WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

ВОТИНЦЕВ НИКОЛАЙ ПАВЛОВИЧ

ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ, ПОЛУЧЕНИЕ И ИССЛЕДОВАНИЕ НОВЫХ ДЕЗАГРЕГАНТОВ НА ОСНОВЕ ИЗВЕСТНЫХ ЛЕКАРСТВЕННЫХ ПРЕПАРАТОВ

14.04.02 – фармацевтическая химия, фармакогнозия

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата фармацевтических наук

Пятигорск 2012

Работа выполнена в Государственном бюджетном образовательном учреждении высшего профессионального образования «Пятигорская государственная фармацевтическая академия» Министерства здравоохранения и социального развития Российской Федерации

Научный консультант: доктор химических наук Погребняк Андрей Владимирович Официальные Оганесян Эдуард Тоникович, оппоненты: доктор фармацевтических наук, профессор, ГБОУ ВПО Пятигорская ГФА Минздравсоцразвития России, заведующий кафедрой органической химии Прокопов Алексей Александрович, доктор химических наук, профессор, ГБОУ ВПО Московский государственный медико-стоматологический университет Минздравсоцразвития России, профессор кафедры общей и биоорганической химии

Ведущая организация: ГБОУ ВПО Пермская ГФА Минздравсоцразвития России

Защита состоится «29» мая 2012 года в 1100 на заседании Диссертационного совета Д 208.069.01 при ГБОУ ВПО Пятигорская ГФА Минздравсоцразвития России (357532, Ставропольский край, Пятигорск, пр. Калинина, 11).

С диссертацией можно ознакомиться в библиотеке ГБОУ ВПО Пятигорская ГФА Минздравсоцразвития России (357532, Ставропольский край, г.Пятигорск, пр.Калинина, 11).

Автореферат разослан «27» апреля 2012 г.

Учёный секретарь диссертационного совета В.В Е.В. Компанцева

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Поиск новых лекарственных средств является одной из важнейших проблем современной науки. До недавнего времени основным методом поиска являлся синтез новых веществ и их фармакологический скрининг.

Из известных химических соединений, число которых превышает 60 млн., доступны для исследования более 15 млн. Однако их фармакологический скрининг является дорогостоящим и не может быть реализован практически.

В то же время, последние 50 лет большое развитие получает виртуальный скрининг. Этот метод стал возможным благодаря возросшей доступности вычислительных ресурсов. Следует отметить, что для эффективного использования этого метода необходимы данные расчётов геометрического и электронного строения молекул и оценка его влияния на биологическую активность веществ.

Этот метод в определённой степени может компенсировать высокую стоимость и трудоёмкость тотального фармакологического скрининга. По усреднённым данным на создание нового оригинального лекарственного вещества затрачивается от 800 млн до 2 млрд долларов США, большая часть из которых расходуется на фармакологический скрининг. При этом следует сказать, что более 98% веществ отсеиваются на этапе предварительного скрининга. Использование виртуального анализа позволяет снизить издержки данной стадии.

Помимо указанного выше, компьютерный анализ может быть использован для выявления фармакологического действия ранее не описанного для уже применяемых лекарственных веществ. Такой подход выгодно отличается от общепринятого подхода «сначала синтез, потом исследование». Для известных веществ изучена фармакокинетика, фармакодинамика, токсичность и поэтому эти вопросы не требуют дополнительного исследования.

Это особенно актуально по отношению к некоторым заболеваниям, для лечения которых поиск новых лекарственных веществ требует больших усилий и финансовых затрат. К таким заболеваниям относятся нарушения кровообращения, часто сопровождающиеся повышенным тромбообразованием.

На сегодняшний день наиболее широко применяемым антиагрегантным препаратом остаётся ацетилсалициловая кислота, при этом она не лишена ряда существенных недостатков: резистентность к препарату, серьёзные побочные эффекты при длительном применении.

Наиболее перспективной группой антиагрегантов являются блокаторы гликопротеиновых рецепторов IIb/IIIa. Анализ механизмов их действия и разработка его математической модели даёт возможность поиска новых дезагрегантов и, в частности, блокаторов гликопротеиновых рецепторов IIb/IIIa.

Поиск новых дезагрегантов среди известных препаратов с помощью компьютерного прогнозирования позволит значительно ускорить решение поставленной задачи.

Следует отметить, что процесс выбора препарата лечащим врачом включает в себя анализ сопутствующих заболеваний и риска развития осложнений. Поэтому наличие у препарата активности, снижающей риск развития тромбоза, является дополнительным аргументом в пользу его выбора, а работы посвящённые решению этой проблемы имеют высокую актуальность.

Исходя из вышеизложенного, поиск новых дезагрегантов с помощью компьютерного прогнозирования является актуальной проблемой для фармацевтической науки и практики.

Цель настоящего исследования – разработка метода направленного расширения спектра применения известных лекарственных препаратов и его практическая апробация на модели антиагрегантной активности.

