной способности программы PASS проведен компьютерный эксперимент с тестовой выборкой.

3.2.3. Тестовая выборка для оценки предсказательной способности

Для оценки способности прогнозирования взаимодействия ксенобиотиков с цитохромами Р450 в качестве субстратов, ингибиторов и индукторов была использована тестовая выборка, подготовленная на основе ежегодного издания «The Тор 100 Drug Interaction 2006 Н&Н Publications» (Hansten P. et al., 2006). Тестовая выборка содержит структурные формулы 260 молекул лекарств и данные об их клинически наблюдаемом взаимодействии с цитохромами Р450 1А2, 2С9, 2С19, 2D6 и ЗА4, полученные в экспериментах in vivo для человека. Далее по тексту эта выборка будет именоваться как выборка «Т1». Выборка Т1 представлена в приложении А диссертации.

3.2.4. Тестирование предсказательной способности алгоритмов PASS

В эксперименте с тестовой выборкой Т1 использовалась обучающая выборка 01 из которой предварительно были удалены молекулы тестовой выборки и данные об их

взаимодействии с цитохромами. Для каждого типа взаимодействия, предсказанного для конкретной молекулы, программой PASS рассчитываются вероятности наличия взаимодействия (Ра) и его отсутствия (Pi). Все типы взаимодействия, предсказанные с вероятностями Ра > Pi, рассматривались как возможные. Для каждого спрогнозированного типа взаимодействия были рассчитаны чувствительность, специфичность, точность прогноза и индекса Йодсна, значения которых представлены в таблице 4.

Таблица 4. Оценка предсказательной способности PASS для независимой тестовой выборки

Субстраты TP TN FP FN SENS SPEC ACR YDN |

CYP1A2 substrate 17 180 52 11 0,61 0,78 0,76 0,38 |

CYP2C9 substrate 29 155 69 7 0,81 0,69 0,71 0,50 J

CYP2C19 substrate 18 151 84 7 0,72 0,64 0,65 0,36

CYP2D6 substrate 54 143 57 6 0,90 0,72 0,76 0,62

CYP3A4 substrate 118 61 44 37 0,76 0,58 0,69 0,34 j

| Среднее: 47,2 138 61,2 13,6 0,76 0,68 0,71 0,44

Ингибиторы TP TN FF FN SENS SPEC ACR YDN

CYP1A2 inhibitor 5 204 46 5 0,50 0,82 0,80 0,32

CYP2C9 inhibitor 17 190 43 10 0,63 0,82 0,80 0,45

CYP2C19 inhibitor 3 179 65 13 0,19 0,73 0,70 -0,08

CYP2D6 inhibitor 21 151 82 6 0,78 0,65 0,66 0,43

CYP3A4 inhibitor 20 167 61 12 0,63 0,73 0,72 0,36

Среднее: 13,2 178,2 59,4 9,2 0,54 0,75 0,74 0,29

Индукторы TP TN FP FN SENS SPEC ACR YDN

CYP1A2 induccr 1 238 19 2 0,33 0,93 0,92 0,26

1CYP2C9 inducer 4 219 34 3 0,57 0,87 0,86 0,44 I

[ CYP3A4 inducer 8 181 62 9 0,47 0,74 0,73 0,22

Среднее: 4,3 212,7 38,3 4,7 0,46 0,85 0,83 0,30

Среднее no 13 типам взаимодействия: 24,23 170,69 55,23 9,85 0,61 0,75 0,75 0,35

В среднем значение точности предсказания 13 типов взаимодействия для тестовой выборки ACR=0,75, значение индекса Йодена YDN=0,35, что отражает хорошую точность и сбалансированность прогноза. При рассмотрении отдельных типов взаимодействия можно отметить лучшую сбалансированность прогноза для субстратов цитохромов (YDN=0,44) по сравнению с ингибиторами (YDN=0,29) и индукторами (YDN=0,30). В ряду ингибиторов выделается низким значением чувствительности (SENS), прогноз ингибиторов цитохрома Р450 2С19, составляющий 0,19 и обуславливающий отрицательное значение индекса Йодена. Более низкая сбалансированность прогноза для

ингибиторов по сравнению с субстратами может быть обусловлена структурой обучающей выборки, содержащей как неконкурентные, так и конкурентные ингибиторы. Прогноз индукторов также является менее сбалансированным, что объясняется небольшим количеством положительных примеров в обучающей выборке и разнообразием механизмов, опосредующих процесс индукции цитохромов (взаимодействие с различными ядерными рецепторами) и химической гетерогенностью индукторов.

Полученные результаты позволяют говорить о хорошей предсказательной способности компьютерного прогноза взаимодействия ксенобиотиков с цитохромами Р450 человека с использованием алгоритмов PASS при пороге Ра > Pi.

3.3. Построение и верификация моделей прогноза сайтов P450CARBONOX

После определения того, что молекула является субстратом того или иного цитохрома Р450, для прогноза метаболитов, необходимо определить сайт биотрансформации. Для оценки сайтов окисления атома углерода ксенобиотиков была разработана унифицированная форма записи биотрансформации, названная P4SOCARBONOX.

3.3.1. Унифицированный способ записи биотрансформации P450CARBONOX

При окислении субстратов цитохром Р450 взаимодействует с отдельным атомом углерода или гетероатомом (Guengerich F., 2001). Окисление атома углерода в молекуле ксенобиотиков под воздействием цитохрома Р450 приводит к образованию промежуточных продуктов, таких, как радикал углерода или карбокатион, которые в последующем превращаются в продукты метаболизма. Окисление атома углерода может быть отображено как присоединение гидроксильной группы в молекуле продукта реакции, т.е. представлено аналогично биотрансформации гидроксилирования углерода. Примеры записей реакций, с применением разработанного нами унифицированного способа записи, приведены ниже.

N-деалкширование О-деалкширование

■'1..-Ч. i" 1

Г к ' Г Y1......~ "v TO:

"V * ...

"О "ГГГХ __

; " v! г'с

Преобразование гидрокси-группы в карбокси-гругшу Присоединение оксо-группы

Для каждого типа биотрансформации верхняя запись представляет собой исходную схему, нижняя - схему, представленную на основе присоединения гидроксильной группы к углероду в молекуле продукта.

Схемы биотрансформаций ароматического и алифатического гидроксилирования не требуют применения унифицированного способа записи, поскольку изначально описаны как присоединение гидроксила к окисляемому атому углерода субстрата: Ароматическое гидроксилирование Алифатическое гидроксилировакие

Предложенный нами унифицированный способ записи реакций биотрансформации с учетом положения окисляемого цитохромом Р450 атома углерода в молекуле субстрата был использован для прогноза сайтов ароматического гидроксилирования, алифатического гидроксилирования, Ы-деалкилирования, Х-деметилирования, С-окисления с образованием альдегидов, кетонов, карбоновых кислот, О-деалкилирования, О-деметшшрования, разрыва сложноэфирной связи и дегалогенирования.

3.3.2. Подготовка выборок Р450СА11В(ЖОХ

На основе БД биотрансформаций были созданы выборки для обучения программы МЕТЛРЯЕОЮТ с целью прогноза сайтов Р450САКБОМОХ под воздействием различных изоформ Р450. Было проведено преобразование различных реакций биотрансформации, происходящих в результате окисления атома углерода цитохромом Р450 к единой форме с использованием унифицированного способа записи Р450СЛ1ШОМОХ. При этом для описания сайтов Р450СА11ВОМОХ необходимо лишь четыре фрагмента реакций биотрансформации, представленных на рисунке 1. Всем модифицированным реакциям, а также реакциям ароматического и алифатического гидроксилирования, в обучающих

выборках были присвоены дополнительные наименования Р450САЫЮЖ)Х. В итоге, в один тип «окисление атома углерода цитохромом Р450», было объединено более десяти различных типов биотрапсформации, реализующихся через окисление атома углерода.

3.3.3. Выборки для прогнозирования сайтов Р450САШ$(ЖОХ

Были подготовлены пять выборок, содержащих информацию о реакциях биотрансформации Р450СА11ВС)Ж)Х под воздействием различных изоформ Р450. Количественные характеристики выборок представлены во втором столбце (количество реакций) табл. 5.

3.3.4. Обучение компьютерной программы МЕТАРИЕШСТ

Для каждой из пяти выборок с использованием программы МЕТАРЛЕБЮТ были рассчитаны значения 1АР (см. таблицу 5) при различных уровнях ЯМЫА дескрипторов (с первого по пятый).

