약물 유사성

Druglikeness

약물 유사성은 약물 설계에 사용되는 질적 개념으로, 생체이용률과 같은 요소와 관련하여 물질이 얼마나 "마약성"인지에 대한 것이다.물질이 합성되어 시험되기도 전에 분자 구조에서 추정한다.약물 같은 분자는 다음과 같은 성질을 가지고 있다.

  • 물과 지방 모두에서 용해성은 구강 투여 약물이 소비된 후 장내 안감을 통과해야 하므로 수혈로 운반되어 지질 기반의 세포막을 통과해야 세포 내부가 된다.지방질 세포막의 모델 화합물은 1옥탄올(지방질 탄화수소)이기 때문에 LogP로 알려진 옥탄올-물 분할계수의 로그선으로 잠재적 경구제의 용해도를 예측한다.이 계수는 시험적으로 측정하거나 계산적으로 예측할 수 있으며, 이 경우 "cLogP"라고 부르기도 한다.
  • 생물학적 목표물에 대한 효력.높은 효력(pIC의50 높은 가치)은 주어진 농도에서 비특정적이고 목표 외의 약리학의 위험을 감소시키기 때문에 약물 후보자들에게 바람직한 속성이다.낮은 간극과 연관되었을 때, 높은 효력은 또한 낮은 총 선량을 허용하며, 이것은 독특한 약물 반응의 위험을 낮춘다.[1][2]
  • 리간드 효율성과 지방질 효율.
  • 분자량:확산은 직접적으로 영향을 받기 때문에 작을수록 좋다.[citation needed]시중에 유통되고 있는 대부분의 약품들은 200~600개의 달튼 사이, 특히 <500개;[3][4] 그것들은 작은 분자 그룹에 속한다.

약물을 평가하는 전통적인 방법은 친수성 그룹의 수, 분자량, 친수성 등을 포괄하는 리핀스키의 5대 규칙의 준수 여부를 확인하는 것이다.null

약물은 혈액이나 세포내 액체와 같은 수용성 매체로 운반되기 때문에 절대적 의미에서는 충분히 수용성이 있어야 한다(즉, 효과적이기 위해서는 최소한의 화학적 용해성이 있어야 한다).물 속의 용해성은 분자의 수소 결합 기증자 수 대 알킬 사이드체인으로 추정할 수 있다.낮은 용해도는 흡수 속도가 느려지고 작용이 느려진다.반면에 수소 결합 기증자가 너무 많으면 지방 용해도가 낮아지므로 약물이 세포막을 뚫고 들어가 세포 내부에 도달하지 못한다.null

하나의 정의에 근거해 약물과 같은 분자는 -0.4~5.6 사이의 분할계수(로그 P) 로그, 분자량 160-480g/mol, 어금굴절도 40-130으로 분자의 부피와 분자량, 분자량 및 분자량과 관련이 있으며 20~70개의 원자를 가지고 있다.[5]null

알려진 독성, 돌연변이 유발 또는 기형 유발 특성을 가진 하위 구조물은 설계된 분자의 유용성에 영향을 미친다.그러나 몇몇 독은 좋은 마약성을 가지고 있다.천연 독소는 약리학적 연구에 이용되어 그들의 작용 메커니즘을 알아내고, 유익한 목적을 위해 이용될 수 있는지 여부를 알아낸다.알킬니트로 화합물은 자극성인 경향이 있고, 에논과 같은 마이클 수용체는 알킬링제여서 잠재적으로 돌연변이 유발 및 발암성이 있다.[6]null

약물 유사 지수는 본질적으로 제한된 도구다.약물 유사성은 어떤 분자에 대해서도 추정할 수 있으며, 약물이 달성하는 실제 특정 효과(생물학적 활동)는 평가하지 않는다.간단한 규칙이 항상 정확한 것은 아니며 불필요하게 검색할 화학적 공간을 제한할 수 있다: 많은 베스트셀러 약품들은 다양한 약품 지수에서 낮은 점수를 받도록 하는 특징을 가지고 있다.[7]나아가 생화학적으로 선택적인 1차 통과대사는 좋은 약물상호에도 불구하고 화합물의 약리학적 활성을 파괴할 수 있다.null

약물은 대개 주사를 맞아야 하는 단백질이기 때문에 대부분의 생물학과는 관련이 없다. 왜냐하면 단백질은 먹으면 소화되기 때문이다.null

참고 항목

참조

  1. ^ Uetrecht J (January 2001). "Prediction of a new drug's potential to cause idiosyncratic reactions". Current Opinion in Drug Discovery & Development. 4 (1): 55–9. PMID 11727323.
  2. ^ Uetrecht J (January 2008). "Idiosyncratic drug reactions: past, present, and future". Chem. Res. Toxicol. 21 (1): 84–92. doi:10.1021/tx700186p. PMID 18052104.
  3. ^ Lipinski CA, Lombardo F, Dominy BW, Feeney PJ (March 2001). "Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings". Adv. Drug Deliv. Rev. 46 (1–3): 3–26. doi:10.1016/S0169-409X(00)00129-0. PMID 11259830.
  4. ^ Duffy FJ, Devocelle M, Shields DC (2015). "Computational approaches to developing short cyclic peptide modulators of protein-protein interactions". In Zhou P, Huang J (eds.). METHODS IN MOLECULAR BIOLOGY. Computational Peptidology. Methods in Molecular Biology. Vol. 1268. New York: Humana Press. pp. 250–1. doi:10.1007/978-1-4939-2285-7_11. hdl:10197/7392. ISBN 978-1-4939-2284-0. PMID 25555728.
  5. ^ Ghose AK, Viswanadhan VN, Wendoloski JJ (January 1999). "A knowledge-based approach in designing combinatorial or medicinal chemistry libraries for drug discovery. 1. A qualitative and quantitative characterization of known drug databases". J Comb Chem. 1 (1): 55–68. doi:10.1021/cc9800071. PMID 10746014.
  6. ^ Smith GF (February 2011). "Designing drugs to avoid toxicity". Prog. Med. Chem. Progress in Medicinal Chemistry. 50 (1): 1–47. doi:10.1016/B978-0-12-381290-2.00001-X. ISBN 9780123812902. PMID 21315927.
  7. ^ "Archived copy". Archived from the original on 2014-07-26. Retrieved 2014-08-27.{{cite web}}: CS1 maint: 타이틀로 보관된 사본(링크)

외부 링크