Существует ряд жизненно важных проблем, которые невозможно решить без использования суперкомпьютерных технологий. Одна из таких проблем - поиск и создание новых лекарственных препаратов, которые смогут бороться с трудноизлечимыми заболеваниями. Здесь суперкомпьютеры помогают значительно ускорить подбор молекул для будущих лекарств благодаря молекулярному моделированию и докингу. Об этом наша беседа с Владимиром Сулимовым.

Владимир Борисович Сулимовзаведующий лабораторией вычислительных систем и прикладных технологий программирования Научно-исследовательского вычислительного центра МГУ им. М.В. Ломоносова

- Чем занимается ваша лаборатория в Научно-исследовательском вычислительном центре МГУ?

- Лаборатория занимается математическим моделированием, в основном, молекулярным. Мы используем суперкомпьютеры для решения самых разных задач. В частности, для моделирования систем на атомистическом уровне.

Методы моделирования применяются и в других сферах, скажем, для предсказания состояния пациента. Мы строим вероятностные прогностические модели на основе байесовских сетей, которые пока сравнительно редко используются для практических применений. Все увлеклись нейронными сетями.

- А чем они отличаются?

- Нейронные сети – это некий детерминистический черный ящик, логическая система, дающая определенный результат. Но понять, какие причины привели к этому результату – сложно.

А в байесовских сетях есть конкретные причинно-следственные связи между различными параметрами конкретных пациентов. К примеру, умер ли пациент или остался жив после определенного лечения. Благодаря этим причинно-следственным связям мы можем создавать осознанные прогностические модели, улучшать их и оптимизировать.

Хотелось бы отметить и использование нами суперкомпьютеров для атомистического моделирования процессов напыления многослойных оптических покрытий с помощью методов молекулярной динамики.  Это очень интересное и востребованное направление.

- Как вы применяете суперкомпьютерное моделирование в фармакологии? И что такое докинг?

- Докинг, как и другие методы молекулярного моделирования, основан на описании взаимодействия белков-мишеней и низкомолекулярных молекул будущих лекарств, которые блокируют работу этих белков.

Для многих болезней определены белки, которые отвечают за развитие патологий. Это могут быть вирусные белки, отвечающие за размножение вируса в организме или собственные белки человека, которые работают неправильно. И если мы заблокируем работу такого белка-мишени с помощью молекулы, которая избирательно свяжется с ним в его активном центре, а не где-нибудь сбоку, то развитие болезни приостановится.

"НАША ЗАДАЧА – С ПОМОЩЬЮ ДОКИНГА ПЕРЕБРАТЬ ТЫСЯЧИ ГОТОВЫХ МОЛЕКУЛ, КОТОРЫЕ МОЖНО ЗАКАЗАТЬ И ОТДАТЬ НА ЭКСПЕРИМЕНТ, И ВЫБРАТЬ ИЗ НИХ НАИБОЛЕЕ ПЕРСПЕКТИВНЫЕ МОЛЕКУЛЫ-КАНДИДАТЫ В ИНГИБИТОРЫ ДЛЯ ПОСЛЕДУЮЩЕЙ ЭКСПЕРИМЕНТАЛЬНОЙ ПРОВЕРКИ"

В этом и заключается основа применения молекулярного моделирования для разработки лекарств – искать, придумывать, предлагать новые молекулы, которые при вводе в организм избирательно свяжутся с конкретным белком-мишенью, отвечающим за патологию.

Название изображения

Само слово «докинг» в английском языке означает стыковку космического корабля с Международной космической станцией, швартовку корабля в гавани, вход корабля в специально отведенное место для ремонта – например, сухой док, где вода выкачивается, а также подключение мобильного компьютера к стационарному компьютеру. В нашем случае, докинг – это поиск и нахождение положения связывания молекулы в активном центре белка-мишени и оценка энергии связывания этой молекулы с белком. Чем больше энергия связывания, тем меньше должна быть концентрация лекарства для достижения желаемого эффекта.

Поэтому хорошие лекарства основаны на правильных ингибиторах, у которых энергия связывания высокая. Наша задача – с помощью докинга перебрать тысячи готовых молекул, которые можно заказать и отдать на эксперимент, и выбрать из них наиболее перспективные молекулы–кандидаты в ингибиторы для последующей экспериментальной проверки. Также мы создаем свои виртуальные молекулы, проводим докинг, оцениваем энергию связывания с белком-мишенью, отбираем наиболее перспективные молекулы с наибольшей энергией связывания с белком-мишенью и  предлагаем химикам синтезировать отобранные нами молекулы.

