Член-корр. РАН Владимир Поройков: биоинформатика и новые лекарства

Дата публикации: 29 июня 2020

Современные лекарства создаются благодаря совместным усилиям химиков, биологов, генетиков, специалистов по работе с big data. Их деятельность объединяет междисциплинарная наука — биоинформатика. Здесь применяются компьютерные, математические и статистические методы для решения биологических задач. Биоинформатики получают практические навыки программирования, статистического анализа, обработки данных и визуализации результатов, а также бок о бок работают с техническими специалистами. Междисциплинарный подход позволяет биологам грамотно ставить задачи и работать более эффективно вместе с программистами и математиками над улучшением и созданием удобных и простых в обращении биоинформатических программ. О силе коллектива, темной материи генома и поиске перспективных химических соединений среди миллионов других — наша беседа с членом-корреспондентом РАН Владимиром Васильевичем Поройковым. 

Владимир Васильевич Поройков — член-корреспондент РАН, профессор, доктор биологических наук, кандидат физико-математических наук, руководитель отдела биоинформатики Научно-исследовательского института биомедицинской химии имени В. Н. Ореховича.

— Что изучает биоинформатика?

— Современная биоинформатика охватывает множество разных направлений. Однако в рамках краткой беседы рассказать о каждом из них довольно сложно. К тому же я занимаюсь неким частным разделом биоинформатики, поэтому постараюсь сосредоточиться именно на нем.

Этот раздел посвящен применению методов биоинформатики для анализа различных заболеваний, определения биомаркеров и молекулярных мишеней, а также поиска лигандов, которые могут воздействовать на молекулярные мишени, тем самым нормализуя патологические процессы в организме.

Изначально это направление называлось компьютерным конструированием лекарств или Computer-Aided Drug Design в англоязычной терминологии. Однако сегодня эта область науки вышла далеко за рамки поиска фармакологических веществ с требуемыми свойствами. Основная причина — появление Big Data (или «Больших Данных»).

Сегодня уже известно около 15 тыс. различных субстанций лекарственных препаратов, которые разрешены для медицинского применения. В процессе изучения находится около 2 миллионов фармакологических веществ, часть из которых станет впоследствии лекарственными препаратами.

В мире синтезировано около 100 миллионов химических соединений. При этом оценки числа всех возможных соединений дают степени. Считается, что атомов во Вселенной меньше, чем количество возможных химических соединений. По сути, органическая химия — бесконечна. Добавляя к органическому соединению еще одну метильную группу, мы получаем совершенно новое соединение. Именно поэтому пространство химии невероятно велико.

Но не менее велико и пространство биологии, в рамках которого приходится анализировать сложные химико-биологические взаимодействия. Принято считать, что в организме содержится до 20 тысяч различных генов, кодирующих белки, которые потенциально могли бы стать фармакологическими мишенями. Если учесть посттрансляционные модификации и альтернативный сплайсинг — процессы, которые увеличивают разнообразие белков в клетке, то число белков-мишеней многократно умножается. 

Нельзя не упомянуть темную материю генома. Мы еще совсем мало знаем о том, как не экспрессируемые части генома участвуют в регуляторных процессах. Тем не менее, исследования в этом направлении уже начаты, и я думаю, что эта область будет активно развиваться.

Третье направление исследований в области «Больших Данных» связано с персонализированной медициной. Разнообразие реакций живого организма на различные лекарственные препараты также чрезвычайно велико, и в большинстве своем такие реакции индивидуальны. У некоторых людей при введении лекарственного препарата могут возникать нежелательные побочные реакции. Это зависит от генотипических и фенотипических особенностей пациента.

Каждое из этих направлений биоинформатики связано с колоссальным объемом данных. Именно поэтому одна из задач современной биоинформатики — организация этих данных, извлечение из них полезной информации и генерация новых знаний, позволяющих создавать и далее внедрять в медицинскую практику более безопасные и эффективные лекарственные препараты.

— Как я поняла из вашего ответа, биоинформатика требует знаний и химии, и биологии, и программирования. Каким был ваш опыт? Какие люди работают в этой междисциплинарной области?

— Конечно, в природе не существует таких людей, которые обладали бы всеми разнообразными видами знания. Есть эрудированные люди с большим опытом работы, и те, кто только начинает этот опыт приобретать.

В нашей Лаборатории структурно-функционального конструирования лекарств, созданной в 1995 году в Институте биомедицинской химии по инициативе академика РАН А.И. Арчакова, изначально работали три человека — я и двое моих коллег. Я окончил физический факультет Московского государственного университета. При этом я учился на кафедре биофизики, что уже в значительной мере определило сферу научных интересов. Двое моих коллег окончили Московский физико-технический институт, и также обучались на кафедре физики живых систем.

Сегодня, спустя 25 лет, в нашей лаборатории работают 18 человек, включая студентов. Половина сотрудников лаборатории —студенты Медико-биологического факультета Российского национального исследовательского медицинского университета имени Н. И. Пирогова. Исторически, наш институт был и остается базой для студентов этого учебного заведения. Другая часть сотрудников — выпускники и студенты из разных институтов и университетов: Московского государственного университета тонких химических технологий имени М. В. Ломоносова (МИТХТ), Национального исследовательского ядерного университета (МИФИ), Санкт-Петербургского химико-фармацевтического университета (СПХФУ) и ряда других ВУЗов.