В задачи исследования входило:

разработка теоретических основ метода;

написание программного обеспечения реализующего метод прогнозирования;

расчёт физико-химических дескрипторов применяемых лекарственных препаратов методами молекулярной механики, квантовой химии и молекулярной динамики;

создание математической модели прогнозирования антиагрегантного действия на основе анализа структуры известных лигандов гликопротеиновых рецепторов IIb/IIIa и степени их молекулярного подобия к исследуемым веществам;

теоретическая оценка возможного антиагрегантного действия для полного массива применяемых лекарственных препаратов, выделение наиболее перспективных;

экспериментальное подтверждение прогнозируемого вида активности методами фармакологического скрининга;

прогноз химической трансформации ранее отобранных соединений, приводящий к возможному улучшению фармакодинамических свойств;

осуществление соответствующего синтеза и практическое доказательство его целесообразности.

Научная новизна и теоретическая значимость работы.

Разработана методика расширения спектра применения известных лекарственных препаратов. Концепция поиска построена на последовательном сравнении множества молекулярных дескрипторов, принадлежащих каждой молекуле. Существенная часть дескрипторов была получена при проведении высокоточных ab initio расчётов квантово-химическими методами (для 10структур), что выгодно отличает предлагаемый нами метод от существующих.

Существенным моментом методологии является включение в алгоритм прогнозирования как физико-химических, так и топологических дескрипторов.

На основе данного компьютерного алгоритма осуществлён прогноз и экспериментально доказана ранее неописанная биологическая активность для пяти известных лекарственных препаратов: дилтиазема, лизиноприла, моэксиприла, цетиризина и эналаприла.

Разработана компьютерная программа для прогнозирования биологической активности и управления химическими базами данных – DRUG (свидетельство о регистрации № 2010620288). На основе созданной компьютерной программы доказана возможность модификации структуры некоторых веществ с целью улучшения их фармакодинамических свойств и проведён виртуальный скрининг химических трансформаций 5-ти лекарственных препаратов (гидроксизин, лизиноприл, моэксиприл, цетиризин, эналаприл), улучшающих фармакодинамические свойства, по итогам которого осуществлен направленный синтез 2-[2-[4-[(4-хлорфенил)фенилметил]-1-пиперазинил]этокси]ацетата и его фармакологическое исследование.

Таким образом, проведённые исследования позволяют выявить новые фармакологические свойства лекарственных веществ и расширить спектр их применения.

Практическая значимость. Созданный алгоритм прогнозирования позволяет осуществлять поиск антиагрегантной активности в ряду известных лекарственных средств. Помимо прямого прогнозирования, использование программы позволяет генерировать новые структуры, локализовать оптимальные пути химической модификации и задавать направление синтеза для получения препаратов с улучшенными свойствами. Результаты работы программы могут быть использованы для решения широкого спектра задач фармацевтической практики, включая модификацию существующих лекарственных средств.

Для пяти препаратов экспериментально доказана возможность нового направления использования (антиагрегантное действие), которая может стать основой для расширения показаний к применению.

Внедрение результатов исследования. Разработанная компьютерная программа DRUG внедрена в работу и используется в НИИ ФОХ ЮФУ (г. Ростовна-Дону) и НИИ БМХ РАМН (г. Москва).

Связь задач исследования с проблемами фармацевтических наук.

Диссертационная работа выполнена в соответствии с планом научноисследовательской работы кафедры физической и коллоидной химии ГБОУ ВПО Пятигорская ГФА Минздравсоцразвития России.

Положения, выдвигаемые на защиту:

структура и содержание программы прогнозирования биологической активности; алгоритм компьютерного анализа и прогнозирования антиагрегантного действия биологически активных соединений, реализованный в компьютерной программе DRUG;

результаты исследования геометрического и электронного строения 10молекул лекарственных препаратов, а также ряда структур созданных in silico, методами молекулярной механики, квантовой химии и молекулярной динамики;

итоги прогноза антиагрегантной активности для ряда химических производных исследуемых препаратов, выявление наиболее перспективных, синтез и доказательство структуры;

результаты фармакологического эксперимента, доказывающие активность новых антиагрегантных агентов.

Апробация работы. Основные фрагменты диссертационной работы доложены и обсуждены на 65-й, 66-й и 67-й региональных конференциях «Разработка, исследование и маркетинг новой фармацевтической продукции», проводимых на базе ПятГФА (Пятигорск, январь 2009 г., январь 2010 г., январь 2011г.).

Публикации. По теме диссертации опубликовано 14 работ, в том числе 2 в журналах, рекомендованных ВАК.

Объем и структура диссертации. Диссертационная работа изложена на 1странице текста компьютерного набора и состоит из обзора литературы, 4-х глав собственных исследований, общих выводов, списка литературы, включающего 2источников, в том числе 157 иностранных; содержит 27 таблиц, 15 рисунков и приложения.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Развитие универсальных методов прогноза биологического действия органических веществ, ориентированных на предсказание любого числа активностей и их механизмов, восполняет пробел между использованием «узких» техник виртуального скрининга (докинг к известной молекулярной мишени) и дорогим тотальным фармакологическим скринингом.

Совершенствование алгоритмов анализа многомерных массивов структурных и квантово-химических данных, служащих для быстрого отбора активных соединений, является на сегодняшний день одним из самых перспективных направлений молекулярного дизайна. Присутствие на рынке программного обеспечения всего нескольких универсальных схем прогноза биологической активности явно недостаточно для создания атмосферы научной конкуренции, естественным образом приводящей к отбору или, напротив, к выходу из употребления этих схем.

Необходимость разработки отечественных средств прогнозирования диктуется, в первую очередь, закрытой архитектурой и высокой стоимостью владения зарубежными аналогами или их недоступностью, вызванной корпоративными интересами.

Настоящая работа посвящена созданию и практической апробации такого алгоритма прогнозирования биологической активности, основанного на использовании квантово-химических дескрипторов.

Теоретическое обоснование и практическое использование молекулярных дескрипторов для прогнозирования биологической активности известных лекарств Основной целью нашего исследования являлся поиск ранее неизвестных антиагрегантных свойств у уже применяемых препаратов. Поэтому, изначально, было необходимо определить состав выборки соединений входящих в группу «применяемые лекарственные средства». Отбор химических структур производился нами в соответствии с Системой международных непатентованных названий (МНН) ВОЗ для фармацевтических субстанций, которые принципиально присваивается только одиночным, чётко определимым веществам, которые можно однозначно охарактеризовать химической номенклатурой (или формулой). В последний сводный перечень МНН для фармацевтических субстанций включены более 80МНН. По нашим собственным оценкам в отечественной медицинской практике одновременно используются менее 1500 индивидуальных химических соединений.

Так как отобранные соединения используются нами в качестве обучающей выборки (для каждой молекулы необходимо провести расчет дескрипторов), то к ним предъявляются дополнительные требования. В этой связи в исходный набор были включены соединения, содержащие в молекуле до 100 неводородных атомов, или имеющие общее количество атомов не более 300. Самой «большой» структурой т.о. является ангиотензинамид (молекулярная масса 1031 а.е.м., 74 тяжёлых атома);

за ним с большим отрывом следует амфотерицин (924 а.е.м.). Самой «маленькой» молекулой является циклопропан (42 а.е.м.), поэтому отсечение с данными границами не приводит ни к каким ограничениям. Вне расчёта остались структуры, подобные гепарину, белки и т.п., при этом прогностическая ёмкость обучающей выборки остаётся на практически одинаковом уровне. Следует отметить, что однородность массива и близость к нему пробного объекта – важный критерий объяснимости и воспроизводимости результата прогнозирования.

Основными критериями отбора соединений являлись: индивидуальность, разрешение к применению препарата на территории России, соответствие требованиям расчёта необходимых дескрипторов. В итоговый перечень используемых нами соединений вошло 1056 молекул (далее именуемые «применяемые лекарственные средства»). Информация о веществах, заносимая в первичный сегмент базы данных DRUG, делится на несколько логических блоков:

описание структуры молекулы (линейная нотация SMILES; линейная нотация InChI (включая InChIKey); MDL Molfile); справочная информация (название, ИЮПАК наименование, торговые наименования, лекарственные формы, номер по классификации CAS); фармакологические свойства (механизм действия, виды проявляемой активности, мишени); информационные ссылки на описание вещества в системах (PubChem, DrugBank, PharmGKB).

Структурные формулы вводились в программе AccelrysDraw (до 2011 г.

SymyxDraw, до версии 2.3 – ISIS/Draw). В состав оригинальной программы DRUG первоначально была включена информация о 1056 соединениях, в последующем, для расширения обучающей выборки, общее число БАВ было доведено до 46соединений, 3243 из которых являются экспериментальными. Число видов проявляемой ими активности составляет 551, число биологических мишеней, на которые они воздействуют, 2474.

После формирования двумерного представления молекул, решалась задача создания трёхмерных моделей. Для этой цели использовался пакет программ HyperChem Prof. 8.0 (академическая лицензия Hypercube, Inc.), оригинальный алгоритм, включённый в программу DRUG или интерфейс программы GAUSSIAN.

Предварительная оптимизация геометрии молекул производилась при помощи итерационной процедуры поиска локального (в случае удачи – глобального) минимума на поверхность потенциальной энергии молекулы. Локализация минимума осуществлялась двумя основными расчетными схемами: молекулярная механика – предварительно (силовое поле MM+ в составе пакета HyperChem) и методом молекулярных орбиталей (полуэмпирические методы AM1 и PM3 в составе пакетов MOPAC, HyperChem или GAUSSIAN).

Часть расчётов осуществлялась в вычислительном центре департамента химии Южного Федерального Университета на вычислительном кластере «SILVER», доступ к которому был предоставлен директором НИИ ФОХ ЮФУ академиком РАН Минкиным В.И. и заведующим центром д.х.н. Стариковым А.Г., за что мы выражаем им глубокую признательность. Вычислительный кластер «SILVER» состоит из 50 блэйд-серверов FujitsuSiemens PRIMERGY BX620 S4 (20-е место в 9-й редакции ТОП50 суперкомпьютеров СНГ). Программное обеспечение - GAUSSIAN.

Оптимизация геометрии молекул методами AM1 и 6-31G производилась как в газовой фазе, так и с учетом эффектов гидратации при физиологической температуре, для чего использовалась модель поляризуемого континуума.

