Современная фармакология все активнее использует вычислительные методы, чтобы сократить путь от идеи до готового лекарства. Один из таких подходов — это QSPR-анализ (Quantitative Structure–Property Relationship), который позволяет прогнозировать свойства молекул ещё до их синтеза. Особенно важна эта методика в разработке лекарств от тяжёлых заболеваний, таких как рак груди.
В рамках недавнего исследования группа учёных применила новый математический аппарат — так называемые *топологические индексы полного соседства*, разработанные на основе теории графов. Эти индексы описывают молекулы в виде графов, где атомы — это вершины, а связи между ними — рёбра. Такой подход позволяет численно оценить структурные особенности молекулы, не прибегая к лабораторным испытаниям на начальных этапах разработки препарата.
В работе были проанализированы 16 широко применяемых в онкологии препаратов, включая доксорубицин, паклитаксел, рибоциклиб, доцетаксел, палбоциклиб, торемифен и другие. Для каждого из них была построена молекулярная граф-модель, после чего вычислены пять новых индексов полного соседства: первый, второй, модифицированный, забытый и модифицированный забытый. Эти индексы были сопоставлены с шестью ключевыми физико-химическими характеристиками: температурой кипения, энтальпией испарения, температурой вспышки, молярной рефракцией, LogP (распределение между жиром и водой) и молярным объемом.
В исследовании применялись два типа регрессионного анализа: кубическая регрессия и множественная линейная регрессия. Анализ показал, что множественная линейная регрессия демонстрирует более высокую точность предсказания, особенно для таких параметров, как молярная рефракция, молярный объем и температура кипения. Например, для молярной рефракции коэффициент корреляции достигал R = 0,994, что говорит о чрезвычайной точности модели.
Примечательно, что даже такие сложно моделируемые параметры, как LogP — важный предиктор проникновения лекарства через клеточные мембраны, — показали значимую корреляцию с модифицированным индексом полного соседства. Это особенно важно, ведь LogP оказывает влияние на абсорбцию и распределение препарата в организме.
Таким образом, внедрение новых топологических индексов не только повышает точность моделей QSPR, но и открывает возможности для более быстрого виртуального скрининга потенциальных препаратов. Это особенно актуально для лечения рака груди, где необходимы эффективные и безопасные препараты с минимальными побочными эффектами.
Преимущества предложенного подхода очевидны: экономия времени и средств на ранних этапах разработки; возможность оценки большого числа кандидатов без синтеза; повышение вероятности успеха на поздних стадиях доклинических испытаний.
Перспективы дальнейших исследований включают: расширение базы данных за счёт новых соединений; анализ дополнительных биологических свойств, таких как токсичность и биодоступность; сравнение эффективности новых индексов с традиционными дескрипторами; применение разработанных моделей к другим типам рака, включая рак матки.
Таким образом, математические модели и теория графов становятся мощным инструментом в арсенале онкологической фармакологии. Они позволяют по-новому взглянуть на структуру молекул и приблизиться к созданию более эффективных средств в борьбе с раком груди.
А затем «Добавить на главный экран». 