Иногда синтетики отказываются от той или иной молекулы, поскольку не могут ее синтезировать. Тогда мы заново придумываем виртуальные модели, рассчитываем и предлагаем новые. В конце концов, мы всегда находим какой-то консенсус или «безумных» химиков, готовых взяться за синтез и способных синтезировать совершенно новые, необычные молекулы.

Синтез – это и наука, и искусство. Наша же задача заключается в совместной работе с химиками-синтетиками, а также молекулярными биологами, биофизиками, биохимиками, которые тестируют наши соединения. Действительно ли они работают, действительно ли молекулы связываются с конкретным белком-мишенью.

"МЫ ВСЕГДА НАХОДИМ КАКОЙ-ТО КОНСЕНСУС ИЛИ «БЕЗУМНЫХ» ХИМИКОВ, ГОТОВЫХ ВЗЯТЬСЯ ЗА СИНТЕЗ И СПОСОБНЫХ СИНТЕЗИРОВАТЬ СОВЕРШЕННО НОВЫЕ, НЕОБЫЧНЫЕ МОЛЕКУЛЫ"

Например, структура  активного центра тромбина, как и других белков-мишеней, очень сложная. Здесь много всяких выпуклостей, ямок. С помощью молекулярного моделирования мы пытаемся найти наиболее энергетически выгодное место для молекулы ингибитора. С математической точки зрения это поиск глобального минимума на сложной многомерной поверхности.

- И в этом вам помогают суперкомпьютеры?

- Именно так. Люди стали заниматься докингом 25-30 лет назад, когда у компьютеров не было достаточной мощности. Для докинга на обычном компьютере с одним процессором приходилось сильно упрощать и молекулярные модели белка, и молекулы ингибитора, и описание их взаимодействия друг с другом. Началось настоящее соревнование среди ученых: «Мы провели докинг за полчаса», «Мы провели докинг за десять минут», «А мы провели докинг за десять секунд».

Мы же избрали другой путь. Поскольку уже тогда, 17 лет назад, когда мы только начали заниматься молекулярным моделированием для разработки лекарств с применением компьютеров, я видел, как их мощности начинают быстро расти. Поэтому наша задача состояла в том, чтобы сделать докинг точнее. Именно точность докинга была и остается наиболее важной и востребованной характеристикой.

И действительно, эта идея в каком-то смысле оправдалась: в течение нескольких лет пока наша программа докинга SOL создавалась, тестировалась и применялась для разработки новых лекарств, доступные нам вычислительные мощности возросли от нескольких процессоров до многих сотен и тысяч вычислительных ядер. При этом для нашей программы докинга SOL, основанной на сравнительно аккуратной молекулярной модели и потому требующей для докинга одного лиганда от одного до нескольких часов на одном вычислительном ядре, доступные вычислительные мощности перестали быть главным фактором, ограничивающим практическое применение нашей программы для докинга многих тысяч молекул. За это время в результате практического применения докинга мы еще глубже осознали, насколько актуально еще более повысить точность докинга, чтобы его применение существенно повысило эффективность разработки новых лекарств.

Разработка суперкомпьютерных программ докинга выполняется сейчас при поддержке Российского Научного Фонда – (Соглашение № 15-11-00025-П.). Я являюсь руководителем этого гранта, а финансирование происходит через  ООО «Димонта». Более 10 лет назад я учредил  небольшое предприятие, ООО «Димонта», через которую мы (вместе с моими сотрудниками, студентами и аспирантами) выполняем научные исследования по государственным контрактам или соглашениям, а также по договорам с частными или государственными организациями, что дает возможность материально поддерживать моих молодых сотрудников, студентов и аспирантов.

"НАЧАЛЬНАЯ СТАДИЯ РАЗРАБОТКИ ЛЕКАРСТВА ДЕЙСТВИТЕЛЬНО МОЖЕТ БЫТЬ СОКРАЩЕНА. ПО СТАТИСТИКЕ НА ЭТО УХОДИТ 5-7 ЛЕТ. МЫ ЖЕ МОЖЕМ СОКРАТИТЬ ЭТО ВРЕМЯ ДО ОДНОГО ИЛИ ДВУХ ЛЕТ"

- А почему возникла эта потребность в докинге и в использовании суперкомпьютерных технологий?