Таблица 5. Значения IAP в зависимости от используемого уровня RMNA дескрипторов

Обучающая выборка Количество реакций RMNA 1, 1АР% RMNA 2, 1АР% RMNA 3, IAP% RMNA 4, IAP% RMNA 5, IAP%

CYP1A2 819 69 73 71 68 63

CYP2C9 636 67 71 69 66 61

CYP2C19 541 65 70 69 66 61 1

CYP2D6 818 72 75 72 69 64

GYP3A4 1385 69 72 71 69 65 1

Среднее значение: 840 68 72 70 68 _6£J

Из данных, приведенных в таблице 5, следует, что лучшая точность прогноза достигается при использовании RMNA дескрипторов второго уровня (72%). Полученные результаты позволяют прийти к заключению о применимости предложетюго нами унифицированного способа записи P450CARBONOX, и о возможности использования программы METAPREDICT для предсказания сайтов окисления под воздействием цитохромов Р450 1А2,2С9,2С19,2D6 и ЗА4.

3.3.5. Тестовые выборки для верификации прогноза сайтов P450CARBONOX

В БД биотрансформации 363 реакции обобщенного класса P450CARBONOX, которые могут быть осуществлены одной из пяти изоформ Р450: для 1А2 - 261 реакция, для 2С19 -248 реакций, для 2С9 - 249 реакций, для 2D6 - 258 реакций и для ЗА4 - 265 реакций. В этих реакциях в качестве субстратов фигурируют 158 молекул ксенобиотиков.

3.3.6. Верификация прогноза сайтов P450CARBONOX

Для пяти тестовых выборок был проведен прогноз сайтов P450CARBONOX с использованием обучающих выборок, созданных с использованием различных уровней RMNA дескрипторов. Из обучающих выборок предварительно были удалены реакции, известные для 158 молекул тестовой выборки. Все предсказанные с вероятностями ЛР > О сайты P450CARBONOX рассматривались как возможные. В таблице 6 представлены значения чувствительности, специфичности, точности и индекса Йодена.

Таблица 6. Оценки качества прогноза сайтов биотрансформаций

Обучающая выборка ТР TN FP FN SENS SPEC ACR YDN

СУР1А2 ЯМИА 1 0 597 0 229 0 1,00 0,72 о !

СУР2С9 ЯМКА 1 3 608 0 221 0,01 1,00 0,73 0,01

СУР2С19 ЯМКА 1 2 600 0 224 0,01 1,00 0,73 0,01

СУРЮб ЯША 1 3 596 0 223 0,01 1,00 0,73 0,01

СУРЗА4 ЯМКА 1 4 596 1 236 0,02 1,00 0,72 0,01

Среднее значение: 2,4 599,4 0,2 226,6 0,01 1,00 0,73 0,01

СУР1А2ЯМКА2 73 1298 57 181 0,29 0,96 0,85 0.25

СУР2С9ЯМЛА 2 152 1188 188 93 0,62 0,86 0,83 0,48

1 СУР2С19 ЯМЛА 2 135 1152 207 109 0,55 0,85 0,80 0,40

! СУР206 ЯММА 2 111 1229 121 138 0,45 0,91 0,84 0,36

СУРЗА4 ЯМКА 2 147 1200 181 113 0,57 0,87 0,82 0,43

Среднее значение: 123,6 1213,4 150,8 126,8 0,49 0,89 0,83 0,38 1

СУР1А2 ЯМКА 3 144 1217 202 117 0,55 0,86 0,81 0,41

СУР2С9 ЯМКА 3 178 1085 353 71 0,71 0,75 0,75 0,47

1 СУР2С19 ЯМЫА 3 148 1085 335 100 0,60 0,76 0,74 0,36

!СУР206ЯМКАЗ 154 1178 234 104 0,60 0,83 0,80 0,43 I

СУРЗА4 ЯМКА 3 181 1148 298 84 0,68 0,79 0,78 0,48

Среднее значение: 161 1142,6 284,4 95,2 0,63 0,80 0,77 0,43

СУР1А2ЯМКА4 168 ПОЗ 324 93 0,64 0,77 0,75 0,42

СУР2С9 ЯМКА 4 161 1027 419 88 0,65 0,71 0,70 0,36

1 СУР2С19 ЯМЫ А 4 154 1020 408 94 0,62 0,71 0,70 0,34

СУР206 ЯМКА 4 122 1104 316 136 0,47 0,78 0,73 0,25

СУРЗА4 ЯМКА 4 179 1094 360 86 0,68 0,75 0,74 0,43

Среднее значение: 156,8 1069,6 365,4 99,4 0,61 0,75 0,73 0,36\

СУР1А2 ЯМКА 5 176 880 548 85 0,67 0,62 0,63 0,29

СУР2С9 ЯМЫА 5 176 833 614 73 0,71 0,58 0,59 0,28

СУР2С19 ЯМКА 5 166 811 618 82 0,67 0,57 0,58 0,24

СУР206 ЯША 5 169 909 512 89 0,66 0,64 0,64 0,29

СУРЗЛ4 ЯМКА 5 119 975 480 146 0,45 0,67 0,64 0,12

Среднее значение: 161,2 881,6 554,4 95 0,63 0,61 0,62 0,24

Из приведенных в таблице 6 данных следует, что наилучшая средняя точность

прогноза (83%) получена с использованием ЯМКА дескрипторов второго уровня, но при

этом . чувствительность не высока (5ЕЫ8=0,49). Наиболее сбалансированный по специфичности и чувствительности прогноз (БИЧвИ),63, 8РЕС=0,80, УПЫ=0,43) получен с использованием ЫМЫА дескрипторов третьего уровня.

ЯМКА дескрипторы первого уровня описывают непосредственное окружение отдельных атомов, что, как следует из результатов теста, недостаточно для прогноза сайтов окисления. ЯМИА дескрипторы последующих уровней охватывают окрестности большего размера (см. рис. 4).

,1ШМГА 1Й таША2Я ТШМАЗи НАША 4 А ШША 5

^"сн, нм-' ^"СН НМ^ ^-СН, нм'"' т' хсна

1 I ' -I I

нс^ ^ нс^" не'-" Ч:н ^ ' ^р Ш|Г' "ЦЙ

не х Ли (»¿К, ЛЗ А

"V Чет ^

4> ё-

Ь*^ V**® "Ъз*^ '

Т / . / _7 -Г

Н£)

®ЙУ <3©

Рис. 4. Фрагменты, описываемые К\ША дескрипторами различных уровней для окисляемого атома углерода (обозначен прямоугольником).

Проведенная нами верификация прогноза сайтов Р450САЛВОЫОХ свидетельствует о хорошей предсказательной способности при использовании ЮЛИ А дескрипторов второго и третьего уровней.

Результаты эксперимента позволяют прийти к заключению о правомочности применения предложенного нами унифицированного способа записи Р450СЛКВОМОХ для окисления атома углерода, и о возможности предсказания сайтов окисления атомов углерода под воздействием различных цитохромов Р450 1А2,2С9,2С19,206 и ЗА4.

Поскольку для прогнозов сайтов биотрансформации в литературе нередко используются квантовохимические методы, представляло интерес сопоставить с ними предложенный нами статистический подход. Такое сопоставление было проведено на примере реакции ароматического гидроксилирования.

3.4. Сопоставление статистического и квантовохимических методов прогноза ароматического гидроксилирования

Ароматическое гидроксилирование составляет примерно 20% всех реакций, осуществляемых цитохромами Р450 в организме человека. Точность предсказания сайтов

биотрапсформации ароматического гидроксилирования с помощью статистической модели (программа METAPREDICT) бьша сопоставлена с точностью прогноза ароматического гидроксилирования, полученной с использованием двух квантовохимических моделей активных частиц кислорода, образованных в результате взаимодействия с гемовым железом цитохрома Р450. Для сравнения были использованы оксеноидная модель (Koizekwa, К. et а!. 1985) и модель метокси-радикала (Jones, J. et al. 2002). Подробные описания моделей и проведенных компьютерных экспериментов представлены в п.п. 1.3.6 и 3.4. диссертации, соответственно.

Таблица 7 содержит рассчитанные с использованием этих моделей величины IAP для трех тестовых выборок, содержащих производные бензола, соединения гетероциклической структуры и субстраты цитохрома CYP2D6.

Таблица 7. Точность предсказания (1АР%), рассчитанная для моделей: статистической (б), оксеноидной (о) и с метокси радикалом (т)__

Производные бензола Гетеродиклы Субстраты CYP2D6

I Количество соединений 15 17 15

lAPs, % 85 83 90

IAPo % 95 Не применим Не применим

1 IAPm % 84 45 70

Как следует из приведенных в таблице 7 данных, наиболее высокая точность предсказания ароматического гидроксилирования замещенных бензолов (1АР=95%) получена для оксеноидной модели. Однако, эта модель может использоваться только для предсказания гидроксилирования в замещенных бензолах и не применима для ароматических гетеро- и полициклов. Для статистической модели и модели метокси-радикала точности предсказания для замещенных бензолов составляют 85% и 84%, соответственно. Для веществ более сложной структуры точность предсказания с использованием модели метокси радикала оказывается неудовлетворительной (1АР=45%), в то время как разработанный нами статистический метод дает неплохие результаты (1АР=83%).

