İlaç Keşfi için Hesaplamalı Kaynak - Computational Resource for Drug Discovery - Wikipedia

İlaç Keşfi için Hesaplamalı Kaynaklar (CRDD) önemli siliko modüllerinden biridir İlaç Keşfi için Açık Kaynak (OSDD). CRDD web portalı, aşağıdakilerle ilgili bilgisayar kaynakları sağlar: ilaç keşfi tek bir platformda. Bilgisayar destekli araştırmacılar için hesaplama kaynakları sağlar ilaç tasarımı bir tartışma forumu ve sürdürülecek kaynaklar Wikipedia ilaç keşfi ile ilgili, inhibitörleri tahmin etme ve ADME-Tox moleküllerin özelliği CRDD'nin ana hedeflerinden biri, açık kaynağı teşvik etmektir. yazılım nın alanında kemoinformatik ve farmakoinformatik.

Özellikleri

CRDD kapsamında, bilgisayar destekli ilaç tasarımıyla ilgili tüm kaynaklar toplanmış ve derlenmiştir. Bu kaynaklar, kullanıcıların kaynakları tek bir kaynaktan alabilmeleri için CRDD'de düzenlenir ve sunulur.

  • Hedef belirleme, uyuşturucu hedeflerini araştırmak için önemli kaynakları sağlar. genom açıklaması, proteom ek açıklaması, potansiyel hedefler ve protein yapısı
  • Sanal tarama, sanal tarama için önemli olan kaynakları QSAR teknikleri, QSAR yerleştirme, kemoinformatik ve siRNA /miRNA
  • İlaç tasarımı; kurşun optimizasyonu, farmakinformatik, ADMET ve klinik bilişim olarak ilaç inhibitörlerini / moleküllerini tasarlamak için önemli olan kaynakları sağlar.

Topluluk katkısı

Bu kategori altında, toplumun ilaç keşfi sürecine katkıda bulunabileceği bir platform geliştirilmiştir.

  • DrugPedia: Uyuşturucu Keşfi için Wikipedia, bilgisayar destekli ilaç tasarımıyla ilgili bilgileri toplamak ve derlemek için oluşturulmuş bir Wiki'dir. Açık Kaynaklı İlaç Keşfi (OSDD) projesi şemsiyesi altında geliştirilmiştir ve ilaçlar gibi çok çeşitli konuları kapsar. Biyoinformatik, Cheminfiormatics, klinik bilişim vb.
  • Indipedia: Bir Wikipedia Hindistan Hindistan ile ilgili uyuşturucu bilgilerinin toplanması ve derlenmesi için bir Wiki'dir. Hintliler tarafından Kızılderililer için oluşturulan Hindistan hakkında kapsamlı bilgi sağlamayı amaçlamaktadır. Açık Kaynak İlaç Keşfi (OSDD) projesi çatısı altında geliştirilmiştir.
  • CRDD Forumu, ilaç keşfi için hesaplama kaynaklarının geliştirilmesindeki zorlukları tartışmak üzere başlatıldı.

Yerli geliştirme: yazılım ve web hizmetleri

CRDD üyeleri, kaynakları toplamanın ve derlemenin yanı sıra yeni yazılım ve web hizmetleri geliştirir. Geliştirilen tüm hizmetler akademik kullanım için ücretsizdir. Aşağıdakiler, CRDD'de geliştirilen birkaç ana araçtır.[kaynak belirtilmeli ]

