Məlumat

Bağlayıcı yaxınlıqlar hansı paylama növünə uyğun olmalıdır?

Bağlayıcı yaxınlıqlar hansı paylama növünə uyğun olmalıdır?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Mən K-ni orta hesabla götürmüşəmi PDSP K-dən dəyərləri Verilənlər bazası və mən təəccüblənməyə kömək edə bilmirəm: mən məcburi yaxınlıqlar üçün p dəyərlərini necə təyin edə bilərəm, belə ki, lazım gələrsə, verilənlərdəki anomaliyaları istisna edə bilərəm?


P-dəyərləri verilənlərin hansısa fon modelinə nə qədər uyğun olduğunu əks etdirir. Bu fon modeli məlumatlarla bağlı etdiyiniz bəzi fərziyyələri əks etdirməlidir. Sizcə, bu halda hansı fərziyyələr ağlabatan olardı? Məsələn, yüksək dəyərlərin səhv olma ehtimalının daha çox olduğunu güman edirsiniz?

Təklif olunan kmm kimi kənar göstəriciləri atmaq yəqin ki, yaxşı fikir deyil, çünki bu o deməkdir ki, siz çox yüksək və ya çox aşağı olan $K_i$ dəyərlərini siləcəksiniz. Bunun üçün çox bioloji əsaslandırmanın olması aydın deyil, çünki biz bilirik ki, bəzi $K_i$s aşağı, bəziləri isə yüksək ola bilər, lakin bu, bizə onların səhv olduğunu demir.

Nəticə budur ki, dəyərlərin necə görünməsi barədə bəzi fərziyyələr etmədən, yanlış dəyərlərin necə göründüyünü müəyyən edə bilməzsiniz.


Geniş miqyaslı spike-in təcrübəsində qeyri-spesifik bağlamanın qiymətləndirilməsi və korreksiyası

Bu yaxınlarda nəşr edilmiş geniş miqyaslı spike-in mikroarray verilənlər toplusunun mövcudluğu bizə qeyri-spesifik bağlama (NSB) siqnalında zond ardıcıllığının təsirini anlamağa kömək edir və NSB-nin qiymətləndirilməsi üçün bir neçə modelin müqayisəsinə imkan verir. Affymetrix bütün genom çiplərindən istifadə edilən tipik bir mikroarray təcrübəsində, zondların 30%-dən 50%-ə qədərində hədəf transkriptləri olmayacaq və yalnız NSB siqnalı göstərəcək və bu zondlar NSB-nin normallaşdırılması və məlumatların statistik təhlili üçün əhəmiyyətli təsir göstərə bilər. düzgün qiymətləndirilməmişdir.

Nəticələr

MAS5 mükəmməl uyğunsuzluq (PM-MM) modelinin NSB-nin qiymətləndirilməsi üçün zəif model olduğunu və Naef və Zhang ardıcıllığına əsaslanan modellərin NSB-ni əsaslı şəkildə qiymətləndirə biləcəyini aşkar etdik. Ümumiyyətlə, NSB (GC-NSB) hesablamaq üçün Naef bağlama yaxınlıqlarından istifadə edən GC möhkəm multi-massiv ortalamasından istifadə diferensial ifadənin aşkarlanması üçün digər üsullardan üstündür. Bununla belə, probeset ifadə dəyərlərinin yaradılması üçün ən yaxşı effektiv metodların intensivlikdən asılılığı mövcuddur. Aşağı intensivlikdə GC-NSB-dən istifadə edən üsullar digər metodlardan üstündür, lakin orta intensivlikdə MAS5 PM-MM metodları, yüksək intensivlikdə isə MAS5 PM-MM və Zhang-ın mövqedən asılı olan ən yaxın qonşu (PDNN) metodları ən yaxşı nəticə verir.

Nəticə

Probeset dəyərlərini yaratmaq üçün MAS5 PM-MM, GC-NSB və PDNN metodlarından istifadə edərək birləşmiş statistik təhlil fərdi metodlarla müqayisədə diferensial ifadəni və saxta kəşf dərəcələrinin təxminlərini aşkar etmək qabiliyyətinin təkmilləşdirilməsi ilə nəticələnir. Diferensial ifadənin aşkarlanmasında əlavə təkmilləşdirmələr normallaşmadan əvvəl boş probesetlərin ciddi şəkildə aradan qaldırılması ilə əldə edilə bilər. Bununla belə, Affymetrix GeneChip texnologiyası ilə bağlı anlayışımızda hələ də böyük boşluqlar mövcuddur və hər bir transkriptin konsentrasiyası məlum olan əlavə geniş miqyaslı məlumat dəstləri xüsusi bağlamanın daha yaxşı modelləri yaradılmazdan əvvəl istehsal edilməlidir.


Bağlayıcı yaxınlıqlar hansı paylama növünə uyğun olmalıdır? - Biologiya

Zülal reseptorunun və onun liqandının bağlanmasını öyrənmək üçün istifadə edilən tədqiqat metodlarının hərtərəfli nəzərdən keçirilməsi.

Fizioloji proseslər zülal-zülal və zülal reseptor-liqand qarşılıqlı təsirini əhatə edən molekulyar mexanizmlərlə tənzimlənir. Spesifik reseptorlarla liqand bağlanmasının kəmiyyətinin müəyyən edilməsi həm nəzəri tədqiqatların, həm də dərmanların yaradılması üzrə tədqiqatların əsas konsepsiyasıdır. Liqand-reseptor bağlanma qarşılıqlı təsirlərinin əsas aspektlərinə bağlanma yaxınlığı və kinetikası, hədəflərin konformasiyası, bağlama termodinamikası və liqand səmərəliliyi daxildir. Liqand-hədəf qarşılıqlı təsirlərinin hər bir addımı müxtəlif liqand bağlayan analizlərlə təhlil edilə bilər. Liqand bağlayan analizlərə etiketli, etiketsiz, struktur əsaslı, termodinamik və bütöv hüceyrə liqandını bağlayan analizlər daxildir (Cədvəl 1).

Təhlillər qrupuTəhlilMexanizmÜstünlüklərMənfi cəhətləri
Etiketli liqand bağlayan analizlərFloresan liqand bağlama analizləriOnun bir hədəfə bağlanmasını aşkar etmək üçün flüoresan etiketli liqand bağlama analizi tətbiq edilir.Bu analizlər geniş dalğa uzunluqlarına malikdir, buna görə də bir çox rəng tətbiq edə bilər.Təhlillər müxtəlif flüoresan müdaxilələrə həssasdır. Həmçinin, bir liqandın etiketlənməsi liqandın bağlanma xüsusiyyətlərində arzuolunmaz dəyişikliklərə səbəb ola bilər. Bundan əlavə, bir çox reseptorlar üçün yaxşı flüoresan liqandlar əldə etmək çətindir.
Radioliqand bağlama analizləriRadioaktiv olaraq etiketlənmiş liqand bağlama analizi onun bir hədəfə bağlanmasını aşkar etmək üçün tətbiq edilir.Membranla əlaqəli hədəflər üçün ən məşhur analiz. Yaxşı möhkəmlik, reseptor sıxlığının və paylanmasının dəqiq təyini, liqand bağlama yerləri və yaxınlıq.Yüksək səviyyəli radioaktivlik ilə işləməyin yüksək qiyməti və təhlükələri.
Nanolusiferazadan istifadə edərək bioluminescent bağlama analizləriBioluminescent reportyor nanolusiferaza (NanoLuc) protein hormonlarının onların reseptorları ilə qarşılıqlı təsirini öyrənmək üçün istifadə olunur.NanoLuc əsaslı analizlər bir sıra üstünlüklərə malikdir: yüksək həssaslıq, yüksək sabitlik və təkrar istehsal.NanoLuc müxbiri radioizotoplardan daha böyük olduğundan, reseptorun bağlanmasına potensial təsir göstərə bilər.
Etiketsiz liqand bağlama analizləriSəth plazmon rezonansı (SPR)SPR liqandların qızıl səthə bağlanmış reseptorlara bağlanmasını izləmək üçün yüngül həyəcanlı səth plazmon polaritonlarını tətbiq edir.SPR ən məşhur etiketsiz liqand bağlama testidir. Bu analiz bağlama kinetikasını təyin etmək üçün istifadə edilə bilər.Bu analizin məcburi səbəb olduğu konformasiya dəyişikliyinə aşağı həssaslığı var.
Plazmon dalğa rezonansı (PWR)PWR, SiO2 təbəqəsi və şüşə prizma ilə nazik gümüş filmdən hazırlanmış rezonatorda davamlı qütblü dalğa lazerini həyəcanlandıran elektromaqnit dalğalarını tətbiq edir. Liqandın bağlanması əks olunan işıqların amplitudasını, mövqeyini və enini dəyişir.PWR reseptor-liqand komplekslərinin anizotropik optik məzmununu araşdırır, beləliklə kütlə sıxlığı dəyişikliklərini konformasiya dəyişikliklərindən fərqləndirir.PWR sınma indeksi, qalınlıq və kütlə parametrlərinə görə SPR-dən daha aşağı həssaslığa malikdir.
Yaxınlığa əsaslanan biosensorlar üçün SPR görüntüləməBu analiz bağlama kinetikasını ölçür və intensivlik modulyasiyası ilə əlaqədardır və sabit bucaq altında aşkar edilmiş monoxromatik hadisə p-qütblü işığın əksetmə qabiliyyətini təhlil edir.Bu analiz real vaxtda bağlama hadisələrini izləmək üçün istifadə edilə bilər.Bu analiz müəyyən bir hədəf üçün müxtəlif birləşmələri xarakterizə edir, yenə də aşağı ötürmə qabiliyyətini təmin edir.
Nano-Flüoressensiya Mikroskopiyası (NFM)NFM zülal bağlama kinetikasını təhlil etmək üçün nano-maye əsaslı biosensorları və flüoresan mikroskopiyanı birləşdirir.Zülal bağlama kinetikası tək bir təcrübədə təhlil edilə bilər. NFM ilə analiz vaxtı digər mikrofluidik analizlərlə müqayisədə daha qısadır. Statistik səhvlər azalır və təhlil edilən molekulların ölçüsündə heç bir məhdudiyyət yoxdur.Floresans mikroskopiyasının məhdudiyyətləri.
Fısıldayan qalereya mikrorezonatoru (WGM)WGM molekulların rezonans dalğa uzunluğu dəyişikliklərində dəyişikliklərə səbəb olan boşluğun səthinə bağlanmasına dalğa həssaslığına əsaslanır. İşığın rezonans dəyişiklikləri molekulların çoxlu analizinə imkan verir.WGM molekulların aşkarlanması üçün yüksək həssas analizdir. Bu analizdən istifadə edərək qeyri-tarazlıq şəraitində dərman-hədəf qarşılıqlı təsirlərini öyrənmək imkanı hələ də aydın deyil.
Rezonans dalğa kılavuzu barmaqlığı (RWG)RWG işığı difraksiya vasitəsilə dalğa bələdçisinə birləşdirmək üçün nanoqrasiyadan istifadə edir. İşıq mikroplitədəki biosensorları nominal olaraq normal hadisə bucağında işıqlandırır. İmmobilizasiya olunmuş reseptorların dərmanla bağlanması rezonans dalğa uzunluğunun dəyişməsi ilə nəticələnir.RWG analizi yaxınlıq skrininqi üçün effektivdir.Hüceyrələrin böyük ölçüsü və sönən dalğanın məhdud nüfuz etmə qabiliyyətinə görə bu analiz hüceyrələrin öyrənilməsi üçün tətbiq edilmir.
Biolayer İnterferometriya Biosensor (BIB)Bu analiz, optik təbəqədən əks olunan işığın və maraq doğuran zülalları ehtiva edən biolayerin yaratdığı müdaxilə nümunələrini aşkar etmək üçün spektrometrdən istifadə edir.Bağlanma kinetikasını öyrənmək üçün effektiv analiz.Bu analiz əsasən kiçik molekulların aşkarlanması üçün təsdiq edilmişdir.
Struktur əsaslı liqand bağlama analizləriNüvə maqnit rezonansı (NMR)NMR maqnit sahəsində elektromaqnit şüalanmanı udan müəyyən atom nüvələrinin maqnit xüsusiyyətlərini təhlil edir.NMR zülalların strukturunu və zülal-liqand qarşılıqlı təsirinin molekulyar detallarını təhlil etmək və struktur əsaslı dərman dizaynına kömək etmək üçün tətbiq oluna bilər. Bundan əlavə, NMR hər hansı bir birləşmə sinfi üçün, demək olar ki, bütün həll olunan zülallar, yerli strukturlaşdırılmamış zülallar və ya membran zülalları üçün istifadə edilə bilər.Təhlilin yüksək qiyməti, vaxt aparan, alınan spektrlərin təhlili üçün uzun müddət tələb olunur. NMR-nin həlledici gücü rentgen kristalloqrafiyasından daha aşağıdır.
X-ray kristalloqrafiyasıBu analiz maraqlı molekulda elektron sıxlığının üçölçülü görüntüsünü yaratmaq üçün difraksiyaya uğramış rentgen şüalarının dəyişməsini ölçür. Molekulların quruluşunu təyin etmək üçün elektron sıxlığının əldə edilmiş təsvirindən istifadə olunur. Solvent effekti rentgen kristalloqrafiyası ilə araşdırıla bilər. Bütün 3D strukturu kristallaşmış materialın sistematik təhlili ilə əldə edilə bilər.Məhlullar və məhluldakı molekulların davranışı tədqiq edilə bilməz. Domen hərəkətləri də daxil olmaqla ikinci dərəcəli strukturların birbaşa təyini həyata keçirilə bilməz.
Termodinamik bağlama analizləriTermal denatürasiya analizləri (TDA)TDA zülalların istilik denaturasiyasını diferensial skan edən flüorimetriya ilə aşkar edir ki, bu da zülalların və ligandların mövcudluğunda termal denaturasiya prosesini izləmək üçün bir prob flüorofor tətbiq edir.Bu üsullar müxtəlif zülal ailələrinin kimyəvi profilində, yeni liqandların müəyyən edilməsində və məhluldakı tamponlarda zülalların sabitliyinin tədqiqində tətbiqlər tapmışdır.Bu üsullar denatürasiya zamanı birləşməyən çox kiçik zülalların analizi üçün uyğun olmaya bilər.
İzotermik titrasiya kalorimetriyası (ITC)ITC, bağlama reaksiyasının yaratdığı istiliyi hiss edərək bağlama entalpiyasının dəyişməsini ölçürBu üsul digərləri ilə müqayisədə yüksək güclü və entropiyaya əsaslanan liqandları aşkar etmək üçün faydalıdır.Bu üsul aşağı ötürmə qabiliyyəti və həssaslıq göstərir və böyük nümunə həcmləri tələb edir.
Tam hüceyrə ligand-bağlayıcı analizlərSəthi akustik dalğa (SAW) biosensoruBiosensorun səthi yüksək tezlikdə salınmaq üçün həyəcanlanır. Yaranan akustik dalğanın fazası kütləvi dəyişikliklərə görə dəyişir. Konformasiya xüsusiyyətləri amplituda dəyişikliyi ilə göstərilir.Bu analizdən istifadə edərək, müxtəlif hüceyrə səthi molekullarını hədəf alan bir neçə fərqli ligandın bütün hüceyrələrə ardıcıl bağlanması birbaşa real vaxtda aşkar edilə bilər.Canlı hüceyrələrdən istifadə edərək kiçik molekulların analizi üçün SAW biosensorları inkişaf etməmişdir.
RWG biosensoruRWG biosensoru hüceyrələrdə dərman-reseptor qarşılıqlı təsirini dinamik kütlənin yenidən bölüşdürülməsi adlı hüceyrə fenotipik imzalarına çevirə bilər.Bu analiz bağlanmanın nəticəsini və dərman və reseptorun ilkin qarşılıqlı təsirinin stimul-cavab şərhini ölçür. Həmçinin, RWG liqand bağlanması və dissosiasiyanın funksional nəticələrini təhlil edə bilər.RWG biosensoru birbaşa liqand bağlanmasını aşkar etmək üçün istifadə edilə bilməz.

Floresans geniş spektrli dalğa uzunluqlarına malikdir, buna görə də müəyyən bir hədəfin aşkarlanması üçün bir neçə rəng tətbiq oluna bilər. Floresensiya intensivliyini ölçmək üçün flüoresan anizotropiya, flüoresan korrelyasiya spektroskopiyası, zamanla həll olunan flüoresans, flüoresan qütbləşməsi, flüoresans və bioluminesans rezonans enerjisinin ötürülməsi kimi bir çox üsullardan istifadə olunur. Onların hamısı liqand bağlama analizlərində tətbiq edilmişdir. Fərqli qütbləşmə oxları boyunca flüorofordan yayılan işığın qeyri-bərabər intensivliyini ölçmək üçün flüoresan anizotropiya tətbiq oluna bilər [4]. Buna misal olaraq, G zülalla birləşmiş reseptorların (GPCR) liqand bağlama dinamikası üzrə son tədqiqatı göstərmək olar [5]. Flüoresan korrelyasiya spektroskopiyası flüoresans intensivliyinin dalğalanmalarını təhlil edir, flüoresan hissəciklərin orta sayını və diffuziya vaxtını ölçür, hissəciklərin kosmosdan keçməsini aşkar edir [6]. Zamanla həll olunan flüoresan, həyəcanlanmadan sonra flüoresans parçalanmasından ömrünü ölçmək üçün bükülmə inteqralını tətbiq edir [7]. Flüoresan qütbləşmə üsulu flüoroforu həyəcanlandırmaq üçün istifadə olunan qütbləşmiş işığın qütbləşməsi ilə flüorofordan yayılan işığın qütbləşməsi arasındakı fərqi aşkar edir [8].

Rezonans enerji ötürmə üsulları reaktiv amin turşusu yan zəncirlərinə əlavə edilmiş etiketlər tətbiq edir. Bu etiketlərə flüoresan zülallar və işıq yayan fermentlər daxildir. Flüoresan və bioluminescence rezonans enerji ötürülməsi (FRET və BRET) üsulları iki etiket arasındakı məsafələri izləmək üçün istifadə olunur. Bu üsullar tək zülal molekullarının konformasiya dəyişikliklərini və ya zülal-zülal qarşılıqlı təsirlərini təhlil edir. Bundan əlavə, FRET metodu enerjinin bir donor xromofordan akseptor xromoforuna qeyri-radiativ ötürülməsini aşkar edir (Şəkil 1) [1]. Metod bu yaxınlarda estrogen alfa reseptoru və onun ko-aktivatoru [9] arasındakı qarşılıqlı əlaqəni deşifrə etmək, GCPR liqand kitabxanalarını [10] skrininq etmək və reseptor-liqand bağlanmasını in situ aşkar etmək [11] üçün istifadə edilmişdir. doğma mühitində qarşılıqlı əlaqə. Zhao LH və digərləri canlı HEK-293 hüceyrələrində GFP ilə işarələnmiş paratiroid hormon reseptor-1 və tetrametilrodamin etiketli liqand arasında bağlanma kinetikasını ölçmək üçün FRET-i aşkar etdilər [12].

Son tədqiqatlar molekulyar qarşılıqlı əlaqəni öyrənmək üçün mikroarraylarla çoxkanallı flüoresan görüntüləmənin birləşməsini tətbiq etdi. Kinaz və G proteinlə əlaqəli reseptor (GPCR) kimi zülal mikroarrayları liqand bağlanmasını təhlil etmək üçün hazırlanmış və tətbiq edilmişdir [13]. Protein kinaz A və 80 kinaz inhibitor kitabxanası ilə leykosit spesifik protein tirozin kinazın təhlili bu iki kinaza üçün əvvəllər müəyyən edilmiş inhibitorları təsdiqlədi [14].

Onların xüsusi reseptorlarının öyrənilməsi üçün çoxlu flüoresan liqandlar hazırlanmışdır. Ən yeniləri arasında GPCR reseptorları [15], bradikinin B1 reseptoru [16], siqma-1 reseptoru [17], μ-opioid reseptoru [18], 5-HT3 reseptoru [19] və oksitosin reseptoru üçün liqandlar var. [20].

Texnikadakı son təkmilləşdirmələr real vaxt rejimində zülal kinetikasının monitorinqinə (məsələn, nano maye floresan mikroskopiya [21] ) və zülal-liqand qarşılıqlı təsirlərinin kəmiyyət təhlilinə imkan verdi [22].

Bir hədəfə bağlanmasını aşkar etmək üçün bu analizdə radioaktiv olaraq etiketlənmiş liqand tətbiq olunur. Radioliqand bağlama analizləri əsasən angiotenzin II tip 1 reseptoru [23] və ya apelin reseptoru [24] kimi G zülalı ilə əlaqəli reseptorlar kimi membrana bağlı molekullar üçün istifadə olunur. Radioliqand bağlama analizləri reseptorların tipini, anatomik paylanmasını və sıxlığını, ligand yaxınlığını və bağlanma yerlərini müəyyən edə bilər [25]. Üç eksperimental radioliqand bağlama analizi var: doyma analizi, rəqabətli analiz və kinetik analiz [26]. Doyma analizləri sabit reseptor səviyyəsindən və liqandın artan konsentrasiyasından istifadə edərək radioaktiv olaraq işarələnmiş liqandın reseptorla tarazlıq bağlanmasını təhlil edir. Təhlil toxuma/hüceyrə spesifik yaxınlığını və analiz edilən reseptorun sıxlığını ölçür. Rəqabətli analiz radioliqandın sabit konsentrasiyasında və etiketlənməmiş rəqibin müxtəlif konsentrasiyalarının mövcudluğunda, məsələn, [12, 23, 24, 27] tarazlıq bağlanmasını araşdırır. Bağlayıcı məlumatların təhlili reseptorun rəqib molekula yaxınlığını təmin edir. Kinetik analizlər reseptor/liqand cütlüyünün spesifik dissosiasiya və assosiasiya sabitlərini təyin etmək üçün istifadə olunur. Çoxlu reseptor spesifik radioliqand bağlama analizi protokolları hazırlanmışdır [28]. Zhao LH və digərləri, etiketsiz liqandın müxtəlif konsentrasiyalarının mövcudluğunda radioyodla işarələnmiş paratiroid hormonu vasitəsilə HEK-293T hüceyrələrində vəhşi tipli və mutant paratiroid hormonu reseptor-1-in ligandına qarşı bağlanma yaxınlığını ölçdülər [12]. Bağlanma parıldayan yaxınlıq analizi ilə ölçülə bilər [27].

Nanolusiferaza (NanoLuc) əsaslı metodlar yüksək həssaslıq və təkrar istehsal da daxil olmaqla bir sıra mühüm üstünlüklərə malikdir və BRET analizinə [29], in vivo görüntüləmə [30] və membranın daxililəşdirilməsinin qiymətləndirilməsinə [31] tətbiq edilmişdir. Bu yaxınlarda NanoLuc müxtəlif zülal hormonları və onların reseptorları üçün bağlanma analizlərində effektiv şəkildə istifadə edilmişdir. Bir sıra tədqiqatlarda relaksin [32], qrelin [33] və eritropoetin [34] aşkarlanması üçün NanoLuc əsaslı analizlərin tətbiqi barədə məlumat verilmişdir. Bundan əlavə, NanoLuc bu yaxınlarda G Protein-Birləşdirilmiş Reseptorların (GPCR) liqand bağlanmasının BRET-əsaslı qiymətləndirilməsinin hazırlanmasında istifadə edilmişdir [15]. Həm kimyəvi birləşmə, həm də genetik birləşmə bioluminescent bağlama analizlərinin inkişafı üçün tətbiq oluna bilər. Kimyəvi birləşmə texnikasına gəldikdə, seçilmiş zülal hormonları NanoLuc müxbiri ilə xüsusi olaraq konyuqasiya edilir. NanoLuc ilə əlaqəli zülallar xromatoqrafiya ilə təcrid oluna və bioluminesans üsulları ilə təhlil edilə bilər. Kimyəvi birləşmədən fərqli olaraq, genetik yanaşma biolüminessent məruzəçinin seçilmiş zülal sahəsi ilə birləşməsini tətbiq edir, ardınca bakterial və ya məməlilərdə əmələ gələn kompleksin həddindən artıq ifadəsi tətbiq olunur. hüceyrələr. Xüsusilə, genetik birləşmənin eritropoetinin membran reseptoru ilə qarşılıqlı təsirinin təhlili üçün təsirli olduğu bildirildi [34].

Peptid liqandlarının selenium etiketlənməsi, induktiv olaraq birləşdirilmiş plazma kütlə spektrometriyası ilə birlikdə reseptor-liqand qarşılıqlı təsirini ölçmək üçün qiymətləndirilmişdir [35].

Səth plazmon rezonansı, işığın qızıl səthdəki səth yükləri ilə qarşılıqlı əlaqəsi zamanı yaranan elektromaqnit dalğaları olan səth plazmon polaritonlarına (SPP) əsaslanır (Şəkil 2). SPR-nin əsas tətbiqi liqandların qızıl səthlə əlaqəli reseptorlara bağlanmasını təhlil etməkdir. Buna görə də, SPR bağlanma kinetikasını öyrənmək üçün istifadə olunur [36]. Dərman və onun hədəfi arasında təhlil edilən qarşılıqlı təsirlərə liqand-reseptor kompleksinin əmələ gəlməsi və bu kompleksin dissosiasiyası və ardınca liqandın çıxarılması daxildir. Dalğa uzunluğundakı dəyişiklikləri aşkar edən sensorqram yaratmaqla real vaxtda assosiasiya və dissosiasiya mexanizmlərini izləmək üçün SPR tətbiq edilir. Əsas odur ki, SPR kəmiyyət metodudur, çünki bu dəyişikliklər bağlı liqand molekullarının sayı ilə bağlıdır. Bununla belə, SPR-nin həssaslığı bağlanma nəticəsində yaranan konformasiya dəyişikliyinin aşkarlanmasında aşağıdır [37].SPR analizi müxtəlif həll olunan zülallar, o cümlədən kinazlar və proteazlar, həmçinin membran zülalları üçün istifadə edilə bilər [38]. Xüsusilə, SPR analizi membran zülallarının hüceyrədənkənar domenlərinin bağlanmasını [39], ortosterik və allosterik ligandların kemokin reseptoru ilə qarşılıqlı təsirini, CCR5, lipid-protein qarşılıqlı təsirini [40], zülal-karotenoid qarşılıqlı təsirini [41] təhlil etmək üçün istifadə edilmişdir. ], zülal-zülal qarşılıqlı təsirləri [42], toksinlərin bağlanması [43] yalnız bir neçə misal vermək üçün.

Nano-flüoressensiya mikroskopiyası (NFM) nano-maye əsaslı biosensorların və flüoresan mikroskopiyasının birləşməsini tətbiq edir. Nanofluidik immunosensor zülal/liqand qarşılıqlı təsirlərinin real vaxt rejimində kinetik qiymətləndirilməsi üçün effektiv şəkildə istifadə olunur. Digər immunoanalizlərdən fərqli olaraq, NFM bir sadələşdirilmiş addımda bağlama kinetikasını ölçməyə imkan verir və analizin uzunluğunu azaldır [21]. Xüsusilə, bu üsul flüoresan mikroskopla birbaşa qiymətləndirmə ilə antigen-antikor bağlanmasını təhlil etmək üçün istifadə edilə bilər [44].

SPR kimi, plazmon-dalğa ötürücü rezonans metodu da səthdən həyəcanlanan plazmonu tətbiq edir. PWR, SiO qatı olan nazik gümüş filmdən hazırlanmış rezonatorda qütbləşmiş davamlı dalğa lazerindən həyəcanverici elektromaqnit dalğalarından istifadə edir.2 və şüşə prizma (Şəkil 3). Bu analizdə reseptorlar xarici SiO2 üzərində hərəkətsizləşdirilir2 səthi. Liqandın bağlanması əks olunan işıqların amplitudasını, mövqeyini və enini dəyişir. SPR-dən fərqli olaraq, PWR reseptor-liqand komplekslərinin anizotrop optik məzmununu araşdırır və kütlə sıxlığı dəyişikliklərini konformasiya dəyişikliklərindən fərqləndirir [45]. Beləliklə, PWR reseptorların uyğunlaşmasında və yerli kütlə sıxlığında dəyişiklikləri təhlil etmək üçün tətbiq oluna bilər [46]. Bu analiz göstərir ki, tam agonistlər, qismən agonistlər və antaqonistlər də daxil olmaqla fərqli ligandlar reseptorlarda fərqli konformasiya dəyişikliklərinə səbəb olur. PWR-nin bakterial və məməlilərin hüceyrə membranlarından əldə edilən inteqral membran zülallarına liqand bağlanmasını öyrənmək üçün istifadə edildiyi üçün həqiqi bioloji membranlarda reseptor vasitəçiliyi ilə baş verən prosesləri araşdırmaq üçün faydalı vasitə olduğu bildirilmişdir [47].

Yaxınlığa əsaslanan biosensorlar üçün SPR təsviri bağlama kinetikasını ölçür və intensivlik modulyasiyası ilə əlaqədardır və sabit bucaq altında aşkar edilmiş monoxromatik hadisə p-qütblü işığın əksetmə qabiliyyətini təhlil edir [48]. Bu üsul sensorun bütün səthində bağlanma hadisələrini öyrənir. Bundan əlavə, SPR görüntüləmə tədqiqatları tez-tez xüsusi mikrospotları ölçmək üçün mikroarraylarla birləşdirilir [49]. SPR görüntüləmə maraq hədəfi üçün müxtəlif kimyəvi birləşmələri təhlil edir. Bundan əlavə, bu üsul biomarkerlərin identifikasiyası, mikroRNT-nin aşkarlanması və zülalların, DNT və RNT və bütün hüceyrələrin qarşılıqlı təsirlərinin təhlili üçün istifadə edilmişdir.

Pıçıldayan qalereya mikrorezonatoru (WGM) dalğaların algılanmasına əsaslanır və işığı məhdudlaşdırmaq üçün yüksək keyfiyyətli amillərə malik müxtəlif mikrorezonatorlar və ya rezonans boşluqları tətbiq edir, bu da işıq üçün çox kəskin rezonanslar yaradır [50]. Molekulların boşluğun səthinə bağlanması rezonans dalğa uzunluğunun dəyişməsinə səbəb olur. İşığın rezonans dəyişiklikləri molekulların çoxlu analizinə imkan verir. Digər etiketsiz liqand bağlama analizlərindən fərqli olaraq, geri səpilmə interferometriyası (BSI) homojen məhlul əsaslı biosensasiya kimi üstünlüyə malikdir. BSI, antigen-antikor qarşılıqlı təsirləri və host-patogen qarşılıqlı təsirlər daxil olmaqla, reseptor-liqand bağlanmasının müxtəlif növləri üçün tarazlıq dissosiasiya sabitlərini aşkar etmək üçün istifadə edilmişdir [51].

Texnikadakı bir sıra təkmilləşdirmələr artıq cihazın təkmilləşdirilmiş performansını təmin edir [52] və onların mürəkkəb mühitlərdə istifadəsinə imkan verir [53]. Xu və digərləri [54] bu yaxınlarda nümayiş etdirdilər ki, mikrorezonatorlar tezliklə bioloji parçalana bilər və biouyğun zülallara əsaslanır. Biosensasiya sahəsində ən yeni cihaz və gələcək inkişaf perspektivləri haqqında daha çox məlumatı son icmalda (2016) tapmaq olar [55].

Rezonans dalğa ötürücü şəbəkəsi (RWG) biomolekulyar qarşılıqlı təsirləri təhlil etmək üçün səthə bağlanmış elektromaqnit dalğasını tətbiq edir [56]. Bu üsulda işıq difraksiya yolu ilə nazik təbəqəyə birləşdirilir ki, bu da sönən dalğanın yaranmasına səbəb olur (Şəkil 4). RWG liqand və reseptor arasındakı qarşılıqlı əlaqəni təhlil etmək üçün səthlə əlaqəli elektromaqnit dalğasından istifadə edir. RWG metodunda birləşmənin maksimum səmərəliliyi sensor səthində yerli sındırma indeksinin funksiyası olan rezonans bucağında və ya dalğa uzunluğunda əldə edilir. Bundan əlavə, RWG adətən mikroplat formatında həyata keçirilir və yaxınlıq skrininqi üçün nəzərdə tutulmuşdur [57].

