Компьютерный поиск новых мишеней для действия противомикробных средств на основе сравнительного анализа геномов тема диссертации и автореферата по ВАК РФ 03.00.04, кандидат биологических наук Дубанов, Александр Вячеславович

• Дубанов, Александр Вячеславович
• кандидат биологических наук
• 2001

Оглавление диссертации кандидат биологических наук Дубанов, Александр Вячеславович

1. ВВЕДЕНИЕ.

2. ОБЗОР ЛИТЕРАТУРЫ.

2.1. Цикл работ по созданию нового лекарственного вещества и проблема выбора молекулярной мишени.

2.2. Молекулярно-биологические базы данных и программное обеспечение для работы с ними.

2.3. Недостатки антибактериальных средств и пути их устранения на этапе выбора мишени.

2.4. Принципы выбора новых мишеней для действия противомикробных средств.

2.5. Программа CATS.

2.6. Противотуберкулезные средства и мишени для их действия.

3. ОБЪЕКТЫ И МЕТОДЫ.

3.1. Исходные данные.

3.2. Аппаратное обеспечение.

3.3. Программное обеспечение.

3.4. Тестирование.

3.5. Выбор и анализ новых мишеней.

4. РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ.

4.1. Описание подхода.

4.2. Реализация подхода.

4.3. Тестирование метода.

4.4. Поиск новых мишеней в геноме М. tuberculosis.

4.5. Характеристика новых мишеней.

4.6. Взаимосвязь разработанного метода с другими методами конструирования лекарств.

Введение диссертации (часть автореферата) на тему «Компьютерный поиск новых мишеней для действия противомикробных средств на основе сравнительного анализа геномов»

В настоящее время большое число используемых противомикробных средств не удовлетворяет медико-биологическим требованиям. В частности, многие из них стали недостаточно эффективны с появлением резистентных штаммов микроорганизмов, а некоторые не соответствуют современным требованиям к безопасности применения. Выходом из сложившейся ситуации является создание противомикробных средств, действующих по новым молекулярным механизмам и на новые молекулярные мишени в микробной клетке. Таким образом, поиск новых мишеней для противомикробных средств является крайне актуальной проблемой.

Любая работа по созданию нового фармакологически активного вещества начинается с определения молекулярной мишени, на которую оно должно воздействовать. Эффективность и безопасность такого вещества в наибольшей степени определяется именно выбором молекулярной мишени.

Хотя в течение последнего десятилетия в процессе создания новых лекарственных веществ (JIB) широко используются компьютерные методы, такой важный этап, как выбор мишени, до недавнего времени не был формализован. Только в последние годы появились предпосылки для использования геномных подходов к решению проблемы выбора мишени. Наиболее благоприятно складывается ситуация для поиска новых мишеней противомикробных средств, что обусловлено прогрессом в расшифровке геномов микроорганизмов. По данным Национального центра биотехнологической информации США (NCBI) уже полностью расшифрованы геномы более чем 50 видов бактерий, в том числе и возбудителей заболеваний человека, а число изучаемых геномов микроорганизмов (бактерии, вирусы, грибки) измеряется сотнями [1]. Ожидается завершение работ по расшифровке еще порядка 150 бактериальных геномов. Как правило, результаты таких исследований становятся доступными для научной общественности через глобальную сеть Интернет, что позволяет использовать их при создании новых противомикробных средств и поиске новых мишеней. В научной литературе широко обсуждаются эти возможности и основное внимание уделяется тем характеристикам и требованиям, которым должны удовлетворять новые противомикробные средства и их молекулярные мишени. Современная концепция поиска белковых мишеней состоит в проверке всех белков, кодируемых геномами целевых видов микроорганизмов, и отборе в качестве потенциальных мишеней тех из них, которые наиболее полно соответствуют предъявляемым требованиям. В настоящее время данная концепция может быть реализована только путем сравнительного анализа геномов микроорганизмов, против которых направлено новое средство, между собой и с геномами высших эукариот, в первую очередь - человека [2].

Под сравнительным анализом геномов понимают сравнение геномных последовательностей с целью выявления сходства и/или различия между ними. Наиболее часто сравнению подвергаются пептидные последовательности, соответствующие открытым рамкам чтения геномов.

