В целом хемоинформатика — это ни что иное, как соответствующие базы данных, получившие название больших библиотек (larger libraries). Все они условно могут быть разделены на две группы:

1. Массивы, содержащие информацию о веществах, которые могут быть отнесены к лекарственным (drug—like). Обеспечивает эту информацию World Drug Index.
2. Массивы, содержащие информацию о веществах, которые не могут быть использованы, как лекарственные (non-drug—like), разработчик Available Chemical Datbase.

В настоящее время функционирует значительное количество больших библиотек веществ первого типа, но все они построены практически по одному плану и включают следующие показатели:
— регистрация вещества;
— химическая структура, степень очистки, спектральные характеристики;
— биологическая активность;
— взаимосвязь структура—активность (SAR/QSAR);
— физико-химические свойства;
— виртуальный скрининг;
— база данных соответствия виртуальный—реальный скрининги;
— статистические методы;
— визуализация.

Анализ каждой из перечисленных позиций свидетельствует о том, что идеальной ситуацией считают ту, при которой в базе данных имеются не только перечисленные вещества или их энантиомеры, но и сведения о методах синтеза (компьютерный или реальный), спектральные характеристики и чистота. Они вводятся в регистр до или в течение регистрации соединения. Также решающим показателем, без которого не имеет смысла регистрация, является профиль биологического действия вещества.

Среди методов QSAR, включающихся в хемоинформационные массивы, наиболее часто используется так называемый сравнительный анализ молекулярных полей, то есть CoMFA. Особенно успешным этот метод является тогда, когда неизвестна конформация мишени (рецептора) и ее можно предположить исходя из структуры лиганда, определяемой по фармакологическому ответу или параметрам связывания.

Учитывая важность такого показателя как биодоступность, зависящего от физико-химических свойств вещества, к хемометрическим показателям отнесена их липофильность. В этом случае используются либо clogP, либо AlogD.

Виртуальная скрининговая база данных библиотек обязательно включает двух- (2D) и трехмерные (3D) дескрипторы различных групп веществ, способствующих в гомологичных рядах дать определенную характеристику активному центру рецептора. Используя данные методы становится возможным предсказать, а в последствии и проверить формакофорную группу лиганда. Следует отметить, что виртуальный скрининг на основе моделирования QSAR (2D) или (3D) является решающим в определении кандидатов в препараты. К недостаткам относится тот факт, что не все биологические мишени (протеины) достаточно изучены и представлены в соответствующих библиотеках.

К статистическим методам относятся основной компонентный анализ PSA (principal component analysis) или факторный анализ, использующийся для сокращения количества молекулярных дескрипторов (молекулярная масса, липофильность, количество доноров и акцепторов протонов).

Визуализацией достигается улучшение восприятия материала (графики, схемы), полученного в процессе CADD. Существует множество программ, облегчающих в этом плане задачи исследователей. Наиболее успешными являются WIMP (Windows icons, mouse and point-and-click) и IVR (Immersive virtual reality).

- Читать далее "Комбинаторный анализ лекарств. Зависимость структуры и активности веществ"