- Какова общая схема разработки лекарства? Сначала идет поиск соединений-лидеров. Многие фармкомпании до сих пор пользуются  экспериментальным перебором – синтезируют, измеряют и т.д. А это очень дорого и занимает много времени. Ведь для такого перебора, или, как говорят, экспериментального скрининга, нужно синтезировать большое количество (иногда многие сотни тысяч) разнообразных соединений. Поэтому сейчас всё активнее используются программы молекулярного моделирования, прежде всего докинга, а также молекулярной динамики для отбора самых перспективных соединений, и только они тестируются экспериментально.

Сегодня создаются программы докинга разного уровня точности. Экспериментаторы, которые занимаются поиском соединений, понимают, что докинг может существенно ускорить работу. Поэтому эти программы достаточно востребованы.

По данным американских фармкомпаний, для разработки одного лекарства требуется от 1 до 2 миллиардов долларов и 15 лет работы. Предположим, что мы отобрали 250 молекул-кандидатов для доклинических испытаний на животных. Эти 250 молекул были отобраны, потому что они показали сравнительно большую энергию связывания с заданным белком мишенью и высокую избирательность этого связывания не только в расчетах, но и в лабораторных экспериментах в системах in vitro, когда в пробирке присутствуют только белок мишень и ингибитор, белок-мишень, его субстрат и ингибитор, и/или на клеточных культурах.  В результате испытаний на животных, как правило, большинство этих соединений приходится отбросить – возможно, по причине их плохого всасывания, высокой токсичности или каких-либо побочных эффектов. До клинических испытаний на людях из всех этих соединений обычно доходят лишь пять молекул-кандидатов. 

Первая фаза испытаний проводится на здоровых добровольцах, чтобы выявить возможные токсические эффекты. Только 3-4 молекулы доходят до второй фазы, когда небольшое число больных пациентов-добровольцев пытаются лечить дозами будущих лекарств. После этой фазы испытаний остаются 1-2 молекулы. Третью фазу испытаний проводят уже не на 15-20 добровольцах, как на второй фазе, а на многих сотнях больных добровольцах.  В результате поиска остается только одно соединение. И если вам очень повезет, то оно получит разрешение от отечественного фармкомитета (а для международного применения от Food and Drug Administration, США) на применение, производство и продажу лекарства. 15 лет, миллиарды долларов, а на выходе вы получаете, в лучшем случае, одно соединение.

"С ПОМОЩЬЮ СУПЕРКОМПЬЮТЕРОВ МОЖНО ПРОВОДИТЬ ДОКИНГ МНОГИХ ДЕСЯТКОВ, СОТЕН ТЫСЯЧ, И ДАЖЕ МИЛЛИОНОВ МОЛЕКУЛ РАЗЛИЧНЫХ ХИМИЧЕСКИХ СОЕДИНЕНИЙ"

Но даже после этого идет период post-approval – исследований, посвященных побочным эффектам. И часто бывает, что через год-два применения нового лекарства его снимают с производства, потому что вдруг обнаруживаются резкие побочные эффекты у отдельных групп пациентов. Так что если вы хотите разработать совершенно новое лекарство, то надо запускать непрерывный конвейер разработки: от начального молекулярного моделирования и дизайна новых молекул-ингибиторов и компьютерного скрининга больших баз данных готовых и виртуальных (еще не синтезированных) молекул, синтеза новых химических соединений, экспериментального тестирования отобранных соединений in vitro, доклинических испытаний на животных, клинических испытаний на людях, вплоть до получения разрешения на производство, продажу и применение нового лекарства. Я бы сказал, что здесь работа конвейера даже еще более важна, чем в автомобильном производстве: при разработке лекарств описанный выше конвейер не только способствует удешевлению разработки лекарства, но и зачастую принципиально необходим для успеха всей разработки. Компьютерное молекулярное моделирование находится в самом начале всего этого конвейера, и от того, насколько адекватно и точно проведено моделирование – докинг, зависит продолжительность и успех всей разработки нового лекарства.  

- Насколько сложные виды лекарств создаются  с помощью докинга?

