超级计算机连接蛋白质药物的副作用
![The information in this diagram shows candidate drugs and off-target proteins from public databases being fed into an LLNL software program for high performance computers called VinaLC to determine docking scores in order to assess binding. The results are then fed into another computer program along with data from FDA-approved drugs with adverse drug reactions to determine which off-target proteins are associated with certain side effects. 超级计算机连接蛋白质药物的副作用](https://scx1.b-cdn.net/csz/news/800a/2014/12-supercompute.jpg)
新的药物由制药公司已经帮助数以百万计的美国人从他们的医疗条件减轻疼痛和痛苦。然而,药物创建过程经常错过许多副作用,杀死至少每年100000例,据《华尔街日报》自然。
劳伦斯利弗莫尔国家实验室的研究人员发现一个高科技的方法使用超级计算机来识别蛋白质,导致药物有一定的不利药物(ADR)或反应副作用。他们使用高性能计算机(HPC)处理蛋白质和药物化合物在实验室以外的一种算法产生可靠的数据设置药物发现。
研究小组最近其研究成果发表在《《公共科学图书馆•综合》名为“药物不良反应预测使用分数由大规模药物目标对接高性能计算机机器。”
“我们需要做点什么来识别这些副作用在药物开发周期的早期拯救生命和降低成本,“蒙特LaBute说,研究员LLNL的计算工程部门,论文的第一作者。
需要制药公司大约15年,给市场带来一种新药,平均费用为20亿美元。一种新药化合物进入第一阶段(早期)测试估计有8%的机会到达市场,据美国食品和药物管理局(FDA)。
一个典型的药物发现过程始于识别与特定疾病相关的蛋白质。候选药物化合物结合目标蛋白质的过程称为绑定来确定药物的有效性(功效)和/或有害的副作用(毒性)。目标蛋白质是已知蛋白结合药物化合物为了制药工作。
尽管这种方法能够识别和许多目标蛋白的副作用,有无数不为人知的“偏离”蛋白质,可以绑定到候选药物和可能导致意外的副作用。
![LLNL researchers Monte LaBute (left) and Felice Lightstone (right) were part of a Lab team that recently published an article in PLOS ONE detailing the use of supercomputers to link proteins to drug side effects. Photo by Julie Russell/LLNL 超级计算机连接蛋白质药物的副作用](https://scx1.b-cdn.net/csz/news/800a/2014/13-supercompute.jpg)
因为它是成本高昂到药物的实验候选人对一个潜在的大量的蛋白质和可能的非目标的列表之前不知道time-pharmaceutical公司通常只测试一组最小的非标靶蛋白质在药物开发的早期阶段。这导致药物不良反应通过药物开发的后期,剩余的未被发现的诸如临床试验,并可能使它的市场。
有几个高调与非目标蛋白的副作用的药物,已达到市场。例如,文迪雅,一个抗糖尿病药物,导致一些病人心脏病发作;和万络,抗炎药物,某些患者群体中引起心脏病发作和中风。两种疗法被召回,因为它们的副作用。
“没有迹象表明这些药物的副作用在早期测试或临床试验,“LaBute说。“我们需要一种方法来确定这种疗法之前达到患者的安全。我们的工作可以帮助这类药物的患者将受益最直接从他们用最少的副作用。”
LaBute LLNL的研究小组利用超级计算机和信息处理问题从公共数据库的药物化合物和蛋白质。后者包括蛋白质的数据库DrugBank UniProt和蛋白质数据库(PDB),以及药品数据库从FDA和帮派成员,包含FDA批准的药物和药物不良反应。
团队研究了4020年的非标靶蛋白质从DrugBank和UniProt。这些蛋白质索引针对PDB,削减到409年关闭蛋白质数量高质量三维晶体x射线衍射结构分析计算环境的必要条件。
美联储409年的非标靶蛋白质成利弗莫尔HPC的软件称为VinaLC连同906年fda批准药物化合物。VinaLC用分子对接矩阵绑定蛋白的药物。分数给每个组合评估是否有效的绑定。
绑定分数送入另一个计算机程序,结合560年fda批准的药物与已知的副作用。一种算法被用来确定哪些蛋白质与某些相关的副作用。
实验室团队发现在两个类别的疾病-血管疾病和肿瘤的计算模型预测的副作用在药物开发的早期阶段使用的非标靶蛋白质比当前的统计方法预测,不包括绑定的分数。
除了LLNL ADR表现预测方法比目前的预测方法,该小组的计算还预测新的潜在的副作用。例如,他们预测之间的连接与癌症相关的蛋白质通常转移到血管疾病如动脉瘤。他们的ADR预测验证了一次彻底的审查现有的科学数据。
“我们已经发现了一种非常可行的方法找到的非标靶蛋白质是重要的副作用,”LaBute说。”这种方法利用HPC和分子对接寻找adr从未真正存在过。”
该小组的研究成果为制药企业提供一个具有成本效益和可靠的方法来筛选副作用,根据LaBute。他们的目标是扩大计算制药研究——包括更多目标蛋白质进行测试和最终屏幕上每一个蛋白质在体内。
“如果我们能做到这一点,明天将有更少的副作用的药物可能会导致死亡," Labute说。十年“乐观,我们可以远离我们的最终目标。然而,我们需要帮助制药公司、卫生保健提供者和FDA为我们提供病人和治疗数据。”