Соотношение моделирования и эксперимента в естествознании

В последнее столетие экспериментальный метод в биологии начал  наталкиваться на определенные границы, и выяснилось, что целый ряд исследований невозможен без моделирования. Если остановиться на некоторых примерах ограничений области применения эксперимента в биологии, то они будут в основном следующими: но, чтобы носитель «распознавался» клеткой-мишенью. В этом случае можно добиться значительной избирательности действия.

Функцию носителей могут выполнять белки, пептиды и другие соединения. Так, например, можно получить моноклональные антитела к специфическим антигенам эпителия молочных желез. Такие антитела-носители в комплексе с антибластомными средствами, очевидно, могут быть испытаны при лечении диссеминированного рака молочной железы. Из пептидных гормонов в качестве носителя представляет интерес р-меланотропин, который распознается злокачественными клетками меланомы. Гликопротеины могут довольно избирательно взаимодействовать с гепатоцитами и некоторыми клетками гепатомы.

Избирательное расширение почечных сосудов наблюдается при использовании γ-глутамил-ДОФА, который подвергается в почках метаболическим превращениям, приводящим к высвобождению дофамина.

Иногда «вещества носители» используют для транспорта препаратов через биологические мембраны. Так, известно, что ампициллин плохо всасывается из кишечника (около 40%). Его эстерифицированное липофильное пролекарство — бакампициллин — абсорбируется из пищеварительного тракта на 98 - 99%. Сам бакампициллин неактивен; антимикробная активность проявляется только при отщеплении эстеразами в сыворотке крови ампициллина.

Для облегчения прохождения через биологические барьеры обычно используют липофильные соединения. Помимо уже приведенного примера, можно назвать цетиловый эфир ГАМК, который в отличие от ГАМК хорошо проникает в ткани мозга. Хорошо проходит через роговую оболочку глаза фармакологически инертный дипивалиновый эфир адреналина. В тканях глаза он подвергается энзиматическому гидролизу, что приводит к локальному образованию адреналина. В связи с этим дипивалиновый эфир адреналина (названный дипивефрином) оказался эффективным при лечении глаукомы.

Вторая разновидность пролекарств получила название биопрекурзоров (или метаболических прекурзоров). В отличие от комплекса «вещество носитель - активное вещество», основанного на временной связи обоих компонентов, биопрекурзор представляет собой новое химическое вещество. В организме из него образуется другое соединение — метаболит, который и является активным веществом. Примеры образования в организме активных метаболитов хорошо известны (пронтозил - сульфаниламид, имипрамин - десметилимипрамин, и др.).

Второе направление, основанное на исследовании биотрансформации веществ, предусматривает изучение механизмов химических превращений веществ. Знание ферментативных процессов, обеспечивающих метаболизм веществ, позволяет создавать препараты, которые изменяют активность ферментов. Так, например, синтезированы ингибиторы ацетилхолинэстеразы (прозерин и др.), которые усиливают и пролонгируют действие естесственного медиатора ацетилхолина. Получены также ингибиторы фермента моноаминооксидазы, участвующей в инактивации норадреналина, дофамина, серотонина.

Помимо направленного синтеза, до сих пор сохраняет определённое значение эмпирический путь получения лекарственных средств. Ряд препаратов был введён в медицинскую практику в результате случайных находок. Так, снижение уровня сахара в крови, обнаруженное про использовании сульфаниламидов, привело к синтезу их производных с выраженными гипогликемическими свойствами.

Одной из разновидностей эмпирического поиска является скрининг (от англ. to screen – просеивать). В этом случае любые химические соединения, которые могут быть предназначены и для немедицинских целей, проверяют на биологическую активность с использованием разнообразных методик. Скрининг – весьма трудоёмкий и малоэффективный путь эмпирического поиска лекарственных веществ. Однако иногда он неизбежен, особенно если исследуется новый класс химических соединений, свойства которых, исходя из их структуры, трудно прогнозировать.

