47
6. Vorlesung Modern Methods in Drug Discovery WS05/ 06 1 Informationsfluß in einer drug discovery pipeline

Informationsfluß in einer drug discovery pipeline

Embed Size (px)

DESCRIPTION

Informationsfluß in einer drug discovery pipeline. eADMET Prediction. early Absorption Distribution Metabolism Elimination Toxicology. Pharmacokinetic Bioavailability. ADME Modelle (I). Folgende Modelle werden für das in silico design benötigt. Primäre Modelle - PowerPoint PPT Presentation

Citation preview

Page 1: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 1

Informationsfluß in einer drug discovery pipeline

Page 2: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 2

eADMET Prediction

early

Absorption

Distribution

Metabolism

Elimination

Toxicology

Pharmacokinetic

Bioavailability

Page 3: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 3

ADME Modelle (I)

Folgende Modelle werden für das in silico design benötigt

Primäre Modelle

Löslichkeitintestinale AbsorptionBioverfügbarkeitMetabolische StabilitätBlut-Hirn-Schranke PermeationMutagenizitätCardiatische Toxizität (hERG)Plasmaprotein Bindung

Sekundäre Modelle

Transport (Aufnahme und Efflux)Allgemeine ToxizitätHepatotoxizität (PXR, CAR)NephrotoxizitätImmunogenizitätNeurotoxizität (Rezeptorbindung)Drug-Drug Wechselwirkungen

(Cytochrom P450)

Page 4: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 4

ADME Modelle (II)

Page 5: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 5

Warum ist die Voraussage der ADME Parameter so wichtig ?

Gründe die zum Fehlschlag eines potentiellen

Wirkstoffs führen

Page 6: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 6

Warum ist die Voraussage der ADME Parameter so wichtig ? (II)

Zeil ist es, ungeeignete Verbindungen möglichst frühzeitig zu erkennen:

• Schonung von Resourcen• Vermeidung unnötiger klinischer Tests• Je später ein Wirkstoff zurückgezogen werden muß, desto teuerer wird es.

„Fail early, fail fast, fail cheap“

Page 7: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 7

Komponentenauswahl für dasHigh Throughput Screening (HTS)

N R3

R1 R2

Typischer eADME Filter

Page 8: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 8

Solvatation kontra Löslichkeit

Feststoff(kristallin)

gas / vapour

Sublimation

Solvens(wäßrige Lösung)

Lösen

Solvatation

Gsolv

logS

Löslichkeit(A) =Dampfdruck(A)

Dampfdruck(ideales Gas)exp

-Gsolv(A)

RT

Page 9: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 9

Löslichkeitsmodelle (I)

Die Berechnung der Löslichkeit aus einem thermodynamischen Zyklus (Gitterenergie, Solvatationsenergie) wäre prinzipiell möglich, jedoch ist

1. Die Voraussage der Gitterenergie praktisch kaum möglich da dies die Raumgruppe des Kristalls erfordert

2. Die Berechnung der Solvatationsenerge selbst fehlerbehaftet ist

Deshalb kommen vorwiegend QSAR Ansätze zur Anwendung

Page 10: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 10

Löslichkeitsmodelle (II)Deskriptoren: Konnektivitätsindices

Lit. C. Zhong et al. J.Pharm.Sci. 92 (2003) 2284

r2=0.89, q2= 0.84, se = 0.98, n=120, F=297.80

Page 11: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 11

Löslichkeitsmodelle (III)

Weitere Ansätze zeigen, daß die verwendeten Deskriptoren die Lipophilie, H-Brückenbindungseigenschaften und Flexibilität der Verbindungen wiedergeben müssen

Lit: A. Cheng et al. J.Med.Chem. 46 (2003) 3572 D. Butina et al. J.Chem.Inf.Comput.Sci. 43 (2003) 837

Neben klassischen QSAR-Gleichungen kommen zunehmend auch Neuronale Netze zum Einsatz

Lit: A. Yan et al. J.Chem.Inf.Comput.Sci. 43 (2003) 429 J.K. Wegener et al. ibid 43 (2003) 1077

Page 12: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 12

AbsorptionWieviel und wie schnell wird der Wirkstoff aufgenommen ?

