電腦模擬蛋白質製藥的需求? - 生技

※ 引述《piimaila (肥仔)》之銘言：

: 首先延伸出一些問題.
: 1. 傳統高通量篩選機器, 能準確找出複方嗎?
可以呀, 為什麼不行?

這回到你assay是怎麼設計的. 如果是一個1536 well的plate,
每個well裡都有細胞, 每個well 投不同的藥,
那當然可以一個well同時投A+B+C三種藥
: 2. 制病點是由傳統高通量篩選機器找的? 還是廠商丟進去前就要知道?
我想你有點誤解HTS的概念了

HTS說穿了就很多很多種藥物然後讓機器人幫你作投藥跟收data的動作罷了,
根本還是回到你之前的assay

assay A: 某種cell line over express一個ABC gene, 當ABC gene表現被抑制時,
ABC所抑制的gene DEF上接的(人為加入)GFP會亮
所以HTS拿一百萬個藥去篩選, 得到100個hit, 這100個就拿來仔細的作cell based assay
跟in vivo (mice)

assay B: 某種cell line是模擬人類某種疾病的細胞株 (disease modeling)
直接拿一百萬個藥去作HTS, 有100個well裡的細胞死掉了
這時這100個藥裡可能有一些是真的對這種疾病有效的,
有些是對疾病沒效, 只是剛好對這細胞有效,
要驗證就同上, 要再作wet lab verify

可以看到assay A你HTS的結果出來的東西比較可以得到你所謂"制病點"的結論,
assay B得到的則是機制不明的blind hit, 即使是最後證明有效,
還是需要去搞清楚是用什麼機制在殺疾病細胞的

: 3. 如果找出100種藥物, 請問廠商如何試驗? 是否能塞滿制病點.


: -------------------上次的討論, 我去問了一下的答案---------------------------
: 1.制病點是廠商得找的, 換言之, 到時候可能得指定說結合哪裡,
: 當然, 要他們找也行, 需額外費用, 說白點是外包...有實驗室會做.
也就是說對方包case給你時就是要先講好是哪個蛋白的哪個pocket,
如果對方是很空泛的包給你一個大題目 (如:請幫我找 beta-2 receptor的agonist)
你們就再轉包給別的wet lab來找出"制病點",
簡單講就是解結構啦!

這有一個根本巨大的問題: 有很多很多的蛋白, 結構是解不出來的...
世界上最好的實驗室(們)花了幾十年都還沒解出來,
解出來的人就是Science連發發到爽啦.
簡單的例子就是HIV的gp120

: 2.此方式主要優勢在於, 可以找複方, 傳統HT似乎無法達到相同功能.
: 當然, 他並非說傳統ht作不到, 只是她們作不到,
: 事實上單方也是主打, 因為許多病症並非目前無藥可治, 只是需要複方.
: 當然, 複方選定是廠商選定.
: 舉例說明一下
: 假設
: 蛋白質 A, 可能可以結合點為 a[0]~a[10000],有制病點 a[1], a[2], a[3]
: 化合物 b[0], b[1], b[2], b[3]..b[10000]
: 一般的ht 是可能可以看出
一樣, 這個前提是a1, a2, a3的結構要明確被解出而且無誤

: 3.關於配體, 受體 目前皆取自受認證的資料庫, 除非有數量上的問題,
: 結構, 引力, 都可算精準.
pdb嗎? pdb也不是無誤的喔, 三不五時就有人在retract的
: 4.binding 環境部分, 我是有聽沒有懂, 不過大概說法是人體內溫度和環境,
: 取得的配體受體模型, 所以基本上結合本來就是依人體內環境考慮
這問題太大了. 人體溫度和環境不是電腦模擬的完的
不是限定溫度在36+-0.5度, 含水量多少%的環境下,蛋白特性就會都一樣
因為細胞內的調控太複雜.
舉個例子好了,
你知道x-ray結晶是怎麼作的嗎?
是要先分離純化出單體蛋白, 純到不行的蛋白,
那個蛋白去打x-ray繞射的
也就是說你得到pdb資料裡, binding pocket ("制病點")裡A原子跟B原子的距離是多少,
這是在蛋白"獨自一人"的狀態下的A-B距離

問題是假設現在這個X蛋白放在細胞中,
也許這蛋白剛好很靠近另一個Z蛋白,
Z蛋白上的C原子跟A原子結了一個氫鍵
這時你覺得A原子跟B原子的距離還會是一樣的嗎?

pdb的蛋白結構無法呈現細胞裡的狀況,
所以以此建立的演算很可能跟實際狀況不同
這也就是任何in silico的運算都需要活體細胞的驗證

: --------------------------------------------------------------
: : 稍微整理一下目前討論結果
: : 如果想要廠商接受
: : 電腦實現高通量篩選要可行必須有
: : 1. 配體(化合物, 藥物)夠多, 也就是目標應該定在 縮小傳統HT的範圍.
: : 2. 由於目標是1 所以速度必須遠高於廠商能夠取得的HT機器之速度.
: : 3. 由於是縮小傳統HT的範圍故價格要低於縮小HT範圍所得到的價格效益
: : 但是, 如果另一方向想,
: : 如果 能找到一個各方人才的團隊(主要是生技, 資訊人員)
: : 開發出目前市面上疑難雜症的藥物, 該症目前可能宣稱為不治之症或慢性病
: : 當然, 不可能是治癒, 但是理論上可以控制.
: : 舉例說明: 紅斑性狼瘡, 第二型糖尿病, 痰湿型肥胖症
: : 該藥物群"僅"通過電腦篩選. 這樣, 這些資料是否有市場呢?
因為前述原因,
所以"僅"通過電腦篩選的都還需要進行大量的細胞和動物試驗
距離實際可用的資料還有很長的距離
以這種低期望值的資料來說, 商業價值可能不會很高

例如, 通過phase 1的藥物, 只有5%會上市
而動物實驗有結果的, 在phase 1有效的, 也許不到1%
而電腦模擬出來的hit, 會有多少是動物實驗有效的呢?有1%嗎?
這樣就可以推算出商業價值

--