Utilizzo di Bioinformatica per trovare gli obiettivi di droga

Dalla ricerca di geni in organismi modello che sono simili di un dato gene Homo sapiens, i ricercatori possono conoscere la proteina del gene codifica Homo sapiens e la ricerca di farmaci per bloccarla. Il MLHI gene, che è associato con il cancro al colon negli sapienss Homo, viene utilizzato in questo esempio.

Tutto contribuisce a giorno utile prima per la bioinformatica, che molti affermano mantiene la promessa reale della genomica. "Genomica senza bioinformatica non avrà un gran guadagno", afferma Roland Somogyi, ex direttore della neurobiologia presso Incyte genomica che ora è a molecolare di data mining in Kingston, Ontario.

Michael N. Liebman, capo della biologia computazionale a Roche Bioscience in Palo Alto, È d'accordo. "Genomica non è il cambiamento di paradigma, è capire come usarlo, che è il cambiamento di paradigma", egli afferma. "In bioinformatica, siamo all'inizio della rivoluzione".

La rivoluzione coinvolge molti attori diversi, ognuno con una diversa strategia. Alcune aziende bioinformatica soddisfare gli utenti di grandi dimensioni, puntando i loro prodotti e servizi a genomica, le biotecnologie e le aziende farmaceutiche con la creazione di software personalizzati e servizi di consulenza che offre. Lion Bioscience, con sede a Heidelberg, Germania, Ha avuto particolare successo a vendere "enterprise-wide" strumenti di bioinformatica e servizi. La sua $ 100 milioni di accordo con Bayer per costruire e gestire una capacità di bioinformatica in tutte le divisioni di Bayer era a quel tempo la più grande del settore affare del genere.

Altre aziende target gli utenti di piccole dimensioni o accademico. Imprese Web come Oakland, California-based doppia torsione e eBioinformatics, che ha sede a Pleasanton, California, Offre one-stop shopping su Internet. Tali on-line portali consentono agli utenti di accedere a vari tipi di database e software utilizzato per manipolare i dati.

Nel maggio del 2000, gli scienziati DoubleTwist ha annunciato di aver utilizzato la sua tecnologia per determinare che il numero di geni nel genoma di Homo sapiens è di circa 105.000, anche se ha detto che il conteggio finale sarebbe probabilmente venuto a 100.000. Per chi preferisce avere il software dietro la loro stessa sicurezza antincendio-mura, in Informax Rockville, Oxford Molecular Gruppo Inghilterra, E gli altri vendono shrink-prodotti confezionati.

Esecuzione dei collegamenti

Grandi aziende farmaceutiche "grandi case farmaceutiche" hanno anche cercato di sfruttare i loro sforzi con la genomica in investimenti bioinformatica casa. Molti hanno stabilito interi dipartimenti di integrare servizi e software per computer e facilitare l'accesso al database attraverso diversi dipartimenti, tra cui lo sviluppo di nuovi prodotti, formulazione, tossicologia e sperimentazione clinica. Il vecchio modello di sviluppo dei farmaci, spesso in compartimenti stagni queste funzioni, ghettizzazione dati che avrebbero potuto essere utili ad altri ricercatori. Bioinformatica permette di ricercatori di tutta una società di vedere la stessa cosa, pur manipolando i dati individualmente.

Oltre a rendere scoperta di nuovi farmaci più efficaci, in bioinformatica casa può anche risparmiare denaro aziende farmaceutiche nel software di supporto. Glaxo Wellcome in Research Triangle Park, NC, Sta sostituendo i singoli pacchetti utilizzati dagli investigatori vari e servizi per accedere e manipolare database con un'unica piattaforma software. Robin M. Dement, Stati Unitidirettore di bioinformatica presso Glaxo Wellcome, stima che questo farà risparmiare circa $ 800.000 a sostegno di personale nell'arco di tre-cinque anni.

Per integrare la bioinformatica per tutta la società, giganti farmaceutici anche stabilire alleanze strategiche, stipulare accordi di licenza e di acquisire piccole imprese biotecnologiche. Con partner e fornitori, non solo consente grandi case farmaceutiche per colmare le lacune nella sua capacità di bioinformatica, ma dà anche che la mobilità di adattare le nuove tecnologie come vengono immessi sul mercato, piuttosto che continuamente riformare i propri sistemi. "Se una società farmaceutica aveva un grande budget abbastanza ricerca, potevano fare tutto per sé", Somogyi, dice. "Ma è anche una questione di cultura. I vantaggi settore nel suo complesso, fornendo alle imprese diverse, con ruoli diversi e ampi spazi di sovrapposizione ".

Occupando alcune delle risorse che overlapin, prodotti e aziende capitalizationare mercato come Human Genome Sciences, Celera e Incyte. Che il terreno a cavallo tra grandi case farmaceutiche e l'integrazione di dati e di offerte da società specializzate. Essi hanno inoltre sequestrato rapidamente il grado di automazione che bioinformatica ha portato alla biologia.

Ma con tutta questa varietà è il potenziale di cattiva comunicazione. Ricevendo diversi database di parlare con uno anotherwhat è chiamato interoperabilityis diventando sempre più fondamentali come utenti flit tra loro per soddisfare le loro esigenze. Una soluzione ovvia sarebbe annotationtagging dati con i nomi che sono riferimenti incrociati tra banche dati e sistemi di denominazione. Ciò ha lavorato per un certo grado. "Abbiamo avuto successo nel portare database insieme da annotazione: Un database per database B, B, C, C a D", spiega Liebman di Roche Bioscience. "Ma annotazione in A può cambiare, e nel momento in cui scendere a D i riferimenti non possono essere cambiati, in particolare con un flusso costante di nuovi dati." Egli fa notare che questo problema diventa più acuto, come la comprensione della biologia e della la capacità di condurre analisi computazionale diventa sempre più sofisticata. "Stiamo solo iniziando a individuare le complessità di queste ricerche, e come memorizzare dati diventa critica nel tipo di domande che ci si può chiedere," afferma.

Miglioramento sistematico aiuterà, ma progressand in ultima analisi si basa su profitstill l'ingenuità degli utenti finali, secondo David J. Lipman, direttore del NCBI. "Si tratta di Brainware," dice, "non di hardware o software."

Hooking Up Biologi

Immaginate che la vostra co-lavoratore nel box successivo ha alcune informazioni di cui avete bisogno per un rapporto che è dovuta al più presto. Lei e-mail a voi, ma i dati sono da un programma di foglio di calcolo, e tutto quello che hai è un word processor, quindi non c'è possibilità di tagliare e incollare la tua nel documento. Invece devi stamparlo e digitare in tutto daccapo. Che più o meno la situazione dei biologi in questi giorni. Anche se le basi di dati biologici aboundespecially in questo post-sequenziamento del genoma ricercatori eramany sono come i marinai assetati di morte, circondato da un oceano: ciò di cui hanno bisogno è tutto intorno a loro, ma non è in una forma che può facilmente utilizzare.

Per risolvere il problema, costituito da diversi gruppi di scienziati accademici e ricercatori di biotecnologia e le aziende farmaceutiche si riuniscono per cercare di definire gli standard per la bioinformatica computer in modo che i biologi possono più facilmente condividere i dati e sfruttare al meglio l'eccesso di informazioni derivanti dal Progetto Genoma Umano. Il loro obiettivo è quello di consentire un investigatore, non solo a stare a galla senza soluzione di continuità tra i database enorme di sequenze di DNA e quelli delle tre strutture tridimensionali di proteine codificate dai che il DNA. Vogliono anche uno scienziato per essere in grado di cercare le basi di dati in modo più efficiente in modo che, per usare una metafora automobilistica, se qualcuno digitato "Camaro", i risultati che includono altre vetture anche perché il sistema dovrebbe essere abbastanza intelligente da sapere che un Camaro è un altro tipo di auto.

La vincita immediata dovrebbe essere la più veloce lo sviluppo di nuovi farmaci. "La ricerca farmaceutica è l'unica industria che conosco Il calo della produttività", spiega Tim Clark, Vice President di informatica per la Millennium Pharmaceuticals in Cambridge, Mass."La R & S si trova in una scala di imbarcazioni primitive, come tessitori abitazione, anche se la standardizzazione è uno dei primi problemi che ha affrontato durante la Rivoluzione Industriale, con l'invenzione di parti intercambiabili".

Il problema è quello standard da utilizzare. In una situazione che ricorda l'industria informatica nel 1970, le norme sostenitori tutti, fintanto che sono i suoi propri. Gruppi formali sono sorti in tutto il mondo, con nomi come il Consorzio BioPathways, il Life Sciences Research Domain Task Force del Object Management Group, e la Bio-ontologie Consortiumand ognuno ha un'idea diversa di come le cose dovrebbero essere fatto. Eric Neumann, membro sia del Bio-ontologie e consorzi BioPathways, è un neuroscienziato che ora è vice presidente per l'informatica scienze della vita a società di consulenza nel 3 ° millennioCambridge, Mass.(nessun rapporto di Millennium Pharmaceuticals). Dice Extensible Markup Language (XML) si preannuncia essere la lingua di computer standard per la bioinformatica. XML è il successore di Hypertext Markup Language (HTML), il driver attuale del World Wide Web.

Uno dei vantaggi di XML è che contiene i tag che identificano ogni tipo di informazioni a seconda del tipo: "Camaro", per esempio, potrebbe essere contrassegnati come una macchina. Neumann propone di XML-based languages sarà "enfatizzare il Web come la natura delle informazioni biologiche", che si estende da DNA a RNA, proteine, interazioni proteina-proteina, vie biochimiche, le funzioni cellulari e, in ultima analisi, il comportamento di un intero organismo . Modi attuali di memorizzare e ricercare tali informazioni biologiche sono centrate su un singolo gene, secondo Neumann, "ma le malattie che vogliamo per il trattamento di coinvolgere più di un gene".

Clark dice principali problemi della bioinformatica che rendono necessario lo sviluppo standard sono il volume di dati, la necessità di pattern recognition avanzati (ad esempio all'interno di sequenze di DNA e proteine domini strutturali), la capacità di elaborare i segnali per eliminare il "rumore" a partire dai dati, e una cosa chiamata di ottimizzazione combinatoria, o trovare il percorso migliore attraverso un labirinto di interazioni molecolari. "Non si può costruire tutto da te", egli sostiene.

Neumann pensa di ottimizzazione combinatoria potrebbe essere l'ostacolo più alto ". Percorsi sono molto più complesso di quanto [DNA] sequenze," afferma. "Se non se ne escono con qualcosa, sarà un casino reale."

un articolo presentato dalla Donis F.

Disclaimer:Il nostro sito non è responsabile per il contenuto di questo articolo. Webarticles è una risorsa gratuita di informazioni.
Importante: Questo articolo "Utilizzo di Bioinformatica per trovare Drug Targets" è stato tradotto da un software automatico. Ci dispiace per eventuali errori di ortografia che possono essersi verificati. Grazie per la vostra comprensione.