Расчетные и экспериментальные доказательства проницаемости гематоэнцефалического барьера методами in silico, in vitro и in vivo

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Обоснование. Для оценки эффективности лекарственных препаратов, применяемых для лечения заболеваний, важно знать физико-химические свойства вещества, особенно способность вещества проникать через клеточную мембрану. Существует множество методов для определения способности веществ проникать через гематоэнцефалический барьер (ГЭБ). Модель распределения вещества между мембраной и внеклеточной жидкостью можно выразить численной характеристикой распределения вещества (липофильностью), называемой logP, которую рассчитывают как распределение вещества между органической фазой и водой.

Цель исследования. Определить и сравнить значения параметров, которые могут выступать предикторами для преодоления ГЭБ in silico, in vitro и проверить полученные данные в экспериментах in vivo.

Методы. Для определения предикторов преодоления ГЭБ использовали методы in silico — портал Way2Drug и программу VEGA ZZ, in vitro — с помощью спектрофотометрии в ультрафиолетовой области для определения практического logP, и фармакологический анализ по эффекту после внутрибрюшинного введения веществ с помощью поведенческих тестов «открытое поле», «пол-тест», «крестообразный лабиринт», «половая мотивация», «ротарод».

Результаты. Определены значения предикторов преодоления ГЭБ для 6-гидроксидофамина (6-ГДА), окситоцина, кисспептина-10 и галоперидола (DEEP, MEP, MLP, PSA, HBASS, HBDON, logS, logBB, logP и др). Рассчитаны коэффициенты распределения исследуемых веществ по данным оптической плотности (6-ГДА — –1,01; кисспептин-10 — –0,79; окситоцин — –0,816; галоперидол — –0,2). Проведено фармакологическое исследование проникновений веществ через ГЭБ по эффекту, сравнение теоретических (полученных in silico), экспериментальных (ультрафиолетовая спектроскопия) значений коэффициентов (logPпракт.) с фармакологическим анализом экспериментов in vivo. В результате всех анализов было установлено, что свойствами, благоприятствующими проникновению через ГЭБ, обладает только галоперидол.

Заключение. Показано, что результаты физико-химических свойств, полученные in silico и in vitro для прогнозирования преодоления лекарственных препаратов через ГЭБ, подтверждаются фармакологическим анализом на основе поведенческих эффектов.

Об авторах

Мария Владимировна Литвинова

Институт экспериментальной медицины

Автор, ответственный за переписку.
Email: litvinova-masha@bk.ru
ORCID iD: 0000-0002-2924-7475
SPIN-код: 9548-4683
Россия, Санкт-Петербург

Макар Антонович Андреев

Национальный исследовательский университет ИТМО

Email: makariy.andreev@gmail.com
ORCID iD: 0009-0004-4908-2614
SPIN-код: 3152-7118
Россия, Санкт-Петербург

Виктор Владимирович Ильин

Институт экспериментальной медицины

Email: victor.iljin@mail.ru
ORCID iD: 0000-0002-1012-7561
SPIN-код: 5559-8089

канд. хим. наук

Россия, Санкт-Петербург

Андрей Андреевич Лебедев

Институт экспериментальной медицины

Email: aalebedev-iem@rambler.ru
ORCID iD: 0000-0003-0297-0425
SPIN-код: 4998-5204