Данная концепция впервые была частично реализована для поиска новых белков-мишеней противогрибковых средств [3]. В основу алгоритма был положен известный способ полуколичественного сопоставления вариантов выбора с начислением баллов по определенным правилам. В качестве исходных данных были использованы белковые последовательности, соответствующие открытым рамкам чтения геномов, а также дополнительные экспериментальные и расчетные данные. Пригодность белка как мишени оценивалась по 4 параметрам:

1) "Качество" - роль гена для выживания микроорганизма;

2) "Распространенность" - наличие близких гомологов данного белка у родственных видов микроорганизмов и у высших эукариот;

3) "Специфичность" - сходство данного белка с белками родственных видов микроорганизмов и белками высших эукариот;

4) "Разработка метода анализа" - биологические и технологические аспекты выбора мишени.

Значения параметров 2 и 3 рассчитываются путем сравнения геномов с помощью парного выравнивания белковых последовательностей, соответствующих открытым рамкам чтения. Парное выравнивание позволяет получить численную оценку сходства последовательностей. Эти параметры позволяют выбрать мишени, обеспечивающие необходимый антимикробный спектр действия нового средства при одновременном снижении вероятности воздействия на белки высших эукариот (человека). Авторами были получены корректные оценки ряда известных мишеней и найдены 25 новых потенциальных белков-мишеней для противогрибковых средств. Описанный подход позволил сократить число рассматриваемых объектов с нескольких тысяч до десятков.

Нам представляется не вполне целесообразным использование в качестве критерия отбора простой суммы всех параметров оценки, так как "удельный вес" каждого из них может значительно варьировать и трудно определить степень их важности. В то же время имеется возможность расширения набора параметров выбора, получаемых на основании сравнительного анализа геномов и выборок последовательностей. Таким образом, представлялась целесообразной дальнейшая разработка методов поиска новых мишеней для противомикробных средств на основе сравнительного анализа геномов.

В данной работе основное внимание было уделено вопросам поиска новых мишеней для конструирования антибактериальных средств. Тип объектов, подлежащих рассмотрению, был ограничен белками, кодируемыми геномами (открытыми рамками чтения геномов). В качестве предпочтительных мишеней выбирались те белки, для которых может быть выполнено компьютерное конструирование потенциальных лигандов с использованием "прямых" методов на основе трехмерной структуры мишени.

При разработке метода основное внимание было сосредоточено на оценках, получаемых путем сравнения последовательностей белков с помощью методов выравнивания. Описанные выше параметры (1) и (2), учитывающие только два медико-биологических требования к новому средству и его мишени, были дополнены еще двумя медико-биологическими параметрами выбора:

5) "Отсутствие мутаций белка в других штаммах целевого вида" - возможность возникновения резистентности к противомикробному средству путем мутации белка-мишени; параметр может быть рассчитан путем сравнения геномов различных штаммов целевого вида и выявления белков, в которых не встречается замен аминокислотных остатков.

6) "Наличие гомологов белка-мишени у микроорганизмов-симбионтов человека" -действие на белки микроорганизмов-симбионтов человека; параметр может быть рассчитан путем сравнения генома целевого микроорганизма с геномами микроорганизмов-симбионтов человека.

Кроме того, может быть добавлен еще один "технологический" параметр:

7) "Доступность трехмерной структуры бежа" - доступность трехмерной структуры белка-мишени; параметр может быть рассчитан путем сравнения белков целевого вида с белками, трехмерные структуры которых представлены в банке данных (БД) Protein Data Bank (PDB) [4, 5].

Ограничение набора параметров выбора только теми, которые могут быть оценены с помощью методов выравнивания последовательностей, позволило работать с однородными данными, что значительно облегчило их обработку и интерпретацию результатов. В дальнейшем по мере развития метода возможно включение дополнительных, менее формализованных данных.