Рассчитывались следующие физико-химические дескрипторы молекул:

адиабатические потенциал ионизации и сродство к электрону; -поляризуемость, гиперполяризуемость, дипольный момент, молекулярная масса, параметры ван-дерваальсовой модели молекулы, теплота образования аниона и катиона, энергия высшей занятой молекулярной орбитали и нижней вакантной молекулярной орбитали, энергия образования полости в воде, энергия электростатического взаимодействия с гидратной оболочкой и др.

Обоснование алгоритма прогнозирования (виртуального скрининга) дезагрегантной активности известных лекарств Большую роль в профилактике и лечении сердечно-сосудистых заболеваний играют меры по предотвращению развития тромбозов, которые в основном заключаются в постоянном приёме антиагрегантных препаратов в малых дозах.

Перспективной группой таких средств являются блокаторы гликопротеиновых рецепторов IIb/IIIa непептидной природы, в особенности тирофибан:

Препараты данной группы применяются только парентерально, так как при пероральном приёме вызывают внутренние кровотечения. Поиск новых гликопротеиновых блокаторов, приём которых не приводит к развитию кровотечений, но достаточен для профилактических целей, является важной задачей.

Для прогнозирования биологической активности использовалось очевидное допущение, что у молекул со сходным видом биологической активности будет сходный набор их дескрипторов, рассчитанных на основании анализа молекулярного графа и трёхмерной структуры.

Расчёт совокупности дескрипторов для молекул «А» и «В» с заведомо известным биологическим действием, даёт возможность на основании расчета этой же совокупности дескрипторов для новой молекулы «С» определить степень её близости к множествам дескрипторов молекул «А» и «В» в n-мерном пространстве дескрипторов (где n – их общее количество).

Количественно оценивая и сравнивая эти расстояния, получаем, что если множество дескрипторов молекулы «С» ближе к таковому у молекулы «А», то и вероятность проявления молекулой «С» такого же биологического действия повышается. Определение расстояний между двумя множествами дескрипторов может быть проведено при помощи кластерного анализа или иного метода, позволяющего рассчитать матрицу расстояний.

В N-мерном пространстве расстояние между двумя точками:

( ) ( ) можно найти по формуле:

( ) Метод k-средних позволяет получить классификацию с изначально заданным числом групп. Для определения оптимального количества кластеров нами была проведена серия расчётов с определением качества классификации. Качество классификации оценивалось по внутригрупповому разбросу (сумма квадратов евклидовых дистанций до центра кластера), так как общий разброс является константой, а межгрупповой – функция общего и внутригруппового:

( ) ( ) ( ) где S – общий разброс; B – межгрупповой разброс; W – внутригрупповой разброс; m – количество кластеров; ni – численность i-го кластера; Xij – j-й член i-го кластера; M – общий центр масс; mi – центр масс i-го кластера; d(x1,x2) – евклидова дистанция между точками x1 и x2.

Оптимизация и результаты работы математического алгоритма расчета степени сходства молекул лекарственных веществ и дескрипторной модели рецептора IIb/IIIa Для апробации метода на антиагрегантной активности нами был выбран в качестве «вещества сравнения» тирофибан – антиагрегант, механизм которого основан на блокировании гликопротеиновых рецепторов IIb/IIIa на тромбоцитах (рис. 1).

Рисунок 1 – Трехмерное строение молекулы тирофибана (6-31G) Результатом работы нашего алгоритма явилась матрица расстояний между точками, соответствующими молекулам в 140-мерном пространстве их дескрипторов. Фрагмент результирующей матрицы приведён в таблице 1.

Таблица 1 – Фрагмент матрицы расстояний ac_acelo ac_acety ac_adeno ac_amino ac_ascor ac_benzo ac_etacr ac_folic ac_gluta ac_lipoi ac_nalid ac_acelo 0.000 11.130 26.129 8.754 12.600 13.443 19.301 20.949 12.407 6.132 12.2ac_acety 11.130 0.000 29.273 9.585 10.164 5.451 19.738 22.828 11.678 9.846 8.8ac_adeno 26.129 29.273 0.000 31.138 28.212 32.040 20.934 23.444 31.520 26.171 27.1ac_amino 8.754 9.585 31.138 0.000 9.356 10.084 23.314 24.584 7.315 9.340 12.0ac_ascor 12.600 10.164 28.212 9.356 0.000 10.904 20.926 25.729 7.651 11.831 12.3ac_benzo 13.443 5.451 32.040 10.084 10.904 0.000 21.707 26.813 11.930 11.576 11.9ac_etacr 19.301 19.738 20.934 23.314 20.926 21.707 0.000 25.316 22.667 17.823 19.7ac_folic 20.949 22.828 23.444 24.584 25.729 26.813 25.316 0.000 26.518 22.167 19.0ac_gluta 12.407 11.678 31.520 7.315 7.651 11.930 22.667 26.518 0.000 12.497 14.7ac_lipoi 6.132 9.846 26.171 9.340 11.831 11.576 17.823 22.167 12.497 0.000 10.9ac_nalid 12.254 8.870 27.144 12.057 12.310 11.949 19.713 19.000 14.700 10.940 0.0На основании анализа данных матрицы расстояний последовательно формировались и выделялись её фрагменты, привязанные к «молекуле сравнения» тирофибану (МС). В результате была определена и сформирована группа веществ максимально близких к тирофибану по совокупности топологических и физикохимических дескрипторов. В табл. 2 приведен список первых 40 веществ, находящихся максимально близко к тирофибану в 140-мерном пространстве рассчитанных дескрипторов.