Veritabanlarının geliştirilmesi

  • HMRBase: Manuel olarak seçilmiş veri tabanı nın-nin Hormonlar ve onların Reseptörler. Kapsamlı manuel literatür taramasından ve kamuya açık veritabanlarından elde edilen sekans verilerinin bir derlemesidir. HMRbase, çeşitli veri türleri temelinde aranabilir. Yüksek etkisi nedeniyle endokrin araştırması biyomedikal bilimlerde, Hmrbase araştırmacılar için önde gelen bir veri portalı haline gelebilir. Hmrbase'in göze çarpan özellikleri, hormon-reseptör çifti ile ilgili bilgilerdir, peptid uzantılarının protein dizileri hormonlar ve reseptörler, Pfam alan açıklamaları, kategorik tarama seçenekleri, çevrimiçi veri gönderimi.[1] Bu veritabanı, halkın katkıda bulunabilmesi için uyuşturucuya entegre edilmiştir.
  • BIAdb: Bir Veritabanı Benzilizokinolin Alkaloidler. Benzilizokinolin Alkaloid Veritabanı, BIA'larla ilgili dağınık bilgileri toplama girişimidir. Çoğu BIA, terapötik özellikler gösterir ve güçlü ilaç adayları olarak düşünülebilir. Sentetik süreç kullanarak tıbbi açıdan önemli alkaloidler geliştirmek önemli zorluklardan biri olduğundan, bu veritabanı sentetik biyoloji alanında çalışan araştırmacılara da hizmet edecektir. Bu veritabanı, halkın katkıda bulunabilmesi için uyuşturucuya entegre edilmiştir.[2]
  • AntigenDB: Bu veritabanı 500'den fazla antijenler literatürden ve diğer immünolojik kaynaklardan toplanmıştır. Bu antijenler, 44 önemli patojenik türden gelir. AntigenDB'de, bir veritabanı girişi, B ve B gibi ek bilgilerle birlikte bir antijenin dizisi, yapısı, kökeni vb. İle ilgili bilgileri içerir. T hücresi epitoplar, MHC bağlanma, işlev, gen ekspresyonu ve mümkün olduğunda çeviri sonrası değişiklikler. AntigenDB ayrıca önemli dahili ve harici veritabanlarına bağlantılar sağlar.[3]
  • PolysacDB: PolysacDB, antijenik içerikler hakkında kapsamlı bilgi sağlamaya adanmıştır. polisakkaritler mikrobiyal kökenli (bakteriyel ve mantar ), antikorlar bunlara karşı, önerilen epitoplar, yapısal ayrıntılar, önerilen işlevler, deney sistemi, çapraz reaktivite ile ilgili bilgiler ve çok daha fazlası. Verilerin çoğunun toplandığı manuel olarak seçilmiş bir veritabanıdır. PubMed ve PubMed Central literatür veritabanları.
  • TumorHope: TumorHope, deneysel olarak karakterize edilen, manuel olarak küratörlüğünü yapılan kapsamlı bir veritabanıdır. tümör homing peptidler. Bu peptitler, tümör dahil olmak üzere tümör dokularını ve tümörle ilişkili mikro ortamı tanır. metastaz.
  • ccPDB: ccPDB veritabanı, proteinlerin işlev veya yapı ek açıklaması alanında çalışan bilimsel topluluğa hizmet sağlamak için tasarlanmıştır. Bu veri kümeleri veritabanı, Protein Veri Bankası (PDB), tüm veri kümeleri PDB'den türetilmiştir.[4]
  • OSDDchem: OSDDChem kimyasal veritabanı, OSDD topluluğundan sentezlenmiş, yarı sentezlenmiş, doğal ve sanal olarak tasarlanmış moleküller hakkında açık bir bilgi deposudur.
  • CancerDR: CancerDR, 148 veri tabanıdır antikanser ilaçlar ve yaklaşık 1000 kanser hücre dizisine karşı etkililikleri. Bunlar hedef temelli ilaçlardır, CancerDR bu ilaçlar hakkında kapsamlı bilgileri hedefledikleri gen / protein ve hücre hatları.

Yazılım geliştirildi

  • MycoTB: Bilimsel topluluğa yardımcı olmak amacıyla, MycoTB için bağımsız bir yazılım oluşturmak için esnek sistem konseptini genişlettik. pencereler Kullanıcılar. MycoTB, OSDD / CRDD programı kapsamında geliştirilen bilgisayar programlarından biridir. Bu yazılım, kullanıcının MycoTB'nin tüm proteomunu yönetmek ve açıklama eklemek için kişisel bilgisayarlarında kendi esnek sistemini oluşturmasına olanak tanır.