- Например, при самом первом применении нашей программы докинга SOL нам удалось разработать новые низкомолекулярные прямые ингибиторы тромбина (первые научные публикации и доклады об этом относятся к 2007 году)  – одного из ключевых факторов свертываемости крови. Эта сложная система включает в себя  более десятка различных белков. Тромбин играет главную роль в процессе свертываемости крови. Если тромбина в организме слишком много, начинают образовываться тромбы. Когда мы вводим ингибитор, работа тромбина блокируется, и процесс образования тромбов затормаживается. Когда я говорю нам, то подразумеваю целую команду: здесь были и биофизики, и биохимики из Гематологического Научного Центра РАМН (сейчас Национальный медицинский исследовательский центр гематологии Министерства здравоохранения России), и химики-синтетики из Института органической химии имени Н.Д. Зелинского и других организаций, а также биологи, оценивавшие острую токсичность на мышах – необходимые исследования для подтверждения возможности перехода на стадию доклинических испытаний на животных.

Это был наш первый опыт разработки препарата с нуля. За полтора года, нам удалось разработать новый класс ингибиторов, активность которых были экспериментально подтверждена. В общей сложности в нашей команде были синтезированы 19 соединений, и 20-е соединение оказалось открытием. Впоследствии были и успешные разработки новых ингибиторов фактора свёртываемости крови Xa.

Также мы работали с белком уракиназой (uPA), которая применяется для профилактики инфаркта. Но она же может способствовать росту раковых опухолей. Поэтому необходимо было найти химическое соединение, которое тормозило бы действие уракиназы. Совместно с факультетом фундаментальной медицины МГУ мы проводили эксперименты по созданию специальных ингибиторов.

У нас был опыт разработки новых ингибиторов ВИЧ-интегразы. Долгое время фармкомпании пытались создать лекарство, способное излечивать от СПИДа. К сожалению, сегодня таких лекарств нет. Однако есть препараты, способные поддерживать иммунитет человека. Дело в том, что вирус ВИЧ мутирует очень быстро. А интеграза вируса – очень консервативный белок. Думали, что если разработать ингибиторы интегразы, то можно победить СПИД.

Над этим работала фирма MERCK, чьи затраты на проект были значительно выше наших. Но нам тоже удалось запатентовать новые ингибиторы ВИЧ-интегразы, которые мы испробовали на зараженных клетках. Но финансирование прекратилось.

Тем не менее, первое лекарство, которое выпустила фирма MERCK, не приводило к излечению. Уже через несколько месяцев появились пациенты с резистентностью к лекарству на основе ингибиторов интегразы ВИЧ.

Сейчас борьба с этим вирусом продолжается во многих научных лабораториях мира. И мы рады, что у нас был подобный опыт.

- Я слышала, что здесь применяются методы квантовой химии. Вы их используете?

- Конечно. Как раз в случае разработки ингибиторов ВИЧ-интегразы мы применяли методы квантовой химии. В состав ВИЧ-интегразы входят ионы магния, которые принимают участие во взаимодействии интегразы с вирусной ДНК. Это взаимодействие может быть описано только с помощью квантовой химии.

Интеграза словно откусывает кусочек вирусной ДНК и встраивает этот кусочек в ДНК человека. Поэтому наша собственная цепочка ДНК и соответствующие молекулярные механизмы воспроизводят в организме человека вирусные белки.

"СУПЕРКОМПЬЮТЕР САМ ПО СЕБЕ НЕ МОЖЕТ СТАТЬ ЛЕКАРСТВОМ, КАК И МЕТОДИКА МОЛЕКУЛЯРНОГО МОДЕЛИРОВАНИЯ"

Другое более широкое применение методов квантовой химии при разработке лекарств связано с докингом. До сих пор при описании взаимодействия молекул с белками-мишенями используются наборы классических потенциалов – кулоновского, ван-дер-ваальсова и других – так называемые силовые поля. Однако мы недавно показали, что наиболее высокая точность докинга достигается с помощью применения квантово-химических полуэмпирических методов. Такие методы априори лучше классических потенциалов описывают межмолекулярные и внутримолекулярные взаимодействия, и суперкомпьютерных мощностей скоро будет достаточно для такого квантово-химического докинга.  