Biolayer interferometriya biosensoru, optik təbəqədən əks olunan işığın və maraq doğuran zülalları ehtiva edən biolayerin yaratdığı müdaxilə nümunələrini aşkar etmək üçün spektrometr tətbiq edir (Şəkil 5). Bu iki növ işıq bir-biri ilə qarşılıqlı əlaqədə olur və xüsusi müdaxilə nümunəsi yaradır. Liqandlar reseptorlara bağlandıqda, nəticə nümunəsi dəyişir. Müəyyən zirvələr və çökəkliklərlə təmsil olunan müdaxilə nümunəsinin bu dəyişiklikləri spektrometr tərəfindən aşkar edilə bilər. Bu üsul bağlama kinetikasını öyrənməyə kömək edir [58]. Bundan əlavə, BIB-nin bir alt növü olan biolayer interferometriya (BLI) liqand bağlanmasını ölçmək üçün effektiv şəkildə istifadə edilə bilər [59]. Pastushok L və digərləri RAD51 zülalına qarşı müsbət antikor fraqmentinin faq nümayişi klonunu müəyyən etdilər, nəticədə yaranan antikor fraqmentinin RAD51 ilə bağlanmasını və antikor fraqmentinin RAD51 ilə tək zəncirli DNT arasındakı bağlanmaya qarşı inhibitor təsirini Octet RED384 aləti ilə öyrəndilər. ForteBio-dan [60]. Silva MC və başqaları streptavidin sensorları ilə kiçik molekullar və biotinləşdirilmiş tau zülalları arasında biofiziki qarşılıqlı əlaqəni ölçmək üçün ForteBio Octet Red384 alətindən istifadə etdilər [61]. Rays HC və başqaları GABA arasındakı əlaqəni ölçdülərBR1a Sushi-1 və ya -2 domeni və ForteBio BLItz aləti ilə sAPP peptidləri [62]. E Verschueren və digərləri Octet Red sistemindən istifadə edərək BIB vasitəsilə AXL və IL1RL1 arasındakı qarşılıqlı əlaqəni təsdiq etdilər [39].

Kütləvi spektrometriya (MS) reseptor-liqand bağlayan qarşılıqlı təsirlər üçün faydalı bir vasitə kimi ortaya çıxır. MS avadanlığının həssaslığı getdikcə artır, indi adətən liqand bağlama analizlərində tapılan aşağı liqand kəmiyyətlərini aşkar etmək mümkündür. Onun tətbiqlərinin bəzi nümunələri insan dopamini [63, 64], norepinefrin və serotonin daşıyıcıları [63] üçün hazırlanmış MS bağlama analizləridir. MS əsaslı analizlər tez-tez yüksək məhsuldarlıqlı dərman skrininqi və yalan müsbət qarşılıqlı təsirlərin sayını azaltmaq üçün nəzərdə tutulmuş aşkarlama strategiyaları üçün seçim üsuludur [65]. Rays HC və başqaları siçovul beyin homogenatlarından sAPP-Fc yemləri ilə sAPP-bağlayıcı zülalları təmizlədilər və bu zülalları kütləvi spektrometriya vasitəsilə müəyyən etdilər [62].

Nüvə maqnit rezonansı (NMR) üsulları zülal-liqand komplekslərini öyrənmək üçün tətbiq edilən məşhur üsullardır [66]. Bunlara zülalla müşahidə edilən və liqandla müşahidə edilən NMR üsulları daxildir. Zülalla müşahidə edilən NMR üsulları zülal rezonanslarının kimyəvi yerdəyişmə dəyişikliklərini aşkar edir və buna görə də liqand bağlama yerini müəyyən etmək üçün istifadə edilə bilər. Molekullararası maqnitləşmənin ötürülməsindən asılı olaraq bir neçə liqand əsaslı NMR metodları mövcuddur, məsələn, doyma köçürmə fərqi spektroskopiyası, ötürülən nüvə Overhauser effektləri (NOEs) spektroskopiyası və gradient spektroskopiya təcrübələri ilə müşahidə edilən su-liqand [3].

Molekullararası maqnitləşmənin ötürülməsinə əsaslanan liqandla müşahidə edilən NMR metodlarına aşağıdakılar daxildir: köçürülmüş NOE spektroskopiyası (NOESY), doyma köçürmə fərqi (STD) spektroskopiyası və gradient spektroskopiyası (WaterLOGSY) vasitəsilə müşahidə olunan su-liqand [3]. Xüsusilə, köçürülmüş NOESY metodu zülalın substoixiometrik miqdarının mövcudluğunda aşağı molekulyar ağırlıqlı molekulların nümunəsi üzrə spektri təhlil edir. Bir zülalın iştirakı ilə molekulların qarışığında, zülala bağlanan molekullar güclü mənfi NOE göstərəcək, bağlayıcı olmayan molekullar isə çox zəif müsbət NOE nümayiş etdirəcəklər. Əgər iki liqand eyni vaxtda zülal səthində oxşar qalma müddətləri ilə birləşərək kompleks əmələ gətirir. Bu vəziyyətdə güclü mənfi liqand-liqand NOE müşahidə edilə bilər (Şəkil 6). Bundan əlavə, iki liqand birləşmələri eyni bağlama cibinə rəqabətli şəkildə bağlandıqda, NOE aşkar edilə bilər. Belə NOESY çarpaz zirvələri INPHARMA NOE kimi istinad edilir (Şəkil 6). Tərkibində GCPR40 olan membranlara liqandların konsentrasiyadan asılı bağlanmasının aşkarlanması üçün INPHARMA metodlarından istifadə edilmişdir [67]. Aguirre et al (2015) və Oxenoid and Chou (2016) tərəfindən hazırlanmış iki son rəy həm zülalla müşahidə edilən NMR təcrübələrinin, həm də liqandla müşahidə edilən NMR təcrübələrinin [68] istifadəsinə, eləcə də NMR metodlarının istifadəsinə dair böyük icmalları təqdim edir. liqandla induksiya olunan membran zülalının konformasiya dəyişikliklərinin öyrənilməsi [69]. Bundan əlavə, hidrogen/deyterium mübadiləsinin kütlə spektrometriyasında (HDX-MS) son nailiyyətlər zülal-zülal və ya zülal-liqand qarşılıqlı təsirləri ilə bağlı bağlanma yerlərini və struktur dəyişikliklərini müəyyən etmək üçün belə texnikadan istifadə etməyə imkan verir [70]. Rays HC və başqaları GABA-nın Sushi1 domeni ilə sAPP 9mer peptidinin bağlanmasını əldə etmək üçün TCI kriyoprobu ilə təchiz olunmuş Bruker Avance III HD 800 MHz spektrometrində həm protein əsaslı, həm də liqand əsaslı NMR-dən istifadə etdilər.BR1a [62].

X-ray kristalloqrafiyası (və getdikcə krio-EM) reseptor-liqand kompleksinin üçölçülü strukturunu təmin edir və hədəfə əsaslanan yanaşma üçün vacibdir. ChEMBL, PubChem və DrugBank kimi bioloji aktiv kimyəvi maddələrin strukturları ilə bağlı dəyərli məlumat verən bir neçə ictimai verilənlər bazası mövcuddur. Bu məlumat struktur əsaslı liqand dizaynı üçün effektiv şəkildə istifadə edilə bilər. Bundan əlavə, dərman kimyasının zülal-liqand kompleksləri haqqında kristalloqrafik məlumatlarla birləşməsi güclü bir üsula çevrildi. Üstəlik, çoxlu silisiumda kimyaformatika [71] və virtual skrininq [72] kimi üsullar dərmanların hazırlanması üçün çox faydalıdır.

Histamin H1 reseptoru [76], sfinqozin 1-fosfat S1P1 reseptoru [77], muskarinik M3 asetilkolin reseptoru [78] və digər reseptorlar kimi GCPR-lərin [73-75] strukturunu müəyyən etmək üçün rentgen əsaslı üsullardan istifadə edilmişdir. [79-81]. Bundan əlavə, adenozin A2A reseptoru [82, 83], D3 dopamin reseptorları [84] və CXCR4 reseptoru [85] üçün müxtəlif yaxınlıqlara malik yeni kimyəvi ligandları tapmaq üçün rentgen şüalarına əsaslanan analizlərdən istifadə edilmişdir.

Termal denatürasiya analizləri (TDA) məsələn, Thermo Fisher [23] tərəfindən hazırlanmış Quant Studio 6 real vaxt PCR sistemi ilə diferensial skan edən flüorimetriya (DSF) vasitəsilə zülalların termal denaturasiyasını aşkar edir. DSF-də zond flüoroforları müxtəlif şəraitlərdə, məsələn, liqandların olmaması və ya olması halında zülalların termal denatürasiya modellərindəki dəyişiklikləri aşkar etmək üçün istifadə olunur. Xüsusi liqandları ilə qarşılıqlı təsirdə olduqda, reseptorlar struktur və dinamik dəyişikliklərə məruz qalırlar ki, bu da onların istilik sabitliyini və ərimə nöqtəsini (Tm) artırmağa meyllidir. Belə dəyişikliklər TDA-lar tərəfindən aşkar edilir. İndiyə qədər TDA zülal ailələrinin kimyəvi profilinin təyin edilməsi və yeni liqandların identifikasiyası [86] və ya zülalların çoxlu sayda ehtimal olunan liqand birləşmələrinə qarşı vaxtında effektiv şəkildə və aşağı yalan-müsbət nisbətlərlə [86] ekranlaşdırılması üçün istifadə edilmişdir. Məsələn, Alam MM et al termostabilliyini ölçdü Plasmodium falciparum Applied Biosystems QuantStudio 6 və Protein Thermal shift proqramından istifadə edərək diferensial skan edilmiş flüorimetriya analizləri vasitəsilə müxtəlif liqandlarla protein kinaz PfCLK3 [87]. Meltdown [88] adlı proqram DSF təcrübələrindən əldə edilən termal ərimə əyrisi məlumatlarının təhlilini asanlaşdırmaq üçün istifadə edilə bilər. Proqram nəzarət yoxlamalarını, əyrinin normallaşdırılmasını, kənar göstəricilərin rədd edilməsini və Tm qiymətləndirilməsini həyata keçirir.

DSF texnikasının hərtərəfli təsviri DeSantis və Reinkinqin [89] son ​​icmalında verilmişdir. Həmçinin, bu yaxınlarda SYPRO Orange boyasının iştirakı ilə rekombinant zülalların kiçik miqyaslı, yüksək məhsuldarlıqlı termal denaturasiyası üçün metodoloji iş axını nəşr edilmişdir [90].

İzotermik titrasiya kalorimetriyası (ITC) bağlanma reaksiyasının yaratdığı istiliyi hiss edərək bağlama entalpiyasının dəyişməsini qiymətləndirir. ITC təcrübələri bağlama rejimlərinə entalpik və entropik töhfələr arasında fərq qoymağa imkan verir. Bundan əlavə, ITC metodu bağlama rejimlərindəki fərqləri aşkar etməklə oxşar bağlanma yaxınlıqları olan liqandları müqayisə etmək üçün istifadə edilə bilər. Xüsusilə, ITC entropiya ilə idarə olunan liqandların təhlilində çox etibarlıdır [94]. Bundan əlavə, bu yaxınlarda bir entalpik massiv hazırlanmışdır və etiketsiz qarşılıqlı təsirlərin təhlili üçün istifadə edilə bilər. ITC məməli və bakterial membran zülallarının fəaliyyətini öyrənmək üçün istifadə edilmişdir [95]. Bundan əlavə, ITC kemokin reseptorları, C5a reseptorları və paratiroid reseptorlarının N-terminal domenləri daxil olmaqla, GPCR-nin funksional sahələrinə liqand bağlanmasını araşdırmaq üçün tətbiq edilmişdir [95]. Bhogaraju S et al Malvern [96] MicroCal ITC200 ilə ITC təcrübələrində Legionella SidJ zülalının apo-kalmodulin və ya kalmodulin ilə bağlanma yaxınlıqlarını ölçdülər.

ITC biomolekulyar bağlanma proseslərinin termodinamikasını başa düşmək üçün qızıl standart metodu təmsil edir. Bu, yalnız bir liqandın dissosiasiya sabitini (KD) etibarlı şəkildə təyin etməyə imkan verir və aşkarlama diapazonu 1nM-100 μM ilə məhdudlaşır. Aşağı KD-lər yalnız rəqabətli liqand mövcud olduqda rəqabət və ya yerdəyişmə analizləri ilə müəyyən edilə bilər. Krainer və Keller (2015) eyni bağlanma yeri üçün müxtəlif yaxınlıqlara malik iki ligandın eyni vaxtda səciyyələndirilməsinə imkan verən ITC yerdəyişmə analizini təqdim etdilər [97].

TəchizatçıAlətlərNömrəNümunə istinadlar
Məqalələrin ümumi sayı 5
MicroCalITC2004XEG1 və ya XLP1-in GIP1 [98] ilə və SGN3 hüceyrədənkənar domeninin CIF2 [99] ilə, RALF23 peptidlərinin FER ektodomen ilə [100], sAPP fraqmentlərinin GABA ilə bağlanmasıBR1a Sushi-1 və ya -2 domen [62]
VP-ITC1SGN3 hüceyrədənkənar domeninin pH 5.8-də CIF2 ilə bağlanması [99]
TA AlətləriQohumluq1Reck və Wnt7 peptidlərinin bağlanması [101]

Səthi akustik dalğa (SAW) biosensoru mexaniki akustik dalğaların amplitüdlərini aşkar edir və təhlil edir. Bu üsul, monokristal piezo-materialdan hazırlanmış səthin akustik dalğalar tərəfindən salınması üçün həyəcanlandığı sensora əsaslanır. Molekulların kütlələri dəyişdikdə akustik dalğaların fazası dəyişir. Zülalların konformasiya dəyişiklikləri SAW [102] ilə aşkar edilə bilən akustik dalğaların amplitüdünün dəyişməsi ilə nəticələnir. Müəyyən edilmişdir ki, liqand bağlanması nəticəsində yaranan siqnal səthdəki kütləvi dəyişikliklərlə bağlıdır. SAW biosensorlarının sinif I Əsas Histouyğunluq Kompleksi molekulu HLA-A2 və anti-HLA monoklonal antikorlarından istifadə edərək hüceyrə/substrat qarşılıqlı təsirlərinin təhlili üçün effektiv olduğu göstərildi [103]. Həmçinin, SAW biosensorları qoxu reseptorlarının funksional analizləri üçün tətbiq edilmişdir [104].

RWG biosensoru biomolekulyar qarşılıqlı təsir analizi üçün istifadə olunur. Bundan əlavə, RWG biosensoru hüceyrələrdə dərman reseptorlarının qarşılıqlı təsirini dinamik kütlənin yenidən bölüşdürülməsi adlı hüceyrə fenotipik imzalarına çevirə bilər [105, 106]. Üstəlik, RWG biosensoru sensorun səthində yerli kütlə sıxlığını dəyişən bir çox hüceyrə hadisəsi nəticəsində əmələ gələn hüceyrə reaksiyasını aşkarlaya bilir. Aşkar edildikdən sonra sensor bağlama reaksiyasının nəticələrini təhlil edir. Bundan əlavə, bu yaxınlarda hazırlanmış RWG görüntüləyicisi liqandın təsir müddətini idarə etmək üçün mikrofluidik perfuziya sxemindən istifadə edərək liqand bağlanmasının nəticələrini təhlil edir [107]. RWG görüntü cihazı liqand bağlanmasının təsirini ölçmək üçün real vaxt rejimində perfuziya axını aşkarlayır (Şəkil 6). Xüsusilə, RWG biosensoru agonistlərin məruz qalma müddətini idarə etmək üçün istifadə edilə bilər [107]. Bundan əlavə, mikrofluidlər reseptorun funksional bərpa müddətini təyin edə bilir. RWG sensoru proteazla aktivləşdirilmiş reseptor PAR1 agonistlərinin reseptorların desensitizasiyasına və resensibilizasiyasına təsirini təhlil etmək üçün istifadə edilə bilər [108]. Bu tədqiqatlar göstərdi ki, RWG sensoru canlı hüceyrələrdə liqand-reseptor qarşılıqlı təsirlərinin funksional təsirlərini öyrənmək üçün istifadə edilə bilər.