Средние значения точности прогноза, полученные для выборки субстратов цитохрома Р450 206, с использованием статистической модели и модели метокси-радикала, равны 90% и 70%, соответственно.

Для всех трех выборок точность прогноза с использованием статистической модели оказалась выше или сопоставимой с точностью квантовохимических методов. При этом статистическая модель применима для всех рассмотренных нами классов химических

соединений, содержащихся в тестовых выборках, а скорость расчетов с её использованием на два порядка превышает скорость квантовохимических методов.

ВЫВОДЫ

2. Реализован компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 1А2, 2С9, 2С19, 206 и ЗЛ4 человека; проведенная верификация показала хорошую точность и устойчивость прогноза субстратов и ингибиторов (77 и 76%, соответственно). Средняя точность прогноза индукторов цитохромов Р450 составляет 75%; при этом прогноз индукторов цитохромов Р450 1А2, 2Б6 и ЗА4 является менее устойчивым, а прогноз индукторов 2С19 и 206 в настоящее время не может быть реализован из-за малого количества соединений в обучающей выборке.

3. Разработанный унифицированный способ записи реакций биотрансформации с учетом положения окисляемого цитохромом Р450 атома углерода в молекуле субстрата был использован для прогноза сайтов ароматического гидроксилирования, алифатического гидроксилирования, К-деалкшшрования, М-деметилирования, С-окисления с образованием альдегидов, кетонов, карбоновых кислот, О-деалкилирования, О-деметилировапия, разрыва сложноэфирной связи, и дегалогенирования. Показано, что использование КМЫА дескрипторов второго уровня обеспечивает наилучшую среднюю точность прогноза (72%).

4. Показано, что разработанный нами статистический метод обеспечивает точность прогноза сайтов ароматического гидроксилирования под воздействием цитохромов Р450, сопоставимую с квантовохимическими моделями, а скорость расчетов на два порядка превышает скорость квантовохимических методов.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ l.Sadym A.V., Borodina Yu.V., Dmitriev A.V.. Blinova V.G, Filimonov D.A., Poroikov V.V. Computer generation of metabolites for drug-like molecules. // Abstr. 2nd International Symposium «Computational Methods in Toxicology and Pharmacology Integrating Internet Resources (CMTPI-2003)». - Thessaloniki (Greece). - 2003. - P. 67.

2. Sadym A.V., Borodina Yu.V., Filimonov D.A., Poroikov V.V., Dmitriev A.V.. Blinova V.G. Computer predicting of drig-like substances metabolism: from biotransformation reactions to metabolic network. // Abstr. 4th International Symposium on Pharmaceutical Chemistry - Istanbul (Turkey). - 2003. - P. 259-260.

3. Borodina Yu.V., Sadym A.V., Filimonov D.A., Blinova V.G., Dmitriev A.V.. Poroikov V.V. Predicting Biotransformation Potential from Molecular Structure. // Journal of Chemical Information and Computer Sciences. - 2003. - V. 43. № 5. - P. 1636-1646.

4. Borodina Yu.V., Rudik A.V., Filimonov D.A., Kharchevnikova N.V., Dmitriev A.V., Blinova V.G., Poroikov, V.V. A New Statistical Approach to Predicting Aromatic Hydroxylation Sites. Comparison with Model-Based Approaches. // Journal of Chemical Information and Computer Sciences. - 2004. - V. 44 № 6. - P. 1998-2009.

5. Dmitriev A.V.. Rudik A.V., Borodina Yu.V., Filimonov D.A., Poroikov V.V., Blinova V.G., Kharchevnikova N.V. Computer predicting of aromatic hydroxylation site for drug-like compounds. // Abstr. The 15th European Symposium on Quantitative Strukture-Activity Relationships & Molecular Modelling (Euro QSAR 2004). - Istanbul (Turkey). - 2004. - P. 104.

6. Бородина Ю.В., Рудик A.B., Филимонов Д.А., Блинова В.Г., Дмитриев А.В.. Харчевникова Н.В., Поройков В.В. Компьютерный прогноз биотрансформации ксенобиотиков. // Сборник материалов XII Международной конференции и дискуссионного научного клуба «Новые информационные технологии в медицине, биологии, фармакологии и экологии». - Гурзуф (Украина). - 2004. - С. 77-79.

7. Харчевникова Н.В., Дмитриев А.В.. Бородина Ю.В., Дьячков П.Н. Квантовохимическая модель для прогноза положения гидроксилирования ароматических соединений под воздействием цитохрома Р-450.Н Биомедицинская химия. - 2005. - Т.51.№3. - С. 341-355.

8. Дмитриев А.В.. Харчевникова Н.В., Рудик А.В., Поройков В.В. Разработка метода для предсказания региоселективности изоформы ЗА4 цитохрома Р450. // Сборник материалов XII Российского национального конгресса «Человек и лекарство». - Москва (Россия). -2005.-С. 750.

9. Lagunin А.А., Zaharov A.V., Dmitriev A.V., Filts O.A., Poroikov V.V. Database of drug-drug interactions. II The 3rd International Conference «Genomics, Proteomics, Bioinformatics and Nanotechnologies for Medicine». - Novosibirsk (Russia). - 2006. - P. 111.

10. Дмитриев А.В.. Рудик А.В., Блинова В.Г. ,Филимонов Д.А., Поройков В.В. Предсказание классов биотрансформации ксенобиотиков на основе базы фрагментов. // Сборник материалов XIII Российского национального конгресса «Человек и лекарство». -Москва (Россия). - 2006. - С. 14.

И. Харчевникова Н.В., Дмитриев А.В.. Дьячков П.Н., Поройков В.В, Прогноз сайта N-деалкилирования под действием цитохрома Р450 на основе анализа топологических признаков и кваитово химических расчетов. // Сборник материалов XIII Российского национального конгресса «Человек и лекарство». - Москва (Россия). - 2006. - С. 39.

12. Dmitriev А.У.. Lagunin А.А., Zakharov A.V., Filz О.А., Filimonov D.A., Poroikov V.V. Computer prediction of substrates, inhibitors and inducers of cytochrome P450. // Abstr. 4th International Symposium «Computational Methods in Toxicology and Pharmacology Integrating Internet Resources (CMTPI-2007)». - Moscow (Russia) - 2007. - P. 91.

13. D'yachkov P.N., Kharchevnikova N.V., Dmitriev A.V.. Kuzneizov AV., Poroikov V.V. Quantum Chemical Simulation of Cytochrome P450 Catalyzed Aromatic Oxidation: Metabolism, Toxicity, and Biodégradation of Benzene Derivatives. // International Journal of Quantum Chemistry. - 2007. - V. 107 № 13. - P. 2454-2478.

14. Дмитриев A.B.. Лагунин A.A., Захаров A.B., Фильц О.А., Филимонов Д.А.. Поройков В.В. Компьютерное предсказание ферментной специфичности, ингибирующей и индуцирующей активностей молекул по отношению к цитохромам Р450. И Тез. докл. IV Московского международного конгресса «Биотехнология: состояние и перспективы развития». - 2007. - Москва (Россия). С. 401.

15. Лагунин А,А., Филимонов Д.А., Захаров А.В., Фильц О.А., Дмитриев А.В., Поройков

B.В. Компьютерный прогноз взаимодействия лекарств. // Сборник материалов XIV Российского национального конгресса «Человек и лекарство». - Москва (Россия). - 2007. -

C. 297.

16. Дмитриев А.В.. Рудик А.В., Блинова В.Г., Филимонов Д.А., Поройков В.В. Предсказание сайтов биотрансформации окисления с использованием программы METAPREDICT и набора фрагментов. // Сборник материалов XIV Российского национального конгресса «Человек и лекарство». - Москва (Россия). - 2007. - С. 283.

17. Дмитриев А.В.. Лагуиип А.А.. Рудик А.В.. Филимонов Д.А., Поройков В.В. Прогноз взаимодействия ксенобиотиков с основными изоформами цитохрома Р450 человека. // Сборник материалов XV Российского национального конгресса «Человек и лекарство». -Москва (Россия). - 2008. - С. 521.

18. Dmitriev A.V.. Filimonov D.A., Lagunin A.A., Poroikov. V.V. Tools for prediction of xenobiotics interaction with human cytochrome P450. // Abstr. 4th German conference on chemoinformatics. - Goslar (Germany). - 2008. - P. 61.