д-р биол. наук, профессор

Россия, Санкт-Петербург

Евгений Рудольфович Бычков

Институт экспериментальной медицины; Военно-медицинская академия им. С.М. Кирова

Email: bychkov@mail.ru
ORCID iD: 0000-0002-8911-6805
SPIN-код: 9408-0799

д-р мед. наук

Россия, Санкт-Петербург; Санкт-Петербург

Список литературы

  1. Singh R, Singh G, George N, et al. Cu(i)-catalysed 1,2,3-triazole stitched chalcomer assembly as Pb(ii) and Cu(ii) ion sensor: DFT and docking scrutiny. RSC Adv. 2023;13(46):32399–32412. doi: 10.1039/d3ra05760g
  2. Druzhilovskiy DS, Rudik AV, Filimonov DA, et al. Computational platform Way2Drug: from the prediction of biological activity to drug repurposing. Russian Chemical Bulletin. 2017;66(10):1832–1841. doi: 10.1007.s11172-017-1954-x EDN: XXHXIL
  3. Pedretti A, Villa L, Vistoli G. VEGA- an open platform to develop chemo-bio-informatics applications, using plug-in architecture and script programming. J Comput Aided Mol Des. 2004;18(3):167–173. doi: 10.1023/b: jcam.0000035186.90683.f2 EDN: IHHZWY
  4. Fourches D, Ash J. 4D-quantitative structure-activity relationship modeling: making a comeback. Expert Opin Drug Discov. 2019;14(12): 1227–1235. doi: 10.1080/17460441.2019.1664467
  5. Piir G, Kahn I, García-Sosa AT, et al. Best practices for QSAR model reporting: Physical and chemical properties, ecotoxicity, environmental fate, human health, and toxicokinetics endpoints. Environ Health Perspect. 2018;126(12):126001. doi: 10.1289/EHP3264
  6. Xie D, Tian Y, Cao L, et al. 3D-QSAR, design, molecular docking and dynamics simulation studies of novel 6-hydroxybenzothiazole-2-carboxamides as potentially potent and selective monoamine oxidase B inhibitors. Front Pharmacol. 2025;16:1545791. doi: 10.3389/fphar.2025.1545791
  7. Adachi K, Sasaki T, Arai A, et al. Impact of variability of in silico and in vitro octanol/water partition coefficients of compounds on the input parameters and results of simplified human physiologically based pharmacokinetic models after virtual oral administrations. J Toxicol Sci. 2024;49(10):459–466. doi: 10.2131/jts.49.459
  8. Gaillard P, Carrupt P-A, Testa B, Boudon A. Molecular lipophilicity potential, a tool in 3D QSAR: method and applications. J Comput Aided Mol Des. 1994;8(2):83–96. doi: 10.1007/BF00119860
  9. Bytheway I, Darley MG, Popelier PL. The calculation of polar surface area from first principles: an application of quantum chemical topology to drug design. ChemMedChem. 2008;3(3):445–453. doi: 10.1002/cmdc.200700262
  10. Carpenter TS, Kirshner DA, Lau EY, et al. A method to predict blood-brain barrier permeability of drug-like compounds using molecular dynamics simulations. Biophys J. 2014;107(3):630–641. doi: 10.1016/j.bpj.2014.06.024 EDN: USERHD
  11. Kunwittaya S, Nantasenamat C, Treeratanapiboon L, et al. Influence of LogBB cut-off on the prediction of blood-brain barrier permeability. Biomed Appl Technol J. 2013;1:16–34.
  12. Lipinski CA, Lombardo F, Dominy BW, Feeney PJ. Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings. Adv Drug Deliv Rev. 2001;46(1–3):3–26. doi: 10.1016/s0169-409x(00)00129-0
  13. Litvinova MV, Lebedev AA, Bychkov ER, Shabanov PD. Evaluation of the transportation of kisspeptins through a blood-brain barrier after intranasal administration. Reviews on Clinical Pharmacology and Drug Therapy. 2025;23(2):191–201. doi: 10.17816/RCF676528 EDN: JBKGXL
  14. Tissen IY, Lebedev AA, Tsikunov SG, Shabanov PD. Kisspeptin reduces sexual dysfunction in a rat model of posttraumatic stress disorder. Psychopharmacology and Addiction Biology. 2023;14(4):237–244. doi: 10.17816/phbn623033
  15. Pyurveev SS, Lebedev AA, Bychkov ER, et al. Analysis of melanocyte-stimulating hormone role in regulation of emotional and exploratory behavior in rats. Reviews on Clinical Pharmacology and Drug Therapy. 2025;23(1):91–100. doi: 10.17816/RCF651368 EDN: MZAZWJ

© Эко-Вектор, 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

 


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).