带你初步了解药物设计中的生物信息学

带你初步了解药物设计中的生物信息学

随着人类基因组计划和各种组学计划的实施、大量疾病相关基因及作用靶点被发现、生物信息学的兴起，为新药设计提供了新的理论和思路。高通量数据，例如基因组，转录组，蛋白质组，表观遗传学，基因组架构，顺反子（cistromic）和核糖体图谱数据，为药物发现和药物重新利用的机制研究提供了数据基础。通过对不同组学数据进行分析，生物信息学分析技术不仅可以加速药物靶标的识别以及候选药物的筛选和完善，而且可以对药物的副作用以及耐药性进行预测。目前，针对疾病相关的靶标生物大分子的直接药物设计已逐渐成为药物设计的主要方法。

各组学数据在药物发现中的应用情况。

生物信息学技术在新药发现中的应用

• 发现与确立新的候选药物分子靶点：通过对各类组学数据以及数据库的整合分析，以及表达序列标签数据库搜寻、综合分子特征方法和结构生物学方法等，识别与确定候选药物分子靶点。
• 药物设计：直接药物设计方法可分为两类: 1. 全新药物设计: 即根据靶点分子与药物相结合的活性部位的几何形状和化学特性，设计出与其相匹配的全新结构的药物分子。2. 数据库搜寻: 将化合物三维结构数据库中分子与靶标分子逐一对接，同时优化小分子化合物的取向及构象，寻找小分子与靶标大分子作用的最佳构象，计算其相互作用及结合能，从而找出化合物三维结构库中与靶标生物大分子作用的最佳小分子。

随着测序技术的发展，产生的大量组学测序数据为药物的发现提供了数据基础，从而提高了药物发现的研究效率。 如将高通量转录组数据与药物数据库相关数据相结合，可用于生物标志物的鉴定和药物靶标预测。
下图显示了药物发现中的生物网络互作分析流程。

总结
应用生物信息学研究方法分析生物数据,提出与疾病发生发展相关的基因或基因群，发现与确立新的候选药物分子靶点，再进行实验验证，是一条高效的药物研究途经。生物信息学可以帮助研究人员在药物开发过程中更早、更快地找到更佳的药物作用靶点，减少研发时间和所需临床试验的数量。

参考文献

1. Xia X. Bioinformatics and Drug Discovery[J]. Curr Top Med Chem. 2017;17(15):1709-1726.
2. Simone Brogi. Computational Approaches for Drug Discovery[J]. Molecules. 2019 Sep; 24(17): 3061.
3. Li K, et al. Bioinformatics Approaches for Anti-cancer Drug Discovery[J]. Curr Drug Targets. 2020;21(1):3-17.