Таблица 2 – Ближайшие соседи МС в дескрипторном пространстве № Лекарственный Отн. № Лекарственный Отн.

препарат расст. препарат расст.

1 моэксиприл 7.906 21 лизиноприл 12.32 рамиприл 8.206 22 периндоприл 12.43 латанопрост 9.245 23 пропафенон 12.64 сальметер 9.486 24 гликвидон 12.95 алпростадил 9.843 25 дизопирамид 12.96 цилазаприл 10.413 26 дилтиазем 13.47 правастатин 10.416 27 пиритрамид 13.58 мизопростол 10.481 28 тианептин 13.69 глибенкламид 10.484 29 гидроксизин 13.610 пропанидид 11.081 30 этацизин 13.911 динопростон 11.186 31 силденафил 13.912 дистигмина бром. 11.284 32 окселадин 13.913 эналаприл 11.510 33 карбокромен 14.014 талинолол 11.513 34 флувастатин 14.115 пентоксифиллин 11.632 35 цетиризин 14.116 динопрост 11.738 36 гексопреналин 14.217 цизаприд 11.916 37 нафтидрофурил 14.318 лефрадафибан 11.952 38 бетаксолол 14.419 пипотиазин 11.982 39 мексидол 14.420 тамсулозин 12.134 40 хенофальк 14.4После формирования массива ближайших соседей МС по матрице расстояний нами был проведён рациональный анализ и отбор молекул перспективных для проведения фармакологических испытаний. Критериями отбора служили доступность препарата, его стоимость и сочетание основного фармакологического эффекта с прогнозируемым.

По итогам рационального анализа было отобрано шесть соединений-лидеров (табл. 3):

Таблица 3 – Соединения-лидеры Гидроксизин Цетиризин * * Лизиноприл Эналаприл * * * Дилтиазем Моэксиприл * Как источник субстанций нами были использованы монокомпонентные лекарственные препараты (Табл. 4):

Таблица 4 – Лекарственные препараты, производители и серия Атаракс (МНН: гидроксизин) ЮСБ Фарма СА, Бельгия лекарственная форма: таблетки серия: 00000644Дилтиазем (МНН: дилтиазем) АЛКАЛОИД АО, Республика Македония лекарственная форма: таблетки серия: 26591 02Лизиноприл (МНН: лизиноприл) ЗАО «Северная звезда», Россия лекарственная форма: таблетки, 5 мг серия: 406Моэкс (МНН: моэксиприл) Шварц Фарма Продакшинз ГмбХ, Германия лекарственная форма: таблетки серия: 29641Цетрин (МНН: цетиризин) Д-р Редди’с Лабораторис Лтд., Индия лекарственная форма: таблетки, 10 мг серия: V0004Эналаприл (МНН: эналаприл) РУП «Борисовский завод медицинских препаратов», лекарственная форма: таблетки, 5 мг Республика Беларусь серия: 0008Фармакологическое исследование гидроксизина, дилтиазема, лизиноприла, моэксиприла, цетиризина, эналаприла Экспериментальные исследования проводились на бодрствующих животных (белые крысы, в серии 6 животных) с использованием коагулографа Н-334. Кровь у животных забирали из вен языка (две-три капли). Полученные результаты оценивались относительно контроля и препаратов сравнения с использованием стандартных статистических методов.

Препараты вводили внутрибрюшинно за 90 - 120 минут до взятия крови. Дозы лекарственных средств вводили из расчета максимальной суточной дозы на человека с учетом коэффициента пересчета на белых крыс, что составило: ацетат гидроксизина – 10 мг/кг; гидроксизин – 10 мг/кг; дилтиазем – 25 мг/кг; лизиноприл – 2,5 мг/кг; моэксиприл – 2,5 мг/кг; цетиризин – 0,8 мг/кг; эналаприл – 2,5 мг/кг;

Выявлены достоверные изменения свертываемости крови при назначении белым крысам лекарственных средств. Достоверные изменения продолжительности свертывания крови регистрировали после введения всех препаратов. Результаты приведены в таблице 5.

