Презентация на тему: Курс лекций «Введение в химическую информатику»

Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Курс лекций «Введение в химическую информатику»
Поиск оптимальных условий протекания
Поиск оптимальных условий протекания
Experimental validation Поиск оптимальных условий протекания
Курс лекций «Введение в химическую информатику»
1/50
Средняя оценка: 4.5/5 (всего оценок: 53)
Код скопирован в буфер обмена
Скачать (6606 Кб)
1

Первый слайд презентации: Курс лекций «Введение в химическую информатику»

Лекция 1 Осенний семестр 2013

Изображение слайда
2

Слайд 2

Содержание курса A. Varnek (University of Strasbourg, France) J. Aires de Sousa (Universidade Nova de Lisboa, Portugal) I. Tetko (Munich Institute for Bioinformatics, Germany) A. Cherkasov (University of British Columbia, Canada) A. Tropsha (University of North Carolina at Chapel Hill, USA) J. Gasteiger ( University of Erlangen- Nürnberg, Germany ) G. Schneider ( Institute of Pharmaceutical Sciences, Switzerland ) V. Gillet (University of Sheffield, United Kingdom) T. Langer (Prestwick Chemical, France) R. Glen (University of Cambridge, United Kingdom) II При составлении курса использовались следующие источники:

Изображение слайда
3

Слайд 3

Рекомендуемая литература An Introduction to Chemoinformatics, Andrew R. Leach, Valerie J. Gillet, Springer 2007. Chemoinformatics -A Textbook, Johann Gasteiger and Thomas Engel, Wiley-VCH 2003 III

Изображение слайда
4

Слайд 4

Журналы Journal of Chemical Information and Modeling ( ACS ) Impact factor 3.82 Journal of Molecular Graphics and Modelling (Elsevier) Impact factor 2.03 Journal of Computer-Aided Molecular Design (Springer) Impact Factor 3.37 Journal of Combinatorial Chemistry (ACS) образован в 2010 Molecular Informatics (Wiley) образован в 2010 Journal of Cheminformatics образован в 2010 Journal of Proteome Research (ACS) Impact Factor 5.46 SAR & QSAR in Environmental Research (Taylor and Francis) Impact Factor 1.56 Combinatorial Chemistry & High Throughput Screening (Bentham Chemistry) Impact Factor 2.76 Molecular Diversity (Springer) Impact Factor 3.72 IV

Изображение слайда
5

Слайд 5

План лекции 1 Общая информация Общее представление о задачах химической информатики и её связи с другими науками Базовые понятия Области применения

Изображение слайда
6

Слайд 6

2 Определения химической информатики J. Gasteiger and T. Engels (editors) (2003). Chemoinformatics: a textbook. Wiley-VCH. “ Химическая информатика это применение методов информатики для решения химических задач. ” F. K. Brown (1998) Chemoinformatics: what it is and how does it impact drug discovery? Annual Reports in Medicinal Chemistry, 33, 375-384 “ Химическая информатика означает совместное использование информационных ресурсов для преобразования данных в информацию и информации в знания для быстрейшего принятия наилучших решений при поиске соединений-лидеров в разработке лекарств и их оптимизации. ” “ Химическая информатика это научная дисциплина, охватывающая дизайн, создание, организацию, управление, поиск, анализ, распространение, визуализацию и использование химической информации. ” G. Paris (August 1999 ACS meeting)

Изображение слайда
7

Слайд 7

Химическая информатика – давно известная область •M. Hann and R. Green (1999) Chemoinformatics -a new name for an old problem? Current Opinion in Chemical Biology, 3, 379-383 •J. Gasteiger (2006) Chemoinformatics: a new field with a long tradition. Analytical and Bioanalytical Chemistry, 384, 57-64. Появление специализированных журналов: 1961 Journal of Chemical Documentation •1975 Journal of Chemical Information and Computer Sciences •2005 Journal of Chemical Information and Modeling Первая специализированная книга выпущена в 1971: M.F. Lynch et al., Computer Handling of Chemical Structure Information Первые учебники, посвященные непосредственно химической информатике появились в 2003 году: •A.R. Leach and V.J. Gillet, An Introduction to Chemoinformatics •J. Gasteiger and T. Engel ( eds.) Chemoinformatics 3

