Computer könnten bessere Medikamente machen.

Behind the Scenes Artikel wurde LiveScience in Zusammenarbeit mit der National Science Foundation zur Verfügung gestellt.

Die meisten Medikamente geben Sie unserem Körper als kleine Moleküle, Liganden, die an der Oberfläche der Zielproteine, Hemmung ihrer Funktion und zum Schutz unserer Gesundheit zu binden. Für ein Medikament zu zähmen Kopfschmerzen oder eine geschwollene Knie zu verringern muss es in kleinen Dosen effektiv und selektiv genug, um Nebenwirkungen zu begrenzen.

Mit so vielen Medikamenten zur Auswahl in den Regalen Ihrer lokalen Apotheke scheint es, dass ein neues Medikament zu finden, ein einfacher, unkomplizierter Prozess ist. In Wirklichkeit kann die Entdeckung eines neuen Medikaments eine Herkules-Anstrengung.

Im Durchschnitt dauert es 15 Jahre und mehr als $ 800 Millionen in Forschung und Entwicklung für ein Medikament auf den Markt kommen nach Ansicht von Experten. Dies treibt den Preis von Blockbustern, Forschung in weniger rentabel Medikamente zu begrenzen.

Aufgrund der Zeit- und Kostenaufwand unbedingt beteiligt, advanced computing Drug Discovery Bemühungen. Durch die Bindung von virtuellen Proteine und Liganden simulieren, können Chemiker riesigen Pools möglich Verbindungen Bildschirm schneller als je zuvor im Labor möglich wäre.

Dabei schneidet die Anzahl der mögliche Heilungen von Millionen auf Hunderte, an welcher Stelle das Medikament Kandidaten können studiert werden im Labor, wodurch Wirkstoffforschung, billiger und schneller. Mehrere wichtige HIV-Protease-Inhibitoren wurden mit dieser Methode entdeckt.

Virtuelle "Anreicherung" ist jedoch nur hilfreich, wenn die effektivste Moleküle in den obersten 10 Prozent der Vorhersage am Ende. Mehr als oft nicht, tun sie nicht, was zu Frustration und Skepsis im Bereich.

Pengyu Ren, Assistant Professor für Biomedical Engineering an der University of Texas at Austin, versucht, dieses Problem zu lösen. Mit der NSF-finanzierten Ranger Supercomputer und einem großen Pool von bekannten Protein-Ligand-Spiele, ist er eine robuste Möglichkeit, Suche nach neuen Medikamenten Gestaltung.

"Wir testen und numerische Lösungsansätze, die die experimentellen Daten der Protein-Ligand-Bindung am besten reproduzieren kann, die in der Fachliteratur berichtet worden ist," erklärt Ren.

Der Aufwand ist eines der umfassendsten Studien von Protein-Ligand-Interaktionen mit All-Atom-Simulationen. Durch die Darstellung der physischen Realität mit weit größere Treue, erwartet Ren die neue Methode, die Wirksamkeit der Arzneimittelforschung deutlich zu verbessern.

"In den alten Zeiten waren die Verknüpfungen notwendig, um Geschwindigkeit zu erreichen. Forscher Annäherungen von physikalischen Modellen gemacht, weil die Berechnungen zu teuer waren", sagte Ren. "Wir erweitern, dass weitere Schicht der Physik um genauere Vorhersagen zu erhalten."

Die physische Realität dieser Simulationen ist durch Supercomputer an der Texas Advanced Computing Center (TACC) aktiviert. "Virtuelle Droge Simulationen massive Rechenleistung erfordern," Ren sagte, "und durch Zugriff auf TACC, sind wir in der Lage, diese Methoden tatsächlich ausprobieren."

Ren ist die Genauigkeit und Effizienz verschiedener Methoden auswerten, indem sie auf mehr als 200 Anlagen über 10 verschiedenen Proteinfamilien. Die Methode mit der engsten Korrelation zu den realen Ergebnissen gilt als die effektivste. Wenn die erfolgreichste Methode bewährt hat, um konsequent zu arbeiten, glaubt Ren Chemiker ihn annehmen werden.

"Das Versprechen der schnelle, preiswerte computational Drug Discovery hat bisher entgangen Wissenschaftler," sagte Michael Gonzales, Life Science Program Director bei TACC. "Pengyu Arbeit ist ein hervorragendes Beispiel dafür, wie die aktuellen Fortschritte in der Rechenleistung sind Wissenschaftler zu virtuellen Drug Discovery einen grundlegend anderen Ansatz zu ermöglichen."

Es geht nicht nur um Methoden und Protokolle für Ren. Er engagiert sich auch in einer Reihe von Kooperationen, die seine Algorithmen auf die Probe gestellt, erkunden das Verhältnis zwischen Steifigkeit und Protein-Ligand-Bindung und auf der Suche nach Inhibitoren an Proteine, die an Krebs und anderen Krankheiten beteiligt sind.

"Wenn dies funktioniert, es wird unsere Fähigkeit verbessern Wirkstoffkandidaten zu entwerfen, die mit weniger Nebenwirkungen stärker sind," sagte Ren. "Aber um robuster zu machen, genaue Vorhersagen, es ist Zeit zu investieren in die nächste Generation von computergestützten Technologien für die Wirkstoffforschung."

• Top-10-Technologien, die Ihr Leben verändern wird
• Vielen Dank Fido! Krebs-Medikamente getestet auf Haustiere
• Top 10 revolutionäre Computer

Anmerkung der Redaktion: Diese Forschung wurde unterstützt durch die National Science Foundation (NSF), die Bundesagentur für angeklagt Finanzierung von Grundlagenforschung und Ausbildung in allen Bereichen der Wissenschaft und Technik. Meinungen, Erkenntnisse und Schlussfolgerungen oder Empfehlungen ausgedrückt in diesem Material sind die des Autors und spiegeln nicht unbedingt die Ansichten von der National Science Foundation. Sehen den Blick hinter die Kulissen Archiv.