Liqand bağlama analizləri həm bioloji funksiyaların tənzimlənməsini anlamaq məqsədi daşıyan tədqiqatlar, həm də bağlanma yaxınlığının və effektivliyinin müəyyən edilməsinə əsaslanan yeni dərmanların yaradılmasına yönəlmiş tədqiqatlar üçün effektiv şəkildə tətbiq edilir. Məlumatlarının olduğu güman edilir in vitro bir ligandın bağlama yaxınlığı haqqında əhəmiyyətli məlumatlar verə bilər in vivo bu liqandın effektivliyi. Bununla belə, ligand bağlanmasının bir çox əlavə aspektləri nəzərə alınmalıdır. Liqand molekulları hədəf zülallarda konformasiya dəyişikliklərinə səbəb ola bildiyindən, rentgen və NMR kimi struktur əsaslı üsullar konformasiya dəyişikliklərini və yeni bağlanma yerlərini müəyyən etməyə kömək etməlidir. Bundan əlavə, birləşmələrin terapevtik effektivliyini artırmaq üçün bağlama kinetikası optimallaşdırılmalıdır. Bağlama kinetikasının öyrənilməsi üçün SPR, PWR və RWG üsulları effektiv tətbiq olunur [107, 108]. Liqand-zülal qarşılıqlı təsirlərinin termodinamikası termodinamik bağlama analizləri ilə təhlil edilə bilər. Bundan əlavə, liqand bağlanması yalnız təmizlənmiş protein molekullarından istifadə etməklə deyil, həm də bütün hüceyrə ligand bağlama üsullarını tətbiq etməklə canlı hüceyrələrdə təhlil edilməlidir. Liqand-reseptor qarşılıqlı təsirlərinin mürəkkəbliyinin təfərrüatlı başa düşülməsinə etiketli, etiketsiz, termodinamik, struktur əsaslı və bütöv hüceyrə liqand bağlama metodları kimi müxtəlif liqand bağlayan analizlərin tətbiqi ilə nail olmaq olar.


Metodlar

Virtual skrininq - hesablamalı dərman identifikasiyası və optimallaşdırma protokolu - struktur əsaslı dərman dizayn tətbiqləri üçün əczaçılıq sənayesində uğur qazanmışdır [19]. Getdikcə artan farmakoloji hədəflər və potensial kimyəvi məkanın nəhəng böyüklüyü ənənəvi üsullardan istifadə edərək bahalı, eksperimental ölçmə ilə müqayisədə fəaliyyətin sürətli, aşağı qiymətli proqnozlarına ehtiyac yaratmışdır [20, 21]. Molekulyar yerləşdirmə, virtual skrininq növüdür, birləşmələri və ya liqandları bioloji hədəfin bağlanma yerində potensial bağlanma pozalarına yerləşdirir və qiymətləndirmə funksiyası ilə bağlanma yaxınlığını qiymətləndirir. Qiymətləndirmə funksiyası liqand və hədəf arasındakı qeyri-kovalent qarşılıqlı əlaqəni qiymətləndirir ki, artan bağlanma yaxınlığı olan birləşmələri sıralamaq üçün istifadə oluna bilən bağlayıcı enerji (bal) təmin edilir [22-24]. Əvvəlcə dok simulyasiyalarının molekulyar detalları, məs. dok pozaları və qiymətləndirmə paylamaları bir sıra fentanil analoqları üçün təqdim olunur. Bu birləşmələr yüksək struktur oxşarlığına malikdir, lakin sub-nM-dən μM-ə qədər dəyişən əhəmiyyətli dərəcədə fərqli bağlanma yaxınlıqlarına malikdir. Model iyirmi üç opioiddən ibarət struktur cəhətdən müxtəlif dəstlərin yerləşdirilməsi və qiymətləndirilməsi ilə daha da təsdiqlənir. Docking hesabı ilə bağlanma yaxınlıqları arasında güclü korrelyasiya opioidləri dok hesabına əsasən üç məcburi konsentrasiya rejiminə təsnif etməyə imkan verir.

23 opioid seriyası μOR kristal quruluşu ilə birləşdirildi (Şəkil 1B, PDBID: 5C1M [25]).Opioidlər dəstində səkkiz fentanil analoqu var (N- metil fentanil, N-metil karfentanil, fentanil, alfentanil, sufentanil, karfentanil, lofentanil və R30490), yeddi fentanil analoqu ((±)-tramadol, meperidin, propoksifen, difenoksilat və (±)-metadon) və səkkiz morfin törəməsi (kodin+,) )-pentazosin, oksikodon, nalbufin, morfin, oksimorfon, hidromorfon və buprenorfin). μOR, bağlanma yerini tutan agonist BU72 ilə aktiv vəziyyətdə kristallaşdı. Kristal strukturu Molekulyar Əməliyyat Mühitində (MOE) “QuickPrep” funksiyasından istifadə etməklə hazırlanmışdır [26]. "QuickPrep" zülal strukturunda titrə bilən bütün qalıqların protonasiya vəziyyətlərini təyin edir və istənilən sterik toqquşmaları aradan qaldırmaq üçün enerjini minimuma endirir. Kristal quruluşundakı bütün su molekulları strukturun hazırlanmasında saxlanılıb və yerləşdirmə və pozanın qiymətləndirilməsi zamanı daxil edilib. Hər bir opioid Triangle Matcher yerləşdirmə alqoritmindən istifadə edərək dock edildi və induksiya edilmiş uyğunluq protokolundan istifadə edərək dəqiqləşdirildi. Amin əsaslı opioidlərin bağlanması üçün kritik olan əsas qarşılıqlı təsir olan BU72-nin müsbət yüklü amininə kation farmakoforu yerləşdirildi [27]. Farmakofor ilkin yerləşdirmə üçün bir təklif kimi istifadə olunur, lakin ligand yerləşdirilməsi zamanı bağlayıcı cib və dərman rahatlaşır (induksiya edilmiş uyğunluq).

Zülal və kiçik molekullar kiçik molekullar üçün Genişləndirilmiş Hückel Nəzəriyyəsi parametrləşdirməsi ilə birlikdə Amber qüvvə sahəsi ilə modelləşdirilmişdir [28-30]. Docked dərmanlar GBVI/WSA skorlama funksiyası ilə qiymətləndirilir [31]. Bütün dərmanlar müsbət yüklü aminə şirallıq verən protonlaşdırılmış formada yerləşdirildi. Bütün fentanil və fenilpiperidin törəmələri hidrogeni eksenel mövqedə, R qrupu isə ekvator vəziyyətində yerləşdirdi. Morfin törəmələri hər iki protomerik vəziyyətdə dock edildi və ən aşağı orta dok balı istifadə edildi. Dok alqoritminin stoxastik xarakterini nəzərə alaraq, hər bir simulyasiyadan ən yaxşı dok pozasında və xalında müəyyən dəyişkənlik var. Buna görə də, hər bir opioid on müstəqil simulyasiyada yerləşdirildi və xal edildi və ən aşağı enerji pozasının ortalaması aşağıdakı analizdə istifadə olunur. Reproduktivliyi təmin etmək üçün bütün prosedur üç nüsxədə həyata keçirildi. Üç simulyasiya dəstindən ən yaxşı pozanın orta docking balı (ADS) hər bir dərman üçün 0,2 kkal/mol daxilindədir (Dəstəkləyici məlumat, Şəkil 1).

Metod daha sonra Faydalı Aldatmalar Kataloqu, Təkmilləşdirilmiş (DUD-E) tərəfindən yaradılan 50 ehtimal edilən qeyri-məcburi fentanil fırıldaqçılarının birləşdirilməsi ilə qiymətləndirildi [32, 33]. DUD-E fiziki olaraq fentanilə bənzər, lakin topoloji cəhətdən fərqlənən fırıldaqçı strukturlar yaratmaq üçün istifadə edilmişdir. Molekulyar forma fərqi bağlanma yaxınlığını azaltmalıdır. 50 fırıldaqçı ən azı bir müsbət yüklü amindən ibarət idi və əvvəllər təsvir edilmiş doklama protokolundan istifadə edərək dock edildi və təmizləndi. Nəhayət, fentanilin fırıldaqçılara nisbətən struktur oxşarlığı MOE-dən MACCS açarlarının (166-bit) və Tanimoto oxşarlıq indeksinin birləşməsindən istifadə etməklə qiymətləndirildi. Tanimoto oxşarlıq indeksi və ya Tanimoto əmsalı (Tc), 0-1 arasında dəyişir. Yüksək dərəcədə struktur oxşarlığı olan birləşmələr T-yə malikdirc 1-ə yaxın, struktur cəhətdən fərqli birləşmələr isə sıfıra yaxın hesaba malikdirlər.


Metodlar

Problemin tərifi

Giriş məlumatını ((M,D,T)) formatında qəbul edirik, burada (M) davamlı dəyərləri olan matrisdir, burada (M_)) dərman (i) və hədəf (j) birləşməsinin yaxınlığını təmsil edir. (D) dərmanların oxşarlıq matrisidir, (T) isə hədəflərin oxşarlıq matrisidir. Konkret olaraq, (M_) (M) -ün (i) -ci sətri kimi və (M_< cdot ,j>) (M) -ün (j) -ci sütunu kimi. Eynilə, biz (D_) təyin edirik) (D) sırasının (i) -ci sırası və (T_< cdot ,j>) (T) -ün (j) -ci sırası kimi. (M) elementlərinin yalnız alt çoxluğu müşahidə edilir və bizim məqsədimiz verilmiş məlumatla (M)-də müşahidə olunmayan bütün qiymətləri proqnozlaşdırmaqdır.

SimBoost və SimBoostQuant

Təklif etdiyimiz metod adlanır SimBoost, hər bir dərman, hər bir hədəf və hər bir dərman-hədəf cütü üçün xüsusiyyətlər qurur. Bu xüsusiyyətlər müvafiq olaraq dərmanların, hədəflərin və dərman-hədəf cütlərinin xassələrini təmsil edir. SimBoost xüsusiyyət vektorunu bir dərman və bir hədəfin hər bir cütü ilə əlaqələndirir. Müşahidə olunan bağlama yaxınlıqları olan cütlərdən xüsusiyyətlər və bağlama yaxınlıqları arasında qeyri-xətti əlaqələri öyrənmək üçün gradient gücləndirici maşın modelini hazırlayır. Model öyrədildikdən sonra, SimBoost məlum xüsusiyyətlərinə əsasən müşahidə olunmamış dərman-hədəf cütləri üçün bağlanma yaxınlıqları haqqında proqnozlar verə bilər.

versiyasını da təklif edirik SimBoost, çağırdı SimBoostQuant, proqnozun etibarlılığının ölçüsü kimi verilmiş dərman-hədəf cütü üçün proqnoz intervalını öyrənmək üçün kvantil reqressiyadan istifadə edərək proqnozun etibarlılığını hesablayan.

Şəkil 1 iş prosesini göstərir SimBoostSimBoostQuant, xüsusiyyət mühəndisliyi, gradient gücləndirici ağaclar və proqnozlaşdırma intervalının üç addımından ibarətdir. Bu addımlar aşağıda təqdim olunur.

İş axını SimBoostSimBoostQuant

Xüsusiyyət mühəndisliyi

Dərmanların, hədəflərin və dərman-hədəf cütlərinin xüsusiyyətlərini təsvir etmək üçün üç növ xüsusiyyət müəyyən edirik.

Tip 1 xüsusiyyətlər: Biz hər bir obyekt (yəni, dərman və ya hədəf) üçün xüsusiyyətləri çıxarırıq.

Obyekt üçün (M)-də müşahidələrin sayı (n.obs).

(M) müvafiq sətir/sütununda müşahidələrin sayı.

Obyektin bütün oxşarlıq ballarının ortası (ave.sim).

Dərman üçün (i) , orta (D_)) .

Hədəf (j) üçün orta (T_)) .

Obyektin oxşarlıq qiymətlərinin histoqramı (hist.sim).

Oxşarlıq dəyərlərinin tezlik vektoru, burada qutuların sayı giriş parametridir.

(M)-də (ave.val) obyekt üçün müşahidə edilən qiymətlərin ortası.

Dərman üçün (i) , orta (M_)) .

Hədəf (j) üçün (M_< cdot ,j>) ortası.

Tip 2 xüsusiyyətləri: Biz müvafiq olaraq (D) və (T) şəbəkələrindən biri dərmanlar, digəri isə hədəflər üçün iki şəbəkə qururuq. Düyünlər dərmanlar və ya hədəflərdir və onların oxşarlığı istifadəçi tərəfindən müəyyən edilmiş həddən yuxarı olarsa, iki qovşaq arasında kənar mövcuddur. Hər bir node üçün aşağıdakı xüsusiyyətləri müəyyənləşdiririk.

Qonşuların sayı (num.nb).

(k) - qovşağın ən yaxın qonşularının (k.sim) oxşarlıq qiymətləri.

1-ci Növün orta göstəricisi (k) - qovşağın ən yaxın qonşuları (k.ave.feat), sadəcə olaraq müxtəlif obyektlərdən bu vektorların ortalamasını alır və nəticədə eyni uzunluqda vektor yaranır.

Növün 1-ci xüsusiyyətlərinin ortası (k) - qovşağın ən yaxın qonşuları arasında, oxşarlıq qiymətləri (k.w.ave.feat) ilə ölçülür.

[35] (bt, cl, ev)-də təqdim edildiyi kimi qovşağın aralığı, yaxınlığı və öz vektor mərkəzliyi.

[36] (pr)-də təsvir olunduğu kimi PageRank balı.

Tip 3 xüsusiyyətlər: Biz (M)-dən dərmanlar və hədəflər üçün şəbəkə qururuq. Düyünlər dərmanlar və hədəflərdir və kənar bir dərmanı və hədəfi birləşdirir, kənar çəki kimi bağlama yaxınlığı ilə. Hər bir dərman-hədəf cütü üçün aşağıdakı xüsusiyyətləri müəyyən edirik.

Matris faktorizasiyasından gizli vektorlar (mf).

Dərman və ya hədəf üçün gizli vektor, (M) matris faktorizasiyası ilə əldə edilir.

Dərmandan hədəfin qonşularına (əgər varsa) çəkili ballar (d.t.ave).

Dərman (i) hədəf (j)-in qonşuları ilə yaxınlıq müşahidə edibsə, dəyərləri ortalayın.

Hədəfdən narkotikin qonşularına (əgər varsa) çəkili ballar (t.d.ave).

Hədəf (j) narkotik (i)-nin qonşuları ilə yaxınlıq müşahidə edibsə, dəyərləri ortalayın.

Düyünün (d.t.bt, d.t.cl, d.t.ev) arası, yaxınlığı və öz vektor mərkəzliyi.

Hər bir dərman və hədəf üçün biz Tip 1 və Tip 2 xüsusiyyət vektorlarını qururuq və hər bir dərman-hədəf cütü üçün Tip 3 xüsusiyyət vektoru qururuq. Hər bir dərman-hədəf cütü üçün ((d_) ,t_ )) , biz (d_) üçün Tip 1 və Tip 2 xüsusiyyət vektorlarını birləşdirərək xüsusiyyət vektoru qururuq.) və (t_) və ((d_) üçün Tip 3 xüsusiyyət vektoru ,t_ )) , Cədvəl 1-də göstərildiyi kimi.

Qradient gücləndirici reqressiya ağacları

Dərman-hədəf cütləri üçün davamlı bağlanma yaxınlığını proqnozlaşdırmaq üçün biz Xüsusiyyət Mühəndisliyi bölməsində müəyyən edilmiş xüsusiyyətlərə əsaslanan nəzarət edilən öyrənmə modelini öyrədirik. Aşağıdakı faydalarına görə [37] ilkin olaraq təklif edilmiş modelimiz kimi gradient gücləndirici maşını seçirik [38, 39]:

Dəqiqlik: gücləndirici alqoritm tədricən yaxşı dəqiqliyə nail olmaq üçün “zəif öyrənənlər” ardıcıllığını öyrədən ansambl modelidir.

Effektivlik: təlim prosesini paralelləşdirmək olar, bu da təlim vaxtını xeyli azaldır.

Aşağıda biz bu modelin bir variantına, metodlarımızda istifadə etdiyimiz gradient gücləndirici reqressiya ağaclarına qısa giriş təqdim edirik. Təfərrüatlar [38, 39]-da təsvir edilmişdir. Ümumi nəzarət edilən öyrənmə ssenarisində verilənlər dəsti (n) qoşalaşmış xüsusiyyət vektorları və etiketlərindən ibarət dəstlə təmsil oluna bilər: (D = < (x_),y_ )>) ( (|D| = n) ). Tapşırıq kontekstində (x_ -də ^) (i) -ci dərman-hədəf cütünün xüsusiyyətləri vektorudur, (y_) in R) onun bağlayıcı yaxınlığıdır.

Qradiyenti gücləndirən reqressiya ağacları modelində xal (hat_) giriş üçün proqnozlaşdırılır (x_) aşağıdakı funksional forma ilə verilir:

burada (K) reqressiya ağaclarının sayı, (F) isə bütün mümkün ağacların fəzasıdır.