Молекулярное моделирование

В 1666 г. в Англии при огромном стечении народа и в присутствии короля был спущен на воду очередной линейный корабль. Хотя и всегда спуск большого корабля на воду был событием, в данном случае интерес был особый. Впервые в истории строитель корабля Антони Дин устроил амбразуры для пушек, когда корабль был ещё на стапелях. До этого амбразуры прорезались "по месту" после того, как корабль был уже на воде и нагружен подходящим образом. Это, разумеется, сильно усложняло всю работу. Сделал это Антони Дин не по наитию, а на основании точного расчёта, базировавшегося на законе плавания судов, открытом Архимедом почти за 2000 тысячи лет до этого.

Это был один из первых примеров, когда вычислительный эксперимент опередил натурный, что дало огромную экономию времени и средств. С тех пор такая практика в макромире стала повсеместной, и сейчас ни одно устройство от утюга до самолёта не превращается в реальный объект до тех пор, пока соответствующие расчёты не покажут с вероятностью девяносто и более процентов, что задуманная система будет работать именно так, как надо. Разумеется, это стало возможным не только потому, что развилась фундаментальная наука (физика, математика и др.), но и потому, что базовые законы, уравнения и вычислительные приёмы были доведены до инженерного уровня, т.е. уровня, который позволяет обоснованно прогнозировать работу проектируемой системы и отбирать наилучшие варианты, опираясь на конкретные упрощённые положения, правила и формулы, таблицы величин и др.

Человечество, создавая техническую базу своего существования, интуитивно отвергло "медвежий принцип". Вспомним известную басню о медведе, который гнул-гнул дугу, да и сломал, а потом и говорит: "Всё правильно, надо сначала сделать, а уж потом подумать, а то над чем же думать-то!".

Разумеется, макромир не является исключением, и нет ничего удивительного, что и при развитии работ в микромире, и при создании молекулярных машин человечество пошло тем же путём. Формирующееся новое научное направление часто и называют молекулярным моделированием. Конечно, работы в микромире ещё не достигли уровня, который можно было бы назвать инженерным, но успехи уже значительны. При этом наметились два основных течения.

Первое определяется целиком особенностями формализации знаний в химической науке. Эта область, изучающая гораздо более разнообразные проявления систем по сравнению, например, с физикой, с самого начала базировалась не на уравнениях, позволяющих в деталях проследить причинно-следственные связи, а на дискретных правилах-высказываниях типа: если в молекуле имеется данная функциональная группировка, то для неё характерными будут такие-то реакции. Преподносится это как аксиома. В науке такая ситуация называется "черным ящиком". Это характерно не только для химии, но и для всех наук, в которых приходится иметь дело со сложными объектами: биологии, медицины и др. Таких дискретных правил очень много. Пытаться во всех случаях выяснить их глубинную природу практически невозможно да и не нужно, т.к. главная цель всякого научного знания - прогноз - вполне достигается и при использовании "черных ящиков". Другое дело, что при попытке перевести такой прогноз на язык математики, надо отказаться от привычного анализа дифференциальных уравнений и перейти к аппарату так называемой дискретной математики (например, математической логики). Хотя основы подходящего математического языка были заложены ещё в середине прошлого века, однако до шестидесятых годов нынешнего века такой язык не использовался ни в физике, ни в химии, и основная масса работавших в этих науках учёных ничего о нем не знала. Впервые соответствующие идеи были высказаны практически одновременно в СССР, США и Японии в 70-тых годах.

Общая проблема заключается не только в том, чтобы, пользуясь уже установленными правилами и математическим аппаратом, делать научный прогноз, но и решать так называемые обратные задачи. Они заключаются в том, чтобы на основе большого фактического материала сформулировать сами эти правила. Решение этой проблемы особенно актуально при поиске лекарственных средств, где причинно-следственная связь "молекулярная структура - биологическое действие" крайне сложна и, как правило, не может быть сформулирована абсолютно строго.

