Более того, традиционный подход использует математические формулы или алгоритмы, которые выполняются последовательно, уточняя структурные детали модели с помощью каждого отдельного алгоритма — метод, который был революционизирован благодаря персональным вычислениям, но по-прежнему требует трудоемкого вмешательства человека для исправления ошибок.Новый метод, разработанный учеными из кампуса Исследовательского института Скриппса (TSRI) во Флориде, использует совершенно другой подход, объединяя существующие формулы в своего рода алгоритмическое тушение, чтобы получить лучшую картину молекулярного структурного разнообразия, которое затем используется для устранения ошибок и улучшения финальная модель.
Метод был описан в статье, опубликованной перед печатью 26 сентября 2013 года в журнале Structure.Новый процесс, получивший название Extensive Combinatorial Refinement (ExCoR), может помочь улучшить разработку лекарств-кандидатов, которые в значительной степени зависят от подробного структурного анализа, чтобы определить, как они работают против конкретных целей заболевания.«Наш комбинаторный метод создает компьютеризированные молекулярные модели более автоматизированным способом», — сказал Кендалл Неттлс, доцент TSRI, руководивший исследованием. «Это важная составляющая открытия новых лекарств — их автоматизация значительно поможет процессу».Улучшение и некоторые сюрпризы
В ходе исследования ученые подвергли более 50 молекулярных структур 256 различным комбинациям алгоритмов и факторов уточнения, которые в итоге составили более 12 000 независимых прогонов уточнения.Неттлс и его коллеги измерили улучшение моделей с помощью так называемого R-фактора, который измеряет сходство между фактической структурой молекулы и экспериментальной моделью — другими словами, насколько точно модель уточненной структуры может предсказать фактические данные.
«Снижение этого R-фактора является целью — это процесс отбора для поиска лучших алгоритмов», — сказал Неттлз.Хотя исследование показало, что ни один алгоритм не дает стабильно лучшую модель, ученые обнаружили некоторые сюрпризы.«Некоторые алгоритмы, если их объединить, как правило, лучше работают при создании усовершенствованной модели», — сказал научный сотрудник Джером К. Нвачукву, первый автор исследования. «Чего мы не ожидали, так это двух алгоритмов, которые работали бы отдельно, но не работали вместе».
Именно это странное совпадение делает невозможным предсказать, какие комбинации алгоритмов будут лучше всего работать для отдельной структуры.«Эффект уточнения различных алгоритмов зависит от самой структуры», — сказал Нвачукву.