Подписано в печать: 30.10.2009

Заказ № 2871 Тираж -100 экз. Печать трафаретная. Типография «11-й ФОРМАТ» ИНН 7726330900 115230, Москва, Варшавское ш., 36 (499) 788-78-56 www.autoreferat.ru

Содержание диссертации, кандидата биологических наук, Дмитриев, Александр Викторович

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1. Ферментные системы метаболизма ксенобиотиков

1.2. Экспериментальные методы исследования метаболизма лекарств

1.3. Компьютерные методы исследования ферментов биотрансформации

1.3.1. Модели, основанные на структуре лигандов

1.3.2. Получение трехмерных структур цитохромов Р

1.3.3. Описание взаимодействия белков и лигандов

1.3.4. Применение QSAR методов для предсказания 23 биотрансформации

1.3.5. Компьютерные программы для моделирования 24 взаимодействия лигандов с цитохромами Р

1.3.6. Квантовохимические модели окисления под воздействием 26 цитохрома Р

1.3.7. Базы данных биотрансформации

1.3.8. Экспертные системы для предсказания метаболизма

1.3.9. ДСМ метод

1.4. Основные цитохромы Р450, ответственные за метаболизм лекарств в 38 организме человека и их компьютерное исследование

1.4.1. Цитохром Р450 3А

1.4.2. Цитохром Р450 2С

1.4.3. Цитохром Р450 2С

1.4.4. Цитохром Р450 2D

1.4.5. Цитохром Р450 1А

ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ

2.1. Программный комплекс ISIS BASE, ISIS DRAW, ISIS HOST

2.2. База данных Symyx Metabolite Database

2.3. База знаний Cytochrome P450 Knowledgebase (CPK)

2.4. База данных Metabolism V 2002.

2.5. Литературные источники информации

2.6. Программа PASS

2.7. Программа METAPREDICT

2.8. Программа МОРАС 6.

2.9. Поле сил Tripos

2.10. Методы оценки точности прогноза

ГЛАВА 3. РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

3.1. Создание баз данных о метаболизме ксенобиотиков

3.1.1. БД по взаимодействию ксенобиотиков с цитохромами Р

3.1.2. БД биотрансформации

3.2. Прогноз субстратов, ингибиторов и индукторов цитохромов Р

3.2.1. Обучающая выборка

3.2.2. Обучение компьютерной программы PASS

3.2.3. Тестовая выборка для оценки предсказательной способности 69 PASS

3.2.4. Тестирование предсказательной способности алгоритмов 69 PASS

3.3. Построение и верификация прогноза сайтов P450CARBONOX

3.3.1. Унифицированный способ записи биотрансформации 72 P450CARBONOX

3.3.2. Подготовка выборок P450CARBONOX

3.3.3. Выборки для прогнозирования сайтов P450CARBONOX

3.3.4. Обучение компьютерной программы METAPREDICT

3.3.5. Тестовые выборки для верификации прогноза сайтов 81 P450CARBONOX

3.3.6. Верификация прогноза сайтов P450CARBONOX

3.4. Сопоставление статистического и квантовохимических методов 85 прогноза ароматического гидроксилирования

3.4.1. Обучающая выборка для программы METAPREDICT

3.4.2. Квантовохимические модели

3.4.3. Тестовые выборки для сравнения с квантовохимическими 86 моделями

3.4.4. Сопоставление точности прогноза с помощью различных 87 моделей

3.5. Прогноз взаимодействия ксенобиотиков с цитохромом Р450 ЗА4 98 ВЫВОДЫ 109 СПИСОК ОПУБЛИКОВАННЫХ РАБОТ 111 СПИСОК ЛИТЕРАТУРЫ 114 ПРИЛОЖЕНИЕ

CoMFA

LC-MS

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ база данных лекарственное средство рентгеноструктурный анализ Austin Model 1 (модель Остин 1)

Comparative Molecular Field Analysis (сравнительный анализ молекулярных полей)

Highest Occupied Molecular Orbital (высшая занятая молекулярная орбиталь)

Liquid chromatography-mass spectrometry (комбинация жидкостного хроматографа с масс-спектрометром)

Lowest Unoccupied Molecular Orbital (низшая незанятая молекулярная орбиталь)

METAPREDICT Metabolism prediction (программа прогноза биотрансформаций)

МОРАС

NCE NMR

Multilevel Neighborhoods of Atom (многоуровневые атомные окрестности)

Modified Neglect of Diatomic Overlap (модифицированное пренебрежение двухатомного перекрывания)

Molecular Orbital Package (комплекс для расчета молекулярных орбиталей)

New Chemical Entity (оригинальные химические соединения) Nuclear magnetic resonance (ядерный магнитный резонанс)

P450CARBONOX Р450 carbon oxidation (окисление атома углерода цитохромом

Р450)

Prediction of Activity Spectrum for Substances (предсказание спектра активностей веществ)

РМЗ Parametric Model 3 (параметрическая модель 3)

QSAR Quantitative Structure-Activity Relationship (количественная взаимосвязь «структура — активность»)

RMNA Reacting Multilevel Neighborhood of Atom (дескрипторы многоуровневых атомных окрестностей реакций)

SAR Structure Activity Relationship (взаимосвязь «структура активность»)

SCF Self-Consisted Field (самосогласованное поле)

TOF Time-of-flight (время-пролетный)

Введение Диссертация по биологии, на тему "Компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека"

Чужеродные химические вещества, которые не являются энергетически ценными для организма, не являются строительным материалом для его клеток, кофакторами либо месенджерами, называют ксенобиотиками (от греч. £,£vo<; (ксенос) - чуждый, чужеродный, и (Зю<; (биос) - жизнь) [1]. С развитием химической индустрии в нашу жизнь все интенсивнее вторгаются антропогенные ксенобиотики: лекарства, пестициды, гербициды, красители, консерванты, пищевые добавки, косметические средства и др. Попадая в организм, эти вещества могут нарушать нормальные процессы жизнедеятельности, приводить к интоксикациям, мутациям, аллергическим реакциям, могут накапливаться в тканях и т.д. Многие ксенобиотики, включая лекарства, в организме человека подвергаются биотрансформации - химическим превращениям под воздействием ферментных систем [2].

В организме человека лекарства метаболизируются несколькими ферментными системами, основной из которых является суперсемейство цитохромов Р450 [3].

На рисунке 1 представлены две диаграммы, характеризующие участие различных ферментных систем (А) и цитохромов Р450 (В) в метаболизме лекарств [4] Из приведенных на диаграмме данных следует, что около 75% лекарств метаболизируется цитохромами Р450 (А) ЗА4, 2С9, 2С19, 2D6 и 1А2 (В). Эти ферменты осуществляют: ароматическое гидроксилирование, алифатическое гидроксилирование, N-деалкилирование, N-деметилирование, С-окисление с образованием альдегидов, кетонов, карбоновых кислот, О-деалкилирование, О-деметилирование, разрыв сложноэфирной связи, дегалогенирование [5, 6]. Общим этапом перечисленных типов биотрансформации является окисление атома углерода субстрата цитохромом Р450 (сокращенно P45QCARBONOX, от

Рнс. 1. Ферменты биотрансформации лекарств англ. Р450 carbon oxidation). Данные типы биотрансформации в совокупности составляют около 70% реакций, катализируемых указанными выше цитохромами Р450; поэтому предсказание реакций биотрансформации, проходящих через этап P450CARBONOX, является важной задачей для прогнозирования метаболитов. Многие ксенобиотики являются субстратами нескольких цитохромов Р450. Под воздействием одного и того же цитохрома субстраты могут подвергаться одной или более реакциям; в то же время некоторые из реакций биотрансформации осуществляются более чем одним цитохромом и, напротив, некоторые реакции являются уникальными для конкретной изоформы. Поэтому особый интерес представляет прогноз биотрансформации ксенобиотиков под воздействием различных цитохромов Р450 человека.

Информация о метаболитах лекарственных препаратов чрезвычайно важна, поскольку биологическая активность метаболитов, их токсичность, биодоступность и другие свойства могут значительно отличаться от таковых у исходных веществ. Информация о биотрансформациях используется при создании пролекарств с целью оптимизации фармакокинетических параметров исходной субстанции и фармакодинамических характеристик активного метаболита; при создании так называемых мягких лекарств (англ. soft drugs), т.е. соединений, которые разрушаются в живом организме до предсказуемых нетоксичных и неактивных метаболитов после осуществления ими терапевтического воздействия (например, местный анестетик лотепреднолэтабонат).

Исследование указанных выше пяти изоформ цитохрома Р450 важно для оценки возможных межлекарственных взаимодействий из-за проявления • ксенобиотиками ингибирующей и индуцирующей активности по отношению к цитохромам, поскольку одновременный прием пациентами нескольких препаратов может приводить к усилению либо ослаблению ожидаемых фармакологических эффектов [7]. Например, ингибирование одним лекарством ферментов биотрансформации может привести к увеличению, по сравнению с ожидаемой, концентрации в крови другого лекарства, которое при раздельном приеме метаболизируется ингибируемым ферментом. Это проводит как к усилению терапевтического эффекта, так и к усилению побочного действия второго лекарства. Индукция же фермента биотрансформации первым лекарством вызывает снижение терапевтического эффекта второго препарата, являющегося субстратом индуцированного фермента за счет снижения его концентрации.

