Відкриття ліків

🎯 Процес відкриття ліків

Ідентифікація цілі

Виявлення біологічної мішені (білок, ген, шлях) пов'язаної з хворобою. Методи: геноміка, протеоміка, біоінформатика, дослідження механізмів хвороби. Валідація цілі: підтвердження що модифікація цілі впливає на хворобу.

Пошук лідерів (Lead Discovery)

Знаходження сполук що взаємодіють з ціллю. Методи: високопродуктивний скринінг (HTS) тисяч сполук, фрагментний скринінг, природні сполуки, комп'ютерний дизайн, ліки що вже схвалені (drug repurposing).

Оптимізація лідерів (Lead Optimization)

Покращення сполуки: активність, специфічність, фармакокінетика (ADMET), токсичність. Ітеративний процес: синтез аналогів, тестування, вибір найкращих. Створення кандидатів для доклінічного тестування.

Доклінічні дослідження

Тестування на клітинах та тваринах: ефективність, токсичність, фармакокінетика, метаболізм. Визначення безпечної початкової дози, виявлення потенційних токсичностей. Критично перед тестуванням на людях.

Клінічні випробування

Фаза I: безпека, дозування (20-100 здорові). Фаза II: ефективність, оптимальна доза (сотні пацієнтів). Фаза III: ефективність у великих групах (тисячі), порівняння з стандартними ліками. Роки тестування.

Регуляторне схвалення

Подача до FDA/EMA з даними всіх етапів. Огляд безпеки, ефективності, виробництва. Схвалення → виробництво → маркетинг. Фаза IV: постмаркетинговий нагляд.

🔬 Методи скринінгу

Високопродуктивний скринінг (HTS)

Автоматизоване тестування сотень тисяч сполук. Мікротитрувальні планшети, роботизація, детекція (флуоресценція, хемілюмінесценція). Швидкість критична для великих бібліотек. Оптимізація: мініатюризація, швидкість.

Фрагментний скринінг

Тестування малих фрагментів (~150-300 Da) для пошуку слабких зв'язувачів, потім оптимізація. Переваги: більша охоплення хімічного простору, краща проникність. Методи: SPR, NMR, кристалографія.

Комп'ютерний скринінг

Віртуальний скринінг: докінг сполук до структури цілі, передбачення зв'язування. Тестування мільйонів сполук віртуально, потім експериментальна перевірка найперспективніших. Швидше та дешевше за HTS.

Природні сполуки

Скринінг сполук з рослин, мікроорганізмів, морських організмів. Багата історія успіху (пеніцилін, таксол). Виклики: виділення, структурована характеристика, оптимізація.

Drug Repurposing

Використання існуючих схвалених ліків для нових показень. Швидше (вже відома безпека), дешевше. Приклади: метформін (рак), талідомід (множинна мієлома). Методи: біоінформатика, фенотиповий скринінг.

💻 Комп'ютерні методи

Молекулярний докінг

Передбачення як сполуки зв'язуються з білковими цілями. Структурна інформація цілі → докінг сполук → ранжування за енергією зв'язування. Використовується для віртуального скринінгу та дизайну.

QSAR (Quantitative Structure-Activity Relationship)

Зв'язок між структурою та активністю через машинне навчання. Передбачення властивостей нових сполук. Використовується для оптимізації, фільтрації бібліотек.

AI та машинне навчання

Генерація нових сполук, передбачення властивостей, оптимізація, передбачення токсичності. Deep learning для складних патернів. Прискорення відкриття, зниження витрат.

Фармакофорний моделювання

Ідентифікація ключових структурних елементів для активності. Дизайн сполук з бажаними елементами. Використовується для раціонального дизайну.

🧪 Оптимізація ліків

Активність та специфічність

Покращення спорідненості до цілі (IC50, Ki), зменшення взаємодій з іншими цілями (селективність). Балансування: висока активність + специфічність → менше побічних ефектів.

ADMET властивості

Absorption (поглинання), Distribution (розподіл), Metabolism (метаболізм), Excretion (виведення), Toxicity (токсичність). Критично для ефективності та безпеки. Оптимізація через модифікацію структури.

Фармакокінетика

Напіврозпад у плазмі, біодоступність, розподіл у тканинах, метаболізм (CYP ензими), виведення. Визначає дозування та частоту прийому. Оптимізація для зручного режиму.

Токсичність

Оцінка потенційної токсичності: гепатотоксичність, кардіотоксичність, генотоксичність. Раннє виявлення токсичностей важливе для уникнення дорогих помилок пізніше. In silico передбачення, in vitro тести, in vivo.

🔍 Ідентифікація цілей

Геноміка

GWAS (genome-wide association studies) для ідентифікації генів пов'язаних з хворобою. Таргетування генів або білків що вони кодують. Персоналізована медицина на основі генетики.

Протеоміка

Аналіз білків пов'язаних з хворобою: експресія, модифікації, взаємодії. Ідентифікація цілей, біомаркерів. Масов-спектрометрія, протеомні масиви.

Структурна біологія

Визначення структури цілей (рентгенографія, крио-EM) для раціонального дизайну. Структури з лігандами для розуміння механізмів. Критично для комп'ютерного дизайну.

Біомаркери

Молекулярні маркери хвороби для діагностики, моніторингу, стратифікації пацієнтів. Вибір правильних пацієнтів для клінічних випробувань. Персоналізована медицина.

🏥 Застосування

Онкологія

Таргетна терапія: інгібітори кіназ, антитіла, імунотерапія. Персоналізація на основі мутацій пухлини. Біомаркери для стратифікації. Виклики: резистентність, токсичність.

Неврологія

Хвороба Альцгеймера, Паркінсона, розсіяний склероз. Виклики: гематоенцефалічний бар'єр, складність біології, обмежені моделі. Нові підходи: антитіла, генна терапія.

Інфекції

Антибіотики, противірусні, протигрибкові. Виклики: резистентність, нові патогени. Швидка розробка важлива (пандемії). Нові цілі, комбіновані терапії.

Аутоімунні хвороби

Біологічні ліки (антитіла, цитокіни) для імуносупресії або модуляції. Точна терапія з мінімальними побічними ефектами. Персоналізований підхід.

⚖️ Виклики та обмеження

Тривалість та витрати

10-15 років від відкриття до схвалення, 1-3 мільярди доларів на лік. Висока невдача на всіх етапах (90%+ кандидатів не досягають ринку). Потрібні ефективніші методи.

Висока невдача

Більшість кандидатів не проходять клінічні випробування: неефективність, токсичність, фармакокінетика. Раннє виявлення проблем критично. Покращення моделей передбачення.

Складність біології

Багато факторів впливають на хворобу, неповне розуміння механізмів. Моделі тварин не завжди точні. Персоналізація важлива через варіабельність між людьми.

Резистентність

Патогени та пухлини розвивають резистентність до ліків. Потрібні нові механізми дії, комбіновані терапії. Постійна необхідність нових ліків.

🔮 Майбутнє відкриття ліків

AI-прискорений дизайн

Генерація, оптимізація, передбачення властивостей через машинне навчання. Прискорення розробки, зниження витрат. Deep learning для складних патернів.

Органи-на-чипі

Мініатюрні моделі органів для тестування ліків. Більш реалістичні моделі за клітини, дешевші за тварин. Тестування на людських клітинах.

Персоналізована медицина

Ліки під індивідуальні генетичні профілі, біомаркери, мутації. Підвищення ефективності, зменшення побічних ефектів. Геноміка, протеоміка, біоінформатика.

Біологічні ліки

Антитіла, білки, генна терапія, клітинна терапія. Більш специфічні, менше побічних ефектів. Розширення від малих молекул до великих біологічних сполук.

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Protein Folding Visualiser і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.