Исходя из изложенных выше соображений и важнейших требований к белкам-мишеням, было целесообразно использовать следующие параметры (критерии):

I. Функция бежа (необходимость нормального функционирования белка для выживания микроорганизма);

II. Наличие близких гомологов в геномах родственных видов;

III. Отсутствие мутаций белка в других штаммах целевого вида;

IV. Отсутствие близких гомологов в геноме человека;

V. Доступность пространственной структуры.

Наиболее важным параметром является первый критерий - функция белка. Очевидно, что воздействие на белок-мишень должно приводить к гибели микроорганизма или как минимум к угнетению его роста и размножения. Таким образом, параметр I должен представлять собой численную характеристику, базирующуюся как на экспериментальных данных, так и на вычисленной вероятной функции белка с использованием аннотированных баз данных (БД) белковых последовательностей и метаболических путей. Так как эти данные в настоящее время слабо формализованы, то на данном этапе нами было решено отказаться от реализации расчета параметра I. Однако это не означает отказа от учета функции белка при его выборе в качестве мишени. Так как использование остальных параметров (II-V) позволяет значительно сократить выборку последовательностей, то вопрос об использовании в качестве мишеней на основе данных об их роли в выживании микроорганизма может быть решен индивидуально для каждого белка.

Параметр V является "технологическим". Он позволяет оценить возможность применения прямых методов компьютерного конструирования лекарств на основе структуры белка-мишени, которые значительно сокращают время и затраты на создание прототипа нового ЛВ. Практически этот параметр оценивает возможность компьютерного моделирования трехмерной структуры белка по гомологии.

Процедуру выбора мишеней нам представлялось целесообразным осуществлять на основании рассчитанных параметров выбора путем применения набора правил, формулируемых на основании медико-биологических и технологических требований к мишеням. В качестве мишеней должны были быть выбраны белки, наиболее полно соответствующие всем правилам.

Представлялось целесообразным применить данный подход в первую очередь к тем микроорганизмам, в отношении которых создание новых противомикробных средств является наиболее актуальным. Необходимым условием для успешного применения данного подхода является доступность геномов целевых видов микроорганизмов, желательно - доступность геномов нескольких штаммов одного вида.

Кроме того, должны быть известны механизмы и молекулярные мишени действия ряда средств, применяемых против целевых видов микроорганизмов. Эта информация необходима для тестирования подхода.

Одним из объектов, к которым может быть применен такой подход, является Mycobacterium tuberculosis, так как в отношении этой бактерии эффективен весьма ограниченный круг средств и многие из них не удовлетворяют современным требованиям к эффективности и безопасности. Кроме того, в последние годы получили распространение высоко контагиозные штаммы М. tuberculosis, и штаммы, резистентные ко многим из современных противотуберкулезных средств [6, 7]. Таким образом, поиск новых мишеней для действия противотуберкулезных средств нового поколения является весьма актуальной задачей. В настоящее время появилась возможность использования геномных подходов к поиску белков-мишеней, что обусловлено следующим:

1. Полностью расшифрован геном подробно изученного лабораторного штамма М. tuberculosis H37Rv, и эти данные доступны через Интернет.

2. Большинство белков, кодируемых геномом М. tuberculosis H37Rv, аннотировано и представлено в специализированных БД.

3. Расшифрован геном высоко контагиозного штамма М. tuberculosis CDC 1551, и эта информация также доступна через Интернет.

4. Известны последовательности большинства белков Mycobacterium leprae. М. tuberculosis и М. leprae - близкородственные виды. Некоторые из применяемых противотуберкулезных средств также эффективны в отношении М leprae. Этот факт может быть использован для тестирования метода, а при создании новых противотуберкулезных средств возможно расширение спектра действия этих средств и на М. leprae как на близкородственный вид.

5. Механизмы действия многих противотуберкулезных средств (и резистентности к ним) детально изучены и подробно описаны в литературе, что позволяет осуществить проверку разрабатываемого подхода.

Таким образом, было целесообразно использовать геном М. tuberculosis как для тестирования подхода, так и для практического применения.

Цель исследования:

Разработка метода рационального поиска белков-мишеней для создания новых противомикробных средств на основе сравнительного анализа геномов. 9

Задачи исследования:

1. Разработать подходы и алгоритмы поиска новых мишеней для действия противомикробных средств на основе сравнительного анализа геномов.

2. Реализовать разработанный подход в виде специализированного программного обеспечения.

3. Выполнить тестирование метода на примерах известных белков-мишеней для действия современных противотуберкулезных средств.

4. Выполнить поиск новых белков-мишеней в геноме М. tuberculosis с помощью разработанного метода.