Второе направление в молекулярном моделировании идёт от физики и базируется на квантовой теории и вычислительных приёмах, составляющих предмет так называемой квантовой химии. Особенность этого направления -- фундаментальность и универсальность исходных положений, возможность в деталях проследить формирование причинно-следственной связи, т.е. отсутствие "черных ящиков". Это очень привлекательно. Ясно, однако, что надежда на прогресс в этом направлении только за счёт увеличения мощности компьютеров призрачна. Во-первых, потому, что всё равно всё не пересчитаешь, а, во-вторых, рассчитываются свойства молекулярных моделей, хотя и близких к природным объектам, однако никогда точно с ними не совпадающих. Подобно тому, как в макромире в инженерных расчётах используются формулы, которые, хотя и опираются на фундаментальные исходные положения, являются, как правило, полуэмпирическими, так и в микромире основное назначение квантовохимических подходов - создание разного рода упрощенных приёмов, с самого начала нацеленных на решение задач данного конкретного круга, но зато обеспечивающих массовость прогнозов с точностью, удовлетворяющей практическим целям. Легко видеть, что оба направления в молекулярном моделировании взаимодополняющие, в том числе и по математическому оформлению и приёмам поиска причинно- следственных связей.

Следует отметить следующее. Развитие как направления "черных ящиков", так и квантовохимического с самого начала базировалось на использовании компьютеров. Общение же с последними подразумевает максимальную формализацию понятий и приёмов, которые компьютеры способны воспринять и с которыми способны оперировать. В сущности, это означает попытку построить аксиоматическую базу всей химии как науки и записать соответствующие причинно-следственные связи в виде строгих математических соотношений. Если теперь вспомнить известное высказывание о том, что всякая наука достигает совершенства, когда она начинает широко пользоваться математикой, то становится понятным, что обсуждаемое синтетическое научное направление стихийно вырастающее на стыке многих наук, затрагивает самые фундаментальные проблемы методологии исследования микромира.

Заключение

В заключение хотелось бы подробнее остановиться на конкретных проблемах, с которыми непосредственно сталкивается исследователь на стыке химии и биологии.

Совершенно очевидна актуальность исследований в этой области. Однако очень сложно определить, где кончается химия и начинается биология. Изучение свойств низкомолекулярных веществ хорошо укладывается в задачи органической химии, в то же время их взаимодействие с белками вызывает биологические эффекты в живых организмах. Моделируя подобные взаимодействия при помощи компьютеров, исследователь берёт в рассмотрение преимущественно химические свойства соединений. Так, для некоторых ключевых ферментов молекулярно-графическими методами разрабатываются потенциально эффективные лиганды. Экспериментальная проверка in vitro подтверждает их эффективность. В тоже время in vivo эффект отсутствует. Это связано с тем, что живой организм настолько сложная система, что предусмотреть судьбу низкомолекулярного лиганда в нём не представляется возможным. Предвидеть все возможные химические превращения и смоделировать их – задача будущего.

С другой стороны, само компьютерное моделирование молекул основывается на многочисленных приближениях и допущениях. Так, предполагается, что энергия молекул определяется только координатами их атомов в пространстве. Но в реальности молекулы не являются неподвижными, а энергетические расчёты на компьютере проводятся на статических молекулах. Сейчас разрабатываются методы молекулярной динамики, которые позволяют учитывать тепловое движение молекул, но до сих пор нет подходов, которые бы достоверно учитывали энтропийную составляющую энергии. К тому же в разумные сроки можно рассчитать время жизни системы порядка нескольких пикосекунд.

Большие сложности представляет изучение трёхмерной структуры белков. На сегодняшний день нет методов, которые могли бы точно предсказать трёхмерную структуру белка на основе его аминокислотной последовательности. Хотя используется метод аналогий, когда предполагается, что идентичные аминокислотные участки разных белков укладываются аналогичным образом. Экспериментальное же получение трёхмерных изображений сопряжено со множеством трудностей: для проведения рентгеноструктурного анализа требуется кристаллизация белка (что возможно только для растворимых белков), а возможности ядерного магнитного резонанса ограничиваются молекулярным размером белков.