В клинической практике используют целенаправленное ингибйрование цитохромов Р450. Например, антивирусный препарат саквинавир имеет очень низкую биодоступность, что связано с его интенсивным метаболизмом цитохромом Р450 ЗА4 (биодоступность лекарства при приеме внутрь составляет всего 4%), но одновременное введение родственного препарата ритинавира, подавляющего активность данного цитохрома, приводит к 50-кратному повышению концентрации саквинавира в плазме крови, что позволяет достичь необходимого терапевтического эффекта.

При изучении биотрансформации вновь разрабатываемых лекарственных веществ фармацевтические компании одновременно изучают их возможную ингибирующую и индуцирующую активность, и данный подход к исследованию позволяет в комплексе оценивать межлекарственное взаимодействие и биотрансформацию создаваемых лекарств. По мнению экспертов Управления по контролю за качеством пищевых продуктов и лекарственных средств США (US FDA - англ. Food and Drug Administration) [8] и экспертов Росздравнадзора, «пути биотрансформации нового ЛС должны быть изучены в ходе его разработки,, и что его взаимодействия с другими ЛС на уровне биотрансформации должны исследоваться на предмет возможных клинических последствий в виде снижения1 эффективности или развития нежелательных лекарственных реакций при межлекарственном взаимодействии. . Мнение о необходимости изучения биотрансформации и транспортеров новых ЛС основано на международном опыте снятия с регистрации ряда ЛС в связи с многочисленными случаями развития серьезных осложнений, причиной которых являлись межлекарственные взаимодействия на уровне биотрансформации и транспортеров» [9].

Достижения в химии и молекулярной биологии, автоматизация и роботизация процессов скрининга химических веществ, развитие аналитических технологий влияют на подход фармацевтических компаний к процессу разработки лекарств. В настоящее время стала возможной наработка множества новых веществ и белков-мишеней для использования в высокопроизводительном скрининге. Но, по-прежнему, экспериментальное тестирование метаболизма ксенобиотиков является дорогостоящим и трудоемким, что ограничивает его применение на ранних стадиях исследования фармацевтических субстанций [10, 11].

Компьютерные методы позволяют прогнозировать биотрансформацию для многих тысяч химических структур, в том числе виртуальных, еще не синтезированных. Молекулярное моделирование (и, в частности, молекулярный докинг) и методы квантовой химии лежат в основе анализа взаимодействия низкомолекулярных лигандов и цитохромов Р450 с учетом пространственной структуры [12]. Предложены методики анализа количественных взаимосвязей структура-активность (QSAR методы), различающиеся используемыми описаниями молекул и математическими методами [13]. Созданы специализированные программы для прогноза биотрансформаций и взаимодействия с цитохромами Р450: MetaDrug [14], MetaSite [15], CATABOL [16], COMPACT [17], TIMES, МЕТА, METEOR, MetabolExpert [18] и другие. Оригинальный подход для прогноза биотрансформаций на основе ДСМ-метода (Джон Стюарт Миль) предложен В.К. Финном и соавторами [19].

Методы молекулярного моделирования, которые используются для изучения взаимодействия лигандов с ферментами метаболизма, являются ресурсоемкими и времязатратными, и требуют оценки корректности результатов. Вследствие этого применимость этих методов для автоматического скрининга больших массивов данных ограничена. Недостатком экспертных систем, таких как TIMES, МЕТА, METEOR, MetabolExpert, является генерирование большого количества метаболитов, для отсева которых необходимы экспертные знания.

Ю.В. Бородиной, А.В. Рудик с соавторами, была предложена методика предсказания биотрансформации ксенобиотиков по структурным формулам с использованием MNA (Multilevel Neighborhood of Atom, дескрипторы многоуровневых атомных окрестностей) и RMNA (Reacting Multilevel Neighborhood of Atom, дескрипторы многоуровневых атомных окрестностей реакций) дескрипторов [20-23] на основе алгоритмов программы PASS (Prediction of Activity Spectra for Substances) [24, 25]. Однако в этих работах не реализовано прогнозирование взаимодействия ксенобиотиков с цитохромами Р450 человека, прогноз биотрансформаций не учитывал видовую и ферментную специфичность, а прогноз метаболитов осуществлялся только для четырех типов биотрансформации.

Цель и задачи исследования

Задачи исследования:

1. Создать базы данных, содержащие информацию о структурах и биотрансформации ксенобиотиков, и данные об их взаимодействии с цитохромами Р450 ЗА4, 2С9, 2С19, 2D6 и 1А2 человека для формирования обучающих и тестовых выборок при реализации и верификации компьютерного прогноза.

2. Реализовать и верифицировать компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека в качестве субстратов, ингибиторов: и индукторов с использованием созданных баз данных и компьютерной программы PASS.

Заключение Диссертация по теме "Биоинформатика", Дмитриев, Александр Викторович

1. Созданы базы данных по взаимодействию ксенобиотиков с цитохромами Р450 человека и осуществляемых ими реакций биотрансформации, которые были использованы для формирования обучающих и тестовых выборок при реализации и верификации компьютерного прогноза взаимодействия ксенобиотиков с цитохромами Р450 человека и сайтов окисления в молекуле субстрата.2. Реализован компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 1А2, 2С9, 2С19, 2D6 и ЗА4 человека; проведенная верификация показала хорошую точность и устойчивость прогноза субстратов и ингибиторов (77 и 76%, соответственно). Средняя точность прогноза индукторов цитохромов Р450 составляет 75%; при этом прогноз индукторов цитохромов Р450 1А2, 2D6 и ЗА4 является менее устойчивым, а прогноз индукторов 2С19 и 2D6 в настоящее время не может быть реализован из-за малого количества соединений в обучающей выборке.3. Разработанный унифицированный способ записи реакций биотрансформации с учетом положения окисляемого цитохромом Р450 атома углерода в молекуле субстрата был использован для прогноза сайтов ароматического гидроксилирования, алифатического гидроксилирования, N-деалкилирования, N-деметилирования, С-окисления с образованием альдегидов, кетонов, карбоновых кислот, О-деалкилирования, О-деметилирования, разрыва сложноэфирной связи, и дегалогенирования.Показано, что использование RMNA дескрипторов второго уровня обеспечивает наилучшую среднюю точность прогноза (72%).4. Показано, что разработанный нами статистический метод обеспечивает точность прогноза сайтов ароматического гидроксилирования под воздействием цитохромов Р450, сопоставимую с квантовохимическими моделями, а скорость расчетов на два порядка превышает скорость квантовохимических методов.БЛАГОДАРНОСТИ Работа выполнена при поддержке грантов Международного фонда технологий и инвестиций (МФТИ) № DPG.55229907.00106 и № DPG.55229907.00190; Государственного контракта ГК № 02.740.11.0306.Автор выражает глубокую признательность научным руководителям: доктору биологических наук, профессору Владимиру Васильевичу Поройкову и кандидату физико-математических наук Дмитрию Алексеевичу Филимонову, всему коллективу лаборатории структурно-функционального конструирования лекарств, Рудик Анастасии Владимировне и Бородиной Юлии Владиленовне, а также Блиновой Валентине Георгиевне, Харчевниковой Нине Вениаминовне и Дьячкову Павлу Николаевичу.СПИСОК ОПУБЛИКОВАННЫХ РАБОТ

1. Sadym A.V., Borodina Yu.V., Dmitriev A.V., Blinova V.G, Filimonov D.A., Poroikov V.V. Computer generation of metabolites for drug-like molecules. // Abstr.2nd International Symposium «Computational Methods in Toxicology and Pharmacology Integrating Internet Resources (CMTPI-2003)». - Thessaloniki (Greece).-2003.-P. 67.2. Sadym A.V., Borodina Yu.V., Filimonov D.A., Poroikov V.V., Dmitriev A.V., Blinova V.G. Computer predicting of drig-like substances metabolism: from biotransformation reactions to metabolic network. // Abstr. 4th International Symposium on Pharmaceutical Chemistry - Istanbul (Turkey). - 2003. - P. 259-260.3. Borodina Yu.V., Sadym A.V., Filimonov D.A., Blinova V.G., Dmitriev A.V., Poroikov V.V. Predicting Biotransformation Potential from Molecular Structure. // Journal of Chemical Information and Computer Sciences. - 2003. - V. 43. № 5. - P.1636-1646.4. Borodina Yu.V., Rudik A.V., Filimonov D.A., Kharchevnikova N.V., Dmitriev A.V., Blinova V.G., Poroikov, V.V. A New Statistical Approach to Predicting Aromatic Hydroxylation Sites. Comparison with Model-Based Approaches.// Journal of Chemical Information and Computer Sciences. - 2004. - V. 44 № 6. - P.1998-2009.5. Dmitriev A.V., Rudik A.V., Borodina Yu.V., Filimonov D.A., Poroikov V.V., Blinova V.G., KJiarchevnikova N.V. Computer predicting of aromatic hydroxylation site for drug-like compounds. // Abstr. The 15th European Symposium on Quantitative Strukture-Activity Relationships & Molecular Modelling (Euro QSAR 2004). -

