Drug design et criblage in silico

Question 1

Médicament

Answer 1

Substance ou composée
• propriétés curatives ou préventives
• humaines ou animales
• établir un diagnostic médical
• restaurer, corriger ou modifier leurs fonctions physiologiques
• action pharmacologique, immunologique ou métabolique

Question 2

Coût et échec en R & D d’un médicament

Answer 2

• Taux de succès total: < 4%

* Taux d’échec à partir des phases précliniques: > 92%

Question 3

Difficultés de la R & D

Answer 3

Défis à relever:
• Faible probablilité de succès
• Augmentation des coûts et durées de R & D
Apports de la modélisation:
• Anticipation des effets / propriétés des produits en développement
• Optimise l’identification de candidats médicaments

Question 4

Criblage in silico

Answer 4

Utilisation de filtres physico-chimiques permettant de tester expérimentalement un nombre réduit de composés de la chimiothèque initiale
• Filtres simples 1D / filtres complexes 3D

Question 5

Filtres ADME-Tox

Answer 5

• Ensemble de règles empiriques permettant d’anticiper le
comportement in vivo des composés de la banque
• Absorption per os
• Fixation non spécifique / réactivité
• Toxicité
• Éliminer les molécules inacceptables
• En amont, génération de banques pré-filtrées (RPBS)
• En fin de processus

Question 6

Caractère « drug-like »

Answer 6

• Règles de Lipinski: les composés qui ne suivent pas au moins 4 des
règles suivantes auront a priori une mauvaise biodisponibilité par voie
orale
• Poids Moléculaire ≤ 500
• # accepteurs de liaison H ≤ 10 (N/O)
• # donneurs de liaison H ≤ 5 (NH/OH)
• logP ≤ 5 (coefficient de partition octanol/eau)
• (# liaisons rotables ≤ 10)