Oluşturulan kaynaklar

  • CRAG: Genomları birleştirmek için hesaplama kaynakları (CRAG), kullanıcılara kısa okumalı dizilemeden (SRS) genomların bir araya getirilmesinde yardımcı olmaktı. Ana hedefi takiben; i) Hesaplama kaynaklarının toplanması ve derlenmesi, ii) Genom birleştiricilerinin kısa açıklaması, iii) SRS ve ilgili verilerin korunması, iv) Genomlarını bir araya getirmek için topluluğa hizmet
  • CRIP: Kaynaklarla ilgili etkileşimi sağlamak için geliştirilmiş protein-makromoleküler etkileşimleri (CRIP) tahmin etmek için hesaplama kaynakları. Bu site, protein-protein, protein gibi proteinlerin etkileşim dünyasına ilişkin çok sayıda kaynağı muhafaza etmektedir.DNA, protein – ligand, protein–RNA.
  • BioTherapi: Protein / peptid terapötikleri alanında çalışan araştırmacılar için geliştirilen Terapötik Peptidler ve Proteinler için Biyoinformatik (BioTherapi). Şu anda bu tür bilgileri sağlayan tek bir platform yok. Bu site, ilaçta Peptidlerin / Proteinlerin kullanımı ve yeni peptidlerin sentezi ile ilgili tüm bilgileri içerir. Aynı zamanda formülasyon, sentez ve dağıtım süreçlerindeki sorunları da kapsar
  • HivBio: HIV Biyoinformatik (HIVbio) sitesi, çeşitli türlerde bilgiler içerir. İnsan bağışıklık eksikliği virüsü (HIV) yaşam döngüsü ve Enfeksiyon.
  • GDPbio: GDPbio (Biyoinformatik kullanarak Hastalıkların ve Kişisel ilaçların Genom tabanlı tahmini), özellikle belirli bir bireyin hastalığa duyarlılığının tahmini için genom analizi ile ilgili çeşitli kaynaklar sağlamaya ve halk sağlığını iyileştirmeyi amaçlayan kişiselleştirilmiş ilaç geliştirmeye odaklanan bir projedir.
  • AminoFAT: Amino Asitler için İşlevsel Ek Açıklama Araçları (AminoFAT) sunucusu, biyoinformatik topluluğuna hizmet vermek için tasarlanmıştır. Amaç, PDB'deki protein yapısına dayalı olarak proteinlerdeki amino asitlerin işlevini anlamak için mümkün olduğunca çok araç geliştirmektir. Protein işlevi hakkındaki geniş bilgi, noval ilaç hedeflerinin belirlenmesine yardımcı olacaktır.

Kemoinformatik için web hizmetleri

Dünyada ilk kez CRDD ekibi, kullanıcıların yeni M'ye karşı inhibitörleri tahmin etmesine olanak tanıyan açık kaynaklı bir platform geliştirdi. Tüberküloz ilaç hedefleri ve ADMET gibi ilaç moleküllerinin diğer önemli özellikleri. Birkaç sunucunun listesi aşağıdadır.

  • MetaPred: Tahmin için bir web sunucusu Sitokrom P450 Bir İlaç Molekülünü Metabolize Etmekten Sorumlu İzoform. MetaPred Server, CDK tanımlayıcıları kullanılarak geliştirilen SVM modellerine dayalı olarak bir ilaç molekülünün / substratının CYP izoformunu metabolize eden kestirimde bulunur. Bu sunucu, ilaç keşfi alanında çalışan araştırmacılar için faydalı olacaktır. Bu çalışma, kemoinformatik alanında ücretsiz web sunucuları geliştirmenin mümkün olduğunu göstermektedir. Bu, diğer araştırmacıları halka açık kullanım için web sunucusu geliştirmeye teşvik edecek ve bu da yeni ilaç moleküllerini keşfetme maliyetini düşürebilir.[5]
  • ToxiPred: T. pyriformis'teki küçük kimyasal moleküllerin sulu toksisitesinin tahmini için bir sunucu.
  • KetoDrug: Ketoksazol türevlerinin bağlanma afinite tahmini için bir web sunucusu Yağ Asidi Amid Hidrolaz (FAAH). Küçük kimyasal moleküllerin FAAH'a karşı bağlanma afinitesinin tahmini için kullanıcı dostu bir web sunucusudur.
  • KiDoQ: KiDoQ, bir web sunucusu, karşı inhibitörlerin tasarlanması alanında çalışan bilimsel topluluğa hizmet etmek için geliştirilmiştir. Dihidrodipikolinat sentaz (DHDPS), benzersiz bir bakteriyel DAP / Lizin yolağının potansiyel bir ilaç hedef enzimi.[6]
  • GDoQ: GDoQ (QSAR kullanarak GLMU inhibitörlerinin tahmini ve AutoDock ), inhibitörleri tahmin etmek için geliştirilmiş açık kaynaklı bir platformdur. Tüberküloz (M.Tb) uyuşturucu hedefi N-asetilglukozamin-1-fosfat üridiltransferaz (GLMU) proteini. Bu, bakteriyel hücre duvarı sentezinde yer alan potansiyel bir ilaç hedefidir. Bu sunucu, GLMU proteini için kimyasal bileşiklerin inhibitör aktivite değerini (IC50) tahmin etmek için moleküler yerleştirme ve QSAR stratejilerini kullanır.[7]
  • ROCR: ROCR, sınıflandırıcı performansını değerlendirmek ve görselleştirmek için bir R paketidir. ROC grafikleri, duyarlılık / özgüllük eğrileri, eğri altındaki alan ve kesinlik / geri çağırma eğrisi oluşturmak için esnek bir araçtır. Eğri kesime göre renklendirilerek parametrelendirme görselleştirilebilir.
  • WebCDK: için bir web arayüzü CDK kitaplık, CDK kitaplığını kullanarak kimyasalların tanımlayıcılarını tahmin etmek için bir web arayüzüdür.
  • Farmakokinetik: Farmakokinetik veri analizi, doğrusal olmayan konsantrasyon zaman eğrisi ile ölçülen doz rejimi ile vücudun ilaca maruz kalması arasındaki ilişkiyi belirler. Eğrinin altındaki alanı hesaplamak için bir AUC işlevi içerir. Aynı zamanda bir çift üssüel model için yarı ömür tahmini için fonksiyonlar ve iki fazlı bir doğrusal regresyon içerir.