Ağaclar toplusunu öyrənmək üçün ( < f_>) , biz aşağıdakı nizamlanmış məqsəd funksiyasını təyin edirik:

burada (l) proqnozu qiymətləndirən diferensiallana bilən itki funksiyasıdır (hat_) məlum bağlama yaxınlığı ilə əlaqədar (y_)) . İkinci termin (varOmega) həddindən artıq uyğunlaşmamaq üçün modelin mürəkkəbliyini (yəni ağaclar dəsti) ölçür. Bu məqsəd funksiyası ilə sadə və proqnozlaşdırılan gücləndirilmiş ağaclar dəsti ən yaxşı model kimi seçiləcək.

Model ağacları parametrlər kimi daxil etdiyinə görə həlli tapmaq üçün Evklid fəzasında ənənəvi optimallaşdırma üsullarından birbaşa istifadə edə bilmərik. Bunun əvəzinə modeli əlavə olaraq öyrədirik: hər iterasiyada (t) , (F) yeni ağac tapmaq üçün axtarılır (f_)) daha sonra ansambla əlavə olunan məqsəd funksiyasını optimallaşdırır. Formal olaraq ( şapka_^<(t)>) (t) -ci iterasiyada (i) -ci cüt üçün proqnoz olsun, model (f_) tapır) aşağıdakı məqsədi optimallaşdırır.

Bu məqsəd o deməkdir ki, model setə ən yaxşı funksiyanı əlavə edir. Ümumi şəraitdə yuxarıdakı məqsədi optimallaşdırmaq hələ də çətindir və biz ikinci dərəcəli Taylor genişlənməsindən istifadə edərək məqsədi təxmin edirik.

harada (g_ = partial_<<şapka^ <(t - 1)>>> l(y_ ,şapka_^ <(t - 1)>)) və (h_ = partial_<<şapka^ <(t - 1)>>>^ <2>l(y_) ,şapka_^ <(t - 1)>)) . (t) addımında aşağıdakı təxmini məqsədi əldə etmək üçün sabit şərtləri silə bilərik:

Qradiyent artırma alqoritmi iterativ olaraq optimallaşdıran ağacları əlavə edir ( ilde^<(t)>) istifadəçi tərəfindən müəyyən edilmiş bir sıra təkrarlar üçün.

Adətən davamlı verilənlər üçün nəzarət edilən təlim tapşırıqlarında biz kvadrat itki funksiyasından istifadə edirik (L = (y - hat))^<2>) xətanı hesablamaq üçün. Bu itki funksiyasının birinci və ikinci dərəcəli qradiyenti:

(varOmega) aşağıdakı kimi müəyyən edirik:

burada (>) ağacların sayıdır, (w_)^<2>) (f_)-dən (j) -ci yarpağa uyğun gələn məlumat üçün proqnoz xalıdır.) və (qamma) və (lambda) iki çəki parametridir.

Proqnoz intervalları

Proqnozun etibarlılığını xarakterizə etmək üçün kvantil reqressiya konsepsiyası ilə gradient gücləndirici reqressiya ağaclarını genişləndiririk. Tutaq ki, model (upalpha) kvantil parametrini nəzərə alaraq kvantili proqnozlaşdıra bilər. Intervalı əldə etmək üçün biz modeli iki dəfə (upalpha) kvantilini və proqnoz intervalının sərhədini almaq üçün ( (1 -upalpha) ) kvantilini hesablamağa öyrətməliyik. Bağlayıcı yaxınlıq üçün proqnoz vermək üçün intervalın mediandan istifadə edirik.

Kvantil reqressiyanı yerinə yetirmək üçün kvadrat itki əvəzinə aşağıdakı itki funksiyasından istifadə edirik:

burada (alfa) kvantil parametrdir, (y_)) həqiqi bağlayıcı yaxınlıqdır və (u_)) proqnozdur.

Qradiyenti gücləndirən ağaclar çərçivəsində yeni itki funksiyası stoxastik qradiyent enişi ilə optimallaşdırıla bilər. Hər bir məlumat nümunəsi üçün gradient

İkinci dərəcəli gradient burada tətbiq edilmir, ona görə də onu 1-ə təyin edəcəyik.

Biz yüksək bağlanma yaxınlığına malik dərman-hədəf cütlərinə daha çox əhəmiyyət verdiyimiz üçün model bu dərman-hədəf cütlərini daha çox çəkir. Buna nail olmaq üçün biz proqnozlaşdırma xətasını həqiqi yaxınlığa görə çəkirik, yəni həqiqi yaxınlıq nə qədər böyükdürsə, proqnozlaşdırma xətası bir o qədər çox çəki alır. Nəticədə itki funksiyası və gradient aşağıdakı kimidir:


ORİJİNAL ARAŞDIRMA məqaləsi

Lingling Zhao 1*, Junjie Wang 1, Long Pang 2, Yang Liu 1 və İyun Zhang 3
  • 1 Kompüter Elmləri və Texnologiyaları Məktəbi, Harbin Texnologiya İnstitutu, Harbin, Çin
  • 2 Kosmik Mühit və Material Elmləri İnstitutu, Harbin Texnologiya İnstitutu, Harbin, Çin
  • 3 Reabilitasiya Departamenti, Heilongjiang Əyalətinin Meliorasiya Baş Qərargahı Ümumi Xəstəxanası, Harbin, Çin

Dərmanlar və hədəflər arasında qarşılıqlı əlaqənin hesablama proqnozu dərman kəşfində daimi problemdir. Dərman-hədəf qarşılıqlı təsirinin proqnozlaşdırılması üçün ən müasir üsullar ilk növbədə məlum etiket məlumatı ilə nəzarət edilən maşın öyrənməsinə əsaslanır. Bununla belə, biotibbdə etiketli təlim məlumatlarının əldə edilməsi bahalı və zəhmətli bir prosesdir. Bu yazı, bağlanma yaxınlığını proqnozlaşdırmaq üçün yarı nəzarət edilən generativ rəqib şəbəkələrə (GAN) əsaslanan metodu təklif edir. Bizim metodumuz iki hissədən, xüsusiyyət çıxarmaq üçün iki GAN-dan və proqnozlaşdırma üçün reqressiya şəbəkəsindən ibarətdir. Yarı nəzarət edilən mexanizm modelimizə həm etiketlənmiş, həm də etiketlənməmiş məlumatların zülal dərman xüsusiyyətlərini öyrənməyə imkan verir. Bir çox ictimai verilənlər bazasından istifadə edərək metodumuzun performansını qiymətləndiririk. Eksperimental nəticələr nümayiş etdirir ki, bizim metodumuz sərbəst mövcud olan etiketsiz məlumatlardan istifadə etməklə rəqabət qabiliyyətli performansa nail olur. Nəticələrimiz göstərir ki, bu cür etiketlənməmiş məlumatlardan istifadə müxtəlif biotibbi əlaqənin çıxarılması proseslərində, məsələn, Dərman-Hədəf qarşılıqlılığı və zülal-zülal qarşılıqlı əlaqəsi, xüsusən də bu cür tapşırıqlarda yalnız məhdud etiketli məlumatlar mövcud olduqda, performansı əhəmiyyətli dərəcədə yaxşılaşdırmağa kömək edə bilər. Ən yaxşı bildiyimizə görə, bu, bağlanma yaxınlığını proqnozlaşdırmaq üçün ilk yarı nəzarət edilən GAN-a əsaslanan üsuldur.


4. Nəticələr

Burada biz spike protein variantlarının SARS-CoV-2 uyğunluğuna və daha dəqiq desək, ev sahibi arasında virus ötürülməsi, ev sahibinin yoluxuculuğu və ev sahibindən qaçma qabiliyyətinə təsirini proqnozlaşdıran sadə hesablama modeli olan SpikePro-nu qurduq və təsdiq etdik. #x02019s immun sistemi. Üstəlik, proqramdan istifadə etmək asandır və onu github.com/3BioCompBio/SpikeProSARS-CoV-2 saytından pulsuz yükləmək olar. SpikePro yüksək dəqiqliklə və bir neçə saniyə ərzində səhiyyə agentlikləri tərəfindən yaxından izlənilməli olan yüksək uyğunluğa malik yeni SARS-CoV-2 variantlarını müəyyən etməyə imkan verir.

SARS-CoV-2-nin yayılmasını azaltmaq üçün yenilikçi diaqnostika strategiyaları [60] və genomik nəzarət sxemləri [61,62] yaxınlarda tətbiq olunsa da, məsələn, epidemioloji analizlərlə [61] sürətli genişmiqyaslı virus genomunun ardıcıllığını birləşdirən bu cür yanaşmalar hələ də qalmaqdadır. vaxt aparan və həyata keçirilməsi üçün əhəmiyyətli miqdarda insan və maliyyə resursları tələb edir. Beləliklə, SpikePro yeni SARS-CoV-2 ştammlarının genomik müşahidə proqramlarında, xüsusən də yaxın gələcəkdə peyvənd olunan insanların sayının artması və bununla da virusa daha böyük seçici təzyiqlə oynayacaq mərkəzi rola malikdir [63].

Mövcud olan geniş eksperimental, epidemioloji və klinik məlumatlarda SpikePro-nu hərtərəfli təhlil etdik və təsdiq etdik. Modelin sadəliyinə, edilən təxminlərə və proqnozların düzgünlüyünü optimallaşdırmaq üçün quraşdırılmış parametrlərin olmamasına baxmayaraq, SpikePro boru kəməri toplanmış məlumatları yaxşı şəkildə təkrarlayır. Doğrulamanın irimiqyaslı mutagenez məlumatları, nAb kokteylləri və ya poliklonal insan seraları üzərində aparılmasından asılı olmayaraq, müqayisənin sünbül zülalının, sünbül zülalının/ACE2 kompleksinin və ya bir sıra sünbül zülalının/nAb komplekslərinin uyğunluğunu əhatə etməsi, nəticələr 0,3-0,5 diapazonda korrelyasiya əmsalları ilə yaxşıdır.

Bundan əlavə, SpikePro Böyük Britaniya, Braziliya və ya Cənubi Afrika variantları kimi tez-tez baş verən variantlar üçün yüksək ümumi fitness dəyərini proqnozlaşdırır və əsas fitnes töhfələrini düzgün müəyyənləşdirir. O, həmçinin ötən pandemiya ili ərzində SARS-CoV-2 virusunun ümumi fitness təkamülünü yaxşı əks etdirir.

Vurğulamaq lazımdır ki, SpikePro modeli məlum nəticələri təkrarlamaqla yanaşı, yaxın gələcəkdə və gələcək SARS-CoV-2-də düzəldilə bilən yeni sünbül zülal variantlarının təsirini təsvir etmək və şərh etmək üçün əsl proqnoz potensialına malikdir. Tanınmış struktura əsaslanan PoPMuSiC və BeAtMuSiC proqnozlaşdırıcılarından istifadə etməklə qiymətləndirilən sərbəst enerji töhfələri baxımından uyğunluğun fiziki təsviri sayəsində təkamül.

SARS-CoV-2 uyğunluğunun altında yatan molekulyar mexanizmlərin daha yaxşı başa düşülməsi istiqamətində əldə etdiyimiz irəliləyişlərə baxmayaraq, modelimizin qurulmasında gələcək tədqiqatlarda rahatlamağa çalışacağımız bəzi təxminlər etdik. Xüsusilə, biz amin turşularının mümkün silinməsini və ya sünbül zülalına daxil edilməsini nəzərə almadıq, baxmayaraq ki, onların viral fitnəyə təsir göstərdiyi sübut edilmişdir. Məsələn, müxtəlif nəsillərdə tapılan sünbül zülalının N-terminal sahəsində Δ 69� və Δ� silinməsi insandan insana virus ötürülməsinin artması ilə əlaqələndirilmişdir. dəyişdirilmiş antigenlik [21,64]. Epistatik təsirləri nəzərə almaq da maraqlı olardı. Həqiqətən, getdikcə daha çox variant sabitləşsə də, onlar arasındakı qarşılıqlı əlaqənin əhəmiyyətsiz olacağı gözlənilir. Model həmçinin SARS-CoV-2 virusunun digər zülallarına, məsələn, qeyri-struktur zülal 1 (Nsp1) üçün də genişləndirilməlidir. Nəhayət, daha çox nAbs/spike protein kompleksi yüksək rezolyusiyada həll edildikdə, onlar bizim D nAb dəstimizi zənginləşdirəcək və B hüceyrə reseptor repertuarını daha yaxşı təsvir edəcək. Vaxt və peyvənd statusu kimi müxtəlif amillərdən asılı olaraq RBD variantlarının bütün nAb-lara təsirinin çəkili kombinasiyasını nəzərə almaq immun cavabı və onun müvəqqəti təkamülünü təqlid etmək üçün metodumuzu daha da təkmilləşdirəcək.


ÜSULLAR

Bağlayıcı sabitlik və çəki matrisinin proqnozları

Protein-DNT qarşılıqlı təsirinin sərbəst enerji modeli

Bütün θ paylamaları həndəsi parametrlərdən ən azı birinin orta göstəricidən üç standart kənarlaşmadan çox uzaq olduğu bütün məlumat nöqtələrinin çıxarılması, ardınca isə bütün ortalamaların və standart sapmaların yenilənməsi ilə öz-özünə kəsilir. Bu prosedur konvergensiyaya qədər təkrarlanır, bu adətən 2-3 iterasiya tələb edir və məlumat nöqtələrinin yalnız bir neçə faizini çıxarır (28). Ref.də istifadə edilən 101 strukturdan ibarət qeyri-homoloji, əl ilə seçilmiş dəst. (20) DNT konformasiya potensialı üçün qüvvə sabitlərini əldə etmək üçün istifadə edilmişdir.

Bağlayıcı sərbəst enerjilərə əsaslanan çəki matrisi proqnozları

Eksperimental verilənlər toplusu

Sərbəst enerjilərin bağlanması

Bağlama yerləri və çəki matrisləri

Cədvəl 2 zülal-DNT strukturlarını toplayır, onlar üçün bağlanma yeri məlumatları və eksperimental çəki matrisi məlumatları mövcuddur. Zif268 çəki matrisi seçim təcrübəsindən götürülüb (31). Təcrübə G-C-G-T/g-G/A-G-G-C/a/t-G-G/T konsensus ardıcıllığını yaratdı, ondan beş bağlayıcı sayt variantı yaratmaq üçün istifadə etdik (Zif268 strukturundan konsensus ardıcıllığına əlavə olaraq). Yeddi üçün bağlama saytları və çəki matrisləri Escherichia coli TF-lər DPInteract verilənlər bazasından əldə edilmişdir (32). TrpR üçün DPInteract-dan 4 sayt RegulonDB-dən 10 əlavə saytla artırıldı (33). Ndt80 üçün Saccharomyces cerevisiae Ref-dən çəki matrisindən istifadə etdik. ( 34 ) Ndt80 bağlama yerləri YGNCACAAAA konsensus ardıcıllığı ilə Ndt80 tərəfindən tənzimləndiyi bilinən genlərin promotorlarının axtarışı ilə toplanmışdır. Təbiətdə yaranan 17 MAT toplusu a 1/α2 bağlama yerləri və sintetik konsensus ardıcıllığı Ref. ( 30 ). Səkkiz Gcn4p saytı Ref. ( 35 ) və TRANSFAC məlumat bazası ( 36 ). Nəhayət, Prd homeodomain homodimer üçün bağlama yerləri və çəki matrisləri Ref. (37), qalanları üçün məcburi məlumatlar Drosophila melanogaster TF-lər E. D. Siggia və E. Emberly (dərc olunmamış məlumatlar) tərəfindən toplanmışdır.

