HÓA TIN ỨNG DỤNG TRONG NGHIÊN CỨU VÀ PHÁT TRIỂN THUỐC MỚI
Biên dịch: Nguyễn Việt Nhựt Quang
Mentor: Võ Đức Duy, Ph.D.
Hóa tin là một lĩnh vực còn tương đối mới trong ngành Hoá học và dựa trên việc sử dụng hệ thống máy tính phân tích các cấu trúc hợp chất và phân tử hoá học.
Phương pháp in silico là một phương pháp sử dụng phần mềm máy tính phân tích dữ liệu về mối quan hệ giữa hoạt tính và công thức cấu tạo của một hợp chất hoá học.
Mục đích chính của ứng dụng lĩnh vực hóa tin là nâng cao hiệu suất, tiết kiệm thời gian và chi phí trong nghiên cứu và phát triển thuốc mới. Chính vì thế, việc sử dụng phần mềm để tính toán và trình chiếu các cấu trúc phân tử càng trở nên quan trọng và cần thiết. Nghiên cứu và phát triển thuốc mới bắt đầu từ việc xác định được căn bệnh đến mục tiêu điều trị. Nhằm giảm mức độ nghiêm trọng của một bệnh, việc nghiên cứu các cấu trúc phân tử và hoạt chất trải qua nhiều giai đoạn trong quá trình sàng lọc dựa trên so sánh hiệu quả điều trị lên một cơ chế sinh hoá nhất định.
Hình 1. Ứng dụng Hoá tin vào phương pháp in silicon trong nghiên cứu và phát triển thuốc mới.
Phương pháp sàng lọc ảo trên phần mềm máy tính:
Nhằm mục đích giảm thiểu chi phí và thúc đẩy quá trình nghiên cứu phát triển thuốc mới, phương pháp sàng lọc ảo dùng để loại được một số hợp chất nhất định ở giai đoạn đầu, mà không cần qua sàng lọc vật lí.
Phương pháp sàng lọc ảo này dùng phần mềm máy tính để mô phỏng và trình chiếu các phân tử, và cải thiện hiệu suất cả quá trình cao hơn so với các phương pháp truyền thống trước đây. Dựa vào độ hoà tan, độc tính, và khả năng phản ứng chéo, các hợp chất được phân loại và chọn lọc.
Kỹ thuật sàng lọc thông lượng cao:
Sàng lọc thông lượng cao là một kỹ thuật cổ điển trong việc thử nghiệm xác định hoạt tính (kích thích hay ức chế) trên một số lượng lớn các phân tử khác nhau. Hiện nay, phương pháp này đã trở nên tự động hoá và đạt được hiệu suất cao nhờ vào chất lỏng được sử dụng với đơn vị nanolit, và công nghệ tự động hoá hiện đại thực hiện một cách chính xác.
Các phương pháp trong lĩnh vực hoá tin được ứng dụng lần lượt trong kỹ thuật sàng lọc thông lượng cao nhằm nâng cao hiệu quả việc sàng lọc các tương tác giữa phối tử và thụ thể. Các liên kết càng mạnh và bền chứng tỏ mẫu càng khả thi trong quá trình phát triển thuốc mới.
Phương pháp sàng lọc ảo cung cấp thông tin sơ bộ cho kỹ thuật sàng lọc thông lượng cao. Phương pháp sàng lọc ảo sử dụng các dữ liệu trực tuyến và các phần mềm tính toán các tương tác hóa học của các hợp chất đã cải thiện được mặt hạn chế về thời gian và chi phí khi sử dụng kỹ thuật sàng lọc thông lượng cao. Sau đó, kỹ thuật sàng lọc thông lượng cao cho ra nhiều kết quả với độ chính xác cao được dùng để so sánh lại với các thư viện dữ liệu trực tuyến, với mục đích cải thiện quá trình sàng lọc trong tương lai.
Phương pháp in silico trong nghiên cứu dược lý và dược động học (ADMET):
ADMET được viết tắt từ A (Absorption): sự hấp thu, D (Distribution): sự thải trừ, M (Metabolism): sự chuyển hoá, E (Excretion): sự thải trừ, T (Toxicity): độc tính lên cơ thể. Nên ADMET được hiểu như quá trình dược động và dược lý của thuốc, và các tương tác của thuốc với cơ thể.
Những lý tính và hoá tính của một thuốc cần được nghiên cứu sâu nhằm hiểu rõ các cơ chế tác dụng của phân tử thuốc qua giai đoạn hấp thu, phân bố, chuyển hoá và thải trừ trong cơ thể. Đặc biệt, việc nghiên cứu độc tính của thuốc cũng mang một yếu tố quyết định. Các cơ chế này thông thường được nghiên cứu sau khi đã tìm ra được công dụng của một thuốc thành phẩm. Nhưng nhờ vào ứng dụng lĩnh vực hoá tin, ta đã có thể xác định các hoạt tính của một thuốc để hiểu được cơ chế tác dụng từ giai đoạn rất sớm trong quá trình nghiên cứu và phát triển thuốc mới. Sử dụng máy tính phân tích thông số dữ liệu để xác định và định hướng được các hợp chất hoá học mang ADMET có hiệu quả điều trị cao.
Nhờ những ưu điểm trên, quá trình sàng lọc thuốc được rút ngắn, tiết kiệm thời gian, chi phí và hạn chế rủi ro. Chính vì thế, quá trình nghiên cứu và phát triển thuốc mới được cải tiến nhờ vào ứng dụng của lĩnh vực hoá tin.
Tài liệu tham khảo:
- Lo, Y. C., et al. (2018). Machine learning in chemoinformatics and drug discovery. Drug discovery today. https://doi.org/10.1016/j.drudis.2018.05.010.
- Umashankar, V., et al. (2009). Chemoinformatics and its Applications. General, Applied and Systems Toxicology. https://doi.org/10.1002/9780470744307.gat222.
- Xu, J., et al. (2002). Chemoinformatics and drug discovery. Molecules. https://doi.org/10.3390/70800566.