Istanbul (Turkey). - 2004. - P. 104.6. Бородина Ю.В., Рудик A.B., Филимонов Д.А., Блинова В.Г., Дмитриев А.В., Харчевникова Н.В., Поройков В.В. Компьютерный прогноз биотрансформации ксенобиотиков. // Сборник материалов XII Международной конференции и дискуссионного научного клуба «Новые информационные технологии в^ медицине, биологии, фармакологии и экологии». - Гурзуф

(Украина). - 2004. - 77-79.7. Харчевникова Н.В., Дмитриев А.В.. Бородина Ю.В., Дьячков П.Н. Квантовохимическая модель для прогноза положения гидроксилирования ароматических соединений под воздействием цитохрома Р-450. // Биомедицинская химия. - 2005. - Т.51.№3. - 341-355.8. Дмитриев А.В., Харчевникова Н.В., Рудик А.В., Поройков В.В. Разработка метода для предсказания региоселективности изоформы ЗА4 цитохрома Р450. // Сборник материалов XII Российского национального конгресса «Человек и лекарство». - Москва (Россия). - 2005. - 750.9. Lagunin А.А., Zaharov A.V., Dmitriev A.V., Filts O.A., Poroikov V.V.Database of drug-drug interactions. // The 3 International Conference «Genomics, Proteomics, Bioinformatics and Nanotechnologies for Medicine». - Novosibirsk (Russia).-2006.-P. 111.10. Дмитриев A.B., Рудик A.B., Блинова В.Г., Филимонов Д.А., Поройков В.В. Предсказание классов биотрансформации ксенобиотиков на основе базы фрагментов. // Сборник материалов XIII Российского национального конгресса «Человек и лекарство». - Москва (Россия). - 2006. - 14.11. Харчевникова Н.В., Дмитриев А.В., Дьячков П.Н., Поройков В.В. Прогноз сайта N-деалкилирования под действием цитохрома Р450 на основе анализа топологических признаков и квантово химических расчетов. // Сборник материалов XIII Российского национального конгресса «Человек и лекарство». -

Москва (Россия). - 2006. - 39.12. Dmitriev A.V.. Lagunin A.A., Zakharov A.V., Filz О.A., Filimonov D.A., Poroikov V.V. Computer prediction of substrates, inhibitors and inducers of cytochrome P450. // Abstr. 4th International Symposium «Computational Methods in Toxicology and Pharmacology Integrating Internet Resources (CMTPI-2007)». -

Moscow (Russia) - 2007. - P. 91.13. D'yachkov P.N., Kharchevnikova N.V., Dmitriev A.V., Kuznetzov AV., Poroikov V.V. Quantum Chemical Simulation of Cytochrome P450 Catalyzed Aromatic Oxidation: Metabolism, Toxicity, and Biodegradation of Benzene Derivatives. // International Journal of Quantum Chemistry. - 2007. - V. 107 № 13. -

P. 2454-2478.14. Дмитриев A.B.. Лагунин A.A., Захаров A.B., Фильц O.A., Филимонов Д.А.. Поройков В.В. Компьютерное предсказание ферментной специфичности, ингибирующей и индуцирующей активностей молекул по отношению к цитохромам Р450. // Тез. докл. IV Московского международного конгресса «Биотехнология: состояние и перспективы развития». - 2007. - Москва (Россия).15. Лагунин А,А., Филимонов Д.А., Захаров А.В., Фильц О.А., Дмитриев А.В., Поройков В.В. Компьютерный прогноз взаимодействия лекарств. // Сборник материалов XIV Российского национального конгресса «Человек и лекарство». - Москва (Россия). - 2007. - 297.16. Дмитриев А.В., Рудик А.В., Блинова В.Г., Филимонов Д.А., Поройков В.В. Предсказание сайтов биотрансформации окисления с использованием программы METAPREDICT и набора фрагментов. // Сборник материалов XIV Российского национального конгресса «Человек и лекарство». - Москва

(Россия). - 2007. -С. 283.17. Дмитриев А.В., Лагунин А.А., Рудик А.В., Филимонов Д.А., Поройков В.В. Прогноз взаимодействия ксенобиотиков с основными изоформами цитохрома Р450 человека. // Сборник материалов XV Российского национального конгресса «Человек и лекарство». - Москва (Россия). - 2008. -

18. Dmitriev A.V., Filimonov D.A., Lagunin A.A., Poroikov V.V. Tools for prediction of xenobiotics interaction with human cytochrome P450. // Abstr. 4 l German conference on chemoinformatics. - Goslar (Germany). - 2008. - P. 61.

Библиография Диссертация по биологии, кандидата биологических наук, Дмитриев, Александр Викторович, Москва

1. Юрин В.М. Основы ксенобиологии, учебное пособие. - Минск, БГУ,2001.

2. Лакин К. М., Крылов Ю.Ф. Биотрансформация лекарственныхсоединений. - Москва, "Медицина". - 1981.

3. Archakov A.I., Degtyarenko K.N. Structural classification of the P450superfamily based on consensus sequence comparison. // Biochemistry and molecular biology international. - 1993. - V.31 № 6. - P.1071-1080.

4. Guengerich F.P. Common and uncommon cytochrome P450 reactions relatedto metabolism and chemical toxicity. // Chemical research in toxicology. - 2001. V.14№6.-P.611-650.

5. Isin E.M., Guengerich F.P. Complex reactions catalyzed by cytochrome P450enzymes. // Biochimica et biophysica acta. - 2007. - V. 1770 № 3. - P.314-329.

6. Wang J., Urban L., Bojanic D. Maximising use of in vitro ADMET tools topredict in vivo bioavailability and safety. // Expert opinion on drag metabolism & toxicology. - 2007. - V.3 № 5. - P.641-665.

7. Kola I., Landis J. Can the pharmaceutical industry reduce attrition rates? //Nature reviews. Drug discovery. - 2004. - V.3 № 8. - P.711-715.

8. Lewis D.F. Molecular modeling of human cytochrome P450-substrateinteractions. // Drug metabolism reviews. - 2002. - V.34 № 1-2. - P.55-67.

9. Chohan K.K., Paine S.W., Waters N.J. Quantitative structure activityrelationships in drug metabolism. // Current topics in medicinal chemistry. - 2006. V.6№ 15.-P.1569-1578.

10. Ekins S., Andreyev S., Ryabov A., Kirillov E., Rakhmatulin E.A., Bugrim A.,Nikolskaya T. Computational prediction of human drug metabolism. // Expert opinion on drug metabolism & toxicology. - 2005. - V.l № 2. - P.303-324.

11. Cruciani G., Carosati E., De Boeck В., Ethirajulu K., Mackie C , Howe Т.,Vianello R. MetaSite: understanding metabolism in human cytochromes from the perspective of the chemist. // Journal of medicinal chemistry. - 2005. - V.48 № 22. P.6970-6979.

12. Jaworska J., Dimitrov S., NikolovaN., Mekenyan O. Probabilistic assessmentof biodegradability based on metabolic pathways: catabol system. // SAR and QSAR in environmental research. - 2002. - V.13 № 2. - P.307-323.

13. Bird M.G., Lewis D.F., Whitman F.T., Lewis R.J., Przygoda R.T., Witz G.Application of process chemistry and SAR modelling to the evaluation of health findings of lower olefins. // Chemico-biological interactions. - 2001. - V.l35-136. P.571-584.

14. Kulkarni S.A., Zhu J., Blechinger S. In silico techniques for the study andprediction of xenobiotic metabolism: a review. // Xehobiotica; the fate of foreign compounds in biological systems. - 2005. - V.35 № 10-11. - P.955-73.

15. Финн В.К. Автоматическое порождение гипотез в интеллектуальныхсистемах. - Либроком, 2009.

16. Borodina Yu.V., Sadym A.V., Filimonov D.A., Blinova V.G., Dmitriev A.V.,Poroikov V.V. Predicting Biotransformation Potential from Molecular Structure. // Journal of Chemical Information and Computer Sciences. - 2003. - V. 43. № 5. - P. 1636-1646.

17. Бородина Ю.В., Садым A.B., Филимонов Д.А., Поройков В.В.Компьютерный прогноз биотрансформации ксенобиотиков. // Аллергия, астма и клиническая иммунология. - 2003. - Т.7 № 8. - 85-89.

