В России разработали модель для прогнозирования взаимодействия лекарств с мембранами клеток
Сотрудники Института цитологии РАН (ИНЦ РАН) создали модель, позволяющую повысить точность предсказания взаимодействия потенциальных лекарственных соединений с клеточными мембранами. Исследования проводились на флавоноидах — природных пигментах, обладающих антиоксидантными свойствами.
Как пояснила научный сотрудник Лаборатории моделирования мембран и ионных каналов ИНЦ РАН Анна Малыхина, разработанный фреймворк дает возможность более точно оценить, как новые соединения влияют на жесткость и электростатику мембран. Это может объяснять механизм их антиоксидантного или противоопухолевого действия.
В настоящее время для снижения затрат на поиск и внедрение новых препаратов активно применяются методы цифрового моделирования, не требующие расходов на реагенты и лабораторную инфраструктуру. Однако эффективность таких алгоритмов зависит от их приближенности к реальным экспериментам.
В качестве исследуемых веществ ученые использовали три флавоноида — байкалеин, хризин и лютеолин. Эти природные пигменты придают овощам и фруктам яркие цвета, являются антиоксидантами, защищают клетки от повреждений, укрепляют сосуды, регулируют иммунитет и уменьшают воспаления. Соединения были выбраны как модельные ввиду их давно изучаемых полезных свойств.
Результаты моделирования сравнили с лабораторными экспериментами методом дифференциальной сканирующей микрокалориметрии, измерив влияние флавоноидов на фазовые переходы липидов мембраны. Сравнение показало высокую степень достоверности компьютерной симуляции.
Как отмечает эксперт Среднерусского института управления – филиала РАНХиГС Сергей Федотов, разработка подобных моделирований позволяет переносить часть доклинических испытаний в цифровую среду, что сокращает потребность в дорогостоящих реагентах и лабораторном оборудовании. В долгосрочной перспективе такие подходы способны ускорить процесс поиска новых лекарственных соединений и снизить риски, связанные с токсичностью или неэффективностью веществ на ранних этапах.