Praktischerweise sollte ein Pharmakon oral appliziert werden können

Es wird nach der Magen-passage vom Darm ins Blut resorbiert. (Über die Pfort-ader zunächst in die Leber)

Page 13: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 13

Absorption im duodenum (I)Aufnahme des Wirkstoffes in den Blutkreislauf

Ausschnitt aus der Darmwand

Page 14: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 14

Absorption im duodenum (II)Aufnahme des Wirkstoffes in den Blutkreislauf

Ausschnitt aus der Darmwand

A

A

B

B C

C D

D'

A Transcellulär (passive Diffusion)

B Paracellulär

C Aktiver Transport

D Transcytosis

Page 15: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 15

Absorption im duodenum (III)Modell der Zellmembran Phospholipid

De Groot et al. Science 294 (2001) 2353

Page 16: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 16

Caco-2 Zellen Monolayer

Experimenteller Ansatz zur Voraussage der intestinalen Absorption

Monolayer aus einer Kultur von Zellen dieeigentlich von einem Dickdarmkrebsstammen.

Vorteil: Reproduzierbare Ergebnisse,relativ gute Übereinstimmung mit in vivo Studien

Nachteil: Diese Zellen besitzen etwas andere metabolische Eigenschaften als Zellen des Dünndarms (MDR1 Transporterüberexprimiert)

Daneben kommen neuerdings auch synthetische Membranen zum Einsatz

Page 17: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 17

Welche Faktoren bestimmen die passive Diffusion durch Lipiddoppelschichten ?

Phospholipiddoppelschichten sind im Inneren lipophil

Deshalb sollten lipophile Moleküle sie schneller passieren

Deskriptor: logP (water/n-octanol partition coefficient)

Kleine Moleküle sollten die Membran schneller durchdringen als größere

Deskriptor: Molekülgewicht (MW) und Molekülform

Phospholipiddoppelschichten weisen eine hydrophile äußere Oberfläche auf

Deskriptoren: Anzahl von H-Brücken Donoren und Akzeptoren

Beobachtung: Die Permeation geht mit der Lösungswärme einher

Page 18: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 18

Molekülbasierte Deskriptoren zurVoraussage der ADME Eigenschaften

logP Wasser/Octanol Verteilungskoeffizient

Lipinski‘s rule

Topologische Indices

Polar surface area

Similarität / Dissimilarität

QSAR quantitative structure activity relationship

QSPR quantitative structure property relationship

Page 19: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 19

Lipinski´s Rule of 5

Kombination von Deskriptoren zur Abschätzung der intestinalen Absorption. Schlechte Aufnahme der Verbindung, wenn

C.A. Lipinski et al. Adv. Drug. Delivery Reviews 23 (1997) 3.

Molekülmasse > 500

logP > 5.0

> 5 H-Brücken Donoren (OH und NH)

>10 H-Brücken Akzeptoren (N und O)

Schlechte Diffusion

Zu lipophil

Zuviele H-Brücken mit den

Kopfgruppen der Membran

Page 20: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 20

Polar Surface Area (PSA)

Wie bei allen 3D Deskriptoren ist auch die PSA im Prinzip abhängig von der Konformation.

Die PSA ist definiert als der Bereich der van der Waals Oberfläche des Moleküls, der von den polaren Stickstoff- und Sauerstoffatomen, sowie den an sie gebundenen Wasserstoffen herrührt. Maß für die Ausbildung von H-Brücken

Page 21: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 21

Absorptionsmodelle

Lit: D.E. Clark, J.Pharm.Sci. 8 (1999) 807; Drug Discovery Today 5 (2000) 49; K. Palm et al. J.Med.Chem. 41 (1998) 5382

Neue Arbeiten zeigen allerding, daß auch ohne Berücksichtigung verschiedener Konfomere eine gute Korrelation zur Caco-2 Absorption und Aufnahme im Menschen (%FA) besteht.

