Videnskab
 science >> Videnskab >  >> Kemi

Ny makrolakton -database kan hjælpe med at opdage lægemidler, forskning

Kredit:North Carolina State University

Forskere fra North Carolina State University og Collaborations Pharmaceuticals har oprettet en gratis database med 14, 000 kendte makrolaktoner - store molekyler brugt i lægemiddeludvikling - som indeholder information om de molekylære egenskaber, kemisk mangfoldighed og biologiske aktiviteter af denne strukturelle klasse. Databasen, kaldet MacrolactoneDB, udfylder et hul i viden om disse molekyler og kan tjene som et nyttigt værktøj til fremtidig lægemiddelopdagelse.

Makrolactoner er molekyler med mindst 12 atomer, der sammensætter deres ringlignende struktur. Blandt mange nyttige egenskaber, makrolactoners evne til at binde sig til svære proteinmål gør dem velegnede til antivirale, antibiotikum, antifungale og antiparasitære lægemidler. Imidlertid, deres størrelse og komplicerede struktur gør dem svære at syntetisere.

"Macrolactoner er titaniske molekyler - deres størrelse giver udfordringer for forskere, der måske vil arbejde med dem, " siger Sean Ekins, CEO for Collaborations Pharmaceuticals, medlem af NC State's Comparative Medicine Institute, entreprenør i bolig på UNC-Chapel Hill's Eshelman School of Pharmacy og tilsvarende forfatter til forskningen. "Vi ønskede at løse dette problem ved at oprette en offentligt tilgængelig database over disse molekyler og deres egenskaber."

NC State kandidatstuderende og første forfatter af papiret Phyo Phyo Zin minede 13 offentlige databaser for 14, 000 kendte makrolaktoner, kompilere dem i MacrolactoneDB. Kun 20 % af de makrolactonforbindelser, hun kurerede, havde biologiske data forbundet med dem.

Zin, Ekins, og NC State Associate Professor of Kemi Gavin Williams udførte keminformatiske analyser af makrolaktonernes molekylære egenskaber og udviklede 91 deskriptorer for bedre at karakterisere molekylerne. Forskerne så på tre mål af interesse for nogle af makrolaktonerne - specifikt malaria, hepatitis C- og T-celler - og brugte maskinlæringsteknikker til at forstå struktur-aktivitetsforholdet mellem makrolaktonerne og disse mål.

"Vi ved, at makrolactonmedicin er effektive, men der er meget, vi ikke ved om, hvad der gør en god, " siger Williams. "Det er derfor, vi satte os for at lave denne forskning. Vi fandt ud af, at det er muligt at bruge maskinlæring med disse molekyler, og forbedring af vores analyse og beskrivelse af makrolaktoner vil forbedre forudsigelsesmodeller fremadrettet."

"Enhver, der er interesseret i disse molekyler eller i lægemiddeludvikling, der anvender makrolaktoner, har nu en brugervenlig database, hvor alt er tilgængeligt og ét sted, " siger Ekins. "Forskere kan stille spørgsmål om, hvad der gør et bestemt makrolaktonmolekyle velegnet til en bestemt biologisk anvendelse.

"Forhåbentlig vil MacrolactoneDB hjælpe os med at forstå denne forskelligartede klasse af molekyler, og gå videre med at skabe nye."


Varme artikler