Поиск новых агонистов кальциевых каналов с использованием молекулярного моделирования и искусственного интеллекта для терапии рака почки

1 год: Формирование базы данных и разработка первичных моделей

  • Литературный обзор мишеней TRPC4/5, сравнительный анализ методов, сбор и подготовка базы БАВ из открытых источников.
  • Публикация обзора в высокорейтинговом журнале.
  • Обработка данных с помощью трансформеров и языковых моделей; обучение глубоких нейросетей для QSAR-классификации новых хемотипов.
  • Построение фармакофорных моделей на основе структуры комплексов Энглерина А с TRPC4/5, их анализ, высокопроизводительный виртуальный скрининг коммерческих библиотек (фармакофорный поиск + докинг) и отбор соединений-кандидатов.

 

2 год: Динамическое моделирование и углубленный анализ связывания

  • Полноатомная МД симуляция комплексов TRPC4/5 с кандидатами для оценки стабильности связывания. Анализ траекторий LSTM-сетями для выявления механизмов стабилизации открытого состояния канала.
  • Расчёт свободной энергии связывания кандидатов, сравнительный анализ их конформационной устойчивости и энергии связывания с Энглерином А.
  • Синтез 5–10 соединений (партнёрская лаборатория, рук. к.х.н. В.А. Куркин). Отбор 10–20 коммерческих соединений по данным моделирования. Биотестирование обеих выборок (партнёрская лаборатория, рук. д.м.н. А.А. Штиль).
  • Публикация результатов в высокорейтинговом научном журнале.

 

3 год: Оптимизация структур и валидация результатов

  • Генеративный дизайн производных выбранных хемотипов (AI) для улучшения фармакокинетики и снижения токсичности. Дообучение QSAR/DNN-моделей с учетом данных биотестирования для прогноза новых соединений.
  • Молекулярная динамика новых соединений с LSTM-анализом траекторий. Расчёт энергий связывания.
  • Отбор 5–10 соединений для синтеза (Куркин В.А.) и биоиспытаний (Штиль А.А.). Подготовка диссертации и публикация в высокорейтинговых журналах.

 

Задачи:

  1. Создание прогностических моделей QSAR на базе DNN и проведение скрининга библиотек малых молекул.
  2. Изучение динамики и механизмов активации каналов с помощью молекулярного моделирования и анализа траекторий через LSTM.
  3. Организация синтеза перспективных аналогов (совместно с проф. В.А. Куркиным) и оценка их цитотоксичности на линии A498 (совместно с проф. А.А. Штилем).
  4. Проведение компьютерной оптимизации структур-лидеров для улучшения их фармакокинетического профиля и снижения токсичности.

Научный руководитель

  • Воронков Андрей Эдуардович, к.х.н.

    Воронков Андрей Эдуардович

    к.х.н.

    Окончил специалитет химического факультета МГУ в 2004 году. В 2009 году защитил кандидатскую диссертацию на степень кандидата химических наук по теме: «Компьютерный дизайн органических соединений, регулирующих сигнальный путь Wnt/Frizzled». В 2009-2015х годах являлся постдокторским исследователем в Университете г. Осло (Норвегия). В 2015-2016х годах работал директором по науке в биомедицинском холдинге IVAO (г. Санкт-Петербург). В 2016-2017х годах со-основатель стартапа SONM (продан фонду Algalon Capital) в г. Москва. С 2017го года работает в МФТИ, МГУ и ИФАВе. Является автором и со-автором более 20 статей в сфере компьютерного моделирования лекарств с помощью методов машинного обучения и ИИ в высокорейтинговых международных журналах, автор 17-ти докладов на конференциях и 1 международного патента. Воронков А.Э. имеет педагогический стаж более 2-х лет в рамках преподавания дисциплин по ИИ в разработке лекарств для студентов Московского физико-технического института.

Литература

Свяжитесь с нами

Можешь написать свой вопрос нам в социальные сети или оставить обращение через форму
Имя
Телефон
E-mail
Нажимая на кнопку, я соглашаюсь на обработку персональных данных