화학정보학은 신약의 선도물질(Lead compounds)을 찾아내고
최적화하는 과정을 더욱 빠르고 효율적으로 이룰 수 있도록 여러 가지의 자료를 정보화하고 지식으로 변환시키는
과정으로 정의될 수 있다. 이 분야는 High-throughput 스크리닝 및 라이브러리 합성과 같은 신약개발
과정에 생겨난 혁신적인 변화로 기하급수적으로 증가하는 데이터를 효율적으로 처리하기 위해서 화학 및 수학 분야가
협조하면서 발전되고 있다. 다음과 같은 방법론들이 포함될 수 있다.
알고리듬, 소프트웨어 및 데이터베이스 시스템의 개발
- Compound registration into databases
- Chemical structure, spectra data, purity determination
- Tools for relating structure with biological activity (QSAR)
- Chemical library design and analysis
- Calculation of physicochemcal properties
- Virtual screening
- Structure-based design
- Chemical DB design
- Statistical methods
- Data visualization
특성 예측 및 후보선별
- 물리화학적 성질들과 구조적 특징을 연관짓는 QSARs 및 유사 도구들 개발
- 통계적 분석에 근거한 물리적 및 화학적 성질들의 계산
- 타켓과 후보물질간의 상호작용 및 pharmacophore 검색
- Prediction of druglikeness (ADME/Tox prediction)
- Absorption
- Distribution
- Metabolism
- Excretion
- Toxicity
생물정보학은 컴퓨터과학과 생물학이 주가 되는 학제적인 연구 분야이지만, 그 분야가 명확히 정의되어 있지는
않고, 보통은 생물학과 정보학의 결합이라는 상식적인 의미 그대로 다소 모호하게 이용되고 있는 것이 현실이다.
이는 이 분야의 역사가 아직 길지 않다는 것을 보여주는 것이기도 하다. 생물학자들은 종종 이 분야를 생물학을
지원하기 위한 정보기술이라고 생각하는 경향이 있지만, 생물정보학은 유전체학의 정보를 처리하는데 있어서 필요한
계산적이거나 통계적 영역이라고 볼 수 있다. 이런 연구활동의 결과로서 더 빠르고 효율적인 알고리즘이 설계되며,
각종 데이터베이스 및 유용한 소프트웨어들이 만들어지게 된다.
최근에 활발히 진행되는 유전체 프로젝트들은 관련된 high-throughput 기술들에 힘입어 기능에 대한
단서를 거의 찾을 수 없는 서열에 관한 정보들을 쏟아내고 있으며, 그 양은 기하급수적으로 늘어나고 있다. 이런
방대한 양의 정보들은, 신약개발의 Target을 찾기 위한 노력에 새로운 방법을 생겨나게 만들었다. 생물정보학을
이용하여 대량의 서열정보로부터 가능성이 있는 후보서열들을 선별하는 작업이 막연한 역유전학(reverse genetics
approach)적 접근방식보다 성공률을 높여 주는 것이다. 처리해야 할 정보는 빠른 속도로 늘어나고 있으며,
얻어지는 데이터는 오차가 항상 존재하기 때문에, 좀더 효율적이면서도 오차를 극복할 수 있는 알고리즘에 대한
필요성은 계속 증대되고 있다.
생물정보학의 범위에 들 수 있는 것들을, 비록 완전하지는 않지만, 아래에 나열해 보았다. 두 번째 부류의
연구들은 좀더 좁은 의미로 계산생물학( computational biology)의 영역으로 불수도 있는 것들이다.
알고리즘, 소프트웨어 및 데이터베이스 시스템의 개발
- 모티브 탐색 (Motif search)
- 단순 pattern 검색
- Structural property-based search
- Regulatory signal search
- 유전자 예측
- 분류
- 유사성 검색 , 서열 정렬 및 계통수
- 유사성 검색
- 서열 정렬 (pairwise)
- 다중 서열 정렬
- 계통수 계산 및 그리기
- 단백질 구조 예측
- protein threading
- 단백질 2차 구조예측
- 단백질 3차 구조의 예측
- 생물학자들을 도와주는 도구들
- Contig assembly
- Primer design
- Drawing tool of Vector Map and phylogenic tree
- 데이터베이스 시스템 개발
Drug Target 찾기 및 데이터 분석
- 비교 유전체학
- 생물학적 데이터의 통계적 분석
- 유전자의 기능 예측
- Data mining
- 대사 경로 예측
- 생물학적인 현상에 대한 시뮬레이션
QSAR의 기본 모듈 개발
- 통계적 방법을 이용한 생리활성 예측 모듈개발
- Genetric Algorithm
- Artifical Neural Network
- Multiple Linear Regression
- Principal Component Analysis(PCA)
- Partial Least Square Method (PLS)
- 표현자 계산 알고리즘의 구현
- Adjustance and Distance matrix menagement
- Ring perception
- Aromaticity perception
- Topological descriptors
- Shape descriptors
- Atom based fragements descriptors
유기분자 데이터 베이스 시스템 구축
(한국과학기술정보연구원 KISTI 프로젝트)
- 120만건의 2D, 3D 화합물 데이터베이스 구축
- 다양한 force field로 계산한 3D 구조와 conformer
- 물성 데이터베이스 (chemical/physical data, 독성-활성결과, 참고문헌)
- 2D 표현자(descriptors)
- Connectivity index, Valence connectivity index
- calculated logP & refractivity
- Hydrogen bond acceptor & donor number
- 3D 표현자(descriptors)
- Van der Waals Surface area & volume
- Dipole moment, HOMO & LUMO energy calculated by
PM3 method
- Moment of inertia
화합물 DB를 이용한 ADME/Tox 예측과정
http://preadme.bmdrc.org
[ preADME ]
- ADME/Tox관련 표현자 개발
- Kier and Hall descriptors
- Balaban index
- Topological Polar Surface Area
- No. Hydrogen Bond Donors & Acceptors
- No. Rotating bond
- Calculated logP
- Calculated Molecular Refractivity
- Calculated Water Solvation Free Energy
- Calculated Water Solubilitys
- Calculated Polarizability
- Absortion prediction
- Neural Network(Back-Propagation)
- Caco-2 Cell, MDCK permeability
- Blood Brain Barrier permeability
- Metabolism prediction
- Structure lability
- Cytochrom P450s inhibition
- Toxicity
- Mutagenicity (Ames test)
- Carcinogenicity (Rodent bioassay)
- Acute toxicity (ral oral LD50)
화합물 DB를 이용한 Virtual Screening과정
- Chemical Features Development of Active Compounds
- DB Index key Development for Pharmacophore Search
신약설계를 위한 화합물 DB
http://chemdb.kisti.re.kr
[ chemical database for drug design ]