Изображение слайда
8

Слайд 8

Химическая информатика: предпосылки возникновения Огромное количество информации Миллионы химических соединений и реакций Миллионы публикаций Хранение, организация, поиск и обработка экспериментальных данных Химические базы данных 4

Изображение слайда
9

Слайд 9

Май 2009 Сентябрь 2010 54,984,228 39,804,330 281,474 43,995,234 831,886 +7 M +22 M Данные реестра химической реферативной службы ( CAS – Chemical Abstracts Service ) 5

Изображение слайда
10

Слайд 10

Проблема : избыток информации > 54 миллиона соединений > 5 миллионов новых соединений ежегодно 800,000 публикаций в год => Необходимость обрабатывать ежедневно 4.000 публикаций Химическая информация должна быть хорошо организована и доступна для поиска 6

Изображение слайда
11

Слайд 11

Проблема: недостаток информации > 54,000,000 химических соединений > 500,000 3 D структур в Кембриджской базе данных 230,000 инфракрасных спектров в крупнейшей базе данных (Bio-Rad) > 1 % всех соединений 0.4 % от общего числа соединений Целью химической информатики является разработка прогностических методов и инструментов Дефицит информации о физико-химических и биологических свойствах соединений A. Черкасов и А. Тропша ( Nature Drug Discovery Reviews, 2009 ) 7

Изображение слайда
12

Слайд 12

Прогнозирование более 20 физико-химических характеристик для индивидуальных соединений Инструменты химической информатики, интегрированные в SciFinder 8

Изображение слайда
13

Слайд 13

Химическая информатика Медицинская химия Биоинформатика Математическая химия Хемометрика Аналитическая химия Фармакология 9 Хемогеномика Химическая информатика и другие науки

Изображение слайда
14

Слайд 14

Химическая информатика: химические соединения как объекты в пространстве данных 10 Химическая информатика рассматривает свойства веществ в химическом пространстве данных. Это часть теоретической химии, базирующаяся на своих собственных моделях. В отличие от методов квантовой химии, рассматривающих ансамбли электронов и ядер, и основанного на силовых полях молекулярного моделирования, модели химической информатики опираются в основном на взаимосвязи структуры и свойства. Объекты : - молекулярные графы ; - векторы дескрипторов {D i } = f ( )

Изображение слайда
15

Слайд 15

Знания Информация Данные Дедуктивное обучение Индуктивное обучение Дедуктивное обучение (источник – расчеты) предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний: квантовая химия молекулярное моделирование Индуктивное обучение ( обучение по прецедентам) основано на выявлении закономерностей в эмпирических данных: определяемое моделью определяемое данными Типы машинного обучения 11

Изображение слайда
16

Слайд 16

Фундаментальные вопросы в химии Возможности химической информатики: • представление и поиск химических структур • анализ химических баз данных • молекулярный дизайн новых химических соединений, обладающих заданным свойством • молекулярное моделирование • компьютерный синтез Какое соединение будет обладать заданным свойством? Как получить это соединение? Как оптимизировать протекание химической реакции? ? ? ? Количественная взаимосвязь структура-свойство Компьютерный синтез Компьютерный синтез 12

Изображение слайда
17

Слайд 17

Дизайн свойств « The most fundamental and lasting objective of synthesis is not production of new compounds but production of properties » «Наиболее фундаментальной и устойчивой целью синтеза является не производство новых соединений, а дизайн свойств». George S. Hammond Norris Award Lecture, 1968 Дизайн не соединений, а свойств 13

Изображение слайда
18

Слайд 18

Области применения методов химической информатики 14 Фармацевтическая промышленность • сбор и обработка данных • разработка моделей структура-свойство и структура-активность, дизайн in silico • анализ и интерпретация химических данных Химическая промышленность • Дизайн новых характеристик • Прогнозирование токсичности и ряда других свойств химических соединений до их выхода на рынок (в частности, проект Reach )

Изображение слайда
19

Слайд 19

Характерные черты фармацевтической индустрии Очень сегментированный рынок – крупнейшая компания (Pfizer) занимает только 11% рынка Высокий риск, долгая окупаемость – разработка лекарственного препарата занимает в среднем 10-20 лет, большая часть препаратов так и не выходит на рынок Строго регулируется ( Управлением по контролю качества продуктов и лекарств ) Инвесторы традиционно ожидают большую прибыль 15