Таблица 5 – Влияние препаратов на показатели свертывающей системы крови у животных (М±m, секунды) Препараты Начало Конец Продолжительность свёртывания свёртывания свёртывания сек % сек % сек % Контроль 43,8±2,9 100 244±5,4 100 155±5,0 1Ацетилсалициловая 50,6±2,1 116 260±6,4 107 176±4,8 1кислота Ацетат гидроксизина 53,2±8,0 121 232±8,2 93 203±5,1 1Гидроксизин 68,5±4,9 156 229±6,8 94 155±16,6 1Дилтиазем 52,4±13,2 120 231±16,0 94 200±9,2 1Лизиноприл 50,4±2,3 115 254±8,1 104 178±3,9 1Моэксиприл 41,3±4,7 94 287±28,4 117 245±12,9 1Цетиризин 32,0±4,2 73 105±25,8 43 67,5±4,8 Эналаприл 48,1±1,8 110 252±5,7 103 211±7,1 1Препараты лизиноприл, моэксиприл и эналприл (ингибиторы ангиотензинпревращающего фермента) и дилтиазем – антагонист кальциевых каналов L-типа применяются при сердечно-сосудистых заболеваниях, которые, как правило, возникают в пожилом и старческом возрасте. Известно, что при повышении уровня артериального давления, риск увеличения тромбообразования в сосудистом русле существенно выше, по сравнению с нормальными величинами артериального давления. Эти препараты существенно увеличивают продолжительность свертывания крови на 15, 58, 36 и 29% соответственно.

Учитывая то, что с возрастом продолжительность свертывания крови уменьшается, что может приводить к ухудшению кровоснабжения органов и тканей, применение лекарственных средств, обладающих антиагрегантными свойствами оправдано и соответствует требованиям рациональной фармакотерапии.

Гидроксизин в дозе 10 мг/кг массы тела существенно не влияет на показатели свертывания крови, а его ацетилпроизводное в дозе 10 мг/кг повышает продолжительность свёртывания крови на 29%.

Виртуальный скрининг и направленный синтез производного гидроксизина с улучшенными фармакодинамическими свойствами Представляло интерес проверить и доказать возможность использования разработанного метода прогнозирования не только для известных лекарственных препаратов, но и для продуктов их возможной химической трансформации, обладающих улучшенными, по сравнению с исходными структурами, фармакодинамическими свойствами. Все применяемые лекарственные препараты практически лишены проблемы низкой биодоступности, поэтому оптимизация у них данной характеристики не актуальна. Для них представляет интерес повышение активности и селективности, понижение токсичности.

Предлагаемый алгоритм поиска химических трансформаций, обладающих улучшенными, по сравнению с исходными структурами, фармакодинамическими свойствами базируется на его классической реализации, описанной выше, с той лишь разницей, что поиски степени близости биологической активности осуществляются в пространстве соединений-лидеров и их химических модификаций, а не в пространстве дескрипторов основных применяемых лекарственных веществ.

Для реализации поставленной цели для шести исследуемых препаратов были созданы и построены библиотеки структурных вариаций. Библиотеки создавались с использованием возможностей программного комплекса DRUG по комбинационной генерации развёрнутых формул соединений на основе исходных структур и набора заместителей.

Данная операция выполнялась в несколько этапов: подготовка исходных соединений, подготовка набора структурных заместителей, генерация возможных химических модификаций исходных соединений на основе комбинации заместителей в различных, ранее размеченных, положениях исходных соединений.

В роли исходных соединений выступали отобранные ранее соединения-лидеры (исключая дилтиазем). На их молекулярных формулах были отмечены возможные точки присоединения заместителей. Точки выбирались рационально, с учетом реальных возможностей провести синтез по присоединению к точке заместителя.

Разметка проводилась в визуальном редакторе программы DRUG, путем простановки в необходимых местах молекулы символов-меток (R1,R2,…,Rn).

Полученные соединения с метками (базовые структуры) записывались в виде строковых последовательностей спецификации SMILES. На следующем этапе была создана библиотека заместителей по аналогичной методике.

На заключительном этапе проведена генерация возможных химических модификаций исходных соединений, основанная на цикличном обходе каждой из базовых структур и поочередного присоединения к точкам разметки каждого из заместителей. В случае наличия у базовых структур нескольких точек присоединения, генерация новых структур осуществлялась с учетом всех возможных комбинаций.

Полученные в результате генерации структуры проходили процедуру оптимизации геометрии и расчёта физико-химических и топохимических дескрипторов. Рассчитанные значения дескрипторов использовались для определения степени близости химических модификаций к препарату сравнения. В табл. 6 приведены частичные результаты прогноза: 10 ближайших к препарату сравнения химических модификации исходных соединений.

Таблица 6 – Химические модификации соединений, ближайшие к тирофибану (локализация заместителей показана знаком * в табл. 3) № Базовая структура Заместитель Расстояние п/п 1 Моэксиприл бутил 5,62 Моэксиприл бензил 5,83 Моэксиприл 1-метил-этанол-2-ил 5,84 Моэксиприл 1-циклогексил-этанол-2-ил 6,15 Гидроксизин ацетил 6,26 Гидроксизин этил 6,47 Цетиризин парахлорбензил 6,58 Гидроксизин пара-метилбензил 6,59 Цетиризин ортохлорбензил 6,510 Цетиризин 1-мета-хлорфенил-этанол-2-ил 6,6По результатам прогноза максимально близким к тирофибану в 140-мерном пространстве дескрипторов являются соединения, в основе которых лежит моэксиприл, однако для дальнейших исследований было использовано вещество – производное гидроксизина (ацетат). Гидроксизин в фармакологическом эксперименте не оказал влияния на показатели свёртываемости крови, при этом структурно близкий к нему цетиризин оказал существенное влияние на изменение продолжительности времени свёртываемости крови (табл. 5). Проверка возможностей метода на примере качественного проявления активности («есть» или «нет») имеет более высокий доказательный вес.

