Прогнозирование биологической активности химических соединений из базы данных по противоопухолевым веществам ронц им. Н. Н. Блохина РАМН с помощью системы pass

Апрышко Галина Николаевна; Филимонов Дмитрий Алексеевич; Поройков Владимир Васильевич

ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

Галина Николаевна Апрышко1, Дмитрий Алексеевич Филимонов2, Владимир Васильевич Поройков2

ПРОГНОЗИРОВАНИЕ БИОЛОГИЧЕСКОЙ АКТИВНОСТИ ХИМИЧЕСКИХ СОЕДИНЕНИЙ ИЗ БАЗЫ ДАННЫХ ПО ПРОТИВООПУХОЛЕВЫМ ВЕЩЕСТВАМ РОНЦ ИМ. Н. Н. БЛОХИНА РАМН С ПОМОЩЬЮ СИСТЕМЫ PASS

1 Группа банка данных, отдел экспериментальной химиотерапии, НИИ экспериментальной диагностики и терапии опухолей ГУ РОНЦ

им. Н. Н. Блохина РАМН (115478, РФ, г. Москва, Каширское шоссе, д. 24)

2 ГУ Институт биомедицинской химии им. В. Н. Ореховича РАМН

(119121, РФ, г. Москва, ул. Погодинская, д. 10)

Адрес для переписки: 115478, РФ, г. Москва, Каширское шоссе, д. 24, НИИ экспериментальной диагностики и терапии опухолей ГУ РОНЦ им. Н. Н. Блохина РАМН, отдел экспериментальной химиотерапии, Апрышко Галина Николаевна; e-mail: [email protected]

Приводятся результаты оценки возможности использования компьютерной системы PASS для прогнозирования противоопухолевой активности по структурной формуле у химических соединений как этапа доэкспериментального скрининга новых противоопухолевых веществ.

Ключевые слова: противоопухолевые вещества, экспериментальная химиотерапия опухолей, базы данных, доэкспериментальный скрининг, информационные технологии.

Важным компонентом современных подходов к поиску и разработке новых противоопухолевых лекарств являются информационные технологии, которые позволяют сократить число веществ, исследуемых в биологических экспериментах, и рационализировать схемы их изучения. Одно из направлений использования информационных технологий при поиске активных противоопухолевых веществ — компьютерное прогнозирование биологической активности веществ по их химической структуре.

Компьютерная система PASS (Prediction of Activity Spectra for Substance) для прогнозирования спектра биологической активности основана на извлечении знаний о взаимосвязях структура—активность в обучающей выборке химических соединений, тщательно классифицированных по принадлежности к классам веществ с разными видами биологической активности. Основными

элементами PASS являются представление химической структуры веществ в виде набора дескрипторов, описание биологической активности, база данных структур и активностей веществ и знаний о взаимосвязях структура—активность (SAR Base), алгоритм оценки вероятностей наличия/отсутствия у исследуемого вещества различных видов биологической активности. Для прогноза спектра биологической активности вещества по его структурной формуле вычисляют вероятности принадлежности к классам соединений, проявляющих/не проявляющих определенный вид биологической активности. Биологическая активность описывается в PASS качественным образом (да/нет). Система PASS постоянно совершенствуется авторами в направлении увеличения числа структурных формул веществ в обучающем массиве и расширения прогнозируемого спектра биологической активности [5; 7; 11; 12; 14]. Прогнозируется также так называемое лекарственное подобие (drug-likeness), т. е. вероятность того, что вещество относится к классу известных лекарственных веществ [8].

Ранее на примере 250 000 веществ, зарегистрированных Национальным институтом рака США, показано, что средняя точность прогноза составляет 88,8%, а также выделены вещества, дающие согласно прогнозу противоопухолевый эффект с различными механизмами действия (интеркаляторы ДНК, ингибиторы топоизомераз I и II, РНК/ДНК-антиметаболиты, ингибиторы протеинки-назы С и др.) [13].

В данной работе исследована возможность использования технологии PASS в системе поиска новых противоопухолевых лекарств в отделе экспериментальной химиотерапии НИИ экспериментальной диагностики и терапии опухолей ГУ РОНЦ им. Н. Н. Блохина РАМН. Некоторые предварительные данные этого анализа представлялись ранее на конференциях [3; 4; 9; 10].

