Komerční prezentace
Registrace uživatele

Přihlašte se k odběru informací, novinek, získejte přístup do diskuzního fóra.

Vesmír č. 10
Vesmír č. 10
Toto číslo vychází
2. 10. 2017
Novinky
Zdarma jedno celé číslo Vesmíru v pdf.
• Říjnové číslo Vesmíru
reklama

Vývoj nových léčiv v počítači

| seriál: Počítačová grafika | další >
Publikováno: Vesmír 94, 504, 2015/9

Počítačová grafika může ovlivnit i tak odlišnou oblast, jakou je farmaceutický průmysl. Díky víceoborové spolupráci na Masarykově univerzitě v Brně vznikl počítačový program CAVER, který je významným pomocníkem právě v oblasti vývoje léčiv a jiných významných chemických látek.

Důležitým stavebním kamenem všech organismů jsou molekuly proteinů. Některé plní stavební funkci, neméně významné jsou však proteinové enzymy, které díky své specifické struktuře katalyzují biochemické reakce probíhající v lidském těle. Je tedy zřejmé, že pro léčbu nemocí a návrat organismu k normálnímu fungování je pomoc proteinů nezbytná.

Protein je složen z řetězce aminokyselin spojených peptidovými vazbami. Řetězec se stáčí do složité prostorové struktury (obr. 2), která je pro každý protein specifická. Rozhodují o ní různé typy slabých interakcí (např. vodíkové vazby nebo van der Waalsovy síly) působících i mezi aminokyselinami, jež spolu v lineární sekvenci řetězce nesousedí.

Proteinová molekula obsahuje takzvaná vazebná místa, která jsou pro katalytické vlastnosti daného proteinu klíčová, protože se k nim vážou molekuly účastnící se katalyzované reakce. Mohou být umístěna na povrchu proteinu, ale často jsou hluboko uvnitř jeho struktury. Nejprve je tedy nutno příslušnou molekulu do vazebného místa dopravit. A právě problémem nalezení vhodných cest se zabývá program CAVER, produkt dlouhodobé spolupráce mezi vědci z Loschmidtových laboratoří Přírodovědecké fakulty a Laboratoře interakce člověka s počítačem Fakulty informatiky na Masarykově univerzitě v Brně.

Program hledá tunely

CAVER je softwarový nástroj zaměřený na analýzu proteinových struktur. Proteiny jsou zkoumány pomocí geometrických metod a algoritmů běžně používaných v oblasti počítačové grafiky. Pokud na protein nahlížíme jako na sekvenci aminokyselin složených z jednotlivých atomů, můžeme přejít ke zjednodušené interpretaci, podle níž se protein skládá ze sady atomů zaujímajících určitou pozici v prostoru. Vstupní datovou sadu pro následnou analýzu si tedy můžeme zjednodušeně představit jako sadu koulí reprezentujících jednotlivé atomy (obr. 3). Takovouto reprezentaci můžeme následně podrobit geometrické analýze, která určí volná místa uvnitř proteinové struktury. V těchto volných místech lze nalézt konkrétní cesty nazývané tunely, vedoucí z vnějšího prostředí proteinu do jeho vazebného místa.

Za první pokus o nalezení tunelů v proteinech lze považovat přístup publikovaný r. 2006 skupinou vědců z Přírodovědecké fakulty Masarykovy univerzity, vedenou profesorem Jiřím Damborským. Jednalo se o první verzi nástroje CAVER. Zvolené řešení však neposkytovalo uspokojivé výsledky, které by byly nezávislé na nastavení parametrů výpočtu. Proto autoři oslovili náš tým z Laboratoře interakce člověka s počítačem s cílem společně překonat limity spojené s první verzí programu. A právě zde se zrodila myšlenka, která se stala základem dalších verzí.

Nově navržená metoda je založena na využití Voroného diagramů, což jsou struktury běžně používané ve výpočetní geometrii (obr. 1). Jméno těmto diagramům dal ukrajinský matematik Georgij Feodosijovič Voronij (1868–1908). Voroného diagram definuje rozdělení prostoru na buňky, které je určeno na základě vzájemné vzdálenosti bodů tvořících vstupní množinu. V případě proteinů jsou jako vstupní množina brány body ve středu koulí reprezentujících atomy.

Mezi těmito body jsou postupně vytvářeny Voroného hrany, definující osu mezi dvěma sousedícími body. Tato osa je tvořena místy vzdálenými stejně od obou bodů. Voroného hrana tedy reprezentuje ideální cestu, na níž si stále udržujeme maximální možnou vzdálenost od nejbližších bodů. Nejmenší vzdálenost měřená na spojnici obou bodů určuje průchodnost Voroného hrany. Pokud tímto způsobem vyhodnotíme všechny atomy daného proteinu, dostaneme sadu hran, které reprezentují potenciální cesty skrz celý protein.

Nyní již stačí vhodným způsobem vybrat ty Voroného hrany, které vytvoří souvislou cestu z vnějšího okolí proteinu do vazebného místa. Protože toto vazebné místo je obklopeno atomy, můžeme začít cestu hledat z bodů odpovídajících těmto atomům a jejich Voroného hran. Podle velikosti molekuly, která má výslednou cestou projít, vybereme Voroného hranu odpovídající velikosti. Po navazujících hranách pokračujeme dále, dokud nedosáhneme vnějšího prostředí. Algoritmus pro hledání této cesty se nazývá Dijkstrův a je nejrychlejším známým algoritmem pro hledání nejkratších cest z jednoho bodu do ostatních.