Vollständige Aufnahme (>90%) wenn PSA<60 A2

Schlechte Aufnahme (<10%) wenn PSA>140 A2

Page 22: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 22

Magen Darm

Blutplasma

Lungen

Nieren

Haut

interstitielle Flüssigkeit (ECF)

intrazelluläre Flüssigkeit

Liquorcerebro-spinalis

Pharmacokinetik und Bioverfügbarkeit

„Quantitative Auseinandersetzung des Organismus mit einem einverleibten Pharmakon“

Der Köper/Organismus wird als offenes System betrachet, daß nach jeder Störung/Arzneimittelzugabe versucht, den Gleich-gewichtszustand wiederherzustellen

Dazu teilt man den Körper in eine Reihe von Räumen (compartments) auf, zwischen denen ein Fließgleichgewicht herrscht

Page 23: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 23

Distribution / Invasion

Der Gesamtweg des Medikamentes läßt sich in Einzelschritte aufteilen:

1) Diffusion im Lösungsmittel

2) D. durch Gewebs- und Gefäßmembranen

3) Transport durch das Blut

4) a) D. zu den target Rezeptoren

b) D. in andere Kompartimente

c) D. in Eliminationsorgane

5) Irreversible Elimination

Ab

sorp

ti on Invasion

(nach Dost)≈ Distribution

Hohe Eliminationskonstante: Kurzzeitnarkotika

Niedrige Eliminationskonstante: Antibiotika

Page 24: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 24

Verteilungsvolumen und Dosierung

Die Dosisierung richtet sich nach dem Verteilungsvolumen

Dosis D

Volumen V

Konzentration yo

V

Dyo

Page 25: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 25

Invasion / System exposure (II)Nur mittels intravenöser Gabe ist die volle Konzentration sofort verhanden. Ansonsten überschneiden sich Invasion und Elimination. Dies entspricht physicochemisch einer Folgereaktion

0 10 20 30 40 50 60Zeit t

0

1

2

3

4

5

6

7

8

9

10

Kon

zent

ratio

n

Nur Invasion ▬▬

0 10 20 30 40 50 60Zeit t

0

1

2

3

4

5

6

7

8

9

10

11

Kon

zent

ratio

n

Nur Elimination ▬▬

0 10 20 30 40 50 60Zeit t

0

1

2

3

4

5

6

7

8

9

10

11

Kon

zent

ratio

n Rasche Invasion ▬▬

0 10 20 30 40 50 60Zeit t

0

1

2

3

4

5

6

7

8

9

10

11

Kon

zent

ratio

n

Rasche Elimination ▬▬Therapeutische Bandbreite

FunktionBateman eeA][A][ --0

tktk

ElInv

Invt

InvEl

kk

k

Page 26: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 26

Das Dost‘sche Prinzip (I)Wie verhält sich der Konzentrationsverlauf bei unterschiedlichen Dosen ?

Total clearance: Volumen das pro Zeiteinheit geklärt wird eit][Volumen/Z

2ln

0

Vt

Cltot

Zwischen zwei Meßzeiten erhält man die Fläche S (Transit) unter der Kurve durch Integration der Batemanfunktion als

totCl

DS

0 10 20 30 40 50 60Zeit t

0

1

2

3

4

5

Kon

zent

ratio

n

volle Dosis Dhalbe Dosis

korrespondierende Flächen entsprechen dem Verhältnis der Dosen

Page 27: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 27

Das Dost‘sche Prinzip (II)Die Referenzkurve erhält man durch intravenöse Gabe der Dosis

Occupancy

= meßbare Konzentration

Transit

= bereits irreversibel eliminierte Menge

Transfer

= Occupancy + Transit = absorbierte Menge

Availments

= noch zur Invasion anstehende Menge

Page 28: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 28

Daten für Pharmakokinetische Modelle

Chemische Daten Biologische Daten

Verteilungskoeffizienten Anatomische Abmessungen

Metabolische Umsatzraten Blutfluß durch OrganeVmax, Km, Ki Organvolumina

Löslichkeit

Dampfdruck Atmung

Diffusionsgeschwindigkeit Körpergewicht

ProteinbindungskonstantenAlter, Geschlecht, Ausmaß körperlicher Aktivität

Page 29: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 29

Pharmakokinetische Modelle (I)

KompartimentmodelleAnnahme: keine metabolische Umsetzung in den Verteilungsräumen

k12k23

k32

k24

Darm Leber Blut

Niere

Konzentrationverlauf läßt sich über lineare Differentialgleichungen berechnen

Page 30: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 30

Pharmakokinetische Modelle (II)

Blutkreislauf als elektrisches Netzwerk (1930)

Per Analogrechner simulierbar (variable Steckverbindungen zwischen den Modulen)

Anwendbarkeit: Narkotika (geringe Metabolisierung, lipophil, werden abgeatmet)

Page 31: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 31

DistributionJe nach Ziel muß der Wirkstoff vom Plasma aus weitere Kompartimente erreichen.