МАТЕРИАЛЫ И МЕТОДЫ

Структурные формулы и экспериментальные данные по результатам изучения противоопухолевой активности веществ извлечены из базы данных, разработанной в РОНЦ им. Н. Н. Блохина РАМН и подробно описанной ранее [1; 2; 6].

В экспериментах по прогнозированию биологической активности использована система PASS Professional, позволяющая создавать и модифицировать обучающий массив SAR Base в зависимости от потребностей конкретного пользователя (версия PASS 2007). Обучающая выборка содержит формулы 117 332 веществ, химическая структура которых описывается 52 924 различными дескрипторами. Система позволяет прогнозировать 3300 видов активности со средней ошибкой прогноза 5,308% (скользящий контроль с исключением по одному). Данные о взаимосвязях структура—активность неравнозначны для разных активностей как по количеству веществ в обучающей выборке, обладающих конкретным видом биологической активности, так и по средней величине ошибки прогноза, полученной для конкретного вида биологической активности.

РЕЗУЛЬТАТЫ

Предварительное тестирование возможностей прогнозирования общего спектра биологической активности для 9408 веществ, структурные формулы которых содержатся в базе данных РОНЦ, позволило выявить ряд особенностей химических структур или характера их представления в виде формул, которые ограничивают применение системы PASS. В частности, система PASS не позволяет прогнозировать биологическую активность для двух- и многокомпонентных структур, комплексных соединений, полимеров, полипептидов, структур, изображенных в виде формул Маркуша и представленных только брутто-формулами. Для стерео-химических изомеров гликозидных и аминокислотных производных получали одинаковый спектр прогнозируемой биологической активности, что объясняется указанной в [5] особенностью используемых в системе PASS дескрипторов, описывающих структуру молекул, которые не отражают их стереохимические особенности. В дальнейшей работе эти особенности учитывались как при отборе веществ для прогнозирования активности и «нормализованного» представлении их структур-

ных формул, так и при интерпретации полученных результатов прогноза.

Эксперимент по оценке эффективности предварительного прогнозирования противоопухолевой (antineoplastic) активности с помощью системы PASS как этапа доэкспериментального скрининга при поиске веществ с противоопухолевой активностью проведен с использованием структурных формул 1750 веществ различных химических классов, для которых в базе данных РОНЦ им. Н. Н. Блохина РАМН содержатся как нормализованные структурные формулы, так и результаты экспериментального изучения противоопухолевой активности в опытах in vivo. Вещество классифицировали как обладающее активностью antineoplastic в случае, если оно ингибировало рост солидных экспериментальных опухолей животных не менее чем на 50% и/или увеличивало продолжительность жизни животных с экспериментальными лейкозами и солидными опухолями не менее чем на 25%. В противном случае вещество классифицировали как не обладающее противоопухолевой активностью (not antineoplastic). Компьютерный прогноз активности antineoplastic считали положительным, если прогнозируемая вероятность наличия у вещества этой активности Pa была > 0,5. При Pa < 0,5 считали прогноз отрицательным для активности antineoplastic или положительным для активности not antineoplastic.

Из 1750 протестированных веществ активность antineoplastic экспериментально доказана для 753 (43%), активность not antineoplastic — для 997 (57%) веществ. Положительный прогноз активности antineoplastic получен для 1011 (57,77%) веществ. Отрицательный прогноз активности antineoplastic, или положительный прогноз активности not antineoplastic, получен для 739 (42,23%) веществ. Эти данные свидетельствуют о том, что предварительный компьютерный прогноз противоопухолевой активности позволил бы повысить количество выявляемых активных веществ с 43% (753 из 1750) до 56% (561 из 1011). Количество выявляемых неактивных веществ снизилось бы с 57% (997 из 1750) до 44% (450 из 1011) от количества экспериментально тестируемых веществ, а количество изучаемых экспериментально истинно неактивных веществ до 25,7% (450 из 1750) от всех веществ, предлагаемых для тестирования (см. таблицу). Это означает, что непроизводительные затраты времени и материальных средств на экспериментальное изучение истинно неактивных веществ были бы снижены почти в 2 раза.