Безусловно, в процессе выполнения практических занятий, в работе над магистерскими и диссертационными работами, в научных исследованиях в рамках проектов, поддержанных Российским фондом фундаментальных исследований и Российским научным фондом, они приобретают разнообразные знания, которые в дальнейшем крайне важны для такой мультидисциплинарной области как биоинформатика.

— Среди биоинформатиков есть некое разделение на тех, кто работает над моделированием или созданием новых методов анализа, и тех, кто больше занимается именно биологическими проблемами?

— Я бы не стал проводить между специалистами такую черту, поскольку каждый из них занимается биологическими (в нашем случае — биомедицинскими) проблемами. Я уже упомянул, что в нашей лаборатории работает 18 человек, включая студентов. Каждый из сотрудников лаборатории дополняет друг друга с точки зрения знаний, умений и опыта. Лаборатория сильна именно как коллектив профессионалов. Один знает всё о поиске молекулярных мишеней и о их приоритизации в терапии тех или иных патологий. Другой знает больше остальных о лекарственном метаболизме. Третий отлично владеет техникой анализа взаимосвязей структура-активность (SAR) и разрабатывает соответствующее программное обеспечение. Четвертый занимается молекулярным моделированием взаимодействий ферментов с рецепторами. А пятый умеет проводить анализ больших данных. И т.д.

Кстати, сегодня перед нами стоит задача проанализировать более одного миллиарда химических соединений и найти вещества, которые могут применяться для борьбы с пандемией COVID-19. Это непростая и нетривиальная задача, требующая опыта работы с большими данными.

Именно поэтому так важно, чтобы люди всегда были готовы к сотрудничеству и работали вместе над общей задачей. Сила коллектива в людях, которые делятся результатами своих исследований с другими. В этом заключается залог успеха.

— В каких важных направлениях развивается сегодня биоинформатика?

— Каждая из сфер по-своему важна. Да и «Каждый кулик свое болото хвалит». Поэтому я продолжу говорить об анализе больших данных для поиска новых лекарств.

Прежде всего, это направление связано с изучением механизмов патологических процессов. В настоящее время данные накапливаются быстро благодаря развитию методов геномики, траскриптомики, протеомики, метаболомики (ОМИКСные исследования). Данные, полученные разными методами, сравнивают между собой в норме и при различных патологических состояниях. Возникает, естественно, вопрос — а что такое норма? У врачей есть такая присказка: здоровый человек — это недообследованный больной.

В нашем Институте за норму принимают состояние здоровья тех, кого готовят в космонавты. Люди, прошедшие специальный отбор рассматриваются в качестве здоровых людей.

Сравнивая большие данные, полученные от разных индивидуумов, специалисты пытаются установить связи между отклонениями тех или иных ферментов, белков и РНК, которые свидетельствуют о возникновении патологии.

Современная Международная классификация болезней, прежде всего, предназначена для статистического учета причин смертности. В эту классификацию также включены и несчастные случаи. Такую классификацию сложно использовать для решения биомедицинских задач, ведь в ней много и небиологических аспектов. Все чаще в научном сообществе обсуждается возможность реклассификации заболеваний, которая будет основана именно на анализе больших ОМИКСных данных.

Использование «Больших данных» уже сегодня позволяет идентифицировать биомаркеры тех или иных заболеваний, а также определять направления поиска методов лечения на основе установления молекулярных мишеней, воздействие на которые будет приводить к нормализации патологических процессов. Эти области сегодня активно развиваются.

Другое классическое направление связано с химией и поиском из огромного числа теоретически возможных молекул наиболее перспективных соединений для экспериментальных исследований. Ясно, что синтезировать и протестировать на тысячи видов биологической активности миллиарды молекул невозможно в силу практических и экономических причин. Поэтому подходы к анализу больших химических данных, которые применяются в этой области, чрезвычайно значимы.

На мой взгляд, эти важные направления биоинформатики будут интенсивно развиваться в будущем.

Здоровье — это перманентная ценность. При этом для многих заболеваний до сих пор нет достаточно эффективных и безопасных лекарств.

— Как среди миллиардов соединений найти нужное? Это же настоящая иголка в молекулярном стоге сена.

— Существует несколько подходов. Когда нам известна мишень и есть данные о ее трехмерной структуре, полученные методом рентгеноструктурного анализа или путем молекулярного моделирования, а также данные о сайтах связывания лигандов, ингибиторов конкретного белка, то мы можем применять методы молекулярного моделирования и рассчитывать оценочные функции, характеризующие связывание молекулы с белком-мишенью.

Если есть информация об известных ингибиторах, то можно строить модели взаимосвязей структура-активность и далее использовать их для прогнозирования активности новых веществ.