İlaç hedeflerinin tahmini ve analizi

  • RNApred: İnts amino asit dizisinden RNA bağlama proteinlerinin tahmini.[8]
  • ProPrint: Amino asit dizilerinden proteinler arasındaki etkileşimin tahmini.[9]
  • DomPrint: Domprint, bir etki alanı-etki alanı etkileşimi (DDI) tahmin sunucusudur.
  • MycoPrint: MycoPrint, aşağıdakilerin interaktomunun keşfi için bir web arayüzüdür. Tüberküloz H37Rv (Mtb), "Etki Alanı Etkileşim Eşleme" (DIM) yöntemiyle tahmin edildi.
  • ATPint: Tahmin için bir sunucu ATP proteinlerde etkileşen kalıntılar.[10]
  • FADpred: Kimliği HEVES proteinlerde etkileşen kalıntılar.[11]
  • GTPbinder: Protein tahmini GTP etkileşen kalıntılar.[12]
  • NADbinder: Proteinlerdeki NAD bağlanma kalıntılarının tahmini.[13]
  • PreMier: Antibakteriyel Peptidlerin Mutantlarının Tasarımı.[14]
  • DMAP: DMAP: Antibakteriyel Peptidlerin Mutantlarının Tasarımı
  • icaars: Tahmin ve sınıflandırma aminoasil tRNA sentetazları PROSITE alanlarını kullanma [15]
  • CBtope: Amino asit dizisinden bir dizideki Konformasyonel B hücresi epitopunun tahmini.[16]
  • DesiRM: Bir Geni Susturmak İçin Tamamlayıcı ve Uyumsuz siRNA'ların Tasarımı.[17]
  • GenomeABC: Genom Birleştiricilerinin Kıyaslanması için bir sunucu.