18. Рудик А. Компьютерный прогноз биотрансформации ксенобиотиков.Диссертации на соискание ученой степени кандидата биологических наук. Москва, 2007.

19. Poroikov V., Filimonov D. PASS: Prediction of Biological Activity Spectrafor Substances. In: Predictive Toxicology. Ed. by Christoph Helma. // Taylor & Francis. - 2005. 459-478. 25. http://www.ibmh.msk.ru/PASS/

20. David A.W., William O.F., Thomas L.L. Principles of Medicinal Chemistry.Fourth Edition. - Philadelphia: Lippincott Williams & Wilkins, 1995.

21. Josephy P.D., Guengerich F.P., Miners J.O. "Phase I" and "phase П" drugmetabolism: terminology that we should phase out? // Drug Metabolism Reviews,. 2005. - V.37. - P.575-580. 28. http://dirielson.utmem.edu/CvtochromeP450.html .

22. Ferrero J.L., Brendel K. Liver slices as a model in- drug metabolism. //Advances hrpharmacology (San Diego, Calif.). - 1997. - V.43. - P.131-169.

23. Fisher R.L., Ulreich J.B., Nakazato P.Z., Brendel K. Histological andbiochemical evaluation of precision-cut liver slices. // Toxicology Mechanisms and Methods. - 2001. - V.l 1 № 2. - P.59-79.

24. Ekins S., Ring B.J., Grace J., McRobie-Belle D.J., Wrighton S.A. Present andfuture in vitro approaches for drug metabolism. // Journal of pharmacological and toxicological methods. - 2000. - V.44 № 1. - P.313-324.

25. Huebert N.D., Dasgupta M., Chen Y. Using in vitro human tissues to predictpharmacokinetic properties. // Current opinion in drug discovery & development. 2004.-V.7№l.-P.69-74.

26. Li A.P. Overview: hepatocytes and cryopreservation - a personal historicalperspective. // Chemico-biological interactions. - 1999. - V.121 № 1. - P. 1-5.

27. Cross D.M., Bayliss M.K. A commentary on the use of hepatocytes in drugmetabolism studies during drug discovery and development. // Drug metabolism reviews. - 2000. - V.32 № 2. - P.219-240.

28. Guillouzo A., Rialland L., Fautrel A., Guyomard C. Survival and function ofisolated hepatocytes after cryopreservation. // Chemico-biological interactions. 1999. - V.121 № 1 . - p . 7-16.

29. Yan Z., Caldwell G.W. Metabolism profiling, and cytochrome P450inhibition & induction in drug discovery. // Current topics in medicinal chemistry. 2001. - V.l № 5. - V.l №5. P. 403-425.

30. Thohan S., Rosen G.M. Liver slice technology as an in vitro model formetabolic and toxicity studies. // Methods in molecular biology (Clifton, N.J.). - 2002. -V.196.-P.291-303.

31. Wilson I.D., Nicholson J.K., LindonJ.C Handbook of Drug Metabolism: Therole of nuclear magnetic resonance spectroscopy in drug metabolism (T.F.Woolf ed.). - Marcel Dekker Inc., New York, 1999.

32. Erhardt P.W. High-throughput ADMETox estimation (F.Darvas andG.Dorman eds.). - BioTechniques Press, 2002. 49-68.

33. Mie Y., Suzuki M., Komatsu Y. . // Electrochemically driven dragmetabolism by membranes containing human cytochrome P450. - 2009. - V.131 № 19. - P.6646-6647.

34. Curtis C.G., Chien В., Bar-Or D., Ramu K. Organ perfusion and massspectrometry: a timely merger for drug development. // Current topics in medicinal chemistry. - 2002. - V.2 № 1. - P.77-86.

35. Imaoka S., Hayashi K., Hiroi Т., Yabusaki Y., Kamataki Т., Funae Y. Atransgenic mouse expressing human CYP4B1 in the liver. // Biochemical and biophysical research communications. - 2001. - V.284 № 3. - P.757-762.

36. Xie W., Evans R.M. Pharmaceutical use of mouse models humanized for thexenobiotic receptor. // Drug discovery today. - 2002. - V.7 № 9. - P.509-515. 54. http://www.netsci.org/Science/Special/feature04.html.

37. Jones B.C., Hawksworth G., Home V.A., Newlands A., Morsman J., TuteM.S., Smith D.A. Putative active site template model for cytochrome P4502C9 (tolbutamide hydroxylase). // Drag metabolism and disposition. - 1996. - V.24 № 2. P.260-266.

38. Yao Y., Han W.W., Zhou Y.H., Li Z.S., Li Q., Chen X.Y., Zhong D.F. Themetabolism of CYP2C9 and CYP2C19 for gliclazide by homology modeling and docking study. // European journal of medicinal chemistry. - 2009. - V.44 № 2. P.854-861.

39. Vermeulen N.P. Prediction of drug metabolism: the case of cytochrome P4502D6. // Current topics in medicinal chemistry. - 2003. - V.3 № 11. - P. 1227-1239.

40. Wester M.R., Yano J.K., Schoch G.A., Yang C , Griffin K.J., Stout CD.,Johnson E.F. The structure of human cytochrome P450 2C9 complexed with flurbiprofen at 2.0-A resolution. // The Journal of biological chemistry. - 2004. V.279 № 34. - P.35630-35637.

41. Scott E.E., Halpert J.R. Structures of cytochrome P450 3A4. // Trends inbiochemical sciences. - 2005. - V.30 № 1. - P. 5-7.

42. De Graaf C , Vermeulen N.P., Feenstra K.A. Cytochrome p450 in silico: anintegrative modeling approach. // Journal of medicinal chemistry. - 2005. - V.48 № 8. - P.2725-2755.

43. Long A., Walker J.D. Quantitative structure-activity relationships forpredicting metabolism and modelling cytochrome P450 enzyme activities. // Environmental Toxicology and Chemistry. - 2003. - V.22 № 8. - P. 1894-1899.

44. Schuster D., Steindl T.M., Langer T. Predicting drug metabolism induction insilico. // Current topics in medicinal chemistry. - 2006. - V.6 № 15. - P. 1627-1640.

45. Lewis D.F. Quantitative structure-activity relationships (QSARs) within thecytochrome P450 system: QSARs describing substrate binding, inhibition and induction of P450s. // Inflammopharmacology. - 2003. - V.l 1 № 1. - P.43-73.

46. Terfloth L., Bienfait В., Gasteiger J. Ligand-based models for the isoformspecificity of cytochrome P450 3A4, 2D6, and 2C9 substrates. // Journal of chemical information and modeling. - 2007. - V.47 № 4. - P. 1688-1701.

47. Lewis D.F., Modi S., Dickins M. Quantitative structure-activity relationships(QSARs) within substrates of human cytochromes P450 involved in drug metabolism. // Drug metabolism and drug interactions. - 2001. - V.18 № 3-4. - P.221-242.

48. Lewis D.F. COMPACT: a structural approach to the modelling ofcytochromes P450 and their interactions with xenobiotics. // Journal of chemical technology and biotechnology. - 2001. - V.76 № 1. - P.237-244.

49. Lewis D.F, Ioannides C , Parke D.V. An improved and updated version of thecompact procedure for the evaluation of P450-mediated chemical activation. // Drug metabolism reviews. - 1998. - V.30 № 4. - P.709-737.

50. Parke D.V., Ioannides C , Lewis D.F. The role of cytochromes P-450 in thedetoxication and activation of drags and- other chemicals. // Canadian journal of physiology and pharmacology. - 1991. - V.69 № 1. - P.537-549.

51. Korzekwa K., Trager W., Gouterman M., Spangler D., Loew, G.H.Cytochrome P450 Mediated Aromatic Oxidation: A Theoretical Study. // Journal of the American Chemical Society. - 1985. - V. 107 № 1. - P.4273-4279.

52. Pudzianowski A.T., Loew G.H., Mico B.A. A molecular orbital study ofmodel cytochrome P450 oxidation of tetrachloromethane and trichloromethane. // Journal of the American Chemical Society. - 1983. - V. 105 № 11. - P.3434-3438.

53. Дьячков П.Н. Квантовохимические расчеты в изучении механизмадействия и токсичности чужеродных веществ. // Итоги науки и техники ВИНИТИ. Серия Токсикология. - 1990. - Т. 16. - 280.

54. Jones J.P., Mysinger М., Korzekwa K.R. Computational models forcytochrome P450: a predictive electronic model for aromatic oxidation and hydrogen atom abstraction. // Drag metabolism and disposition. - 2002. - V.30 № 1. - P. 7-12.

55. Rorije Е., Germa F., Philipp В., Schink В., Beimborn D.B. Prediction ofbiodegradability from structure: imidazoles. // SAR and QSAR in environmental research. - 2002. - V. 13 № 1. - P. 199-204.