2. ОБЗОР ЛИТЕРАТУРЫ

Заключение диссертации по теме «Биохимия», Дубанов, Александр Вячеславович

6. ВЫВОДЫ

1. На основе сравнительного анализа геномов разработан метод рационального поиска новых белков-мишеней для действия противомикробных средств. Метод реализован в виде оригинального программного обеспечения GenMesh.

2. Тестирование GenMesh на примерах известных белков-мишеней для дейстия существующих противотуберкулезных средств (изониазида, этионамида, этамбутола, циклосерина, рифампицина, аминогликозидов и фторхинолонов) показало, что метод дает корректные оценки.

3. Выполнен поиск новых белков-мишеней в геноме М. tuberculosis путем сравнительного анализа геномов М. tuberculosis H37Rv и CDC 1551, М. leprae, Н. sapiens и выборки белков из PDB. Найдено 13 новых белков-мишеней для создания противотуберкулезных средств нового поколения.

77

7. БЛАГОДАРНОСТИ

Финансирование работы осуществлялось в рамках грантов Миннауки РФ:

Государственная научно-техноческая программа "Исследования и разработки по приоритетным направлениям развития науки и техники гражданского назначения", подпрограмма "Создание новых лекарственных средств методами химического и биологического синтеза", направление "Компьютерное конструирование лекарств";

Приоритетное направления научно-технического прогресса "Развитие новых направлений биотехнологии и обеспечение биобезопасности", проекта "Биоинформационные технологии для конструирования лекарств нового поколения" №106/43-1.

Автор благодарит фирму Tripos GmbH (Мюнхен, Германия) за всестороннюю научную и техническую поддержку.

5. ЗАКЛЮЧЕНИЕ

В ходе работы был разработан метод поиска новых мишеней для действия противомикробных средств на основе сравнительного анализа геномов. По сравнению с существующим частичным аналогом было увеличено число параметров выбора мишеней, вычисляемых непосредственно при сравнении геномных последовательностей. На основе разработанного метода было создано оригинальное ПО для поиска новых мишеней противомикробных средств на основе сравнительного анализа геномов. Тестирование созданного оригинального ПО на примерах известных мишеней для действия противотуберкулезных средств показало, что метод дает корректные оценки для известных белков-мишеней. Удовлетворительные результаты тестирования позволили выполнить поиск новых белков-мишеней в геноме М. tuberculosis. В результате поиска путем сравнительного анализа геномов М. tuberculosis H37Rv и геномов (выборок белков) М. tuberculosis CDC 1551, М. leprae, Н. sapiens и выборки белков PDB был получен список потенциальных мишеней для новых противотуберкулезных средств.

Следует отметить, что представленный в данной работе пример с поиском мишеней в геноме М. tuberculosis является в большей степени иллюстративным, чем практическим. Это обусловлено весьма ограниченными данными о белках человека, использовании неполного генома М. leprae и ограниченного числа геномов штаммов М. tuberculosis, а также отсутствием оценки присутствия гомологов новых мишеней у микроорганизмов, являющихся симбионтами человека. Вместе с тем, список мишеней, полученный в результате поиска, состоит из белков, отвечающих ряду важнейших медико-биологических и технологических требований, предъявляемым к мишеням для действия противомикробных средств. Соответственно, полученные данные могут быть использованы для создания противотуберкулезных средств нового поколения с использованием "прямых" методов компьютерного конструирования лекарств. Кроме того, в ходе выполненного поиска была выработана технология применения предложенного метода.

Тестирование и поиск новых мишеней показали, что использованный в данной работе набор параметров отбора можно считать достаточно эффективным. Некоторым ограничением является отбор только тех белков, трехмерная структура которых является доступной для моделирования. Вместе с тем именно отбор таких мишеней обеспечивает возможность применения "прямого" пути компьютерного конструирования лекарств, а значит, создания ЛВ с принципиально новым молекулярным механизмом действии.

Кроме того, нахождение белков, для которых имеются близкие гомологи с установленной трехмерной структурой, означает, что данная группа белков уже попадала в поле зрения исследователей (не обязательно в качестве мишеней для действия противомикробных средств). В свою очередь, это означает, что может быть доступен большой объем информации о структуре, функции, свойствах и известных лигандах белков этой группы. Доступность такой информации является очень благоприятным фактором, так как позволяет значительно облегчить исследования.

Предложенные принципы расчета параметров могут быть использованы для оценки соответствия белков и другим требованиям, которые могут быть сформулированы для мишеней противомикробных средств. Так, при необходимости исключения воздействия создаваемого противомикробного средства на микроорганизмы-симбионты человека, можно осуществить оценку наличия гомологов белка-мишени у соответствующих микроорганизмов. При этом к набору геномов сравнения должны быть добавлены известные геномы микроорганизмов-симбионтов, а соответствующий параметр может быть рассчитан по уравнению (4), аналогично параметру II. При этом меньшие значения должны оцениваться как благоприятные, а меньшие - как неблагоприятные.

Использованные параметры выбора делают метод достаточно универсальным. При условии доступности необходимых БД и, возможно, некоторой модификации метода применительно к требованиям конкретной задачи, данный метод может быть использован не только при создании новых антибактериальных средств, но и химиотерапевтических средств вообще, как противомикробных, так и применяемых для лечения инвазий и опухолей. Возможность такой широты применения вытекает из относительной универсальности требований, предъявляемых к белку-мишени для действия химиотерапевтического средства (Таблица 1) и принципа, использованного в разработанном методе (рис. 1): новое лекарство должно влиять на функцию белка микроорганизма (простейшего, опухоли), но не влиять на функцию нормальных белков человека.

Также были выявлены некоторые недостатки метода. Так, с целью упрощения программы расчетов параметров выбора и их интерпретации было использовано отнесение локального сходства, обнаруженного программой BLAST, ко всей последовательности белка. Таким образом, минимальным объектом, которым манипулирует пакет GenMesh, является последовательность бежа. Это приводит к тому, что при относительно низком уровне сходства между сравниваемыми белками и большом числе геномов сравнения мы не сможем определить, входят ли функционально важные участки белков в гомологичные фрагменты, или нет. Такую проверку можно выполнить, используя общее выравнивание последовательности выбранного белка-мишени с его гомологами из микроорганизмов, родственных целевому, и штаммов целевого вида. Такое выравнивание позволит установить степень сходства потенциальных мест связывания JIB в этих белках и сделать окончательное заключение об использовании этих белков в качестве мишеней.

Принципиальный недостаток использования геномных данных заключается в том, что данные об экспрессии генов нередко отсутствуют. Решение этой проблемы состоит в использовании протеомов вместо геномов или протеомов совместно с геномами. При использовании протеома исследователю приходится иметь дело с заведомо существующими в клетке белками, также обычно известны условия экспрессии соответствующих генов. Использование данных протеомных исследований совместно с геномными в настоящее время рассматривается как весьма перспективный и продуктивный подход [80, 81].

Следует отметить, что некоторые из противомикробных средств действуют на несколько мишеней, вовлеченных в один метаболический путь или одну группу физиологических процессов в микробной клетке [45]. Предлагаемый метод рассчитан на соответствие использование одного средства против одной мишени. На практике эта проблема может решена разработкой и применением комбинации средств, действующих на мишени, вовлеченные в один метаболический путь или одну группу физиологических процессов в микробной клетке.

Значительные затруднения по-прежнему вызывает автоматическая оценка функции белка и ее роли в выживании микроорганизма. В настоящее время появились методы, позволяющие автоматически определять функцию, функциональные взаимосвязи между белками-партнерами и реконструировать метаболические пути при анализе новых геномов [82]. Эти методы также основаны на сравнительном анализе геномов и использовании информации из молекулярно-биологических БД.

В ходе работы было показано, что использование разработанного метода и оригинального ПО позволяет сократить число рассматриваемых объектов с нескольких тысяч до десятков на начальном этапе разработки нового противомикробного средства и осуществить рациональный выбор белка-мишени. Таким образом, ожидается, что подходы к поиску новых мишеней для создания химиотерапевтических средств, основанные на сравнительном анализе геномов и протеомов, будут продолжать развиваться. В качестве основного направления развития таких подходов следует

75 отметить автоматизацию учета функции белков и ее важности для выживания микроорганизмов - объектов действия создаваемых средств.

76

Список литературы диссертационного исследования кандидат биологических наук Дубанов, Александр Вячеславович, 2001 год

1. National Center for Biotechnology Information (NCBI). Интернет: http://www4.ncbi.nlm.nih.gov/

2. Allsop, A. E. Bacterial genome sequencing and drug discovery // Current Opinion in Biotechnology, 1998,9: 637-642.

3. Spaltmann, F., Blunck, M., Ziegelbauer, K. Computer-aided target selection prioritizing targets for antifungal drug discovery // Drug Discovery Today, 1999, 4(1): 17-26.

4. Berman, H. M., Westbrook, J., Feng, Z., Gilliland, G., Bhat, T. N., Weissig, H., Shindyalov, I. N., Bourne, P. E. The Protein Data Bank // Nucleic Acids Research, 2000, 28: 235-242.

5. Protein Data Bank (PDB). Research Collaboratory for Structural Bioinformatics (RCSB). Интернет: http://www. rcsb. org/pdb/

6. Mycobacterium tuberculosis CDC1551. The Institute for Genomic Research (TIGR). Интернет: http://www.tigr.org/tigr-scripts/CMR2/GenomePage3.spl? database=gmt

7. Petrini, В., Hoffner, S. Drug-resistant and multidrug-resistant tubercle bacilli // International Journal of Antimicrobial Agents, 1999, 13:93-97.

8. Арчаков, А. И., Иванов, А. С. Рациональное компьютерное конструирование лекарств: краткий обзор // Вестник РАМН, 1996,1:60-63.

9. Белкина, Н. В., Скворцов, В. С., Иванов, А. С., Арчаков, А. И. Моделирование трехмерной структуры цитохрома Р450 1А2 и поиск его новых линадов // Вопросы Медицинской Химии, 1998, 44(5): 464-473.

10. Reich, S. The Use of Protein Structural Information in Drug Design and Development: Some Examples // Proceedings of the 3rd International Conference on Molecular Structural Biology, Vienna, 1999, p. 33.

11. Williams, P. A., Cosme, J., Sridhar, V., Johnson, E. F., McRee, D. E. Mammalian microsomal cytochrome P450 monooxygenase: structural adaptations for membrane binding and functional diversity // Mol Cell, 2000, 5(1): 121-131.

12. Cosme, J., Johnson, E. F. Engineering microsomal cytochrome P450 2C5 to be a soluble, monomeric enzyme. Mutations that alter aggregation, phospholipid dependence of catalysis, and membrane binding // J.Biol.Chem., 2000,275(4): 2545-2553.

13. Mosimann, S., Meleshko, R., James, M. N. G. A Critical Assesment of Comparative Molecular Modeling of Tertiary Structures of Proteins // Proteins: Structure, Function and Genetics, 1995,23: 301-317.

14. Sanchez, R., Sali, A. Advances in comparative protein-structure modelling // Current Opinion in Structural Biology, 1997, 7: 206-214.

15. Fourth Community Wide Experiment on the Critical Assesment of Techniques for Protein Structure Prediction (CASP4). Интернет: http://PredictionCenter.llnl.gov/casp4/

16. Entrez-Genome. National Center for Biotechnology Information (NCBI). Интернет: http://www4.ncbi.nlm.nih.gov/entrez/query.fcgi?db=Genome17. The Sanger Centre.

17. Интернет: http://www. sanger. ac. uk/

18. Bairoch, A., Apweiler, R. The SWISS-PROT protein sequence database and its supplement TrEMBL in 2000 // Nucleic Acids Research, 2000,28(1): 45-48.

19. Expert Protein Analysis System (ExPASy). Интернет: http://www.expasy.ch/

20. Biomolecular Engineering Research Center (BMERC). Интернет: http://bmerc-www. bu. edw

21. Comprehensive Yeast Genome Database. Munich Information Center for Protein Sequences (MIPS). Интернет: http://mips.gsf.de/proj/yeast/CYGD/db/index.html

22. TubercuList. Institut Pasteur. Интернет: http://genolist.pasteur.fr/TubercuList/

23. Wixon, J., Kell, D. The Kyoto Encyclopedia of Genes and Genomes KEGG // Yeast, 2000,17:48-55.

24. The Kyoto Encyclopedia of Genes and Genomes (KEGG). Итернет: http://www.genome, ad.jp/kegg

25. Protein Extraction, Description and ANalysis Tool (PEDANT). Интернет: http://pedant.gsf.de

26. Altschul, S. F., Madden, T. L., Schaffer, A. A., Zhang, J., Zhang, Z., Miller, W., Lipman, D. J. Gapped BLAST and PSI-BLAST: a new generation of protein database search programs // Nucleic Acids Research, 1997,25: 3389-3402.

27. NCBI BLAST Home Page. National Ceneter for Biotechnology Information (NCBI). Интернет: http://www. ncbi. nlm. nih. gov/BLAST/

28. Pearson, W. R., Lipman, D. J. Improved tools for biological sequence comparison // PNAS, 1988, 85: 2444-2448.

29. Karlin, S., Altschul, S. F. Methods for assessing the statistical significance of molecular sequence features by using general scoring schemes // Proc.Natl.Acad.Sci.USA, 1990, 87(6): 2264-2268.

30. Discussion about some advantages and disadvantages of using the BLAST program. Biomolecular Engineering Research Center (BMERC). Интернет: http://bmerc-www. bu. edufexamples/blast. html

31. Bansal, A. K. An automated comparative analysis of 17 complete microbial genomes // Bioinformatics, 1999,15(11): 900-908.

32. Heinemann, J. A., Ankenbauer, R. G., Amabile-Cuevas, C. F. Do antibiotics maintain antibiotic resistance? // Drug Discovery Today, 2000, 5(5): 195-204.

33. Heinemann, J. A. How antibiotics cause antibiotic resistance // Drug Discovery Today, 1999,4(2): 72-79.

34. Massova, I., Mobashery, S. Molecular bases for interactions between p-lactam antibiotics and p-lactamases // Accounts of Chemical Research, 1997, 30(4): 162-168.

35. Машковский, M. Д. Лекарственные средства. 12-е издание, дполненное и переработанное в 2-х частях. М.: "Медицина", 1993,736 С.

36. Chopra, I., Brennan, P. Molecular action of anti-mycobacterial agents // Tuber.Lang.Dis., 1997, 78(2): 89-98.

37. Гейл, Э., Кандлифф, Э., Рейнолдс, П., Ричмонд, М., Уоринг, М. Молекулярные основы действия антибиотиков. М.: "Мир", 1975, 485 С.

38. Georgopapadakou, N. H. Antifungals: mechanism of action and resistance, established and novel drugs // Current Opinion in Microbiology, 1998, 1: 547-557.

39. DiDomenico, B. Novel antifungal drugs // Current Opinion in Microbiology, 1999,2: 509-515.

40. Koltin, Y., Hitchcock, C. A. The search for new triazole antifungal agents // Current Opinion in Chemical Biology, 1997, 1: 176-182.

41. Drilka, K. Mechanism of fluoroquinolone action // Current Opinion in Microbiology, 1999, 2: 504-508.

42. Bush, К. Antimicrobial Agents // Current Opinion in Chemical Biology, 1997, 1: 169-175.

43. Chatteijee, D. The mycobacterial cell wall: structure, biosynthesis and sites of drug action // Current Opinion in Chemical Biology, 1997,1: 579-588.

44. Manuvakhova, M., Keeling, K., Bedwell, D. M. Aminoglycoside antibiotics mediate context-dependent suppression of termination codons in a mammalian translation system // RNA, 2000, 6(7): 1044-1055.

45. Jacobs, M. R. Activity of quinolones against mycobacteria // Drugs, 1995,49(2): 67-75.

46. Cole, S. T. Learning from the genome sequence of Mycobacterium tuberculosis H37Rv // FEBS Letters, 1999, 452: 7-10.

47. Cole, S. T. Comparative mycobacterial genomics // Current Opinion in Microbiology, 2001,1:567-571.

48. The Institute for Genomic Research (TIGR). http://www.tigr.org/

49. The Bacterial and Plant Plastid Code. NCBI Taxonomy Home Page. Интернет: http://www. ncbi. nlm. nih.gov :80/htbin-post/Taxonomy/wprintgc? mode =c#SGl I

50. Henikoff, S., Henikoff, J. G. Amino acid substitution matrices from protein blocks // Proc.Natl.Acad.Sci.USA, 1992, 89(22): 10915-10919.