Ложноотрицательный прогноз для 192 из 1750 предложенных веществ привел бы к их исключению из экспериментального изучения, т. е. к потере 25% (192 из 753) предложенных для изучения заведомо активных веществ.

Полученные данные согласуются с предварительными результатами оценки прогнозирования противоопухолевой активности с помощью системы PASS 1.917 (версия 2006 г.), полученными ранее [3; 9].

Следует заметить, что результаты компьютерного прогнозирования являются лишь рекомендательными для экспериментаторов, которые должны принимать решение об их использовании исходя из количества предлагаемых веществ и материальных ресурсов для их

Таблица

Данные сравнительного экспериментального изучения противоопухолевой активности без учета и с учетом результатов компьютерного прогноза с помощью системы PASSа

Связь с прогнозом Количество веществ

Передано на экспериментальное исследование Проявили противоопухолевую активность Не проявили противоопухолевой активности

Без учета предварительного прогноза 1750 (100) 753/1750 (43) 997/1750 (57)

С положительным прогнозом противоопухолевой активности 1011 (57,77) 561/1011 (56) 450/1011 (44)

а В скобках указаны проценты.

изучения. Наиболее пригодно компьютерное прогнозирование в случае оптимизации структуры вещества, активного при первичном тестировании, с помощью виртуальной модификации, при которой как с помощью компьютерных программ, так и интеллектуальными усилиями химиков создается множество виртуальных химических структур, экспериментальные испытания которых будут достаточно дорогими и длительными.

Современное направление разработки новых противоопухолевых лекарств — поиск таргетных препаратов, взаимодействующих с молекулярно-биологическими процессами и мишенями, специфическими для злокачественных клеток. Современные подходы к поиску активных веществ — кандидатов для разработки лекарственных препаратов — предполагают как можно более раннюю оценку их возможных неблагоприятных эффектов.

С учетом этой тенденции, а также специфики исследований биологически активных веществ в РОНЦ им. Н. Н. Блохина РАМН (создание лекарственных средств для лечения рака) проведена работа по формированию специализированного обучающего массива для прогнозирования спектра биологической активности потенциальных противоопухолевых веществ. Этому предшествовало предварительное тестирование возможности прогнозирования с помощью системы PASS для веществ из базы данных РОНЦ им. Н. Н. Блохина РАМН различных механизмов действия противоопухолевых лекарств [4].

В результате из числа прогнозируемых системой PASS 3300 активностей отобраны 230 видов, в том числе 18 фармакологических эффектов, 8 видов токсических и побочных эффектов, 204 механизма действия на внутриклеточные, биохимические и молекулярные мишени, специфические для опухолевого роста. Из содержащихся в базе данных PASS веществ, обладающих этими видами активности, сформирована специализированная SAR Base, при использовании которой средняя ошибка прогноза составляет 5,983%. При этом проведена корректировка некоторых терминов, обозначающих вид биологической активности, для некоторых видов биологической активности изменен тип «фармакологический эффект» на «механизм действия».

В комплекс прогнозируемых механизмов действия включены как классические для противоопухолевых веществ (алкилирующий агент, антиметаболит, ингибитор

митоза, интеркалятор ДНК), для которых число молекул в обучающем массиве PASS составляет по нескольку сотен, а ошибка прогноза — 5—15%, так и биохимические механизмы и молекулярные мишени, для которых содержание молекул в обучающем массиве относительно невелико (десятки веществ) или ошибка прогноза составляет около 20% (ингибитор ангиогенеза, антагонист факторов роста, агонист или антагонист гормонов, агонист или индуктор интерферона, ингибиторы рецепторов разных типов, ферментов сигнальной трансдукции, метаболизма нуклеотидов).