Proqnoz testi

İnterfeys atom kontaktlarının sayına əsaslanan zülal-DNT qarşılıqlı əlaqə modeli

( hbox< log >

_<_>^left(0 ight)=logleft(0.25sağ) )

PWM proqnozlarının əhəmiyyət testi


Nəticələr

Hədəf zülalların molekulyar yaxınlıq profillərinin PCA

Metodlarda təsvir edildiyi kimi, tədqiqatımızın məqsədi üçün istifadə olunan 154 zülal dəstini xarakterizə edən MAF profillərinin əsas faktor strukturunu müəyyən etmək üçün molekulyar yaxınlıq barmaq izlərinin ORTHOMAX/PARSIMAX fırlanması ilə PCA aparılmışdır. Cədvəl 2-də faktor təhlili nəticəsində əldə edilmiş ilk 40 amil üçün izah edilmiş dispersiyalar göstərilir. Ümumilikdə, orta dispersiya meyarına əsaslanan PCA təhlili MAF enerji dəyərlərinin ümumi dispersiyasının 71,4%-ni izah edən 30 amili təmin etdi və buna görə də sonrakı təhlillər üçün saxlanıldı. Cədvəldə göstərildiyi kimi, üç amil izah edilir, müvafiq olaraq >5% dispersiya, əlavə olaraq, ümumi dispersiyanın 90%-i sıfırdan fərqli özəl dəyərlərə malik 154 amilin nəzəri cəhətdən mümkün cəminin 78 amilindən istifadə etməklə izah olunur. Sadə bir quruluşa nail olmaq baxımından ortoqonal fırlanma prosedurunun (ortoqonal amil parsimax) performansını araşdırmaq üçün sonrakı təhlillər üçün saxlanılan fərdi amillərin hər biri üçün nəzərə çarpan yüklərin sayını araşdırdıq. Şəkil 1-də orta dispersiya meyarı əsasında saxlanılan 30 amil üzrə amillərin hər biri üçün nəzərə çarpan yüklərin (yəni, dəyəri ≥ 0,4 və ya ≤ -0,4 olan yüklərin) sayının paylanması göstərilir. Şəkildən göründüyü kimi, nəzərə çarpan yüklərin sayı ayrı-ayrı amillər üçün 10 ilə 35 arasında dəyişdi, bu, sadə strukturun əldə edildiyini göstərir, çünki fırlanan amillər orijinal dəyişənlərin yalnız kiçik bir hissəsini ehtiva edir.

MAF matrisinin 30 PCA faktoru üzrə nəzərə çarpan yüklərin sayı. Əsas komponent analizi (PCA) ilə hədəf zülalların Molekulyar Yaxınlıq Barmaq İzlərinin (MAF) matrisindən 30 amil əldə edilmişdir. Gözə çarpan yükləmələrin sayı (yəni, dəyəri ≥ 0,4 və ya ≤ -0,4 olan yükləmələr) fərdi amillər üçün 10 ilə 35 arasında dəyişdi, bu sadə faktor strukturunu göstərir, çünki orijinal MAF matrisində dəyişənlərin sayı 1255 idi.

Zülal bağlama yerlərinin həndəsi xüsusiyyətlərinin PCA (PocketPicker Deskriptorları)

MAF barmaq izlərinin təhlilinin analoqu kimi, PocketPicker deskriptor matrisinə daxil olan 405 dəyişənin tam dəsti üçün ORTHOMAX/PARSIMAX fırlanması ilə PCA təhlili aparılmışdır. Faktor təhlili nəticəsində ilk 40 amil üçün izah edilmiş fərqlər Cədvəl 3-də göstərilmişdir. 154 zülalın molekulyar yaxınlıq barmaq izlərinin PCA analizi üçün qəbul edilmiş yanaşmanın analoqu olaraq, biz ən azı 0,65% izah edən amillərin sayını müəyyən etdik. ayrı-ayrılıqda ümumi fərq. Cədvəl 3-də göstərildiyi kimi, bu meyar ümumi variasiyanın 94,1%-ni məcmu şəkildə izah edən 13 amillə nəticələnmişdir. Ümumilikdə, 5 amil həndəsi təsvirlərin ümumi dispersiyasının >5%-ni izah etdi. Bundan əlavə, öz dəyəri sıfırdan fərqli olan 154 amilin nəzəri cəhətdən mümkün cəminin 9 amili ümumi dispersiyanın 90%-ni təşkil etmişdir. Onu da qeyd edirik ki, 116 amil PocketPicker deskriptorlarının tam dəstinin dəyişməsinin 100%-ni izah edir (n = 405).

MAF profillərinin PCA-sına bənzər olaraq, sadə bir quruluşa nail olmaq üçün ortoqonal fırlanma prosedurunun performansı fərdi amillərin hər biri üçün nəzərə çarpan yüklərin sayı ilə yoxlanıldı. Şəkil 2 ilk 13 amil üzrə nəzərə çarpan yüklərin sayının (yəni ≥ 0,4 və ya ≤ -0,4 dəyəri) paylanmasını göstərir. Şəkildə göstərildiyi kimi, nəzərə çarpan yüklərin sayı fərdi amillər üzrə 42 ilə 75 arasında dəyişmişdir. Yenə də MAF profillərinin PCA təhlilinə bənzər olaraq, qabarıq yüklərin belə paylanması sadə strukturu əks etdirir, çünki fırlanan amillər orijinal dəyişənlərin yalnız kiçik bir hissəsini ehtiva edir.

PocketPicker deskriptor matrisinin 13 PCA faktoru üzrə nəzərə çarpan yüklərin sayı. Hədəf zülalların PCA ilə bağlanma yerlərinin həndəsi xüsusiyyətlərinin matrisindən 13 amil əldə edilmişdir. İlkin PocketPicker deskriptor matrisi 405 dəyişəndən ibarət olduğundan, nəzərəçarpacaq yüklərin sayı (yəni, > 0,4 və ya ≤ -0,4 dəyəri olan yükləmələr) sadə faktor strukturunu əks etdirən fərdi amillər üçün 42 ilə 75 arasında dəyişdi.

Molekulyar yaxınlıq profillərinin faktorial strukturunun və zülal bağlama yerlərinin həndəsi xarakteristikalarının müqayisəsi

Şəkil 3-də müvafiq olaraq MAF barmaq izləri və PocketPicker əsaslı həndəsi deskriptorlar əsasında üst-üstə qoyulmuş Scree planları göstərilir. MAF faktorlarının və PocketPicker faktorlarının məcmu fərqi ilə göstərildiyi kimi, PocketPicker faktorları üçün izah edilən fərqlər MAF-lara nisbətən daha sürətli doyur. Müvafiq olaraq, hər bir zülal üçün 1255 enerji dəyərindən ibarət olan Molekulyar Yaxınlıq Barmaq İzləri PocketPicker deskriptorları dəstindən əhəmiyyətli dərəcədə daha çox parametr (faktor) ilə təsvir edilə bilər.

MAF barmaq izləri və PocketPicker deskriptorları əsasında üst-üstə qoyulmuş Scree planları. PocketPicker (qırmızı dairə) əsasında həndəsi deskriptor matrisi üçün PCA faktorları ilə izah edilən məcmu dispersiya MAF profilləri (qara kvadrat) üçün məcmu dispersiyadan çox daha sürətli doyur və bu, MAF matrisinin daha mürəkkəb struktura malik olduğunu göstərir. Hər iki matrisin ilk 40 faktoru qrafa ilə çəkilir.

Kanonik korrelyasiya təhlili

Yuxarıda ətraflı göstərildiyi kimi, hədəf zülalların molekulyar yaxınlıq profilləri (n = 154) və onların müvafiq bağlanma yerlərinin struktur xüsusiyyətləri arasındakı əlaqə kanonik korrelyasiya və kanonik artıqlıq analizləri ilə tədqiq edilmişdir. Bu təhlillərin məqsədi üçün giriş dəyişənləri kimi müvafiq olaraq MAF və PocketPicker deskriptorlarının PCA-dan 30 və 13 faktor dəstindən amil xallarından istifadə edilmişdir.

CCA nəticələri iki dəst arasında statistik əhəmiyyətli çoxdəyişənli əlaqələri göstərdi (Cədvəl 4). Xüsusilə, müvafiq olaraq 0,87, 0,84 və 0,77 dəyəri olan ilk 3 kanonik korrelyasiya statistik əhəmiyyətə çatmışdır. İlk 3 kanonik amil cütü üçün kanonik amil strukturu Cədvəl 4-də göstərilmişdir. Cədvəldən göründüyü kimi, MAF-ın kanonik amil cütlüklərində və həndəsi deskriptorlarda (3, 5 və 3) əsas komponentlərin nisbətən az hissəsi üstünlük təşkil edir. MAF 6, PocketPicker həndəsi deskriptorları üçün 3 və 4 üçün) bu imtahanlar üçün tətbiq olunan 0,25 və -0,25 həddi yüklərə əsaslanır.

İki dəyişən dəsti arasında sıx çoxdəyişənli assosiasiyaya baxmayaraq, artıqlıq təhlili göstərdi ki, ilk 3 kanonik korrelyasiya ilə əlaqəli MAF faktoru barmaq izlərinin kanonik komponentləri həndəsi deskriptor faktor dəstinin ümumi dispersiyasının təxminən 15,9%-ni izah edir (Cədvəl 5). Analoji olaraq, artıqlıq təhlilinin nəticələri müəyyən etdi ki, müvafiq PocketPicker deskriptor amillərinin kanonik komponentləri (ilk 3 kanonik korrelyasiya ilə əlaqəli) MAF faktor dəstinin ümumi dispersiyasının təxminən 6,9%-ni izah edir. Bundan əlavə, nəzəri cəhətdən mümkün sıfırdan fərqli özəl dəyəri olan 13 kanonik komponent MAF faktorunun barmaq izlərinin ümumi dispersiyasının 13% -ni izah etdi, sıfırdan fərqli özəl dəyəri olan 13 kanonik komponentdən istifadə edən PocketPicker deskriptor faktorları üçün analoji dəyər 100% idi.

Nəticələrimizi daha da şərh etmək üçün 3 statistik əhəmiyyətli kanonik amil cütlüyünün əsas komponentləri araşdırıldı.

I amil cütlüyündə MAF tərəfdən yüksək müsbət nəticələrə malik olan benzodiazepinlər, barbituratlar və morfin törəmələri və aşağı, orta və yüksək basdırılma və məsafə dəyərləri ilə əlaqəli PocketPicker deskriptorlarının kifayət qədər homogen paylanması var idi (Şəkil 4A). Qısa məsafəli, aşağı basdırılmış və ya uzaq, yüksək basdırılmış deskriptorlar (ağ bloklar) ilə aşkar edilə bilən korrelyasiya yox idi. Proton pompası inhibitorları və heç bir birləşdirici qrup yaratmayan digər dərmanlar da daxil olmaqla bir neçə dərman üçün yüksək mənfi nəticələr müşahidə edilmişdir.

MAF və PocketPicker deskriptor matrisləri arasında kanonik korrelyasiya nəticələrinin vizual xülasəsi. A. Müvafiq olaraq 0,87, 0,84 və 0,77 korrelyasiya qiymətləri ilə üç statistik əhəmiyyətli kanonik amil cütü əldə edilmişdir. Orta hissədə hər bir amil cütü üçün kanonik korrelyasiya (R dəyəri) göstərilir. MAF amilləri üçün nümayəndə molekulları sol paneldə göstərilir (müvafiq olaraq müsbət və mənfi çıxıntılar üçün narıncı və mavi fon). PocketPicker qabarıqlarının paylanması sağ paneldə göstərilir. Altı müxtəlif basdırılma səviyyəsi A-F hərfləri ilə təmsil olunur, F isə ən yüksək basdırılma səviyyəsini təmsil edir, məsafə parametrləri üç qrupa (1-7 Å, 8-14 Å, 15-20 Å) toplanır. Narıncı və mavi rənglər müvafiq olaraq müsbət və mənfi cəhətləri ifadə edir. Ağ bloklar verilmiş məsafədə verilmiş təsviri cütünün olmamasını təmsil edir. Təfərrüatlar üçün mətnə ​​baxın. İxtisarlar: BZDs: benzodiazepinlər Morf.: morfin törəmələri Barb.: barbituratlar PPIs: proton nasos inhibitorları Phen: fenotiazinlər TCAs: trisiklik antidepresanlar. B. İlk üç kanonik amil cütləri arasında yüksək ballarla təmsil olunan protein bağlayıcı ciblərin formaları. Müsbət və mənfi qabarıqlar narıncı və mavi qutularla təmsil olunur. Bağlayıcı sahənin formaları daha yüksək basdırılma səviyyəsini təmsil edən daha dərin mavi rənglə 1Å-aralıqlı şəbəkədə yerləşdirilmiş rəngli toplarla təmsil olunur. Düz, səthli yerlər istisna olmaqla əksər hallarda bağlayıcı cibləri daha yaxşı görmək üçün zülal səthləri çıxarıldı, məsələn. 2pk4. III amilin müsbət çıxıntılarının zülalları dar, dərin bağlayıcı ciblərə malikdir, mənfi çıxıntılarda isə dayaz, kiçik ciblər (1aj6, 1apy) və geniş, geniş bağlanma yerləri (2fvv, 3fap) olur. Faktor II zülalları orta ölçülü və genişlikdə bağlanma yerləri kimi təsvir edilə bilər. PocketPicker dəyişənlərinin qabarıq yüklərinin paylanmasına əsasən, I amil zülalları koherent qrup təşkil etmir. Uzatılmış (1d3g), budaqlanan (1zsx, 2p0a) və həcmli bağlanma yerləri (2cca) bu amilə aiddir.

II faktor cütü, MAF faktoru tərəfində mənfi xallarla fenotiazinlər, trisiklik antidepresanlar və müəyyən böyük molekullar (məsələn, antibiotiklər) ehtiva edir, beta-laktamlar və antiviral agentlər isə bu amildə müsbət xallarla iştirak edirdi. PocketPicker faktoru tərəfində, aşağı və orta məsafələrlə əlaqəli aşağı və orta basdırılmışlıq dəyərləri müsbət ballarla müşahidə edilmişdir. Orta basdırılma səviyyələri ilə əlaqəli olan böyük məsafə təsvirləri mənfi korrelyasiya nümayiş etdirdi.

III amil cütünün MAF faktoru tərəfində kompakt molekullar (amin turşuları, üçüncü aminlər, antihistaminiklər) mənfi korrelyasiya verən uzun zəncirlərə malik molekullardan fərqli olaraq müsbət korrelyasiya yaratdı. PocketPicker tərəfindən orta və böyük basdırılmışlıq və kiçik/orta məsafə dəyərləri müsbət xallar əldə etmiş, kiçik, orta və xüsusilə böyük məsafələrlə əlaqəli kiçik (və orta) basdırılmışlıq dəyərləri mənfi korrelyasiya olmuşdur.

Həssaslıq analizi

Nəticələrimizin möhkəmliyini müəyyən etmək və tətbiq edilən qiymətləndirmə funksiyasının nəticələrə təsirini öyrənmək üçün AutoDock4 qiymətləndirmə funksiyasına əsaslanan məcburi sərbəst enerjiləri ehtiva edən dəyişdirilmiş MAF matrisi hazırlanmışdır. X-SCORE və ya AutoDock4 məlumat dəstinə əsaslanan kanonik korrelyasiya təhlilləri arasında əhəmiyyətli fərq yox idi. Hər iki halda üç əhəmiyyətli faktor cütü əldə edilmişdir. AutoDock4 məlumatları üçün kanonik R dəyərləri üç amil cütü üçün müvafiq olaraq 0,83, 0,70 və 0,66 olmuşdur. Kanonik artıqlıq təhlilləri də iki yanaşma arasında uyğunluğu aşkar etdi. Əhəmiyyətli PocketPicker amilləri AutoDock4 əsaslı MAF faktor dəstinin dispersiyasının 8,54%-ni izah edir, bu faktor dəsti PocketPicker deskriptorlarının variasiyasının 12,5%-ni izah edir.


Farmakodinamikanın əsas prinsipləri

Dərmanlar öz təsirini necə göstərir?

"Təqdim olunan qrupun bağlandığı protoplazmik molekulun birləşmə qrupu bundan sonra reseptor adlandırılacaq." PAUL EHRLİCH, 1909

"Corpora non agunt nisi fixata [maddələr bağlı olmadan hərəkət etmir]."

Dərmanın bioloji sistemi pozan hər hansı bir kimyəvi maddəsi kimi tərifi onların təsirini bir çox mexanizmlə yarada biləcəyini göstərir. Dərman təsirinin çoxsaylı mexanizmlərinə misal olaraq bunlar daxildir: dərmanın turşu və ya əsas xassələri (məsələn, antasidlər və ya protamin sulfat - heparin antaqonisti), onların membran səthi aktiv maddəsi (amfoterisin B) kimi fəaliyyət göstərmək qabiliyyətinə görə digər molekullarla kimyəvi qarşılıqlı təsirlər və ya onların zülalları denatürasiya etmək qabiliyyəti (büzücülər). Bununla belə, əksər dərmanlar öz terapevtik təsirlərini spesifikə bağlanaraq göstərirlər reseptor saytları. Reseptorların iki mühüm xüsusiyyəti var - onlar bağlamaq nisbətən yüksək yaxınlığa malik olan dərmanlar (liqandlar) və onlar dərmanı bağladıqdan sonra onlar siqnal ötürmək bioloji təsir yaratmaq. Bu sonrakı xüsusiyyət reseptorları bir çox dərmanları həvəslə bağlayan qan zülalları olan Albumin və ya α1-turşu qlikoprotein kimi inert bağlanma yerlərindən fərqləndirir, lakin etmə siqnal ötürmək. Bir çox dərman reseptorları bioloji siqnalları çox aşağı konsentrasiyalarda ötürə bilər (yəni onlar yüksək effektivdir). Məsələn, atropinin bağırsağın ileumuna bağlanması ilə bağlı tədqiqatlardan əldə edilən hesablamalar göstərir ki, hüceyrə səthinin yalnız 0,02%-i asetilkolin reseptorlarından ibarətdir (Yer səthinə nisbətən İslandiyanın səth sahəsi ilə müqayisə olunan sahə) (Kenakin, 1997) ).

