4 декабря 2014

Выводы испытательного эксперимента фармакологической активности

Список примеров можно было продолжать, но и приведенных иллюстраций (приведенных ранее) достаточно, чтобы почувствовать характер получаемых этим способом эмпирических правил.

Смотрите — Примеры разных вариантов алгоритмов

Основные выводы из этого испытательного эксперимента следующие:

  1. Для многих «четких» и «узких» видов фармакологической активности удается получить достаточно удобные формулы узнавания. К числу таких активностей относятся: снотворная, ганглиоблокаторная, противомикробная (антибиотики), антисептическая и пожалуй самой важной остается — быстрое обезболивающее.
  2. Практически для всех видов биологической активности удается вывести обогащающие правила, позволяющие отбирать все вещества с заданным видом активности (но не только их).
  3. Такой вид биологической активности, как противоопухолевая, не удается охватить единым алгоритмом; это удается сделать только для отдельных групп и рядов веществ с противоопухолевой активностью.
  4. Особенно хорошо работают алгоритмы, построенные с использованием нескольких методов разных ярусов (например, методов биохимии и биофизики ткани) и методов, учитывающих тканевую специфичность ХС. Хорошую дискриминацию дают также дополнительные вариации метода за счет дополнительных воздействий или изменения условий (например, субстраты и т. д.).

Таким образом, такой упрощенный вариант автоматизированной системы классификации показал принципиальную возможность выводить достаточно эффективные правила определения для многих видов биологической активности. Дополнения испытательного комплекса, предусмотренные в системе классификации, должны резко усилить распознающую способность, прежде всего за счет систематического определения тканевой тропности, дополнительных воздействий в каждом из методов, увеличения представительства слабо представленных в этом эксперименте биохимических и физических методов. Дополнительные возможности заключены в переходе от дозовых зависимостей к дозово-временным.

Перекрывание алгоритмов

Система алгоритмов для определения ростостимулирующей активности

Во многих случаях один и тот же вид биологической или фармакологической активности может быть определен с помощью нескольких алгоритмов, в других случаях сама по себе активность столь широка, что требует применения совокупности алгоритмов.

Примером первой ситуации может быть определение ростостимулирующей активности, примером второй — кардиотропная активность.

Ростостимулирующая активность относится по нашей классификации к основным видам биологической активности — она содержит в себе целый спектр весьма различных конкретных видов. Поэтому вещества очень разной химической природы и механизмов действия на клетки или биоструктуры могут обладать этим видом активности.


«Биологически активные вещества»,
Г.М.Баренбойм, А.Г.Маленков





Моделирование состояний — задача, которую для большинства случаев еще предстоит решать. Только АСК ХС обладает достаточной производительностью, чтобы установить характер и степень адекватности состояний модели in vitro и состояний in vivo в отношении большого массива ХС. Поэтому мы вынуждены ограничиться пока лишь кратким упоминанием основных способов создания моделей состояний. Первый способ состоит в том, что…

2- й пример. Пусть энергетика клетки является той системой, которую требуется представить параметрически. Набор состояний порожден в ходе морфогенетических процессов (нормальных и патологических) на основе, например, ткани печени. Самой экономной (а именно к наиболее экономному, но полному представлению всегда и следует стремиться) системой параметров будет в этом случае, вероятно, следующая: отношение активности суммарной гексокиназы к…

Рассмотрим на примерах, как можно определить систему представительных характеристик и параметров для спектра состояний и моделировать эти состояния: 1-й пример. Пусть межклеточный контакт является той биофизической системой, которую надо описать параметрически. Пусть объектами являются эпителиальные ткани лабораторных животных (или человека) во всем их разнообразии, порождаемом морфогенетическими, физиологическими и генетико-популяционными процессами. В качестве основной характеристики межклеточного…

Активность этого фермента существенно детерминируется генетически. В распределении популяции людей по активности этого фермента существуют два максимума, соответствующие низкой и высокой активности фермента; это можно рассматривать как отражение «генетически определенных состояний». Определив у ХС способность образовывать комплексы с медью, можно предсказать опасность того, что при длительном употреблении этот препарат может вызвать лекарственную волчанку у лиц…

Учет всех подобных особенностей реакций организма на ХС с определенным видом активности в зависимости от состояния, даже в форме вероятностного предсказания, имеет очень большое практическое значение. Такое предсказание может сделать гораздо более содержательными и одновременно дешевыми последующие испытания на животных, более безопасными клинические испытания и дальнейшее клиническое использование. Вместе с тем очевидно, что в общем…