:Background

What is the role of bioinformatics in drug discovery and delivery?

Today, medicine is essential for humans to live far away from diseases caused by several pathogenic bacteria, viruses, fungus, and some lifestyle-associated health disorders or non-communicable diseases such as diabetes and cancer, including several autoimmune diseases. Thus, several drugs have been introduced continuously by innovative medicinal chemists, pharmacologists, and pharmaceutical companies to counter-attack the newly emerged strains/serotypes/diseases. After a widespread use and genetic variance within pathogens, every drug appeared active for a short period against a particular disease. Thus, the development of a newer drug is a continuous process. But the event of new drug development from original innovation to market is a complicated, time-consuming, and resource-consuming process. At that time, the bioinformatics or computer-aided drug design (CADD) tool is one of the renovated platforms in current drug discovery. The virtual-cum-theoretical assessment of biological activity by cost- effective throughput screening, target identification, and lead optimization process guided and shortened the existing drug development modules. The consecutive growth in bioinformatics technologies was widely assumed pioneer the newer drug development platform. Overall, this is systematic information of different bioinformatics tools useful in early drug discovery. Undoubtedly, individual bioinformatics tools and databases provided biological, chemical, and toxicological information to streamline the early drug discovery

Complex biological systems are known to comprise the coordination of molecular interactions and the relationship between molecules will consequently determine the behavior of the entire system. Molecular network models are often considered to be valuable for elucidating the organizing principles of biological systems and promoting public health. For example, biological networks are of pharmacological interest as an aid to the prediction of the side effects or multi-targeting drug efficacy.

In the pursuit to develop network models, biomedical researchers have increasingly depended on informatics resources which serve various patterns of molecular relations [1]. Yoon et al. had integrated pathway resources comprised of the relations between biological molecules and substantiated that information from various resources were sometimes contradictory [2]. For instance, one database supports that a protein A INCREASES the activity of a protein B, whereas another one supports that the protein A DECREASES the activity of the protein B. Yoon et al. partially attributed these discrepancies to the lack of the contextual information, which specified the biological circumstance of the molecular relations. As a solution, this study enhanced the resolution of context-free data and resolved the rate of the information conflict. That is to say, if the protein A has a positive influence on the protein B in HEALTHY cases while negative in MELANOMA patients, two augmented relations no longer are contradictory. The context types considered in this study include cell type, organ, disease, and drug.

dSysMap [3] and PinSnps [4] are examples of repositories of the protein interactions functionally perturbed by pathological mutations. These resources ensure a higher resolution of molecular interaction data mathematically structured from other public data resources by specifying genetic conditions. TIMBAL [5], 2P2Idb [6], and iPPI-DB [7] house not only protein-protein interactions (PPI) but also small molecules which are putatively druggable and have been proven to modulate associated protein interactant pairs. This context-specific information has been collected from the public databases (TIMBAL, 2P2Idb) or hand-curated from the biomedical literature (iPPI-DB). In other words, the aforementioned resources rely on laborious manual curation or other structured resources which have been manually prepared.

An enormous wealth of biomedical information resides in unstructured written languages such as journal articles, which has been unprecedentedly growing. To be more specific, nearly 30 million references are available in PubMed and has annually published more than one million papers. As the number of biomedical publications continues to grow, such an exponentially growing volume of literature has become infeasible to be structured. Thereby, the gap between published knowledge and well-tailored information in databases has been widening.

نقش بیوانفورماتیک در علوم دارویی:

آیا رشته ی مجزایی به نام بیوانفورماتیک دارویی وجود دارد؟"
ما فکر می کنیم که وجود دارد و اینکه نیازمند آن هم هستیم. بیوانفورماتیک رشته ای برای فهم داده های زیستی است. سرآغاز آن بر میگردد به دهه ی 1960 و تحلیل داده های توالی یابی و از آن زمان به چندین شاخه ی پراهمیت تکامل پیدا کرده است. این شاخه ها عبارتند از تحلیل ژنوم، ترانسکریپتوم، پروتئوم و متابولوم، بیوانفورماتیک ساختاری، بیولوژی شبکه و سیستم و چند مورد دیگر که در عملکرد فهم و درک زیست شناسی، بیماری ها و تکامل غیر قابل چشم پوشی هستند.

کموانفورماتیک از سوی دیگر بخش مهمی از شیمی و داروشناسی است که خاستگاه آن در دسته بندی ونمایه سازی داده های شیمیایی است که سالها پیش از اختراع کامپیوتر نیز وجود داشته است و در سال های پایانی قرن نوزدهم تحت عنوان چکیده های شیمیایی ( بعدها CAS) شناخته می شد و سپس به مطالعه ی شیمی و ترکیبات شیمیایی با کامپیوتر ارتقا یافت.

داروها اساس و بنیاد پزشکی هستند اما هنوز نیازهای برآورده نشده ی زیادی در مورد مولکولهای جدید (NMEs) (new molecular entities) برای درمان بیماری های سخت، نادر، ناشناخته، مبارزه با مقاومت دارویی و ازین قبیل موارد وجود دارد. از1930 تا امروز، FDA حدود 1400 مورد NMEs را تایید کرده است که در ارتباط با 400 هدف تعریف و تهیه شده بودند و در همین حال سالیانه در حدود 23 تا 30 NMEs جدید ثبت میشود. در حال حاضر تنها 3 درصد از ژنوم هدف داروها، توسط داروهای موجود پوشش داده شده اند. ازین رو پوشش دادن تمام موارد زمانی طولانی را طلب می کند، این را هم در نظر بگیرید که افزایش هزینه های تولید و محدودیت های شدید بودجه های دولتی، تامین هزینه ی این پروژه ها را، بویژه در مورد بیماری های نادر و ناشناخته، هر روز مشکل تر می کند. با این وضع فعلی، شاید این اتفاق هرگز رخ ندهد.
علاقه مندی ما به استفاده از انفورماتیک برای تولید و کشف با صرفه تر و کم هزینه تر داروها از کشف پروتئوکمومتریکس در سال 2002 آغاز شد. به طور خلاصه پروتئوکمومتریکس، اطلاعات توالی یا اطلاعات ساختاری را با مفاهیم کموانفورماتیکی مواد شیمیایی (chemical entity) ترکیب می کند. ازین طریق می توان "فضای میانکنش" را محاسبه کرد، که به همراه داده های فعالیت های اندازه گیری شده می تواند مدل های انفورماتیکی یکپارچه ای را بوجود آورد که به میانکنش دارو با گروه های هدف گسترده ای حتی به کل ژنوم، تعمیم داده شود.

اگرچه این مدل ها تاثیر فوق العاده ای بر فهم ما از زیست شناسی دارد، و برای بهبود روند تولید داروها بسیار مفید است، اما به اشتراک گذاشتن نتایج ما با اهالی جامعه ی زیست شناسی، پزشکی، داروسازی و شیمی بسیار سخت و مشکل است. نیاز به آموزش هر روز آشکارتر می شود و در پاسخ به این نیاز ما در مرکز خودمان رشته ی بیوانفورماتیک دارویی را تشکیل دادیم. کموبیوانفورماتیک امروزه تقریبا در تمام صنایع دارویی و در فرایند تولید آنها (علوم آینده نگر) استفاده می شود، محاسبات پیشگویانه در فرایندهای کنترلی اجباری است و انفورماتیک تقریبا در تمام زمینه های بایومدیسین به کار گرفته می شود. ما بر این عقیده هستیم که مطالعه ی انفورماتیکی در تمام زمینه های مرتبط با دارو لازم است، چه در فرایند کشف و چه در فرایند تولید، برای روشن کردن و فهم عملکرد آنها (داروشناسی) و برای بهبود ایمنی و استفاده در درمان باید یک فضای گفتگوی بین رشته ای بوجود بیاید تا پیشرفت ها، کاربردها، آموزش و تبادلات به اشتراک گذاشته شود. گرچه افراد تا حدی می توانند خودشان دست به این کار بزنند، ما پیشنهاد می کنیم که از بیوانفورماتیک دارویی بعنوان یک پلاتفرم برای این منظور استفاده شود.
امیدواریم افراد زیادی به این رشته ی هیجان انگیز بپیوندند.

• سرفصل و محتوای دوره:
• NGS Technologies
• Introduction to sequencing technologies
• Common NGS data analysis issues
• Applications of sequencing technologiesIntroduction to NGS data analysis
• Raw sequence files
• Preprocessing of raw reads
• Read mapping
• Mapping output
• Variant calling
• Variant annotation

معرفی پایگاه داده dSysMap:

پایگاه dSysMap یک ابزار محاسباتی برای مشاهده و تفسیر اثر جهش ها برروی ظهور و بروز بیماری های پیچیده می باشد. این امر از طریق نشان دادن و مشخص  کردن جهش ها برروی اینترکتوم های ساختاری ( مجموعه اینتراکشن های مولکولی در یک سلول)  صورت می گیرد.نگاشت و مشخص کردن جهش ها بر روی ساختار پروتئین و اینتراکشن های پروتئینی به شما این اجازه را می دهد که نواحی و مناطق از اینترکتوم  که تحت تاثیر جهش قرار گرفته اند را مشاهده کرده و کمک میکند تا شما بتوانید مکانیسم اثر آنها را بررسی کنید.

ایمونوانفورماتیک در طراحی واکسن:

ایمونوانفورماتیک یا ایمونولوژی محاسباتی اخیرا به عنوان زمینه ای مهم و نوین نقش چشمگیری را در علوم آنالیز، مدل سازی و پیشگویی عملکرد سیستم ایمنی، طراحی واکسن های جدید، تحقیقات آلرژی زایی و اکتشافات دارویی داشته است. این علم نه تنها سبب تسریع تحقیقات علمی شده بلکه بعلت تعامل آن با پروژه ژنوم انسان و سایر ارگانیسم ها منجربه دست یابی به اطلاعات بسیار زیادی در ارتباط با ایمنی شناسی گردیده است. در واقع ایمونوانفورماتیک همانند پلی میان آزمایشات تجربی و رهیافت های محاسباتی می باشد.

موفقیت های این شاخه از علم به طور وسیعی به سبب ارتباط مستقیم آن با سلامتی جهانی، واجد اهمیت استراتژیک می باشد و در کنار آن، از نگاهی دیگر سبب کاهش زمان و هزینه ها در فرآیند تحقیقات علمی می شود. این مقاله، پایگاههای مختلف عمومی و اختصاصی ایمنی شناسی، رهیافت های پیشگویی اپی توپ های سلول Bو T، بیوانفورماتیک واکسن ها و آنالیز آلرژن زایی (آلرژنسیته) پروتئین ها را مرور می کند و نیز همچنین کاربردهای ایمونوانفورماتیک را بر می شمارد. شایان ذکر است هدف اصلی این مقاله آشنایی هرچه بیشتر و هدایت محققان ایرانی شاغل در بخش های علوم پایه و بالینی به سمت و سوی کاربرد پایگاهها و ابزارهای پیشرفته ایمونولوژی در تحقیقاتشان می باشد.

In silico design of a multi-epitope vaccine against HPV16/18. S Sanami, M Rafieian-Kopaei, KA Dehkordi, H Pazoki-Toroudi, BMC bioinformatics 23 (1), 1-24

آشنایی با دیتابیس Drug Bank:

دیتابیس DrugBank یک منبع منحصر به فرد بیوانفورماتیک و کموانفورماتیک می باشد که شامل اطلاعات دارو (ساختار. خواص دارویی و درمانی و..) به همراه اطلاعات تارگت های دارو (توالی ساختار و مسیربیولوژیکی) آنها می باشد.

این دیتابیس دارای اطلاعات 7685 دارو که شامل 1549 مولکوول کوچک دارویی تایید شده بوسیله اف دی ای 155 داروی بیوتک (پروتین / پپتید) 89 ترکیب افزودنی غذایی و 6000 داروی تحقیقاتی می باشد. همچنین 4282 توالی پروتینی مرتبط به این داروها موجود است.

DrugBank به طور گسترده ای توسط متخصصان و محققین صنعت، شیمی دارویی، داروسازان و دانشجویان استفاده می شود. حجم گسترده اطلاعات داروی و هدف های این داروها راه را برای کشف دارو های جدید و همچنین توسعه داروهای موجود باز کرده تا بتوان بیماری ها نادر و بیماری های جدید را درمان کرد. این دیتابیس توسط مرکز متابلومیکس دانشگاه البرتا کانادا مهیا و دردسترس عموم قرار میگیرد.