Reseptor alt tipləri

Dərman reseptorları bir neçə əsas alt növə təsnif edilə bilər, o cümlədən:

Dərman reseptorlarının qarşılıqlı təsirinin kimyəvi əsasları

Dərmanlar reseptorlarla müxtəlif kimyəvi qarşılıqlı təsirlər vasitəsilə qarşılıqlı təsir göstərə bilər, o cümlədən:

Doza Cavab Əlaqəsi

Dərman tərəfindən tutulan reseptorların bir hissəsi dərman konsentrasiyasının bir funksiyasıdır. Dərman konsentrasiyası artdıqca, mövcud reseptorların getdikcə daha yüksək bir hissəsi bütün mövcud reseptorlar bağlanana qədər dərman tərəfindən tutulacaq. Dərman konsentrasiyası ilə reseptorların dərman tərəfindən tutulması arasındakı əlaqənin təsviri Şəkil 1-də göstərilmişdir.

Şəkil 1. Doza-cavab əlaqəsi. Xətti miqyasda (sol panel) tərtib edildikdə, doza-cavab əlaqəsi hiperbolikdir və adətən Langmuir bağlayıcı izotermi ilə yaxşı təsvir edilə bilər. Yüksək konsentrasiyalarda mövcud reseptorların dərmanla doyması səbəbindən reaksiya maksimuma çatır. Yarım log miqyasında (dərman konsentrasiyasına qarşı təsirin loqarifmi) qurulduqda əlaqə siqmoidal olur (S formalı). Yarım log diaqramı doza-cavab münasibətlərini qurmaq üçün üstünlük verilən üsuldur, çünki əyrinin xətti hissəsinə yerləşdirməklə EC50 dəyərini (maksimum cavabın 50%-ni yaradan konsentrasiya) dəqiq müəyyən etmək asanlaşır.

Aqonistlər və antaqonistlər

Dərmanlar adətən iki əsas kateqoriyaya bölünür: agonistlər və antaqonistlər. Aqonistlər narkotiklərdir bağlamaqaktivləşdirin reseptorlar. Klassik antaqonistlər reseptorları bağlayan dərmanlardır onları aktivləşdirmədən, və nəticədə digər agonistlərin bağlanmasının qarşısını alır. Dərman reseptorlarının qarşılıqlı təsirini "kilid və açar" modeli kimi konseptuallaşdırırsınızsa, agonistlər kilidə (reseptora) uyğun gələn və onları açan (aktivləşdirən) açarlardır, halbuki antaqonistlər kilidə yerləşərək mexanizmi sıxışdırır.

Aqonistlərin iki əsas xüsusiyyəti yaxınlıq və effektivlikdir. Qohumluq bir dərmanın öz reseptoruna bağlandığı davamlılıq kimi müəyyən edilə bilər. Statistik baxımdan, bir dərman molekulunun hər hansı bir anda mövcud bir reseptorla bağlanma ehtimalı kimi müəyyən edilə bilər. Effektivlik aqonistin bioloji təsirini yaratmaq qabiliyyətini təyin edən xas xüsusiyyətidir. Tərifinə görə, reseptor və ya toxuma deyil, dərmanın bir xüsusiyyətidir. Yaxınlıq dərmanı reseptorla əlaqələndirir və effektivlik dərman bağlandıqdan sonra nə baş verəcəyini müəyyən edir.

Eyni reseptora bağlanan və eyni tip cavab verən müxtəlif dərmanlar, adətən, yaxınlıq (potensial) və/və ya effektivlik baxımından bir-birindən fərqlənir. Termin güc hansı agonistin verilmiş reseptor üçün daha yüksək yaxınlığa malik olduğunu ayırd etmək üçün müqayisəli termin kimi istifadə olunur (Şəkil 2).

Şəkil 2. Eyni effektivliyə malik olan, lakin öz təsirləri baxımından fərqlənən bir sıra agonistlər (A, B, C və D) üçün doza-cavab əyrilərinin sxematik təsviri güc. Ən güclü dərman (A dərmanı) ən aşağı EC50 dəyərinə malikdir və D dərmanından təxminən 20-30 dəfə daha güclüdür.

Aqonistlər həmçinin effektivliyi və ya maksimum cavabı baxımından fərqlənə bilər. Şəkil 3, nisbi effektivliyi baxımından fərqlənən dörd agonistin süjetini göstərir. Dərman A ən təsirli, D dərmanı isə ən az təsirlidir.Bir reseptorun maksimum aktivləşdirilməsindən daha az istehsal edən dərmanlar çox vaxt adlanır qismən agonistlər. Çox az aktivləşdirmə yaradan dərman D, çox güman ki, yaxşı bir funksiyanı yerinə yetirəcək antaqonist A, B və ya C dərmanları üçün, çünki o, reseptorla birləşir (qeyd: eyni yaxınlıq), lakin yalnız minimal səviyyədə aktivasiya yaradır.

Şəkil 3. Effektivliyi ilə fərqlənən dörd agonist üçün doza-cavab əlaqələri. Hər bir dərman mahiyyətcə eyni EC50 dəyərinə malikdir (equi-potent), lakin bütün mövcud reseptor sahələrini doyuran yüksək konsentrasiyalarda yarada biləcəkləri maksimum reaksiya baxımından fərqlənir. A dərmanının nisbi effektivliyi C dərmanından 2 dəfə çoxdur və

Dərman D-dən 100 dəfə çox.

Aqonistlər üçün siqnalın ötürülməsi mexanizmləri

Bir agonist öz reseptoruna bağlandıqdan sonra onun təsiri bir neçə fərqli mexanizmdən biri ilə hüceyrə reaksiyasına çevrilir. Ən çox yayılmış mexanizmlərdən bir neçəsinə aşağıdakılar daxildir: a) ion kanalının birbaşa aktivləşdirilməsi, b) ion kanalının G-protein aktivləşdirilməsi, c) ikinci xəbərçi sistemin G-protein aktivləşdirilməsi və ya d) hüceyrədaxili fermentin reseptor aktivləşdirilməsi. (məsələn, tirozin kinaz). Bu mexanizmlərin nümunələri aşağıda göstərilmişdir.

Bir ion kanalının birbaşa aktivləşdirilməsi

Dərman reseptoru struktur olaraq bir ion kanalına bağlıdır. Dərmanın reseptor sahəsi(lər)ə bağlanması adətən ion kanalının açılmasına səbəb olan reseptor/kanal kompleksində konformasiya dəyişikliyi ilə nəticələnir. Bu, kanal keçirici ionlarının (məsələn, nikotinik reseptorlar üçün Na və K) elektrokimyəvi qradientindən aşağı axması ilə nəticələnir və nəticədə membran potensialında dəyişiklik baş verir (Şəkil 4). Nümunələr:

Şəkil 4. Liqanda qapılı ion kanalı. 2 molekul asetilkolin nikotinik reseptor/kanal kompleksinə bağlanması kanalın açılmasına səbəb olur. Skelet əzələsində bu, membran potensialının depolarizasiyası, fəaliyyət potensialının istehsalı və büzülmə (bioloji cavab) ilə nəticələnir.

Bir ion kanalının G-protein aktivləşdirilməsi

Dərman reseptoru G zülalının aktivləşdirilməsi yolu ilə ion kanalını stimullaşdırır (Şəkil 5). Alfa və ya beta/qamma alt bölmələri kanalın açılmasını stimullaşdırır. Nümunə olaraq, bu, asetilkolin ürək dərəcəsini yavaşlatmaq üçün hərəkət edən mexanizmdir.

Şəkil 5. G-protein aktivləşdirilmiş ion kanalı. Aqonistin m2 reseptoruna bağlanması G-proteinini (Gi) aktivləşdirir, bu da öz növbəsində K-selektiv kanalın açılmasını stimullaşdırır. K keçiriciliyinin artması membran potensialını hiperpolyarlaşdıracaq.

İkinci messencer kaskadının G-protein aktivləşməsi

İki yaxşı xarakterizə olunan ikinci mesaj kaskad mexanizmi var. Bunlardan biri adenilil siklazanın G-protein (Gs) vasitəçiliyi ilə aktivləşdirilməsini, sonradan düşərgənin əmələ gəlməsini və protein kinaz A (PK-A) aktivləşməsini əhatə edir (Şəkil 6). İkincisi, fosfoinozitidi IP3 və diasilqliserola qədər parçalayan fosfolipaz C-nin (PLC) G-protein aktivləşdirilməsini əhatə edir (Şəkil 7). DAG protein kinaz C-ni stimullaşdırmaq üçün ikinci bir xəbərçi rolunu oynayır və IP3 hüceyrədaxili mağazalardan Ca ionlarının sərbəst buraxılmasını stimullaşdırır.

Şəkil 6. cAMP/PK-A yolunun dərman vasitəsi ilə aktivləşməsi. Norepinefrin beta1-adrenergik reseptorlara bağlanaraq ATP-ni cAMP-yə çevirən adenilat siklazı (AC) stimullaşdırır. cAMP zülal kinaz A (PK-A)-nı stimullaşdırmaq üçün ikinci bir xəbərçi rolunu oynayır, bu da öz növbəsində müxtəlif zülalları fosforlaşdıraraq bioloji reaksiya yaradır. (məsələn, bu mexanizm norepinefrinin PK-A tərəfindən L tipli Ca kanalının fosforlaşması nəticəsində yaranan ürək əzələsinin daralma gücünü artırmaq qabiliyyətinə cavabdehdir).

Şəkil 7. Fosfoinositid/PK-C yolunun dərman vasitəsi ilə aktivləşməsi. AT1 reseptorlarına bağlanan angiotensin II fosfolipaz C-ni (PLC) aktivləşdirir. PLC fosfoinozitolu diasilqliserola (DAG) və IP3-ə parçalayır. DAG, müxtəlif hüceyrədaxili zülalları fosforlaşdıran protein kinaz C-ni (PK-C) aktivləşdirmək üçün ikinci bir xəbərçi kimi çıxış edir. IP3 hüceyrədaxili mağazalardan Ca-nın sərbəst buraxılmasını stimullaşdırır. Bu mexanizmlərin Ang II-nin damarların hamar əzələlərinə vazokonstriktiv təsirinə vasitəçilik etdiyi güman edilir.

Sitoplazmik fermentlərlə əlaqəli reseptorlar (məsələn, tirozin kinazlar)

Bu sinif reseptorları insulin və epidermal böyümə faktoru (EGF), atrial natriuretik amil (ANF) və transformasiya edən böyümə faktoru beta (TGF-β) kimi geniş çeşidli böyümə faktorları tərəfindən daşınan siqnalların ötürülməsində ilk addımlara vasitəçilik edir. Bu reseptorlarda xüsusi liqandla bağlanan hüceyrədənkənar domen və adətən tirozin kinaz proteini olan sitoplazmik domen var (Şəkil 8). Bununla belə, serin kinazlar və ya guanilil siklaza kimi digər fermentlər də reseptorla birləşdirilə və eyni mexanizmlə işləyə bilər.

Nümunələr: EGF, insulin, müxtəlif böyümə faktorları

Şəkil 8. Bir liqandın reseptorlara bağlanması reseptorların qarşılıqlı əlaqəsinə imkan verən reseptorların uyğunlaşmasında dəyişiklik yaradır. Reseptorlar arasında qarşılıqlı təsir tironzin kinazların aktivləşməsinə səbəb olur, nəticədə ferment sahələrinin avtofosforilasiyası və tirozin qalıqlarının müxtəlif aşağı axın siqnal zülallarında (S→S-P) fosforlaşması baş verir. Avtofosforilasiya, adətən, reseptor yerindən liqandın çıxarılmasından sonra davam edən agonistlərə (məsələn, insulin) uzunmüddətli reaksiya ilə nəticələnir.

Antaqonistlər: Rəqabətli və Rəqabətsiz

Antaqonistlər reseptorlara bağlanan (yaxşılıqlı), lakin əhəmiyyətli dərəcədə reseptor stimullaşdırılması yaratmayan dərmanlardır (çox aşağı effektivliyə malikdirlər). Antaqonistlər adətən rəqabətli və ya qeyri-rəqabətli kimi təsnif edilir. Rəqabətli antaqonistlər agonistlə eyni reseptor sahəsinə geri dönən şəkildə bağlanır. Onlar geri dönən şəkildə bağlandıqlarına və eyni bağlanma yeri üçün rəqabət apardıqlarına görə, onların inhibitor təsirləri daha yüksək konsentrasiyalı agonist əlavə etməklə “üstələnə bilər” (Şəkil 9A). Bu təsir agonist üçün doza cavabının sağa paralel sürüşməsinə səbəb olur (daha yüksək konsentrasiyalara doğru). Rəqabətli bir antaqonist olduqda, agonistlər hələ də antaqonist olmadıqda olduğu kimi eyni (məsələn, 100%) maksimum effekti verə bilər, yeganə fərq, eyni səviyyədə təsir yaratmaq üçün daha yüksək agonist konsentrasiyalarına ehtiyac olmasıdır. Reseptor antaqonistləri kimi fəaliyyət göstərən klinik olaraq istifadə edilən dərmanların böyük əksəriyyəti rəqabətli antaqonistlər. Rəqabətsiz antaqonistlər ya bağlamaq dönməz şəkildə (məsələn, kovalent bağlarla) agonistlə eyni yerə bağlanır və ya agonistin bağlanmasını azaldan başqa bir yerə bağlanır. allosterik mexanizmi. Rəqabətsiz antaqonistin əsas təsiri a maksimum effektin azalması agonist tərəfindən istehsal olunur (bax Şəkil 9 B). (Bəzi hallarda yamac da azaldıla bilər.) Rəqabətli antaqonistdən fərqli olaraq, rəqabətsiz antaqonistin təsiri bilməz sadəcə olaraq agonistin konsentrasiyasını artırmaqla dəyişdirilə bilər, çünki kütləvi hərəkət qanunu tətbiq edilmir.

Şəkil 9. Rəqabətli və Rəqabətsiz Antaqonizm nümunələri. A. Rəqabətli antaqonizm, burada həm agonist (İzoproterenol) və həm də antaqonist (Propranolol) eyni reseptor alt tipinə (β-adrenoreseptor) geri çevrilir. Rəqabətli antaqonistin iştirakı ilə doza-cavab əyrisi paralel şəkildə sağa sürüşdürülür. B. Rəqabətsiz antaqonizm. Fenoksibenzamin α-adrenergik reseptorlara geri dönməz şəkildə (kovalent bağlarla) bağlanır. Bu, mövcud reseptorların bir hissəsini azaldır və agonist tərəfindən istehsal edilə bilən maksimal effekti azaldır.

Əks agonistlər

Bəzi dərmanların, bəzi bioloji sistemlərdə, "əks agonistlər” ki, onlar adətən reseptor tərəfindən istehsal edilən cavabın əksi olan cavab verir şərti agonist tərəfindən stimullaşdırıldıqda. Belə bir təsiri izah etmək üçün təklif olunan mexanizmlərdən biri reseptorun bazal aktivliyinin dərmana bağlı azalmasıdır. Misal üçün, bəzi G-proteinlə əlaqəli reseptorlar hormon və ya neyrotransmitter olmadıqda bazal və ya "tonik" daxili fəaliyyət səviyyəsinə malikdirlər.. Bu, adenilat siklazın stimullaşdırılması kimi aşağı axın hadisələrinin tonik stimullaşdırılması ilə nəticələnir. “Əks agonist” bu reseptora bağlandıqda, reseptoru “stimulyasiya etmədən” bağlayaraq adi antaqonist kimi fəaliyyət göstərir. Bununla belə, əlavə olaraq, əks agonistin reseptorla bağlanması onun G-zülalları ilə qarşılıqlı təsirini azaldacaq şəkildə reseptor təsdiqini dəyişdirir., G-zülallarının bazal stimullaşdırılmasının azalması və adenilat siklazın aktivliyinin azalması ilə nəticələnir.