Pro zjednodušení jsme celou situaci představili v rovině. Ale vzhledem k tomu, že atomy jsou rozmístěny v třídimenzionálním prostoru, je třeba Voroného diagram rovněž rozšířit do prostoru. Voroného hrany odpovídají ploškám (polygonům) a Voroného buňky jsou reprezentovány prostorovými objekty ohraničenými těmito ploškami.

Nejvhodnější cesty

Nalezenými tunely mohou molekuly malých organických látek pronikat do vazebného místa. Situace je však složitější. Komplikací může být velké množství tunelů vyhovujících velikosti dané molekuly (obr. 4). Jak tedy vybrat ten nejlepší?

Klíčem k určení vhodných tunelů je jejich prozkoumání v takzvané molekulové dynamice, která slouží k popisu pohybu proteinů v čase. Proteiny se stejně jako molekuly v jejich okolí neustále pohybují. Tunely se v důsledku těchto pohybů mohou rozšiřovat či zužovat, měnit svůj tvar a dokonce se opakovaně zavírat a otevírat. Pokud tedy ze všech existujících tunelů vybereme pouze ty, které jsou převážně otevřeny, máme velkou šanci, že jsme nalezli tunel, který malá molekula využije pro svou cestu do vazebného místa. Díky tomu, že takových dostatečně širokých tunelů je zpravidla velmi málo, dokážeme výrazně snížit počet tunelů, jimž má smysl věnovat další výzkum.

Poté nastává čas pro to, aby vybrané tunely biochemici prozkoumali. Vhodnost tunelu totiž neovlivňuje pouze jeho šířka a otevřenost v molekulové dynamice, ale i vlastnosti aminokyselin v jeho okolí. Pokud se například v okolí tunelu nachází záporný náboj a molekula vstupující do tunelu je nabita také záporně, není tento tunel vhodný. Podobným způsobem ovlivňují vhodnost tunelu i další fyzikálně-chemické vlastnosti.

Využití a další vývoj

Aby bylo možné všechny tyto vlastnosti prostudovat, je třeba je vhodným způsobem zobrazit. K tomu CAVER poskytuje řadu vizualizačních technik, zobrazujících jak skutečný tvar tunelů, tak jejich vlastnosti.

Možnost vizuálně prozkoumat daný tunel poskytuje biochemikům neocenitelnou pomůcku při posuzování chemické relevance tunelů. Zde se samozřejmě objevuje další výzva pro počítačovou grafiku. Souběžně s nástrojem CAVER tedy začala vznikat aplikace CAVER Analyst (obr. 5), která v sobě nese výpočetní jádro CAVERu a výsledky dokáže přehlednou formou zobrazit.

CAVER už byl využit v řadě oblastí sahajících od výzkumu léků na Alzheimerovu chorobu, diabetes, kožní melanomy a další typy rakovinného bujení či HIV, až po proteiny sloužící v zemědělství, kosmetickém průmyslu či armádě. Příkladem je patent Loschmidtových laboratoří na látku umožňující biologický rozklad bojového plynu yperit. CAVER byl již citován ve více než 450 vědeckých publikacích včetně časopisů Nature, Science, Cell a PNAS. Nástroj byl úspěšně použit v mnoha významných světových výzkumných centrech, například na Harvard Medical School či v Berkeley. Uživateli jsou i vědecká centra firem hrajících prim ve farmaceutickém, chemickém či energetickém průmyslu, například Novartis, GSK, Roche, BASF či DuPont. Pro akademické potřeby je program ke stažení zdarma na www.caver.cz.

Aktuální řešení je založeno čistě na geometrickém principu. Při chemických reakcích však hrají zásadní roli fyzikální síly a různé chemické vlastnosti aminokyselin a jejich atomů, jako například silové pole či náboj. Významným krokem kupředu bude zahrnutí těchto informací do výpočtu tunelů. Výsledkem by měl být ještě přesnější výpočet a užší výběr biochemicky relevantních tunelů.

Pokud jde o vizualizaci, nabízí se využití netradičních způsobů zobrazení a interakce, například stereoskopické projekce či silové zpětné vazby. Tyto alternativy v současnosti slouží zejména k výukovým účelům. Uživatelé mohou například absolvovat virtuální procházku tunelem uvnitř proteinu.

Ale proč vlastně hledat tunely pomocí softwaru? Vždyť všechny chemické reakce v proteinu je stejně nutné ověřit v laboratoři. Zásadní rozdíl je v ceně a v čase. Program umožňuje vybrat vhodné kandidáty pro testování v laboratořích, takže není nutno plýtvat energií prozkoumáváním slepých cest – program to udělá za nás a mnohem rychleji. Navíc umožňuje porovnávat příbuzné proteiny a nabízet vysvětlení, proč někdy reakce probíhá a v jiných, zdánlivě velmi podobných situacích nikoli.

NEUVĚŘITELNÁ SLOŽITOST VSTUPNÍCH DAT

Velikost proteinů, se kterými se dokáže CAVER vypořádat, sahá od stovek po desítky tisíc atomů. Jejich analýza trvá od několika vteřin či minut až po několik hodin. Pokud však analyzujeme molekulovou dynamiku, může analýza trvat i několik dní. Pro lepší představu: časové rozmezí mezi dvěma snímky molekulové dynamiky je v řádu jedné femtosekundy (10–15 s). Délky aktuálně nasnímaných a dostupných dynamik se pohybují v nanosekundách (10–9 s), což může odpovídat až milionům snímků. Aktuálně jsou největším limitem paměťové nároky algoritmu. Samotná vizualizace výsledných tunelů však již probíhá v reálném čase.

Soubory

článek ve formátu pdf: 201509_504-506.pdf (336 kB)

Diskuse

Žádné příspěvky