Bei Wirkstoffen die auf das zentrale Nervensystem wirken muß die Blut-Hirn-Schranke passiert werden. Umgekehrt sollten andere Wirkstoffe die Barriere nicht überwinden.

Auch der aktive Transport von Stoffen kommt in Betracht

Page 32: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 32

Eiweißbindung / Distribution (I)Die Konzentration von Wirkstoffen kann durch Bindung an Eiweiße verringert werden. Dies gilt sowohl für das Plasma, die extracelluläre und die interstitielle Flüssigkeit.

Die Bindung erfolgt gemäß der Langmuir‘sche Absorptionsisotherme (Absorptionswärme unabhängig vom Belegungsgrad) und erfüllt damit das Massenwirkungsgesetz

Neben Proteinen können auch Mucopolysaccharide (Binde- und Stützgewebe) absorbieren

her

hin

k

kK

[A][B]

AB][

AB][mitB A AB

A][B][mitABBA

herher

hinhin

kv

kv

Im Gleichgewicht ist keine Veränderung meßbar, und damit

AB][ A][B][ herhin kk

Page 33: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 33

Metabolismus (I)

(Bio-)chemische Reaktionen von Xenobiotica im Körper

Phase I:

Oxidation, Reduktion und Hydrolyse Cytochrom P450 Enzyme

Phase III:

Elimination durch Transporter

Phase II:

Konjugation mit kleinen Molekülen (z.B. Glutamin)

First pass effect:

Extensive Umsetzung von vorwiegend lipophilen Molekülen, solchen mit MW>500, oder die eine spezifische Affinität zu bestimmten Transportern haben,bei der ersten Passage durch die Leber

Page 34: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 34

Metabolismus (II)

Experimentelle (in vitro) Methoden:Leber Mikrosomen vom Menschen, Hepatocyten und rekombinante P450 Isozyme (exprimiert in E. coli)

Page 35: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 35

Elimination / ExkretionUnter Elimination werden alle Vorgänge zusammengefaßt, die zur Entfernung eines Stoffes aus einem Kompartiment führen. Diese können auch metabolischer Art sein.

Lipophile Stoffe können über die Galle, hydrophile Stoffe über den Harn ausgeschieden werden.

Allgemein gilt:

MW <300 300-500 >500

Galle Galle & Harn Harn

Page 36: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 36

Elimination / Clearance

Überblick der metabolischen Pfade

Page 37: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 37

ktt

t ktdtkd

dtk

dt

d

-0

t

0 0

[A]

[A]

eA][A][

oder A][

A][ln bzw.

[A]

A][-

zuführt n Integratio und [A]

| A][A][

t

o

Elimination / Clearance (III)Physicochemisch gesehen ist die Eliminierung eines Stoffes ein Zerfallsprozess 1. Ordnung (abhängig von der jeweils vorhandenen Konzentration des Stoffes)

neliminatio ofconstant rate A][mitBA kkv

kt

2lneit Halbwertszder mit

21

Page 38: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 38

Was ist die Blut-Hirn Schranke (BBB) ?Querschnitt durch ein Blutgefäß

Nach: J.-M. Scheerman in Pharmacogenomics, J.Licinio & Ma-Li Wong (Eds.) Wiley-VCH (2002) pp. 311-335.

blood lumen

pericyte

endothelial cell

neuron

astrocyte footprocess tight junctions

between endothelialcells

brainextracellularfluid

Page 39: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 39

Wozu dient die Blut-Hirn Schranke ?

Die in silico Vorhersage der Permeabilität der Blut-Hirn Schranke (BBB) einer Verbindung im Rahmen der vorklinischen Entwicklung ist besonders wichtig, da

• Nur Substanzen die auf das zentrale Nervensystem (CNS) wirken, sollen die Blut-Hirn Schranke effektiv überwinden.