Изображение слайда
20

Слайд 20

http://www.newscientistjobs.com/biotech/ernstyoung/blues.jsp Дефицит эффективности 16 Взаимосвязь между количеством проводимых научно-исследовательские работ и появлением на рынке новых препаратов

Изображение слайда
21

Слайд 21

Дефицит эффективности Investment per phase of drug discovery and development for one successful drug (USD millions) G.M. Milne, Jr., Annual Reports in Medicinal Chemistry, 2003, 38, 383-396 17

Изображение слайда
22

Слайд 22

Каковы причины? Недостаточно эффективное использование существующих средств 18 Способы уменьшения рисков in- silico : Виртуальный скрининг Дизайн библиотек соединений Докинг Анализ соотношения стоимость / прибыль Своевременная доступность информации Возможности использования методов химической информатики

Изображение слайда
23

Слайд 23

Пример : Высокопроизводительный скрининг Возможность быстрого поиска среди миллионов соединений, обладающих определенным типом биологической активности Фармацевтические компании обладают базами данных, содержащих миллионы химических соединений Высокопроизводительный скрининг позволяет проверять на определенный тип активности до 100,000 соединений ежедневно Определенная часть этих соединений будет идентифицирована как активные 1 9

Изображение слайда
24

Слайд 24

Высокопроизводительный скрининг ( HTS ) Высокопроизводительный скрининг J. Chem. Inf. Model. 2010, 50, 2067–2078 20 HTS База данных Активные соединения 10 6 соединений 10 3 активных соединений Число соединений, доступных для высокопроизводительного скрининга при малых финансовых вложениях, ограничено по сравнению с общим числом соединений Молекулярная разнородность набора данных при высокопроизводительном скрининге ограничена Большой риск низкой биодоступности или высокой токсичности соединений

Изображение слайда
25

Слайд 25

Виртуальный скрининг Виртуальный скрининг применяется: Приоритезация синтеза Анализ новых баз данных при приобретении Дизайн комбинаторных библиотек 21 Виртуальный скрининг, основанный на знании пространственной структуры биологической мишени: Молекулярный докинг Виртуальный скрининг, основанный на знании структур лигандов : Основанный на поиске фармакофоров Основанный на поиске по молекулярному подобию Основанный на применении моделей структура-свойство

Изображение слайда
26

Слайд 26

Виртуальный скрининг T.N. Doman et al. J.Med.Chem. 2002, 45, 2213-2221 Сравнение эффективности высокопроизводительного скрининга и виртуального скрининга на примере поиска новых соединений-ингибиторов белковой тирозин-фосфатазы 1B (PTP1B ): Высокопроизводительный скрининг 400,000 соединений приоритарной базы данных 85 подтвержденных «кандидатов» с IC50 <100 μM = 0.021 % b) Виртуальный скрининг 235,000 коммерчески доступных соединений с использованием программы DOCK 3.5 365 отобранных молекул, 127 из них с IC50 <100 μM = 34,8% 22 Virtual screening - what does it give us? Herbert Koppen ( Boehringer, Germany) Current Opinion Drug Discovery & Dev. (2009) 12: 397-407 From virtuality to reality Ulrich Rester (Bayer, Germany) Current Opinion Drug Discovery & Dev. (2008) 11: 559-568 What has virtual screening ever done for drug discovery? David E Clark ( Argenta Discovery Ltd, UK) Expert Opinion on Drug Discovery (2008) 8: 841-851 Тирофибан (1999, Merck), непептидный блокатор рецепторов тромбоцитов IIb / IIIa, производное от тирозина (2S)-2-( butylsulfonylamino )-3-[4-[4-(4-piperidyl) butoxy ]phenyl propanoic acid (Mol. Mass: 440.6 g/mol)

Изображение слайда
27

Слайд 27

• FP7 проект CADASTER http://www.cadaster.eu has Целью является разработка стратегии использования компьютерных методов прогнозирования токсичности > 140,000 соединений должно пройти регистрацию Для полной проверки на токсичность необходимы большие затраты ($200,000 на соединение ), большое количество тестов на животных => € 24 миллиарда в ближайшие 10 лет Проект REACH REACH R egistration, E valuation, A uthorisation and Restriction of Ch emical substances 23