Если известна трехмерная структура белка-мишени, закристаллизованного без лигандов, применяют методы de novo дизайна — создания дизайна новых биологически активных соединений путем картирования потенциальных мест связывания низкомолекулярными фрагментами молекул. И уже, на этой основе, пытаются сконструировать молекулу, которая может стать реальным ингибитором.

Если нет информации ни о мишени, ни о лигандах, то остается эмпирический метод, то есть экспериментальные исследования. В данном случае применяют методы высокопроизводительного скрининга. Чтобы увеличить колич

ество и повысить разнообразие тестируемых соединений используют методы комбинаторной химии. В ячейках планшета синтезируют смеси различных веществ, и их биологическая активность исследуется без предварительного разделения на индивидуальные соединения. Затем для ячеек, где обнаружено проявление активности, проводят разделение смеси на отдельные соединения и путем биологического тестирования выявляют активные компоненты.

Условия сегодняшней пандемии COVID-19 — хороший пример беспрецедентного ускорения процесса научных исследований.

На 1 января 2020 года мы ничего не знали о новом вирусе. И всего лишь за 6 месяцев опубликовано уже более 20 тысяч работ, посвященных этой проблематике. При этом расшифровано несколько тысяч геномов SARS-CoV-2. Прямо сейчас их сопоставляют друг с другом, анализируют эволюционные взаимосвязи, возникающие мутации и то, как они могут повлиять на развитие ситуации в дальнейшем.

Специалистам удалось экспрессировать и выделить отдельные вирусные белки, определить их трехмерные структуры в комплексе с некоторыми ингибиторами. Уже сегодня в специализированном банке данных Protein Data Bank хранится свыше 20 различных трехмерных структур белков вируса SARS-CoV-2, расшифрованных с помощью методов рентгеноструктурного анализа. Ранее такая работа даже для одного белка занимала годы!

Но важно учесть и то, что ситуация меняется очень быстро. Некоторые выводы, которые были сделаны предварительно, а также выдвинутые гипотезы забываются или опровергаются. Поэтому среди 20 тысяч научных статей, большая часть канет в лету по причине появления более надежных и обоснованных данных.

Но, тем не менее, люди, которые с энтузиазмом изучали эту проблему, внесли вклад в общее дело пусть и методом проб и ошибок. И это замечательно. Да, мы мало знаем о вирусе, однако средства для терапии нужны уже сегодня, а не послезавтра.

— Расскажите о ваших исследованиях. На каком они этапе? И какой результат вы ожидаете получить?

— Наша группа включилась в работу по виртуальному скринингу веществ, согласно прогнозу, обладающих антикоронавирусной активностью в рамках Европейской инициативы «JEDI Grand Challenge against COVID-19» . Этот проект посвящен анализу свыше миллиарда химических структур с целью найти активные соединения хотя бы для одной из шести мишеней, пять из которых являются вирусными белками, а шестая мишень является белком человека, который принимает участие в процессе проникновения вируса в клетку с последующей репликацией.

Изначально организаторы определили срок проекта в один месяц, что крайне удивительно. За один месяц в условиях ограниченной и быстро меняющейся информации сложно реализовать подобный проект.

Сейчас сроки реализации проекта продлили еще на один месяц.

Мы решили принять участие не ради наград. Наша цель — тщательно разобраться в проблематике. С точки зрения науки это уникальная ситуация. Пандемия позволяет во многом пересмотреть те догмы, которые были у нас в головах, раскрепостить сознание, попытаться по-новому взглянуть на вызовы. Этот новый взгляд полезен с точки зрения фундаментального понимания патогенеза, возможно, будущих биогенных угроз.

Подробнее в презентации Владимира Васильевича Поройкова

Каждое утро я начинаю с чтения новых заголовков научных публикаций о COVID-19, представленных на сайте Clarivate Analytics Publons, а затем — и заинтересовавших меня полнотекстовых статей. Это, кстати, еще одна отличительная черта нынешних событий. Практически все публикации доступны в открытом доступе. Почти все издательства предоставили возможность научному сообществу читать всю поступающую информацию.

Чтобы наши знания не оставались втуне, мы начали сотрудничество с клиническими фармакологами на базе Российской медицинской академии непрерывного профессионального образования (РМАНПО), по инициативе члена-корреспондента РАН Д.А. Сычева, организовавшими Информационный центр по вопросам фармакотерапии у пациентов с новой коронавирусной инфекцией «ФармаCOVID». Центр публикует рекомендации для клинических фармакологов по применению тех или иных препаратов в конкретных ситуациях. Первая публикация с нашим участием посвящена препарату Умифеновир (Арбидол).

В рамках исследований по проекту “JEDI” мы преследуем две цели. Первая — краткосрочная: найти методами виртуального скрининга среди миллиарда соединений что-то перспективное в ограниченные сроки. Вторая — более глубокая: приобрести новые знания и умения, которые впоследствии будут многократно применяться при решении похожих или даже новых задач. Как мне кажется, вторая цель — более важная. Но и первая, несомненно, имеет сегодня особую актуальность.

Интервью проведено при поддержке Министерства науки и высшего образования и Российской академии наук. 

Поделиться: