Computergestützte Methoden in der Arzneimittel-Repositionierung und der Naturstoffbasierten Wirkstoffforschung

Abstract

For a few decades now, computation methods have been widely used in drug discovery or drug repurposing process, especially when saving time and money are important factors. Development of bioinformatics, chemoinformatics, molecular modelling techniques and machine or deep learning tools, as well as availability of various biological and chemical databases, have had a significant impact on improving the process of obtaining successful drug candidates. This dissertation describes the role of natural products in drug discovery, as well as presents several computational methods used in drug discovery and drug repurposing. Application of these methods is presented with the example of searching for potential drug treatment options for the COVID-19 disease. The disease is caused by the novel coronavirus SARS-CoV-2, which was first discovered in December 2019 and has caused the death of more than 5.6 million people worldwide (until January 2022). Findings from two research projects, which aimed to identify potential inhibitors of main protease of SARS-CoV-2, are presented in this work. Moreover, a summary on COVID-19 treatment possibilities has been included. In the first project, a ligand-based virtual screening of around 360,000 compounds from natural products databases, as well as approved and withdrawn drugs databases was conducted, followed by molecular docking and molecular dynamics simulations. Moreover, computational predictions of toxicity and cytochrome activity profiles for selected candidates were provided. Twelve candidates as SARS-CoV-2 main protease inhibitors were identified - among them novel drug candidates, as well as existing drugs. The second project was focused on finding potential inhibitors from plants (Reynoutria japonica and Reynoutria sachalinensis) and was based on molecular docking studies, followed by in vitro studies of the activity of selected compounds, extract, and fractions from those plants against the enzyme. Several natural compounds were identified as promising candidates for SARS-CoV-2 main protease inhibitors. Additionally, butanol fraction of Ryenoutria rhizomes extracts also showed inhibitory activity on the enzyme. Suggested drugs, natural compounds and plant extracts should be further investigated to confirm their potential as COVID-19 therapeutic options. Presented workflow could be used for investigation of compounds for other biological targets and different diseases in the future research projects.

Seit einigen Jahrzehnten werden bei der Entwicklung und Repositionierung von Arzneimitteln rechenintensive computergestützte Methoden eingesetzt, insbesondere da Zeit- und Kostenersparnis wichtige Faktoren sind. Die Weiterentwicklung der Bioinformatik und Chemoinformatik und die damit einhergehende Optimierung von molekularen Modellierungstechniken und Tools für maschinelles sowie tiefes Lernen ermöglicht die Verarbeitung von großen biologischen und chemischen Datenbanken und hat einen erheblichen Einfluss auf die Verbesserung des Prozesses zur Gewinnung erfolgreicher Arzneimittelkandidaten. In dieser Dissertation wird die Rolle von Naturstoffen bei der Entwicklung von Arzneimitteln beschrieben, und es werden verschiedene computergestützte Methoden vorgestellt, die bei der Entdeckung von Arzneimitteln und der Repositionierung von Arzneimitteln eingesetzt werden. Die Anwendung dieser Methoden wird am Beispiel der Suche nach potenziellen medikamentösen Behandlungsmöglichkeiten für die Krankheit COVID-19 vorgestellt. Die Krankheit wird durch das neuartige Coronavirus SARS-CoV-2 ausgelöst, das erst im Dezember 2019 entdeckt wurde und bisher (bis Januar 2022) weltweit mehr als 5,6 Millionen Menschen das Leben gekostet hat. In dieser Arbeit werden Ergebnisse aus zwei Forschungsprojekten vorgestellt, die darauf abzielten, potenzielle Hemmstoffe der Hauptprotease von SARS-CoV-2 zu identifizieren. Außerdem wird ein Überblick über die Behandlungsmöglichkeiten von COVID-19 gegeben. Im ersten Projekt wurde ein ligandenbasiertes virtuelles Screening von rund 360.000 Kleinstrukturen aus Naturstoffdatenbanken sowie aus Datenbanken für zugelassene und zurückgezogene Arzneimittel durchgeführt, gefolgt von molekularem Docking und Molekulardynamiksimulationen. Darüber hinaus wurden für ausgewählte Kandidaten rechnerische Vorhersagen zur Toxizität und zu Cytochrom-P450-Aktivitätsprofilen erstellt. Es wurden zwölf Kandidaten als SARS-CoV-2-Hauptproteaseinhibitoren identifiziert - darunter sowohl neuartige als auch bereits vorhandene Arzneimittel. Das zweite Projekt konzentrierte sich auf die Suche nach potenziellen Inhibitoren aus Pflanzen (Reynoutria japonica und Reynoutria sachalinensis) und basierte auf molekularen Docking-Studien, gefolgt von In-vitro-Studien der Aktivität ausgewählter Verbindungen, Extrakte und Fraktionen aus diesen Pflanzen gegen das Enzym. Mehrere Naturstoffe wurden als vielversprechende Kandidaten für SARS-CoV-2- Hauptproteaseinhibitoren identifiziert. Außerdem zeigte die Butanolfraktion von Ryenoutria Rhizomextrakten ebenfalls eine hemmende Wirkung auf das Enzym. Die vorgeschlagenen Arzneimittel, Naturstoffe und Pflanzenextrakte sollten weiter untersucht werden, um ihr Potenzial als COVID-19-Therapieoptionen zu bestätigen. Der vorgestellte Arbeitsablauf könnte in zukünftigen Forschungsprojekten zur Untersuchung von Verbindungen für andere biologische Ziele und verschiedene Krankheiten verwendet werden.