Источником гидроксизина являлся препарат Атаракс (UCB S.A.PharmaSector, Бельгия). Контроль чистоты полученного гидроксизина осуществлялся путем сравнения ТСХ, УФ-спектров и Тпл полученного гидроксизина и показателей, полученных в результате анализа таблеток, а также данных по гидроксизину из химических баз данных (УФ-спектр и Тпл). После двукратной перекристаллизации выход составил 42% (из этанола). Схема представлена на рис. 2.

t конц.

2-[2-[4-[(4-Хлорфенил)фенилметил]-12-[2-[4-[(4-Хлорфенил)фенилметил]-1пиперазинил]этокси]этанол пиперазинил]этокси]ацетат Рисунок 2 – Схема реакции ацетилирования гидроксизина Методика синтеза К 0,5 г 2-[2-[4-[(4-Хлорфенил)фенилметил]-1-пиперазинил]этокси]этанола приливают 3,00 мл свежеперегнанного уксусного ангидрида и добавляют 7-8 капель концентрированной серной кислоты. Смесь осторожно нагревают до полного растворения, затем доводят до кипения и кипятят в течение 2-х часов с обратным холодильником. После прекращения выпадения осадка смесь охлаждают до комнатной температуры, осадок отфильтровывают, тщательно промывают эфиром до исчезновения запаха уксусного ангидрида. В результате получают белоснежные кристаллы 2-[2-[4-[(4-хлорфенил)фенилметил]-1-пиперазинил]этокси]ацетата.

Контроль за ходом реакции и индивидуальностью синтезированных соединений осуществляли методом ТСХ на пластинках с Al2O3 (элюент – этиловый спирт, проявление в УФ-свете и парами йода во влажной камере).

Для проведения фармакологического исследования ацетата гидроксизина использовался метод, описанный ранее. Регистрировались достоверные изменения продолжительности свёртывания крови после введения вещества, результаты приведены в табл.5. Выяснено, что гидроксизин в указанной дозе не оказывает влияния на процесс коагуляции, однако его ацетилпроизводное в той же дозе уменьшает скорость коагуляции на 29%, что подтверждает выполненный ранее прогноз.

Общие выводы 1. Сформирован массив двух- и трёхмерных моделей 1056 молекул используемых в клинической практике лекарственных препаратов. Проведен расчёт и анализ их топологических и физико-химических дескрипторов с использованием современных программных средств: GAUSSIAN, HyperChem, MOPAC, Dragon. Объединение результатов расчетов в базе данных DRUG позволило создать единую дескрипторную модель каждого соединения.

2. В качестве реперного соединения для поиска антиагрегантов отобран тирофибан – блокатор гликопротеиновых рецепторов IIb/IIIa, для которого построен дескрипторный набор, характеризующий комплементарность к рецептору.

3. Разработан алгоритм прогнозирования биологической активности, основанный на анализе степени близости молекул в многомерном пространстве их дескрипторов.

Проведена его апробация на модели антиагрегантной активности. Получен прогноз для полного массива соединений и выявлены наиболее перспективные.

4. Проведены фармакологические исследования и установлено, что дилтиазем, лизиноприл, моэксеприл и эналаприл увеличивают продолжительность свертываемости крови на 29, 15, 58 и 36% соответственно; гидроксизин не оказывает влияния, а цетиризин понижает продолжительность свертываемости крови на 56%. Итоги биологических испытаний подтверждают высокую точность результатов работы алгоритма прогнозирования.

5. Для расширения спектра практического использования в программный комплекс DRUG встроена возможность генерации новых структур. На основе комбинирования заместителей и последующего прогноза для гидроксизина, лизиноприла, моэксиприла, эналаприла и цетиризина сгенерировано виртуальное соединение-лидер 2-[2-[4-[(4-хлорфенил) фенилметил]-1-пиперазинил]этокси]ацетат, осуществлён его синтез и анализ структуры физико-химическими методами. Фармакологические исследования подтвердили возможность использования алгоритма для виртуального скрининга новых структур и модификации свойств молекул в желаемом направлении.

6. Разработан программный комплекс DRUG, позволяющий осуществлять направленное расширение спектра биологической активности известных лекарственных препаратов и их химических модификаций.

Публикации по теме диссертации:

1. Погребняк, А.В. Поиск новых фармакологических свойств известных лекарственных препаратов методами компьютерного моделирования / А.В.

Погребняк, Н.П. Вотинцев // Медлайн.РУ (Medline.Ru). – 2010. – Т.11. – С. 703-7(издание, рекомендованное ВАК).

2. Вотинцев, Н.П. Компьютерное прогнозирование и экспериментальное доказательство антиагрегантных свойств цетрина, глюренорма, моэкса и дилтиазема / Н.П. Вотинцев // Вестник ДГТУ. – 2011. – Т.11, №2. – С. 288-309 (издание, рекомендованное ВАК).