• BBB-Screening ist besonders „teuer“ (Tierversuche kaum vermeidbar: Mikrodialyse, Isotopenmarkierung)

Page 40: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 40

Blood-Brain Barrier (BBB)

Lit. D. E. Clark, J. Pharm. Sci. 8 (1999) 815

Als Maß für das Durchdringen der Blut-Hirn Schranke wird der Logarithmus des Verhältnis der Konzentrationen angegeben

logBB = log([im Hirn]/[imBlut]) Bereich: -2.00 bis +1.00

Vorwiegend im Blut -1.0 < logBB < 0.3 vorwiegend im Hirn

Experimentell ist der logBB Wert nur schwer zugänglich (Isotopenmarkierung, Mikrodialyse) und auch Modelle aus künstlichen Membranen (Endothelial Zellen) sind noch in der Entwicklung

Page 41: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 41

Blood-Brain Barrier (II)

Lit. D. E. Clark, J.Pharm.Sci. 8 (1999) 815

F. Lombardo et al. J.Med.Chem. 39 (1996) 4750

Im Gegensatz zur Absorption aus dem Duodenum spielt hier die Polarität der Verbindungen eine große Rolle, die nicht durch die PSA beschrieben werden kann. Bsp:

PSA logBB ClogP Polarisierbarkeit(AM1)

Benzol 0 -0.69 2.1 13.8

3-Methylpentan 0 2.01 3.7 14.8

Entsprechend läßt sich eine QSRP-Gleichung aufstellen

logBB = a PSA + b ClogP + c mit r = 0.887

Page 42: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 42

Bisher benutzte Deskriptoren

Folgende Terme korrelieren direkt mit logBB:

● logP

● Polar surface area

● hydrogen-bond donors and acceptors

● size and shape

fragment based (MlogP, ClogP,...)

contributions from N, O and H atoms

numerical count

molecular volume and globularity

Page 43: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 43

Deskriptoren für Größe und Form

Bezug zur Molekülform haben:

Molekülvolumen, Globularität, Anzahl drehbarer Bindungen

Globularität:

Verhältnis der Oberfläche (unter der Annahme das Molekül wäre eine Kugel) zur tatsächlichen Oberfläche. Immer < 1

Hauptkomponenten der Molekülgeometrie:

Ausdehnung des Moleküls im dreidimensionalen Raum

Page 44: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 44

Neue Deskriptoren für Größe und Form

- Deskriptoren wie etwa die Globularität sind korreliert mit dem Molekülgewicht und der Anzahl der H-Atome

+ Ersatz durch drei Terme die aus der Molekülgeometrie abgeleitet werden

PCGC

PCGAPCGB

Page 45: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 45

-2.5 -1.5 -0.5 0.5 1.5 2.5

observed logBB

-2.5

-1.5

-0.5

0.5

1.5

2.5pr

edic

ted

logB

Br2=0.866, adj. r2=0.844, se=0.308, n=90

BBB-Model mit 12 Deskriptoren

Lit: M. Hutter J.Comput.-Aided.Mol.Des. 17 (2003) 415.

Deskriptoren hauptsächlich aus QM Rechnungen: Elektrostatische Oberfläche, Hauptkomponenten der Geometrie,H-Brücken Eigenschaften

Page 46: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 46

ADME - Historische Entwicklung

1960 Corwin Hansch QSAR für kleine Datensätze

logP für Toxizität

1980 in vitro Studien ersetzen in vivo Studien

1990 Erste in silico ADME Modelle (Computer)

1997 Lipinski‘s Rule of Five zur Absorption

Docking in Proteinstrukturen

Homologiemodellierung von Proteinen (CYP P450)

2002 X-Ray Struktur von human CYP2C9

2004 X-Ray Struktur von human CYP3A4

Page 47: Informationsfluß in einer drug discovery pipeline

6. Vorlesung Modern Methods in Drug Discovery WS05/06 47

Web-basierte online Tools

Lit. I.V. Tetko, Mini Rev.Med.Chem. 8 (2003) 809

Eine Reihe von Instituten und Firmen haben Server für die Vorhersage von ADME-Eigenschaften.

Diese basierend zumeist auf einem Java-Applet mit dem die Moleküle gezeichnet werden können, bieten die Eingabe als

SMILES-String oder als eines der vielen Formate für3D-Strukturen an.

Eine Zusammenfassung mit Hyperlinks bietet das Virtual Laboratory

http://146.107.217.178/online.html