Dərman antaqonizminin digər mexanizmləri

Dərman təsirləri ilə bağlı digər “antaqonizm” növləri də var. Fizioloji antaqonizm homeostazı saxlamaq üçün mövcud olan iki müxtəlif kompensasiya bioloji mexanizmlərinin dərman aktivləşdirilməsini əhatə edir. Məsələn, norepinefrin qan təzyiqini artırmaq üçün təsiri (α-adrenergik reseptorların stimullaşdırılması yolu ilə) vaskulyar (arteriolar) endoteldən azot oksidinin sərbəst buraxılması ilə vazodilatasiyaya səbəb olan asetilkolin qəbulu ilə antaqonlaşdırıla bilər. Kimyəvi antaqonizm dərman kimyəvi kompleks əmələ gətirərək agonistin konsentrasiyasını azaltdıqda baş verir (məsələn, xelatlaşdırıcı maddələr). Farmakokinetik antaqonizm bir dərman digərinin metabolizmini və ya xaric edilməsini sürətləndirdikdə baş verir (məsələn, fenobarbitalın yaratdığı fermentin induksiyası antikoaqulyant kumadin metabolizmini artırır).

Dərmanlar çox vaxt bir neçə reseptor üzərində işləyir

Dərmanlar çox vaxt birdən çox reseptor üzərində işləyir və nəticədə birdən çox növ bioloji reaksiya yaradır (Şəkil 10). Yaxşı bir nümunə norepinefrindir (NE), simpatik nörotransmitter ola bilər istirahət edin bronxial hamar əzələ, lakin sıxmaq arterial hamar əzələ. Bu, NE-nin müxtəlif adrenergik reseptor alt tiplərinə (α və β) bağlanması ilə nəticələnir. Bronxial hamar əzələ β adrenergik reseptorlarla zəngindir, arterial hamar əzələ isə α adrenergik reseptorlarla zəngindir. Stimullaşdırıldıqda, α reseptor alt növü β adrenergik reseptorlarla müqayisədə fərqli bir növ bioloji siqnal ötürür. Hər bir reseptor alt növü fərqli G zülalları ilə selektiv şəkildə qarşılıqlı əlaqədə olur və beləliklə, müxtəlif hüceyrədaxili mesajlaşma yollarını aktivləşdirir və nəticədə müxtəlif bioloji reaksiyalar yaranır.

Şəkil 10. Tək bir dərman bir neçə reseptorla qarşılıqlı təsir göstərə bilər. Norepinefrin müxtəlif adrenergik reseptor alt tipləri (α və β) ilə qarşılıqlı əlaqədə olmaqla iki növ mesaj verə bilər. Bu reseptorlar müxtəlif hüceyrədaxili mesajlaşma sistemləri ilə birləşir və stimullaşdırıldıqda fərqli reaksiyalar verir. Bu reseptor alt tipləri adətən eyni toxumada bərabər miqdarda ifadə olunmur (məsələn, damarların hamar əzələlərində daha çox α reseptoru (α » β ), bronxial toxuma isə daha çox β reseptoru (β » α) ehtiva edir).

Xüsusiyyət və Seçicilik və Terapevtik Pəncərə

Dərman bir təsirə malikdirsə və bütün bioloji sistemlərə yalnız bir təsir göstərirsə, o, xüsusiyyətinə malikdir spesifiklik. Təcrübədə dərmanların böyük əksəriyyəti var seçici konkret deyil. Bu, ona görədir ki, əksər dərmanlar müvafiq yüksək konsentrasiyaya çatdıqdan sonra birdən çox reseptor yerində hərəkət edəcəklər. İki misal daxildir: a) L tipli Ca kanallarının blokatoru olan verapamil, lakin Na kanallarını yüksək konsentrasiyalarda bloklayır b) α2-adrenergik reseptorların blokatoru kimi terapevtik olaraq istifadə edilən, lakin 5-HT reseptorlarını, α1-adrenoreseptorları da bloklayan yohimbin dərmanı. , Na kanalları, monoamin oksidaz və xolinesteraz daha yüksək konsentrasiyalarda. Bir dərmanın terapevtik təsirini yaratdığı konsentrasiya diapazonu onun kimi tanınır terapevtik pəncərə. Yohimbin tərəfindən α2-adrenoreseptorların selektiv blokadası üçün terapevtik pəncərənin təsviri Şəkil 11-də göstərilmişdir.

Şəkil 11. The terapevtik pəncərə yohimbin tərəfindən α2 - adrenoreseptorların selektiv blokadası üçün. Əksər dərmanlar kimi, yohimbinin də bioloji fəaliyyətində əsl spesifiklik yoxdur.

EC50 vs ED50 - Fərqi nədir.

EC50 – yalnız in vitro tədqiqatlar üçün istifadə olunur

Doku banyosunda dərman təsirlərini araşdırarkən, dərmanın çirkli mənbəyindən istifadə edilmədiyi halda, dərman konsentrasiyası adətən dəqiq məlum olur (məsələn, St John's wort – tərkibində aktiv maddələrin qarışığı olan, preparatlar arasında müxtəlif təmizlik olan bitki mənşəli dərman) . Beləliklə, in vitro dərman təsirlərini öyrənərkən, ən çox dərman təsirini dərman konsentrasiyası ilə müqayisə etmək olar və maksimum effektin 50%-ni (EC50) yaradan konsentrasiya müəyyən edilə bilər.

ED50-nin iki tərifi var - biri bütün heyvan və populyasiya tədqiqatları üçün

Bir toxuma vannası təcrübəsindən fərqli olaraq, zaman bütöv bir heyvana və ya xəstəyə dərmanın verilməsi, biri adətən xüsusi bir “doza” verir (məsələn, 500 mq oral və ya i.v.). Bu sabit dozanın verilməsinə cavab olaraq qan dövranında əldə edilən dərman konsentrasiyası (məsələn, 1 və ya 10 mq/ml) dərmanın hansı orqan bölmələrinə paylanmasından (məsələn, hüceyrədənkənar və hüceyrədənkənar və hüceyrədaxili boşluq) asılı olacaq və fərqli olaraq dəyişəcək. dərmanın bədən bölmələrinə paylanma sürətindən və dərman mübadiləsinin sürətindən və/və ya böyrəklər tərəfindən orqanizmdən xaric edilməsindən asılı olaraq vaxt funksiyası. Nəticədə, bütün heyvan təcrübələrində biz müəyyən bir terapevtik effekt yaradan dozalardan danışırıq, məsələn. Maksimum effektin 50%-i ED50, EC50 deyil.

Bir də müəyyən edə bilər heyvanların və ya xəstələrin populyasiyasında dərman təsirlərinin necə dəyişdiyini. Bu tədqiqatlar adətən heyvanların/xəstələrin böyük bir populyasiyasına bir sıra dozaların verilməsini və “kvantal” cavabın hamısının və ya heç birinin ölçülməsini əhatə edir (məsələn, bu doza qusma yaradırmı və ya 1 saat ərzində baş ağrısını müalicə edirmi? ). Bu vəziyyətdə, hər bir heyvanda və ya xəstədə istənilən effekti yaratmaq üçün lazım olan minimum doza müəyyən edilə bilər. Bu tip tədqiqatın nəticələri kvant doza cavab əyrisi şəklində tərtib edilə bilər (Şəkil 12). Əhali tədqiqatında əhalinin 50%-də istənilən effekti yaradan doza “orta effektiv doza” adlanır və (təəssüf ki) ED50 və ya ED50 kimi də qısaldılır. Xülasə etmək üçün, ED50 bütün heyvan və ya populyasiya tədqiqatlarında müəyyən edilmiş dəyərdir.

Kvantal Doza-Cavab

Şəkil 2 və 3-də göstərilən doza cavab əlaqələri, cavabın agonist tərəfindən işğal olunmuş reseptorların sayına mütənasib gradasiyalarda baş verdiyi pilləli cavabların nümunələridir. Dərman reaksiyaları da müəyyən edilə bilər kvantal. Bu halda, müşahidə olunan cavab “hamısı və ya heç biri” əsasında təsvir edilir (müəyyən edilir). Kvantal doza-cavab əlaqəsinin təsviri Şəkil 12-də göstərilmişdir, o, dərmanın dozası ilə bu dozanın minimum effekt verdiyi tezlik arasında əlaqəni təsvir edir (məsələn, qan təzyiqinin 10 mm Hg aşağı salınması). Kifayət qədər böyük bir xəstə populyasiyası ilə, bu tip əlaqə tez-tez Qauss paylanması ilə yaxşı uyğun gəlir, burada statistik parametrlər xəstə populyasiyasında dərman reaksiyasının dəyişkənliyini proqnozlaşdırmaq üçün istifadə edilə bilər. Subyektlərin 50%-nin cavab verdiyi doza ED50-dir. Doza-cavab əlaqəsinin bu növü konvulsiyaların, aritmiyanın və ya dərman vasitəsi ilə ölümün qarşısının alınması kimi kvantal hadisələri müəyyən etmək üçün ən faydalıdır.

Şəkil 12. Kəmiyyət effektləri. Bir qrup xəstəyə dərmanın artan dozalarının tətbiqindən və hər bir xəstənin istənilən nəticə ilə cavab verdiyi minimum dozanın müşahidəsindən sonra əldə edilən məlumatlar toplusu. Nəticələr histoqram kimi tərtib edilmiş və Qauss əyrisi ilə uyğunlaşdırılmışdır. μ = orta cavab σ = standart kənarlaşma.

Dərman Təhlükəsizliyi və Terapevtik İndeks

Dərmanların müalicəvi təsiri, zəhərli yan təsirləri, bəzi hallarda isə öldürücü təsiri var. Yan təsirlər və öldürücü təsirlər adətən dozadan asılıdır və əhalinin 50%-də toksik təsir yaradan doza (TD50) və (ən azı heyvanlarda) əhalinin 50%-də (LD50) ölümcül təsirlər yaradan dozanın müəyyən edilməsi ilə ölçülə bilər. ). Zəhərli və öldürücü təsirlər üçün doza əlaqələri terapevtik doza-cavab əlaqəsi ilə müqayisədə fərqli meyllərə malik ola bilər, çünki onlar müxtəlif reseptorlar və ya mexanizmlər tərəfindən təsirlər yaradırlar (məsələn, Şəkil 9). Orta zəhərli doza ilə orta terapevtik doza arasındakı nisbi fərqi bilmək vacibdir. Bu əlaqəni təyin etməyin ən ümumi yolu istifadə etməkdir Terapevtik indeks (TI), TD50 və ED50 və ya arasındakı nisbət kimi müəyyən edilir TI=TD50/ED50. (TI-yə bəzən terapevtik nisbət də deyilir). TI-si 2 olan dərman nisbətən təhlükəsiz olardı, çünki dozanın iki dəfə artırılması (məsələn, 2 tabletin birinə qarşı qəbulu) xəstələrin yarısında arzuolunmaz yan təsirlərə səbəb olardı. TI nə qədər yüksək olsa, dərman bir o qədər təhlükəsizdir. Heyvanlarda Terapevtik İndeks tez-tez orta öldürücü doza ilə orta effektiv dozanın müqayisəsi ilə müəyyən edilir, yəni TI = LD50/ED50.

Başqa az istifadə olunur indeksdir Müəyyən Təhlükəsizlik Faktoru = LD1/ED99, əhalinin 1%-nə öldürücü olan dərman konsentrasiyası ilə əhalinin 99%-də terapevtik cəhətdən effektiv olan doza arasında nisbəti müəyyən edir. Bu rəqəm birdən çox olarsa, nisbətən təhlükəsiz bir dərmandır. Bu indeksin daha az istifadə edilməsinin səbəbi budur LD1 dəyəri, ən azı insan populyasiyaları üçün, etik səbəblərə görə adətən məlum deyil və ya zəif müəyyən edilir!

Şəkil 13. Terapevtik və toksik yan təsirlərin yaranması üçün doza-cavab əlaqələri arasındakı əlaqə. Terapevtik İndeks (TI) TD50/ED50 nisbəti kimi müəyyən edilir.

Ümumiləşdirmə və Potensiasiya

Orta xəstəxanaya yerləşdirilən xəstəyə adətən eyni vaxtda birdən çox dərman verilir, bu da milli göstəricidir

8 dərman. Dərmanların bir-biri ilə "aqonist" və ya antaqonist şəkildə qarşılıqlı təsir göstərə biləcəyini qəbul etmək vacibdir. Bu mövzuya daha sonra kurs zamanı daha dərindən toxunulacaq. Fizioloji, kimyəvi və farmakokinetik antaqonizm nümunələri yuxarıda müzakirə edilmişdir (səhifə 8). "Aqonistik" dərman qarşılıqlı təsirinin iki ümumi növü əlavə və ya sinergik qarşılıqlı təsirlərdir. Bənzər mexanizmlərə malik iki dərman birlikdə verildikdə, onlar adətən istehsal edirlər əlavə effektləri. Buna da deyilir ümumiləşdirmə. Bununla belə, əgər iki dərmanın təsiri onların fərdi təsirlərinin cəmindən artıq olarsa, buna belə deyilir potensiasiya və ya sinergizm. Potensiasiya dərmanların müxtəlif reseptorlarda və ya effektor sistemlərində fəaliyyət göstərməsini tələb edir. Potensiasiyaya misal olaraq AZT (HİV tərs transkriptazasını inhibə edən nükleozid analoqu) və proteaz inhibitoru (proteaz aktivliyi viral replikasiya üçün vacibdir) ilə kombinasiyalı terapiya ilə QİÇS-in müalicəsində qeyd olunan faydalı təsirlərin artması və ya birləşmiş təsirlər ola bilər. arterial qan təzyiqində norepinefrin və kokain.Əlavə və sinergetik effektlərin əlavə (qrafik təsviri) Şəkil 14-də göstərilmişdir.

Şəkil 14. Summation və Sinergetik effektlər yaradan dərman birləşmələrinin təsviri. Yuxarı: A və B dərmanları bərabər təsir göstərir və onların təsiri birləşdirildikdə əlavə olur. Aşağıda: Dərman A və B-nin yarım dozasının birləşməsi tək A və ya B-dən daha çox cavab verir.

Desensitizasiya

Dərmanlara, hormonlara və neyrotransmitterlərə reseptor vasitəçiliyi ilə reaksiyalar zamanla həssaslaşır. İlkin reaksiyadan sonra (məsələn, cAMP-nin hüceyrə yığılması, Na axını, K-nin axması) agonistin davamlı mövcudluğuna baxmayaraq, agonist tərəfindən istehsal olunan cavab tədricən bir neçə saniyədən bir neçə dəqiqəyə qədər azalacaq (Şəkil 15). Bu “desensitizasiya” adətən bir neçə dəqiqə ərzində agonist (və ya nörotransmitter səviyyəsinin yüksəldilməsi) çıxarıldıqdan sonra sürətlə geri çevrilir. Desensibilizasiyanın altında yatan mexanizm sistemdən sistemə dəyişir və bəzən qaranlıq olur. Sənədləşdirilmiş iki mexanizm daxildir: 1) Reseptorda dəyişiklik: reseptorların konformasiyasında agonist tərəfindən törədilən dəyişikliklər reseptorun fosforilləşməsi ilə nəticələnir ki, bu da reseptorun G zülalları ilə qarşılıqlı təsir qabiliyyətini azaldır və 2) Reseptorların itirilməsi: endositik veziküllərə daxililəşmə səbəbindən (bu, həm də defosforilyasiyanı təşviq edə bilər, plazma membranında tam işləyən reseptorların doldurulma sürətini artırır) Endositik veziküllərə sürətlə daxil olmaq və çıxmaq bir neçə dəqiqə ərzində baş verə bilər. Siqnal ötürmə mexanizmlərinin “aşağı axın” hissələrində əlavə mexanizmlər və ya dəyişikliklər də mümkündür.

Şəkil 15. Desensitizasiya. Asetilkolin daimi mövcudluğuna baxmayaraq, muskarinik reseptorların stimullaşdırılması ilə yaranan cavab (bax Şəkil 5) saxlanıla bilməz. Bu (simpatik reflekslərlə birlikdə) "vagal qaçış" kimi tanınan hadisələrə kömək edə bilər.


Videoya baxın: Az dili I hissə test toplusu. Köməkçi nitq hissələri. Bağlayıcı. (Avqust 2022).