Перечень видов биологической активности, прогнозируемых для новых химических структур, может изменяться от 1—4 (например, противоопухолевая, ци-тостатическая, антиметастатическая, антиангиогенная) в случае узконаправленного поиска потенциальных противоопухолевых веществ до полного спектра биологической активности, прогноз которого возможен с помощью настоящей версии системы PASS. В последнем случае возможно получение результатов, указывающих на возможность проявления веществом так называемых непрофильных активностей, которые могут не выявляться в экспериментах по поиску веществ с противоопухолевой активностью. Результаты прогноза полного спектра биологической активности полноценно могут быть проанализированы лишь с привлечением высококвалифицированных специалистов в различных областях современной медико-биологической науки, связанных с разработкой новых лекарственных препаратов.

Для одновременного анализа химической формулы вещества, результатов компьютерного прогноза с помощью системы PASS и результатов экспериментального изучения биологической активности веществ структура базы данных по противоопухолевым веществам РОНЦ им. Н. Н. Блохина РАМН дополнена полями, которые содержат все параметры, получаемые с помощью компьютерного прогноза. Отработан алгоритм импорта результатов прогноза в эту базу данных. Специальный интерфейс пользователя позволяет одновременно просматривать структурную формулу вещества, данные компьютерного прогноза и результаты экспериментального изучения.

Пример экспериментального подтверждения прогнозируемых с помощью системы PASS цитостатической активности in vitro и противоопухолевой активности in vivo получен на веществах из класса индолокарбазолов [10].

Выполнено компьютерное прогнозирование взаимодействия с различными опухолеспецифическими мишенями и известных механизмов действия противоопухолевых лекарств для ретроспективного массива веществ, структурные формулы которых содержатся в базе данных РОНЦ. Полученные данные позволяют предположить наличие у ряда веществ активности, не выявленной ранее из-за ограниченных возможностей использованных экспериментальных моделей. Так, для ряда веществ, не проявивших противоопухолевую активность при первичном скрининге на экспериментальных лейкозах и вследствие этого снятых с дальнейшего изучения, получен положительный прогноз относительно механизмов антиангиогенного действия. Для этих веществ целесообразно рассмотреть возможность их повторного тестирования на солидных опухолях.

ЗАКЛЮЧЕНИЕ

С учетом выявленных структурно-химических ограничений систему PASS можно рекомендовать для доэк-спериментального (in silico) скрининга на противоопухолевую активность в случае предложения для изучения большого количества веществ, особенно при виртуальном скрининге новых химических структур до их синтеза. Существующая в ГУ РОНЦ им. Н. Н. Блохина РАМН система разработки новых противоопухолевых лекарств при включении в нее этапа доэкспериментального компьютерного скрининга может быть усовершенствована в направлении сокращения затрат времени и материальных средств и получения более эффективных лекарственных препаратов. В настоящее время получены результаты компьютерного прогнозирования спектра биологической активности у ряда предлагаемых для экспериментального изучения веществ различных химических классов в целях их использования для планирования экспериментальных исследований.

ЛИТЕРАТУРА

1. Апрышко Г. Н. Биологическая информация в электронной базе данных по противоопухолевым веществам НИИ ЭДИТО РОНЦ РАМН // Вестн. РОНЦ им. Н. Н. Блохина РАМН. — 2007. — № 2. — C. 25—31.

2. Апрышко Г. Н. Информационная система РОНЦ им. Н. Н. Блохина РАМН по противоопухолевым агентам. Общий обзор // НТИ.

Серия 2. — 2007. — № 1. — С. 18—22.

3. Апрышко Г. Н. Система PASS и поиск новых противоопухолевых лекарств / Матер. VI Всерос. науч.-практ. конф. «Отечественные противоопухолевые препараты» // Рос. биотер. журн. — 2007. — № 1. — C. 89.

4. Апрышко Г. Н., Решетникова В. В., Филимонов Д. А. и др.

Компьютерное прогнозирование механизмов действия противоопухолевых препаратов /Матер. VI Всерос. науч.-практ. конф. «Отечественные противоопухолевые препараты» // Рос. биотер. журн. — 2005. — № 1. — С. 46.

5. Глориозова Т. А., Филимонов Д. А., Лагунин А. А. и др. Тестирование компьютерной системы для предсказания биологической активности PASS на выборке новых химических соединений // Хим.-фарм. журн. — 1998. — Т. 32, № 12. — C. 32—39.