Изображение слайда
28

Слайд 28

Разработка лекарственных препаратов 24

Изображение слайда
29

Слайд 29

Новое использование известных лекарств 25 Существующие препараты могут обладать недооцененными полезными побочными эффектами ( Виагра изначально была разработана с целью улучшения кровотока в миокарде и лечения стенокардии и ишемической болезни сердца )

Изображение слайда
30

Слайд 30

Новое использование известных лекарств: инверсия профиля активности минаприна 26 Drug Discovery Today, Vol. 11, Issues 3–4, February 2006, 160–164 Селективная оптимизация побочных активностей Отдельные изменения молекулярного остова минаприна индуцировали существенные изменения фармакологического профиля, а именно переход от антидепрессанта минаприна к частичному агонисту мускариновых рецепторов типа М1

Изображение слайда
31

Слайд 31

Дизайн De Novo Gisbert Schneider, De novo design – hop(p) ing against hope, Drug Discovery Today: Technologies, Available online 20 June 2012 В идеале, новое лекарственное средство должно: Быть активным в наномолярных концентрациях Не иметь побочных эффектов Обладать хорошей биодоступностью Не подпадать под действующий патент Methodology: Receptor-based methods Ligand -based methods 2 7

Изображение слайда
32

Слайд 32

Разработка препаратов, эффективных против резистентных к антибиотикам бактерий 28 Bad Bugs Need Drugs: IDSA, March 2006 Распространение резистентных бактерий в госпиталях представляет серьезную опасность. Experts Fear Increase in Drug-resistant Infectious Here: Globe and Mail, March 2006 MRSA, a treatment-resistant form of bacteria that spreads through direct contact, is called a greater threat to public health than SARS or bird flu. The Boston Globe, August 21, 2006 По материалам лекций проф. А.Черкасова ( UBC, Canada ) Распространены случаи устойчивости целого ряда патогенов человека ( Enterococcus faecalis, Mycobacterium tuberculosis, Pseudomonas aeruginosa, Salmonella typhi, Staphylococcus aureus, Streptococcus pneumoniae, Vibrio cholerae и пр.) к практически любому из применяемых препаратов

Изображение слайда
33

Слайд 33

29 Антимикробные пептиды – короткие молекулы длиной от 12 до 50 аминокислот Цекропины ( гемолимфа гусениц шелкопряда Hyalophora cecropia ) – сильная антимикробная активность, высокая специфичность (эффективны исключительно против кишечной палочки) Разработка препаратов, эффективных против резистентных к антибиотикам бактерий Магайнины - Майкл Заслофф в конце 80-х обнаружил, что кожный покров лягушки в ответ на микробное поражение или повреждение секретирует большое количество пептидов, образованных из 23 аминокислот. В 1988 году создал фармацевтическую компанию Magainin Pharmaceuticals, которая до сих пор весьма успешно занимается производством лекарственных препаратов Несмотря на то, что для антимикробных пептидов характерно довольно высокие действующие концентрации и низкая селективность, они обладают некоторыми преимуществами: способность быстро убивать клетки-мишени, широкий спектр действия, активность в отношении штаммов, резистентных к другим антибиотикам, а также относительная трудность в развитии устойчивости. Поскольку некоторые антимикробные пептиды обладают цитотоксическим эффектом (действуют на эукариотические клетки), наиболее эффективно они могут быть использованы при лечении заболеваний наружных покровов, слизистых — без введения в кровь пациента. Выделяют два основных типа воздействия антимикробных пептидов на клетки: ингибирование метаболических процессов или нарушение целостности клеточной мембраны. Большинство антимикробных пептидов вызывают гибель клетки по второму механизму.

Изображение слайда
34

Слайд 34

Разработка препаратов эффективных против резистентных к антибиотикам бактерий 30 По материалам лекций проф. А.Черкасова ( UBC, Canada )

Изображение слайда
35

Слайд 35

Прогнозирование свойств наноструктур 31

Изображение слайда
36

Слайд 36

Прогнозирование свойств наноструктур Материал лекций проф. А. Тропши ( UNC, USA ) 3 2

Изображение слайда
37

Слайд 37

In2005, Weisslederetal.* investigated whether the multivalent attachment of small organic molecules on a same NP can modify its binding affinity to certain cells. 109 NPs possessing the same core (CLIO- dextran ) were modified by attaching different organic compounds to their surfaces. PaCa2: Pancreatic cancer cells U937: Macrophage cell line GMCSF: Activated primary human macrophages RestMph : Resting primary human macrophages Прогнозирование свойств наноструктур Материал лекций проф. А. Тропши ( UNC, USA ) 3 3

