Datastøttet legemiddelutvikling (CADD) bruker beregningsmetoder for å forstå, forutsi og optimalisere hvordan molekyler samhandler med biologiske mål.
Computer-Aided Drug Design (CADD) er et tverrfaglig felt som kombinerer kjemi, biologi, fysikk og informatikk. Målet er å bruke datakraft til å akselerere og forbedre utviklingen av nye legemidler – fra identifikasjon av et biologisk mål til optimalisering av en legemiddelkandidat.
CADD reduserer behovet for kostbare og tidkrevende eksperimenter ved å filtrere og rangere kandidater in silico (på datamaskin) før de testes i laboratoriet.
CADD har røtter tilbake til 1960-tallet, da de første kvantitative struktur–aktivitets-forholdene (QSAR) ble utviklet. Siden da har feltet vokst enormt, drevet av:
Struktur-basert design tar utgangspunkt i den tredimensjonale strukturen til målproteinet. Metoden krever en kjent 3D-struktur (fra røntgenkrystallografi, NMR eller kryo-EM).
Typiske SBDD-metoder:
Ligand-basert design brukes når ingen proteinstruktur er tilgjengelig. Metoden baserer seg på kjente aktive forbindelser.
Typiske LBDD-metoder:
| Begrep | Forklaring |
|---|---|
| Ligand | Lite molekyl som binder til et protein |
| Reseptor / Target | Biologisk målmolekyl (protein, enzym, reseptor) |
| Bindingslomme | Området på proteinet der liganden binder |
| Kraftfelt | Matematisk modell som beskriver atominteraksjoner |
| Docking | Beregning av ligandposisjon og -orientering i proteinet |
| MD-simulering | Simulering av atomers bevegelse over tid |
| FEP | Free Energy Perturbation – beregner relativ bindingsaffinitet |
| RMSD | Root Mean Square Deviation – mål på strukturell avvik |
Ved Farmasøytisk institutt, UiO brukes CADD aktivt i forskergruppen LIPCHEM. Typiske prosjekter inkluderer: