Wpływ procesów fizycznych oraz substancji pomocniczych na charakterystykę właściwości substancji leczniczych trudno rozpuszczalnych w wodzie

Ponad 40% dostępnych na rynku substancji leczniczych i ok. 70% nowo syntetyzowanych struktur o potencjalnym znaczeniu terapeutycznym charakteryzuje się trudną rozpuszczalnością w wodzie. Z tego względu kierunki badawcze wielu zespołów zarówno w jednostkach akademickich, jak i przemysłowych skupiają się na poszukiwaniu rozwiązań zapewniających odpowiednią dostępność farmaceutyczną i biologiczną substancji leczniczych. Efektywność działania leków może wynikać z cech charakteryzujących substancję leczniczą, m.in. formy krystalicznej, rozpuszczalności, właściwości kwasowo-zasadowych czy hydrofilowości. Z uwagi na brak dogłębnej wiedzy, podczas rozwoju nowych leków nie zawsze są brane pod uwagę mechanizmy wpływające na poprawę ww. wielkości.

W tym zakresie proponujemy więc zdobycie wiedzy na temat czynników wpływających na powstawanie tzw. form amorficznych substancji leczniczych, a dokładniej rzecz ujmując mechanizmów fizykochemicznych kontrolujących amorfizację substancji leczniczych oraz stabilność takich form.

Amorfizacja substancji leczniczej pozwala na zwiększenie jej rozpuszczalności, tak więc jest drogą do rozwiązania przedstawionego wyżej problemu. Jednak mimo spektakularnych efektów możliwych do uzyskania za pomocą amorficznych form substancji leczniczych, podstawową wadą jest ich niestabilność, co staje się przeszkodą w farmaceutycznych zastosowaniach. Co więcej, rożne metody sporządzania prowadzą do uzyskania form mieszanych, częściowo krystalicznych (zawierających formy stabilne i metastabilne) i częściowo amorficznych. Wpływ parametrów procesu może również mieć bardzo skomplikowany charakter i być trudny do kontrolowania. Ocena parametrów przejść fazowych dla substancji leczniczych ma więc istotne znaczenie dla prac rozwojowych nad lekiem.

Zagłębiając się dalej w terminologię naukową, należy skupić się na wybitnie interdyscyplinarnym charakterze badań łączących szereg różnych dziedzin, takich jak fizyka, chemia, nauki farmaceutyczne, statystyka i informatyka. Ocena właściwości fizykochemicznych układów w stanie stałym, jak np. termodynamiczne czy strukturalne, stanie się podstawą do zdobycia szerokiej wiedzy. Będziemy gromadzić duże ilości danych pochodzące z szeroko zakrojonych eksperymentów laboratoryjnych z wykorzystaniem wszelkich dostępnych technik analitycznych jak np. dyfrakcja promieniowania rentgenowskiego (XRPD), różnicowa kalorymetria skaningowa (DSC), szerokopasmowa spektroskopia dielektryczna (BDS), a także badania rozpuszczania substancji leczniczej. Poszerzymy naszą wiedzę o wyniki symulacji komputerowych z wykorzystaniem informatyki chemicznej, a na poziomie subatomowym o modelowanie efektów kwantowo-mechanicznych (DFT). Wszystkie zebrane rezultaty zebrane zostaną w usystematyzowaną bazę danych, w której wyróżnić będzie można dwie podstawowe kategorie informacji:

• charakterystyka fizykochemiczna i eksperymentalna (widma, efekty powierzchniowe, szybkość rozpuszczania, parametry technologiczne itd.)
• charakterystyka teoretyczna (właściwości dynamiczne i termodynamiczne, informatyka chemiczna, mechanika kwantowa)

Opracowanie i uporządkowanie tak dużej bazy danych nie byłoby możliwe bez racjonalnego podejścia metodycznego. W tym celu zastosowane zostanie statystyczne projektowanie eksperymentów (DOE). Będzie to następnym przykładem racjonalizacji podejścia do uzyskania spodziewanych efektów – w naszym przypadku wiedzy. Z uwagi na duże ilości danych zwiększymy nasze możliwości ich efektywnego przetwarzania i zrozumienia poprzez zastosowanie narzędzi sztucznej inteligencji, a dokładniej inteligencji obliczeniowej: sztucznych sieci neuronowych, logiki rozmytej oraz programowania genetycznego. Wykorzystamy moc obliczeniową całego systemu stacji roboczych implementujących algorytmy uczenia maszynowego w celu zautomatyzowanego przetwarzania danych zgromadzonych w fazie eksperymentalnej. Dzięki temu możliwa stanie się selekcja zmiennych kluczowych kontrolujących proces amorfizacji oraz stabilność otrzymanych form amorficznych. Szczegółowa analiza fizycznego charakteru wyselekcjonowanych zmiennych kluczowych stanie się wskazówką do formułowania hipotez naukowych – tak więc komputery zostaną wykorzystane jako partnerzy w prowadzonym rozumowaniu naukowym. To nie jest już fantastyka naukowa – to rzeczywistość. Co więcej, wykorzystanie programowania genetycznego pozwoli na automatyczne wygenerowanie równań matematycznych ujmujących w sposób ilościowy wiedzę zdobytą w naszych laboratoriach.

Podsumowując, poprzez umiejętne połączenie możliwości obydwu partnerów i synergistyczny charakter naszej pracy, łącząc szczegółową i równocześnie szeroką charakterystykę fizykochemiczną ze zautomatyzowanym przetwarzaniem danych przez systemy sztucznej inteligencji, spodziewamy się uzyskać wiedzę stanowiącą istotny postęp w omawianej dziedzinie zarówno w funkcji poznawczej, jak też, w przyszłości, aplikacyjnej.