Нашу работу по применению докинга для разработки лекарств мы можем проводить одновременно для нескольких белков-мишеней, связанных с различными заболеваниями. А вот выбор мишеней для той или иной болезни – задача достаточно сложная и во многом зависит от опыта медиков, биологов, биохимиков, биофизиков, от наличия экспериментально измеренной трехмерной структуры белка-мишени, т.е. наличия декартовых координат всех атомов белка, ну и конечно, от тех, кто может финансировать или даже реально финансирует разработки новых лекарств.

- Какое будущее ждет эту научную сферу?

- Эта сфера будет, безусловно, быстро развиваться, так как разработки лекарств за последнее десятилетие показали высокую востребованность программ докинга и других программ молекулярного моделирования для этих целей, поскольку докинг действительно ускоряет разработку лекарств. Конечно, доклинические испытания на животных и клинические испытания на пациентах мы ускорить никак не можем, поскольку существует определенный регламент. Очень важно, чтобы стандарты  соблюдались. Но начальная стадия разработки лекарства действительно может быть сокращена. По статистике на это уходит 5-7 лет. Мы же можем сократить это время до одного или двух лет. Но главное, что на начальной стадии мы будем отбирать с помощью докинга более перспективные соединения, и неудач на последующих этапах разработки будет значительно меньше.

Разрабатывая программы докинга с высоким уровнем точности, мы сможем получать качественные соединения, которые сразу будут становиться хорошими ингибиторами.

Когда мы разрабатывали ингибиторы тромбина, мы пользовались американской базой данных Национального института онкологии США (National Cancer Institute). Нам удалось провести докинг около 2 тысяч соединений, которые представляли собой некоторое репрезентативное разнообразие всех имеющихся в этом институте лекарственно-подобных соединений. Тогда еще не существовало суперкомпьютера «Ломоносов», и мы использовали, как сейчас называют, облачные вычисления – тогда это называли грид-технологиями. С помощью программ докинга из двух тысяч соединений в число лучших кандидатов попали всего 30, а 4-5 из них показали сравнительно неплохую активность относительно тромбина. Мы за них зацепились и стали на их основе придумывать новые соединения для синтеза. То есть из предсказанных и отобранных для экспериментов соединений в экспериментах подтверждается активность 10-15 процентов отобранных соединений.

Иногда случаются и неудачи, связанные с тем, что программа дала неправильное предсказание энергии связывания молекулы с белком-мишенью. Приходится снова придумывать новую модель, заново проводить расчеты и уточнять полученные результаты. Именно поэтому высокая точность докинга и нужна – чтобы неправильных предсказаний активности было как можно меньше. Суперкомпьютеры позволяют значительно расширить базу молекул-кандидатов в ингибиторы – сейчас с помощью суперкомпьютеров можно проводить докинг многих десятков, сотен тысяч, и даже миллионов молекул различных химических соединений, и это расширяет возможности отбора для экспериментов максимально разнообразных и перспективных соединений.

- Как вы считаете, удастся ли найти лекарство от неизлечимых болезней?

- Суперкомпьютер сам по себе не может стать лекарством, как и методика молекулярного моделирования. Но использование этих технологий несомненно помогает химикам, биофизикам, медикам нащупать новые соединения и найти из них самых эффективные, и в конечном счете разработать лекарство, в том числе и от неизлечимых болезней.

- А что сейчас необходимо сделать, чтобы эта область стала развиваться?

- Может это прозвучит тривиально, но – вкладывать деньги в научные разработки, в создание приборов, в закупку приборов, которые проводят тесты. Ведь одного суперкомпьютера мало для разработки новых соединений. И конечно, вкладывать деньги в развитие суперкомпьютеров, развитие технологий микро- и наноэлектроники, технологий новых материалов, на чем собственно и строится впечатляющее развитие суперкомпьютеров в последние годы.

Мы до сих пор продолжаем работать с сильной командой Центра детской гематологии, онкологии и иммунологии имени Дмитрия Рогачева. Там сосредоточены силы экспериментаторов, которые знают всё про свертываемость крови и проводят тестирование совместно с нашей группой. Правда, таких групп совсем мало. Хотя, конечно, наша страна до сих пор богата умными людьми и талантливыми студентами, но качественного оснащения экспериментальным оборудованием  не так много. Поэтому не для всякой болезни можно сходу найти тест-систему, позволяющую разрабатывать ингибиторы. Важно развивать экспериментальную базу, закупать оборудование, и конечно, создавать свои программы докинга, квантовой химии и молекулярной динамики.