3. Влияние некоторых ингибиторов АПФ на свертывание крови / Н.П. Вотинцев [и др.] // Тез. докл. XVI Междунар. конгр. по реабилитации в медицине и иммунореабилитации 30 апр. – 3 мая 2011 г. – Париж, Франция - Аллергология и иммунология.- 2011.– Т.12, №1. – С.47 (издание, рекомендованное ВАК).

4. Молекулярное моделирование и практическое подтверждение новых видов биологического действия компонентов дереворазрушающих базидиомицетов / А.Ю.

Айрапетова, Н.П. Вотинцев // Бюллетень Волгоградского научного центра РАМН. – 2008. - №3. – С. 65-66.

5. Вотинцев, Н.П. Поиск новых путей использования некоторых зарегистрированных лекарственных препаратов / Н.П. Вотинцев // Свет знаний – во имя здоровья человека: материалы науч. студ. конф.– Пятигорск, 2008.- Вып.61– С. 94-97.

6. Погребняк, А.В. Поиск новых свойств известных лекарственных препаратов с привлечением методов квантовой химии, молекулярного моделирования и многомерной статистики / А.В. Погребняк, Л.В. Погребняк, Н.П. Вотинцев // Информационно-вычислительные технологии в решении фундаментальных проблем и прикладных научных задач: тез. докл. сессии ИВТН-2008. – М., 2008. – С. 40.

7. Вотинцев, Н.П. Поиск путей повышения эффективности использования известных лекарств / Н.П. Вотинцев // Разработка, исследование и маркетинг новой фармацевтической продукции: сб. науч. тр. – Пятигорск, 2009. – Вып. 64. – С. 397399.

8. Погребняк, А.В. «Drug» – компьютерная база хранения химических и биологических данных на основе системы управления базами данных MySQL / А.В.

Погребняк, Н.П. Вотинцев // Информационно-вычислительные технологии в решении фундаментальных проблем и прикладных научных задач: тез. докл. сессии ИВТН-2009. – М., 2009. – С. 17.

9. Вотинцев, Н.П. Прогнозирование в системе «DRUG» новых свойств известных лекарственных препаратов: эланаприла, лизиноприла, моэксеприла, дилтиазема, цетрина, гидроксизина / Н.П. Вотинцев, А.В. Погребняк, М.Н. Ивашев // Информационно-вычислительные технологии в решении фундаментальных проблем и прикладных научных задач: тез. докл. сессии ИВТН-2010. – М., 2010. – С. 24.

10. Вотинцев, Н.П. Теоретическое обоснование и исследование новых дезагрегантов на основе известных лекарственных препаратов / Н.П. Вотинцев // Человек и лекарство: тез. докл. XVII Рос. нац. конгресса 12-16 апреля 2010 г. – М., 2010. – С. 594.

11. Вотинцев, Н.П. Разработка и программирование инновационного продукта «DRUG» - компьютерной базы хранения химических и биологических данных на основе системы управления базами данных MySQL / Н.П. Вотинцев, А.В. Погребняк // Разработка, исследование и маркетинг новой фармацевтической продукции: сб.

науч. тр. – Пятигорск, 2010. – Вып. 65. – С. 290-292.

12. Вотинцев, Н.П. Экономически эффективный расчет физико-химических дескрипторов, разработка методов прогнозирования фармакологической активности и априорное определение рационального сочетания компонентов лекарственных форм и косметических компонентов / Н.П. Вотинцев [и др.] // Разработка, исследование и маркетинг новой фармацевтической продукции: сб. науч. тр. – Пятигорск, 2010. – Вып. 65. – С. 292-293.

13. Вотинцев, Н.П. Результаты практического использования инновационного продукта «DRUG» для прогнозирования новых свойств известных лекарственных препаратов (эналаприла, лизиноприла, глюренорма, дилтиазема, цетрина, гидроксизина) и прогнозирования структуры нового сложного эфира гидроксизина / Н.П. Вотинцев, А.В. Погребняк, М.Н. Ивашев // Разработка, исследование и маркетинг новой фармацевтической продукции: сб. науч. тр. – Пятигорск, 2011. – Вып. 66. – С. 491-493.

14. Вотинцев, Н.П. Практические результаты прогнозирования новых областей использования известных лекарств / Н.П. Вотинцев // Успехи современного естествознания. – 2012. – №1. – С. 78-80.

ВОТИНЦЕВ НИКОЛАЙ ПАВЛОВИЧ ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ, ПОЛУЧЕНИЕ И ИССЛЕДОВАНИЕ НОВЫХ ДЕЗАГРЕГАНТОВ НА ОСНОВЕ ИЗВЕСТНЫХ ЛЕКАРСТВЕННЫХ ПРЕПАРАТОВ 14.04.02 – фармацевтическая химия, фармакогнозия АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата фармацевтических наук Подписано к печати 23.04.2012 г. Формат бумаги 60x84 1/Бумага книжно-журнальная. Печать ротапринтная. Усл. печ. л. 1,0.

Тираж 100 экз. Заказ № ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «ПЯТИГОРСКАЯ ГОСУДАРСТВЕННАЯ ФАРМАЦЕВТИЧЕСКАЯ АКАДЕМИЯ» МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ И СОЦИАЛЬНОГО РАЗВИТИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ (357532, г Пятигорск, пр. Калинина, 11)




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.