Modelowanie molekularne jako etap poszukiwania nowych substancji o potencjalnym znaczeniu terapeutycznym
 
Więcej
Ukryj
1
Zakład Statystyki, Wydział Nauk Farmaceutycznych w Sosnowcu, Śląski Uniwersytet Medyczny w Katowicach
 
 
Autor do korespondencji
Elżbieta Chełmecka   

Zakład Statystyki, Wydział Nauk Farmaceutycznych w Sosnowcu, Śląski Uniwersytet Medyczny w Katowicach, ul. Ostrogórska 30, 41-200 Sosnowiec
 
 
Ann. Acad. Med. Siles. 2020;74:91-98
 
SŁOWA KLUCZOWE
DZIEDZINY
STRESZCZENIE
Praca stanowi przegląd literatury dotyczącej modelowania molekularnego, ze szczególnym uwzględnieniem użycia nowoczesnych metod in silico we wczesnych etapach projektowania nowych substancji leczniczych. Jej celem jest omówienie znaczenia oraz uzasadnienie słuszności zastosowania oprogramowania komputerowego w procesie tworzenia nowych leków. Przedstawiono etapy, przez które przechodzi związek, aby mógł być uznany za dobrego kandydata na lek, oraz omówiono kolejne fazy postępowania podczas poszukiwania substancji metodami modelowania molekularnego. Wykazano, że modelowanie molekularne może być narzędziem przydatnym w procesie projektowania substancji leczniczych; jest to również istotny czynnik redukujący koszty oraz skracający czas poświęcony na badania nad nowym lekiem. W związku ze znaczną efektywnością metod komputerowych powinno się prowadzić prace w zakresie ich dalszego rozwoju.
FINANSOWANIE
Praca została wykonana w ramach utrzymywania potencjału badawczego (badania statutowe): KNW-1-119/K/8/Z oraz KNW-1-162/N/9/Z.
 
REFERENCJE (24)
1.
Wałęsa R., Broda M.A. Rola modelowania molekularnego w procesie poszukiwania nowych substancji chemicznych o potencjalnym znaczeniu terapeutycznym. Lek w Polsce 2014; 24(16): 46–49.
 
2.
Nadendla R.R. Molecular modeling: a powerful tool for drug design and molecular docking. Resonance 2004; 9(5): 51–60.
 
3.
Kore P.P., Mutha M.M., Antre R.V., Oswal R.J., Kshirsagar S.S. Computer-aided drug design: an innovative tool for modeling. OJMC 2012; 2(4): 139–148, doi: 10.4236/ojmc.2012.24017.
 
4.
Ooms F. Molecular modeling and computer aided drug design. Examples of their applications in medicinal chemistry. Curr. Med. Chem. 2000; 7(2): 141–158.
 
5.
Messaoudi A., Belguith H., Ben Hamida J. Homology modeling and virtual screening approaches to identify potent inhibitors of VEB-1 β-lactamase. Theor. Biol. Med. Model. 2013; 10: 22–32, doi: 10.1186/1742-4682-10-22.
 
6.
DiMasi J.A., Grabowski H.G., Hansen R.W. Innovation in the pharmaceutical industry: New estimates of R&D costs. J. Health Econ. 2016; 47: 20–33, doi: 10.1016/j.jhealeco.2016.01.012.
 
7.
Bodera P. Tworzenie nowych leków: miejsca docelowe i receptory. Czas. Aptek. 2009; 1(181): 13–20.
 
8.
Moses H. 3rd, Matheson D.H., Cairns-Smith S., George B.P., Palisch C., Dorsey E.R. The anatomy of medical research: US and international comparisons. JAMA 2015; 313(2): 174–189, doi: 10.1001/jama.2014.15939.
 
9.
Mahan V.L. Clinical Trial Phases. IJCM 2014; 5(21): 1374–1383, doi: 10.4236/ijcm.2014.521175.
 
10.
Bielenica A., Kossakowski J. Zastosowanie metod obliczeniowych do wyznaczania budowy modeli farmakoforowych receptorów 5-HT1A, 5-HT2A oraz 5HT7. Biul. Wydz. Farm. WUM 2010; 1: 1–12.
 
11.
Cortés A., Moreno E., Rodríguez-Ruiz M., Canela E.I., Casadó V. Targeting the dopamine D3 receptor: an overview of drug design strategies. Expert Opin. Drug Discov. 2016; 11(7): 641–664, doi: 10.1080/17460441.2016.1185413.
 
12.
Hansch L., Leo A., Hoekman D. Exploring QSAR: Hydrophobic, Electronic, and Steric Constants. American Chemical Society, Washington, DC, 1995.
 
13.
de Ruyck J., Brysbaert G., Blossey R., Lensink M.F. Molecular docking as a popular tool in drug design, an in silico travel. Adv. Appl. Bioinform. Chem. 2016; 9: 1–11, doi: 10.2147/AABC.S105289.
 
14.
Phenix, online, https://www.phenix-online.org [Dostęp: 27.03.2020].
 
15.
Dali. Protein Structure Comparison Server, online, http://ekhidna2.biocenter.hels... [Dostęp: 27.03.2020].
 
16.
OmicX, online, https://omictools.com/ligsitec... [Dostęp: 27.03.2020].
 
17.
GeneXplain, online, http://genexplain.com/pass [Dostęp: 27.03.2020].
 
18.
Ferreira L.G., Dos Santos R.N., Oliva G., Andricopulo A.D. Molecular docking and structure-based drug design strategies. Molecules 2015; 20(7): 13384–13421, doi: 10.3390/molecules200713384.
 
19.
Gruca A. Bioinformatyczne bazy danych. Wydawnictwo PJWSTK. Warszawa 2010, s. 1–7.
 
20.
Eweas A.F., Maghrabi I.A., Namarneh A.I. Advances in molecular modeling and docking as a tool for modern drug discovery. Der Pharma Chemica 2014; 6(6): 211–228.
 
21.
Jagieła D., Łuczak S. Modelowanie w chemii. Laborant 2011; 3: 27–30.
 
22.
Huang P.S., Boyken S.E., Baker D. The coming of age of de novo protein design. Nature 2016; 537(7620): 320–327, doi: 10.1038/nature19946.
 
23.
Rodrigues T., Hauser N., Reker D., Reutlinger M., Wunderlin T., Hamon J., Koch G., Schneider G. Multidimensional de novo design reveals 5-HT2B receptor-selective ligands. Angew. Chem. Int. Ed. Engl. 2015; 54(5): 1551–1555, doi: 10.1002/anie.201410201.
 
24.
Lipinski C.A. Lead- and drug-like compounds: the rule-of-five revolution. Drug Discov. Today Technol. 2004; 1(4): 337–341, doi: 10.1016/j.ddtec.2004.11.007.
 
eISSN:1734-025X
Journals System - logo
Scroll to top