Referanslar

  1. ^ Rashid, Mamoon; Singla, Deepak; Sharma, Arun; Kumar, Manish; Raghava, Gajendra PS (2009). "Hmrbase: hormonlar ve reseptörlerinin bir veritabanı". BMC Genomics. 10: 307. doi:10.1186/1471-2164-10-307. PMC  2720991. PMID  19589147.
  2. ^ Singla, Deepak; Sharma, Arun; Kaur, Jasjit; Panwar, Bharat; Raghava, Gajendra PS (2010). "BIAdb: Benzilizokinolin alkaloidlerin küratörlüğünü yaptığı bir veritabanı". BMC Farmakoloji. 10: 4. doi:10.1186/1471-2210-10-4. PMC  2844369. PMID  20205728.
  3. ^ Ansari, H. R .; Flower, D.R .; Raghava, G.P. S. (2009). "AntigenDB: patojen antijenlerin immünoinformatik veritabanı". Nükleik Asit Araştırması. 38 (Veritabanı sorunu): D847–53. doi:10.1093 / nar / gkp830. PMC  2808902. PMID  19820110.
  4. ^ Nükleik Asitler Araştırması, 2011
  5. ^ Mishra, Nitish K; Agarwal, Sandhya; Raghava, Gajendra PS (2010). "Bir ilaç molekülünü metabolize etmekten sorumlu sitokrom P450 izoformunun tahmini". BMC Farmakoloji. 10: 8. doi:10.1186/1471-2210-10-8. PMC  2912882. PMID  20637097.
  6. ^ Garg, Aarti; Tewari, Rupinder; Raghava, Gajendra PS (2010). "KiDoQ: antibakteriyelleri tahmin etmek için ligand tabanlı model geliştirmek için yerleştirme tabanlı enerji skorlarını kullanma". BMC Biyoinformatik. 11: 125. doi:10.1186/1471-2105-11-125. PMC  2841597. PMID  20222969.
  7. ^ Singla, Deepak; Anurag, Meenakshi; kısa çizgi, Debasis; Raghava, Gajendra PS (2011). "Bakteriyel Hedef GlmU Proteine ​​Karşı İnhibitörleri Öngörmek İçin Bir Web Sunucusu". BMC Farmakoloji. 11: 5. doi:10.1186/1471-2210-11-5. PMC  3146400. PMID  21733180.
  8. ^ Kumar, M; Gromiha, MM; Raghava, GP (2010). "Bağlanma kalıntıları ve evrimsel bilgiler kullanılarak RNA bağlayıcı proteinlerin SVM tabanlı tahmini". Moleküler Tanıma Dergisi. 24 (2): 303–13. doi:10.1002 / jmr.1061. PMID  20677174.
  9. ^ Rashid, M. ve Raghava, G. P. S. (2010) Protein-protein etkileşimlerini tahmin etmek için basit bir yaklaşım. Güncel Protein ve Peptit Bilimi (Basında).
  10. ^ Chauhan, JS; Mishra, NK; Raghava, GP (2009). "Bir proteinin ATP bağlanma kalıntılarının birincil dizisinden belirlenmesi". BMC Biyoinformatik. 10: 434. doi:10.1186/1471-2105-10-434. PMC  2803200. PMID  20021687.
  11. ^ Mishra, Nitish K .; Raghava, Gajendra P. S. (2010). "Bir proteindeki FAD etkileşimli kalıntıların, evrimsel bilgileri kullanarak birincil dizisinden tahmin edilmesi". BMC Biyoinformatik. 11: S48. doi:10.1186 / 1471-2105-11-S1-S48. PMC  3009520. PMID  20122222.
  12. ^ Chauhan, JS; Mishra, NK; Raghava, GP (2010). "Bir proteindeki GTP etkileşimli kalıntıların, dipeptitlerin ve tripeptitlerin evrimsel bilgilerinden tahmini". BMC Biyoinformatik. 11: 301. doi:10.1186/1471-2105-11-301. PMC  3098072. PMID  20525281.
  13. ^ Ansari, HR; Raghava, GP (2010). "Proteinlerdeki NAD etkileşimli kalıntıların belirlenmesi". BMC Biyoinformatik. 11: 160. doi:10.1186/1471-2105-11-160. PMC  2853471. PMID  20353553.
  14. ^ Agarwal; et al. (2011). "Mannoz Etkileşen Kalıntıların Yerel Bileşim Kullanılarak Tanımlanması". PLoS ONE. 6 (9): e24039. Bibcode:2011PLoSO ... 624039A. doi:10.1371 / journal.pone.0024039. PMC  3172211. PMID  21931639.
  15. ^ Panwar, Bharat; Raghava, Gajendra PS (2010). "PROSITE alanlarını kullanarak aminoasil tRNA sentetazların tahmini ve sınıflandırılması". BMC Genomics. 11: 507. doi:10.1186/1471-2164-11-507. PMC  2997003. PMID  20860794.
  16. ^ Ansari, HR; Raghava, Gajendra PS (2010). "Bir antijendeki konformasyonel B hücresi Epitoplarının birincil dizisinden tanımlanması". İmmünom Araştırması. 6: 6. doi:10.1186/1745-7580-6-6. PMC  2974664. PMID  20961417.
  17. ^ Ahmed, F; Raghava, Gajendra PS (2011). "Bir Geni Susturmak İçin Son Derece Etkili Tamamlayıcı ve Uyumsuz siRNA'ların Tasarlanması". PLoS ONE. 6 (8): e23443. Bibcode:2011PLoSO ... 623443A. doi:10.1371 / journal.pone.0023443. PMC  3154470. PMID  21853133.

daha fazla okuma