56. Darvas F. MetabolExpert, an expert system for predicting metabolism ofsubstances. // QSAR in Environmental Toxicology, Riedel, Dordrecht. - 1987. 71-81.

57. Darvas F., Marakhazi S., Kormos P., Kulkarni G., Kaiasz H., Papp A. In:Erhard PE ed, Drug Metabolism. Databases and high throughput testing during drug design and development. // IUPAC, Blackwell Science, University Press, Gamburg GB.-1999.-237-270.

58. Klopman G., Dimayuga M., Talafous J. META. 1. A program for theevaluation of metabolic transformation of chemicals. // Journal of chemical information and computer sciences. - 1994. - V.34 № 6. - P. 1320-1325.

59. Гергей Т., Финн B.K. Экспертные системы: состояние и перспективы,под ред. Д.А.Поспелова. - Наука, Москва, 1989.

60. Фабрикантов Е.Ф. Применение ДСМ - рассуждений дляинтеллектуального анализа данных и автоматического порождения гипотез о путях биотрансформаций. // Информ. процессы и системы. - 2002. - Т.2. - 8-12.

61. Филимонова A.A., Зиганшин А.У, Зиганшина Л.Е. Особенностиметаболизма разных лекарственных средств с участием изо ферментов цитохрома Р-450. // Экспериментальная и клиническая фармакология. - 2007. Т.70 № 3. - 69-77.

62. Williams Р.А., Cosme J., Vinkovic D.M., Ward A., Angove H.C., Day P.J.,Vonrhein C, Tickle I.J., Jhoti H. Crystal structures of human cytochrome P450 3A4 bound to metyrapone and progesterone. // Science . - 2004. - V.305 № 5684. - P.683686.

63. Rendic S. Summary of information on human CYP enzymes: human P450metabolism data. // Drag metabolism reviews. - 2002. - V.34 № 1-2. - P.483-448.

64. Ueng Y.F., Kuwabara Т., Chun Y.J., Guengerich F.P. Cooperativity inoxidations catalyzed by cytochrome P450 3A4. // Biochemistry. - 1997. - V.36 № 2. P.370-381.

65. Baas B.J., Denisov I.G., Sligar S.G. Homotropic cooperativity of monomericcytochrome P450 3A4 in a nanoscale native bilayer environment. // Archives of biochemistiy and biophysics. - 2004. - V.430 № 2. - P.218-228.

66. Kenworthy K.E., Clarke S.E., Andrews J., Houston J.B. Multisite kineticmodels for CYP3A4: simultaneous activation and inhibition of diazepam and testosterone metabolism. // Drug metabolism and disposition. - 2001. - V.29 № 12. P.1644-1651.

67. He Y.A., Roussel F., Halpert J.R. Analysis of homotropic and heterotropiccooperativity of diazepam oxidation by CYP3 A4 using site-directed mutagenesis and kinetic modeling. // Archives of biochemistry and biophysics. - 2003. - V.409 № 1. P.92-101.

68. Ekins S, de Groot M.J., Jones J.P. Pharmacophore and three-dimensionalquantitative structure activity relationship methods for modeling cytochrome p450 active sites. // Drug metabolism and disposition. - 2001. - V.29 № 7. - P.936-944.

69. Smith D.A., Ackland M.J., Jones B.C. Properties of cytochrome P450isoenzymes and their substrates. Part 1: active site characteristics. // Drug discovery today. - 1997. - V.2. - P.406-414.

70. Rendic S., Di Carlo F.J. Human cytochrome P450 enzymes: a status reportsummarizing their reactions, substrates, inducers, and inhibitors. // Drug metabolism reviews. - 1997. - V.29 № 1-2. - P.413-580.

71. Langowski J., Long A. Computer systems for the prediction of xenobioticmetabolism. // Advanced drug delivery reviews. - 2002. - V.54 № 3. - P.407-415.

72. Locuson C.W. 2nd, Wahlstrom J.L., Rock D.A., Rock D.A., Jones J.P. Anew class of CYP2C9 inhibitors: probing 2C9 specificity with high-affinity benzbromarone derivatives. // Drug metabolism and disposition. - 2003. - V.31 № 7. P.967-971.

73. Locuson C.W. 2nd, Rock D.A., Jones J.P. Quantitative binding models forCYP2C9 based on benzbromarone analogues. // Biochemistry. - 2004. - V.43 № 22. P.6948-6958.

74. Haji-Momenian S., Rieger J.M., Macdonald T.L., Brown MX. Comparativemolecular field analysis and QSAR on substrates binding to cytochrome p450 2D6. // Bioorganic & medicinal chemistry. - 2003. - V.l 1 № 24. - P.5545-5554.

75. Ekins S., Berbaum J., Harrison R.K. Generation and validation of rapidcomputational filters for cyp2d6 and cyp3a4. // Drug metabolism and disposition. 2003. - V.31 № 9. - P.1077-1080.

76. Susnow R.G., Dixon S.L. Use of robust classification techniques for theprediction of human cytochrome P450 2D6 inhibition. // Journal of chemical information and computer sciences. - 2003. - V.43 № 4. - P. 1308-1315.

77. O'Brien S.E., de Groot M J . Greater than the sum of its parts: combiningmodels for useful ADMET prediction. // Journal of medicinal chemistry. - 2005. V.48№4.-P.1287-1291.

78. Brosen K. Drug interactions and the cytochrome P450 system. The role ofcytochrome P450 1A2. // Clinical pharmacokinetics. - 1995. - V.29 Suppl 1. - P. 2025.

79. Guengerich F.P., Shimada T. Oxidation of toxic and carcinogenic chemicalsby human cytochrome P-450 enzymes. // Chemical research in toxicology. - 1991. V.4№4. -P.391-407.

80. Jeppesen U., Loft S., Poulsen H.E., Brsen K. A fluvoxamine-caffeineinteraction study. // Pharmacogenetics. - 1996. - V.6 № 3. - P.213-222.

81. Sanz F., Lopez-de-Brinas E., Rodriguez J., Manaut F. Theoretical study onthe metabolism of caffeine by cytochrome p-450 1A2 and its inhibition. // Quantitative Structure-Activity Relationships. - 1994. - V.13 № 1. - P.281-284.

82. Lee R , Yeom H.5 Kim Y.G., Yoon C.N., Jin C , Choi J.S., Kim B.R., KimD.H. Structure-related inhibition of human hepatic caffeine N3-demethylation by naturally occurring flavonoids. // Biochemical pharmacology. - 1998. - V.55 № 9. P.1369-1375.

83. Chohan K.K., Paine S.W., Mistry J., Barton P., Davis A.M. A rapidcomputational filter for cytochrome P450 1A2 inhibition potential of compound libraries. // Journal of medicinal chemistry. - 2005. - V.48 № 16. - P.5154-5161.

84. Lisitsa A.V., Gusev S.A., Karuzina I.I., Archakov A.I., Koymans L.Cytochrome P450 database. // SAR and QSAR in environmental research. - 2001. V.12№4.-P.359-366. 139. http://cpd.ibmh.msk.su/.

85. Hawkins D.R. (Ed.) Biotransformations, Vol. 1-7,. // Royal Society ofChemistry, Cambridge, UK. - 1988-1996.

86. Clark M., Cramer R.D. Validation of the General Purpose Tripos 5.2 ForceField. // Journal of Computational Chemistry. - 1989. - V.10 № 1. - P.982-1012.

87. Stewart J.J. MOP AC: A General Molecular Orbital Package. // QuantumChemistry Program Exch. - 1990. - V.10. - P.86.

88. Dewar M.J., Thiel W. Ground states of molecules. 38. The MNDO method.Approximations and parameters. // Journal of the American Chemical Society. - 1977. - V.99. - P.4899-4907.

89. Dewar M.J., Zoebisch E.G., Healy E.F., Stewart J.J. AMI: A New GeneralPurpose Quantum Mechanical Model. // Journal of the American Chemical Society. 1985.-V.107.-P.902-909.

90. Sheridan R.P., Korzekwa K.R., Torres R.A., Walker MJ. Empiricalregioselectivity models for human cytochromes P450 3A4, 2D6, and 2C9. // Journal of medicinal chemistry. - 2007. - V.50. - P.3173-3184.

91. Oh W.S., Kim D.N., Jung J., Cho K.H., No K.T. New combined model forthe prediction of regioselectivity in cytochrome P450/3A4 mediated metabolism. // Journal of chemical information and modeling. - 2008. - V.48 № 3. - P.591-601.

Информация о работе

Дмитриев, Александр Викторович
кандидата биологических наук
Москва, 2009
ВАК 03.00.28

Диссертация

Компьютерный прогноз взаимодействия ксенобиотиков с цитохромами Р450 человека - тема диссертации по биологии, скачайте бесплатно

Автореферат

Похожие работы