Изображение слайда
38

Слайд 38

Хемография 34

Изображение слайда
39

Слайд 39

Хемография > 50 M соединений зарегистрировано Как визуализировать и работать с химическим пространством ? 35 J Comput Aided Mol Des DOI 10.1007/s10822-013-9672-4 Some popular estimations of the chemical space size

Изображение слайда
40

Слайд 40

Какие соединения должны быть приобретены или синтезированы для пополнения “in-house” базы данных ? Как выбрать набор соединений для скрининга ? Как оценить и проанализировать перекрывание различных баз данных ? Хемография : с практической точки зрения … 36

Изображение слайда
41

Слайд 41

3 7 Projection of a combinatorial library containing 15,840 three-component Ugi reaction products (- aminoacyl amide derivatives) formed from the condensation of an amine, aldehyde and isocyanide. In (A) the compounds’ measured inhibitory activity against tryptase is shown by color-coding each compound (dot) from blue (inactive) to red (active). In (B) compound clusters containing the same amine building block (R1) are highlighted in a different color. Хемография : с практической точки зрения … M. Reutlinger, G. Schneider / Journal of Molecular Graphics and Modelling 34 (2012) 108–117

Изображение слайда
42

Слайд 42

Дизайн сложных веществ 38

Изображение слайда
43

Слайд 43

Большие органические катионы : PF 6 -, Cl -, BF 4 -, CF 3 SO 3 -, [CF 3 SO 2 ) 2 N] - Анионы : Ионные жидкости ! Возможны 10 18 комбинаций ионов, способных образовать полезные ионные жидкости. ! Необходимы теоретические модели для поиска ионных жидкостей с заданными свойствами 39 Температура плавления Вязкость Токсичность Наиболее востребованные при прогнозировании свойства

Изображение слайда
44

Слайд 44

Компьютерный синтез 4 0

Изображение слайда
45

Слайд 45

Компьютерный синтез Компьютерный синтез (англ. Computer Assisted Synthesis Design ) - область химической информатики, охватывающая методы, алгоритмы и реализующие их компьютерные программы, оказывающие помощь химику в планировании синтеза органических соединений, прогнозировании результатов и дизайне новых типов органических реакций на основе обобщения данных по известным синтетическим превращениям. 4 1

Изображение слайда
46

Слайд 46

￸ Стандартные связи : одинарные, двойные, ароматические, … Динамические связи : Образованная одиночная, разорванная одиночная, … Представление химических реакций : конденсированные графы реакций 4 2 По материалам лекций проф. А.Варнека ( UDS, France )

Изображение слайда
47

Слайд 47: Поиск оптимальных условий протекания

Реакция Конденсированный граф реакций Фрагментные дескрипторы Метод машинного обучения 4 3 Поиск оптимальных условий протекания По материалам лекций проф. А.Варнека ( UDS, France )

Изображение слайда
48

Слайд 48: Поиск оптимальных условий протекания

reaction query Потенциальные продукты реакции A B C + H 2 44 По материалам лекций проф. А.Варнека ( UDS, France )

Изображение слайда
49

Слайд 49: Experimental validation Поиск оптимальных условий протекания

Experimental validation Sub A Conditions suggested by the program Expérimental validation catalyst solvent additif Yield ( Exp ) 1 Pt/C (10%) THF None A : 98 % 2 Pt/C (10%) DMF None A : 90 %, Sub : 2% 3 Ir/CaCO3 (5%) EtOH NEt3 (5 %) A : 100 % 4 Ir/CaCO3 (5%) Hexane None INSOLUBLE 5 Ir/CaCO3 (5%) DMF None A : 27%, Sub : 69 % + H 2 A. Varnek, in “ Chemoinformatics and Computational Chemical Biology ", J. Bajorath, Ed., Springer, 2010 Поиск оптимальных условий протекания 45 По материалам лекций проф. А.Варнека ( UDS, France )

Изображение слайда
50

Последний слайд презентации: Курс лекций «Введение в химическую информатику»

? Вопросы ? ? ?

Изображение слайда