51. Standard Template Library (STL), Hewlett-Packard Company.

52. Гайсарян, С. С. Объектно-ориентированные технологии проектирования прикладных программных систем. Сервер информационных технологий CITForum. Интернет: http://www.ci^rum.rii/programming/ooprsis/index.shtml

53. Agrawal, R. K., Frank, J. Structural studies of the translational apparatus // Current Opinion in Structural Biology, 1999, 9: 215-221.

54. Walker, M. A. Hepatitis С virus: an overview of current approaches and progress // Drug Discovery Today, 1999,4(11): 518-529.

55. Chang, G., Spencer, R. H., Lee, А. Т., Barclay, M. Т., Rees, D. C. Structure of the MscL homolog from Mycobacterium tuberculosis: a gated mechanosensitive ion channel // Science, 1998, 282(5397): 2220-2226.

56. Sette, M., van Tilborg, P., Spurio, R., Kapetin, R., Paci, M., Gualerzi, С. O., Boelens, R. The structure of the translational initiation factor IF1 from E.coli contains an oligomer-binding motif // EMBO J., 1997,16(6): 1436-1443.

57. Vis, H., Mariani, M., Vorgias, С. E., Wilson, K. S., Kaptein, R., Boelens, R. Solution structure of the HU protein from Bacillus stearothermophilus // J.Mol.Biol., 2001,254(4): 692-703.

58. Dautant, A., Meyer, J. В., Yariv, J., Precidoux, G., Sweet, R. M., Kalb, A. J., Frolow, F. Structure of a monoclinic crystal from of cyctochrome bl (Bacterioferritin) from E.coli // Acta Crystallogr.D.BioI.Crystallogr., 1998, 54(1): 16-24.

59. Izard, Т., Geerlof, A. The crystal structure of a novel bacterial adenylyltransferase reveals half of sites reactivity // EMBO J., 1999,18(8): 2021-2030.

60. Howard, B. R., Endrizzi, J. A., Remington, S. J. Crystal structure of Escherichia coli malate synthase G complexed with magnesium and glyoxylate at 2.0 A resolution: mechanistic implications // Biochemistry, 2000,39(11): 3156-3168.

61. Mathwers, 1.1., Kappock, T. J., Stubbe, J., Ealick, S. E. Crystal structure of Escherichia coli PurE, an unusual mutase in the purine biosynthetic pathway // Structure (London), 1999, 7(11): 1395-1406.

62. Roe, S. M., Barlow, Т., Brown, Т., Oram, M., Keeley, A., Tsaneva, L R., Pearl, L. H. Crystal structure of an octameric RuvA-HolIiday junction complex // Mol Cell, 1998, 2(3): 361-372.

63. Ramakrishnan, V., White, S. W. The structure of ribosomal protein S5 reveals sites of interaction with 16S rRNA //Nature, 1992, 358(6389): 768-771.

64. Jones, D. A., Fitzpatrick, F. A. Genomics and the discovery of new drug targets // Current Opinion in Chemical Biology, 1999, 3: 71-76.

65. Sybyl 6.7. Tripos Inc., 1699 South Hanley Road, St Louis, Missouri, 63144, USA.

66. Kwong, A. D., Kim, J. L., Rao, G., Lipovsek, D., Raybuck, S. A. Hepatitis С virus NS3/NS4A protease//Antiviral Research, 1998,40: 1-18.

67. ISIS/Base 2.2.1. MDL Information System Inc.

68. Крепец, В. В., Белкина, Н. В., Скворцов, В. С., Иванов, А. С. Предсказание связывающей способности белок-лигандных комплексов при помощи нелинейных моделей // Вопросы Медицинской Химии, 2000,46(5): 462

69. Арчаков, А. И. Что за геномикой? Протеомика // Вопросы Медицинской Химии, 2000,46(4): 335.

70. Page, М. J., Amess, В., Rolhff, С, Stubberfield, С., Parech, R. Proteomics: a major new technology for the drug discovery process // Drug Discovery Today, 1999,4(2): 55-62.

71. Eisenberg, D., Marcotte, E. M., Xenarios, I., Yeates, Т. O. Protein function in the post-genomic era // Nature, 2000,405(15): 823-826.