Kemogenomika

1. Bioinformatika SZIT Kemogenomika Markus Bredel és Edgar Jacoby ‘Chemogenomics: an emerging strategy for rapid target and drug discovery’ című cikke alapján készítette: NAGYŐSZI PÉTER

2. Több ezer humán gén • érzékeny bizonyos • gyógyszerekre. • Több ezer humán gén • hozható kapcsolatba bizonyos • betegségekkel. - Az elmúlt 50 év során kifejlesztett gyógyszerek kb. 400-500 humán génterméket céloztak meg. - A forgalomba hozott gyógyszerek összesen kb. 120 gént céloznak meg. HGP Új gyógyszer célpontok (több ezer)!!!

3. Kemogenomika A genomika több területének, a szerves-, szintetikus és kombinatorikus kémia illetve a bio- és kemoinformatika stratégiáinak összevonásával született új tudományág. Egy intakt biológia rendszer (egy sejt vagy egy egész szervezet) kémiai vegyületekre adott válaszának vizsgálata a genom és/vagy a proteom szintjén, illetve annak tanulmányozása,hogy az izolált biológiai célpontok mennyire hajlamosak ezen vegyületekkel való kölcsönhatásra. A biológiai rendszer válaszát a fenotípus vizsgálatával, illetve high-throughput (nagy kapacitású) esszékkel mérik.

4. Kemogenomika A kemogenomika-alapú gyógyszerfejlesztés során nagy mennyiségű vegyület vizsgálata folyik, melynek során párhuzamosan azonosítanak biológiai célpontokat és biológiailag aktív vegyületeket, melyek specifikusan kötnek és szabályozzák a biológiai célpontokat. A kemogenomika segítségével sokkal több vegyületet – egész könyvtárakat – képesek sokkal gyorsabban tesztelni, mint a hagyományos technikákkal. A Glaxo-Wellcome kutatói kezdték, manapság már több vezető gyógyszerfejlesztő cégnél is vannak kemogenomikai csoportok. Több száz új célpont biológiai tesztelése folyik jelenleg is.

5. Kísérleti kemogenomika A kemogenomikai kutatások során aktív vegyületek (ligandok) segítségével vizsgálják és jellemzik a proteóma funkcióit. A folyamat a fenotípustól megy a célpontig (előre irányuló, avagy forward kemogenomika), illetve a célponttól a fenotípusig (reverz kemogenomika). A célpont egy géntermék, a ligand pedig bármely molekula lehet, amelyik képes meghatározott specificitással kötődni e célponthoz. • Ligandok százmilliárdjait tartalmazó könyvtárakat fejlesztettek ki,ezek lehetnek: • természetes vegyületeket tartalmazó, • szintetikus vegyületeket tartalmazó könyvtárak.

6. Esszé típusok Az esszék lehetnek sejtmentesek, sejt-alapúak, illetve organizmuson alapulók. A kapott célpont-ligand kölcsönhatások (‘hits’) alapján vezető vegyületeket előállítják, majd ezeket optimalizálják, úgy, hogy kémiai analógokat állítanak elő és tesztelnek. A sejtmentes esszéket a reverz, míg a sejt, illetve szövet alapúakat a forward kemogenomikában alkalmazzák elsősorban.

7. Előre irányuló (forward) kemogenomika

8. Reverz kemogenomika

9. Prediktív kemogenomika A prediktív kemogenomika célja a kezelésre adott válasz jellemzése, illetve új gyógyászati molekulák azonosítása. A sejtet vagy szervezetet egy sor különböző vegyülettel kezelik, majd a genomikai illetve farmakológiai válaszokat összegyűjtik. Minden gyógyszernek megvan a maga egyedi profilja transzkripcionális és molekuláris farmakológiai szinten. Biostatisztikai analízis  gén-gyógyszer kapcsolat Meghatározzák a vegyületcsaládok közös jellemzőit, és az egyes vegyületek egyedi jellemzőit is. Ezzel a stratégiával olyan molekulákat lehet azonosítani, melyek a gyógyszerek hatását nagymértékben befolyásolják.