6. Решетникова В. В., Апрышко Г. Н. Номенклатурно-химическая информация в Банке данных по противоопухолевым веществам ГУ РОНЦ им. Н. Н. Блохина РАМН // Вестн. РОНЦ им. Н. Н. Блохина РАМН. — 2007. — № 3. — C. 9—14.

7. Филимонов Д. А., Поройков В. В. Прогноз спектра биологической активности органических соединений // Рос. хим. журн. — 2006. — Т. 50. — № 2. — С. 66—75.

8. Anzali S., Barnickel G., Cezanne B. et al. Discriminating between drugs and nondrugs by Prediction of Activity Spectra for Substances (PASS) // J. Med. Chem. — 2001. — Vol. 44, N 15. — P. 2432—2437.

9. Apryshko G. N., Filimonov D. A., Poroikov V. V. Computer-based search for new antitumor drugs using the RCRC RAMS Database on antitumor substances // Abstracts of IV International Symposium on Computational Methods in Toxicology and Pharmacology Integrating Internet Resources (CMTPI-2007). — M., 2007. — P. 77.

10. Apryshko G. N., Golubeva I. S., Gorunova O. V. et al. Computer-aided predicting biological activity and experimental testing of N-gly-cosides of substited indolo[2,3-a]carbazoles in search for new antitumor substances // Abstracts of IV International Symposium on Computational Methods in Toxicology and Pharmacology Integrating Internet Resources (CMTPI-2007). — M., 2007. — P. 76.

11. Lagunin A., Stepanchikova A., FilimonovD. et al. PASS: prediction of activity spectra for biologically active substances // Bioinformatics. — 2000. — Vol. 16, N 8. — P. 747—748.

12. Poroikov V., Filimonov D. PASS: Prediction of Biological Activity Spectra for Substances. Helma C. (Ed.). Predictive Toxicology. Boka Raton: Taylor & Francis, 2005. — P. 459—478.

13. Poroikov V. V., Filimonov D. A., Ihlenfeldt W.-D. et al. PASS Biological Activity Spectrum Predictions in the Enhanced Open NCI Database Browser // J. Chem. Inform. Comput. Sci. — 2003. — Vol. 4, N 1. — P. 228—236.

14. Stepanchikova A. V., Lagunin A. A., Filimonov D. A. et al. Prediction of biological activity spectra for substances: evaluation on the diverse set of drug-like structures // Cur. Med. Chem. — 2003. — N 10. — P. 225—233.

Поступила 22.02.2008

Galina Nikolayevna Apryshko1, Dmitry Alexeyevich Filimonov2,

Vladimir Vasilyevich Poroikov2

PROGNOSIS OF BIOLOGICAL ACTIVITY OF CHEMICAL COMPOUNDS FROM DATABASE OF ANTITUMOR SUBSTANCES, N. N. BLOKHIN RCRC RAMS,

USING THE PASS SYSTEM

1 Databank Group, Experimental Chemotherapy Department, Tumor Experimental Diagnosis and Therapy Research Institute, N. N. Blokhin RCRC RAMS (24, Kashirskkoye sh., Moscow, 115478, Russian Federation)

2 V. N. Orekhovich Biomedical Chemistry Institute RAMS (10, Pogodinskaya st., Moscow, 119121, Russian Federation)

Address for correspondence: Apryshko Galina Nikolayevna, Databank Group, Experimental Chemotherapy Department, Tumor Experimental Diagnosis and Therapy Research Institute, N. N. Blokhin RCRC RAMS, 24, Kashirskkoye sh., Moscow, 115478, Russian Federation; e-mail: [email protected]

The paper describes results of testing the PASS computer-based system as a means to predict antitumor activity of chemical compounds by structural formula as pre-experimental screening for new antitumor substances.

Key words: antitumor substances, experimental tumor chemotherapy, database, pre-experimental screening, information technologies.

PROGNOSIS OF BIOLOGICAL ACTIVITY OF CHEMICAL COMPOUNDS FROM DATABASE OF ANTITUMOR SUBSTANCES, N.N. BLOKHIN RCRC RAMS, USING THE PASS SYSTEM