با توجه به لزوم مطالعه برهمکنش بین ماکروملکول­ها نظیر DNA، پروتئین، RNA با یکدیگر و نقش آن­ها در عملکرد سلول و نهایتا فنوتیپ، و همچنین شبیه سازی محیط­های محل برهمکنش این ماکروملکول ها و همچنین ترکیبات مختلف نظیر عناصر و ... با یکدیگر از یک طرف و همچنین اهمیت مطالعات بین رشته­ای از طرف دیگر، لازم بر آن شد تا در این پست مطلبی در این راستا برای خوانندگان این وبلاگ آماده گردد.

 امروزه بیوانفورماتیک در تعامل با سایر رشته­ها نظیر علوم زیستی، کامپیوتر، شیمی و فیزیک (کاربرد مکانیک کوانتومی و مکانیک ملکولی، معادلات فیزیک نیوتن، معادلات شرودینگر و ...) به عنوان یک علم چندرشته­ای در شاخه­های مختلفی نظیر مطالعات امیک (ژنومیک، ترانسکریپتومیک، پروتئومیک، متابولومیک، اینترکتومیک، فلاکسومیک و غیره)، ایمنوانفورماتیک یا ایمونولوژی محاسباتی، کیموانفورماتیک یا شیمی محاسباتی، نقش چشمگیری را در علوم آنالیز توالی و ساختار، بررسی برهمکنش بین ملکول­ها در سطح اتمی، مدل‌سازی و پیشگویی عملکرد سیستم ایمنی، طراحی دارو و واکسن‌های جدید، تحقیقات آلرژی‌زایی و اکتشافات دارویی داشته است و جواب خیلی از سوالات دانشجویان در دوران دبیرستان باشد که چرا دانشجویان علوم تجربی دروسی نظیر فیزیک، ریاضیات و ... در دوران دبیرستان اخذ می­کنند.

این علم نه تنها سبب تسریع تحقیقات علمی شده بلکه به‌ علت تعامل آن با پروژه‌های ژنوم منجر به دست‌یابی به اطلاعات بسیار زیادی در زمینه­های مختلف علوم زیستی گردیده است. در این راستا شناسایی برهمکنش میان ملکول­ها در علوم زیستی از اهمیت بالایی برخوردار است، چرا که بررسی ساختار و فعالیت ماکروملکول­ها در شرایط مختلف و نیز برهمکنش بین آنها برای درک بهتر عملکرد سلولی لازم بوده و از طرفی این ماکروملکول­ها در یک سلول و یا سلول­های مختلف به صورت برهمکنش با یکدیگر دارای عملکرد هستند، که این برهمکنش­ها نقش مهمی را در بسیاری از فرایندهای سلولی ایفا می­کنند به طوری که در این زمینه سرورهایی که برهمکنش بین ملکول ها را در سطح ژنومی بررسی می­کنند نظیر GWIDD (Genome Wide Docking Database) توسعه یافتند. بنابراین با توجه به نقش این برهمکنش­ها در فرایندهای سلولی و در نتیجه عملکرد، مطالعه و شناسایی این برهمکنش­ها بین ماکروملکول­های مختلف در سطح اتمی حائز اهمیت است، که در این میان روش­های بیوانفورماتیکی با تکیه بر ابزارهای ساختاری و پایگاه داده­های موجود، می­توانند اغلب پیش بینی کننده و تکمیل کننده نتایج آزمایشگاهی در رابطه با برهمکنش میان ماکروملکول­های زیستی بوده و در واقع به عنوان پلی میان آزمایشات تجربی و رهیافت‌های محاسباتی، سبب کاهش زمان و هزینه‌ها در فرآیند تحقیقات علمی شود (1).

در این زمینه یکی از روش­های بیوانفورماتیکی جهت مطالعه برهمکنش بین ملکول­ها روش داکینگ ملکولی  است، که یک روش کلیدی برای پیشبینی ساختار کمپلکس و برهمکنش ماکروملکول­ها با یکدیگر (گیرنده-لیگاند) در سطح اتمی می­باشد (شکل 1). به طور کلی زمانی که صحبت از لیگاند می­شود، منظور یک ملکول کوچک دارای فعالیت بیولوژیکی است که گاها یک پروتئین هم می­تواند باشد و گیرنده نیز می­تواند یک ماکروملکول  نظیر پروتئین، DNA و یا RNA باشد. اساساً هدف از داکینگ ملکولی، دستیابی به یک پیش بینی ساختار پیچیده­ی لیگاند-گیرنده با استفاده از روش­های محاسباتی است (2, 3). این روش برای اولین بار در سال ۱۹۸2 مورد استفاده قرار گرفت (4) و امروزه به طور گسترده به عنوان ابزار جستجوی مجازی  در مراحل اولیه فرایند توسعه دارو به کار برده می­شود (5).

 

به طور کلی فرایند داکینگ شامل دو مرحله اصلی می­باشد. مرحله اول، مرحله نمونه­گیری (Sampling)، شامل ایجاد کانفورماسیون­های (تطابق­های) مختلف یک لیگاند و بررسی جهت­گیری آنها نسبت به جایگاه فعال گیرنده است. در این مرحله الگوریتم­های جستجو جهت ایجاد صورت­بندی­های مختلف یک لیگاند و بررسی جهت­گیری آنها نسبت به جایگاه فعال گیرنده استفاده می­شود (شکل 2). 

این الگوریتم­ها، شامل تطبیق پذیری سریع شکل، ساخت افزایشی، شبیه­سازی مونت کارلو، ژنتیک، جستجوی تابو و شبیه­سازی حرارتی  می­باشند، که این الگوریتم­ها به سه دسته کلی جستجوی سیستماتیک ، جستجو براساس تطابق شکل و جستجو به صورت تصادفی  تقسیم می­شوند. مرحله دوم داکینگ، مرحله امتیازدهی است که یک مولفه­ی مهم در برنامه­های داکینگ است، از این مرحله برای انتخاب بهترین ترکیب و یا بهترین صورت­بندی یک لیگاند استفاده و به عنوان مرحله سنجش تمایل اتصال لیگاند به گیرنده تخمین ­زده می­شود. این تابع الگوریتم داکینگ را قادر می­سازد تا با سرعت، کمیت برهمکنش بین لیگاند و گیرنده را بیان کند. در طول مرحله نمونه­برداری الگوریتم داکینگ کنفورماسیون­های مختلفی از لیگاند را در جایگاه فعال گیرنده جای می­دهد و براساس تابع امتیازدهی آنها را رتبه­بندی می­کند. در حالت ایده­آل یک تابع امتیازدهی بهترین امتیاز (منفی­ترین انرژی آزاد اتصال لیگاند-گیرنده) را به کنفورماسیونی از لیگاند متصل به گیرنده اختصاص می­دهد که از لحاظ سطح انرژی در بهترین حالت خود (حداقل مقدار) باشد (شکل 3).