10. In silico módszerek Hasonlóság alapján történő keresés: virtuális vegyület-könyvtárakat hoznak létre, illetve azokban keresik egy ismert aktív ligand homológjait. High throughput docking (HTD): ha ismert a célpont 3D térszerkezete, ismert térszerkezetű fehérjékkel való kölcsönhatásait vizsgálják. 3D bioinformatika: célpontot kötő domének összehasonlítása – potenciális célpontok azonosítása és a kölcsönhatások vizsgálata. Célpont és ligand annotálás és ontológia: a célpont és a ligand szekvenciáinak összehasonlítása, homológok keresése, annotálás Medline irodalma alapján.

11. Ligand és célpont szelekció uHTS: 100.000 teszt/nap De! -túl drága -túl sok információt kell feldolgozni Ligand elő-szelekció  ”célzott könyvtárak” (targeted libraries) A ligandról és a célpontról meglevő infók alapján. • Manapság sokféle könyvtár létezik: • annotált ismert biológiailag aktív vegyületek • célpont-családokra koncentrálók (pl. kinázok, proteázok) • fehérje-utánzók (pl. β-lemez, β-hurok, α-hélix szerkezetet utánzók) • természetes vegyületek és származékaik • gyógyszer-szerű vegyületek (sok különböző,de egy adott gyógyszerhez • valamiképpen hasonló molekulából álló könyvtárak).

12. A kemogenomika-alapú kutatások céljai 3 fő cél: 1., -új gyógyszer célpontok azonosítása, biológiai funkciójuk feltárása (forward kemogenomika, fenotípusos válasz vizsgálata egy sor vegyület hatására, illetve a kölcsönhatások vizsgálata) 2., -új kémiai vegyületek, gyógyszer-jelöltek felfedezése (forward kemogenomika, in silico módszerek) 3., -a gyógyszerek hatásmechanizmusának feltárása (gyógyszerérzékenység genetikai markereinek feltárása is)

13. Alkalmazási területek

14. A rákkutatás nehézségei: Hogyan lehet azonosítani ilyen hatalmas mennyiségű patogén elváltozást? Hogyan lehet olyan gyógyszereket kifejleszteni, melyek minél több genetikai elváltozást képesek gyógyítani? Kemogenomika és a rákkutatás A rák jellemzői: -sokrétű változások a gének és a génexpresszió szintjén -a hisztológiailag hasonló rákbetegségek között is nagy a genetikai heterogenitás, ami tovább növeli a molekuláris aberrációk számát Megoldás: kemogenomika!

15. Kemogenomika és a rákkutatás IVCLSP: in vitro cell-line screening project (National Cancer Institute, Developmental Therapeutics Program) 60 kezeletlen rákos sejtvonal (NCI60) felhasználásával az NCI kémiai könyvtárának 140.000 vegyületét tesztelik. Távlati célok: az egyes ráktípusok létrejöttéért felelős gének feltárása és az átírt fehérjéik szerepének megértése.

16. Prediktív kemogenomika a rákkutatásban -széles körben elterjedt -a gének, vegyületek és fenotípusok közötti kapcsolatok feltárása -génexpressziós információk + információ a vegyületek hatékonyságáról  egyesített vegyület-gén interakciós adatbázisok létrehozása NCI60 genomikai profiljai + a DTB adatbázisból származó több, mint 70.000 vegyület aktivitási mintázata  600.000 vegyület

17. Prediktív kemogenomikai modell

18. A genom és a gyógyszerhatás közti összefüggések hálózata

19. Kihívások és korlátok HTS: -túl sok adat -sok a zaj -sok a hiba (fals-negatív illetve fals-pozitív találatok) 2 fő kihívás: -kiválogatni azokat a vegyületeket, melyek a leginkább alkalmasak gyógyszernek -eltávolítani a fals-pozitív találatokat Nem az azonosítás folyamata a leglassabb, hanem az optimalizálás és a megerősítés. Biokemoinformatikai platformok (számítástechnikai környezet) létrehozása az adatok gyorsabb feldolgozására.

20. Célok A genomról átírt összes fehérje szerkezetének és funkciójának meghatározása. Az adatok széleskörű egységesítése: -a ligandok kétdimenziós szerkezete -célpontok szekvenciája és osztályozásuk -hatásmechanizmusok -szerkezet és aktivitás közötti összefüggések -esszék eredményei -ADMET mechanizmusok -anyagcsere- és jelátviteli utak

21. A génmanipuláció lehetővé tette, hogy minden nap friss tej kerüljön a kávéba. Köszönöm a figyelmet!