Tổng quan nghiên cứu đa dược lý mạng trong tìm kiếm đích phân tử liên quan đến ung thư

ĐẠI HỌC QUỐC GIA HÀ NỘI

VN
U

KHOA Y DƢỢC

ha

rm

ac
y,

LÝ THỊ DUYÊN

dP

TỔNG QUAN NGHIÊN CỨU ĐA DƢỢC LÝ

an

MẠNG TRONG TÌM KIẾM ĐÍCH PHÂN TỬ

Me

dic

ine

LIÊN QUAN ĐẾN UNG THƢ

Sc

ho

ol

of

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC NGÀNH DƢỢC HỌC

QH.2013.Y

Ngƣời hƣớng dẫn: TS. LÊ THỊ THU HƢỜNG
PGS.TS. LÊ ĐỨC HẬU

Co
p

yri

gh

t©

Khóa:

HÀ NỘI - 2018

LỜI CẢM ƠN

VN
U

Trƣớc hết tôi xin gửi lời cảm ơn tới những ngƣời đã giúp đỡ tôi trong
quá trình thực hiện khóa luận này.

an

dP

ha

rm

ac
y,

Tôi xin gửi lời cảm ơn sâu sắc đến TS. Lê Thị Thu Hƣờng - Giảng viên
Bộ môn Dƣợc liệu và Dƣợc học cổ truyền, khoa Y Dƣợc, Đại học Quốc Gia Hà
Nội; PGS.TS. Lê Đức Hậu - Giảng viên Bộ môn Kỹ thuật máy tính và mạng,
khoa Công Nghệ Thông Tin, Đại học Thủy Lợi đã trực tiếp hƣớng dẫn, tận tình
giúp đỡ, hƣớng dẫn tôi từ những ngày đầu làm khóa luận, tạo điều kiện thuận
lợi để tôi có thể nghiên cứu và hoàn thành khóa luận này. Tôi cũng xin gửi lời
cảm ơn tới những thầy cô khác trong khoa Y Dƣợc, Đại học Quốc Gia Hà Nội
đã luôn giúp đỡ tôi trong quá trình học tập, giúp tôi có những kiến thức nền quý
giá để chuẩn bị sẵn sàng cho việc hoàn thành khóa luận.

Me

dic

ine

Tôi xin chân thành cám ơn TS. Phạm Thế Hải - Giảng viên bộ môn
Hóa Dƣợc, Đại học Dƣợc Hà Nội đã giúp đỡ tôi rất nhiều trong quá trình
tìm kiếm, thu thập tài liệu, tận trình trao đổi nhiều vấn đề có liên quan đến
khóa luận.

ho

ol

of

Cuối cùng, tôi xin đƣợc tri ân gia đình và bạn bè đã luôn đồng hành bên
tôi những lúc khó khăn, bận rộn, luôn là nguồn động lực để tôi làm việc và
phấn đấu vƣơn lên.

Hà Nội, tháng 05 năm 2018
Sinh viên

Co
p

yri

gh

t©

Sc

Xin chân thành cảm ơn!

Lý Thị Duyên


KÝ HIỆU VÀ CHỮ VIẾT TẮT

Cục quản lý thực phẩm và dƣợc phẩm Hoa Kỳ

CSDL

Cơ sở dữ liệu

DEG

Gen biểu hiện khác thƣờng, differentially expression gene

DNA

Deoxyribonucleic acid

RNA

Ribonucleic acid

mRNA

Ribonucleic acid thông tin

MS

Phƣơng pháp khổi phổ

GO

Gene Ontology

NP

Đa dƣợc lý mạng, Network Pharmacology

PPI

Tƣơng tác protein, Protein-Protein Interaction

PPIN

Mạng tƣơng tác protein, Protein-Protein Interaction Network

Hub

Nút có bậc cao trong mạng

DPIN

Mạng tƣơng tác thuốc – protein

DDIN

Mạng tƣơng tác thuốc – thuốc

EGFR

Thụ thể yếu tố tăng trƣởng biểu bì

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac

y,

VN
U

FDA

Ung thƣ vú bộ ba âm tính

Sc

TNBC

t©

HDAC

Co
p

yri

gh

FGFR1

Histon deacetylase
Thụ thể yếu tố tăng trƣởng nguyên bào loại 1

DANH MỤC CÁC BẢNG
Bảng 1: Các cơ sở dữ liệu về PPI.................................................................... 21

VN
U

Bảng 2: Đặc điểm dữ liệu microarray đƣợc sử dụng trong ung thƣ tuyến tụy ..... 46

ac
y,

Bảng 3: Năm chức năng làm giàu hàng đầu của GO và con đƣờng KEGG cho
tổng các DEG .................................................................................................. 46

Co
p

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

Bảng 4: Hai mƣơi DEG hàng đầu trong PPIN ................................................ 50


DANH MỤC HÌNH VẼ, ĐỒ THỊ
Hình 1.1: Quá trình nghiên cứu phát triển thuốc .............................................. 3

VN
U

Hình 1.2: Các dạng đồ thị Graph ...................................................................... 6

ac
y,

Hình 1.3: Ví dụ về hai cách biểu diễn đồ thị theo ma trận kề và theo danh sách

kề ....................................................................................................................... 7

rm

Hình 1.4: Các dạng của mạng. (a) mạng vô hƣớng, (b) mạng có định hƣớng,
(c) mạng có gắn trọng số ................................................................................... 8

dP

ha

Hình 1.5: Mạng tƣơng tác giữa thuốc hóa trị với các đích protein tyrosine
kinase ............................................................................................................... 10

an

Hình 1.6: Mạng tƣơng tác protein-protein của interleukin-10 ........................ 12
Hình 1.7: Minh họa chiến lƣợc can thiệp hiệu quả trong nghiên cứu thuốc ........13

ine

Hình 1.8: Mạng tƣơng tác thuốc-thuốc ........................................................... 15

Me

dic

Hình 2.1: Logo phần mềm Cytoscape - công cụ phân tích và xây dựng hình
ảnh trực quan cho PPIN .................................................................................. 19
Hình 2.2: Logo Phần mềm Gephi ................................................................... 20

of

Hình 2.3: Phần mềm lập trình igraph và NetworkX ....................................... 20

ol

Hình 2.4: Các cơ sở dữ liệu về tƣơng tác protein ........................................... 21

Sc

ho

Hình 2.5: Hệ thống lai đôi nấm men giúp phát hiện tƣơng tác giữa các cặp
protein.............................................................................................................. 25

t©

Hình 2.6: Quá trình phân tích phức hợp protein bằng phƣơng pháp khối phổ ..... 26

gh

Hình 2.7: Các cách phân tích topo .................................................................. 27

yri

Hình 2.8: Nút trung tâm đại diện trong một mạng. ......................................... 28

Co
p

Hình 2.9: Ví dụ về cách tính closeness centrality của nút trong một graph ... 29
Hình 2.10: Ví dụ về betweenness centrality ................................................... 30
Hình 2.11: Một số khải niệm trong phân tích cụm ......................................... 31
Hình 2.12: Phân tích làm giàu chú giải sử dụng GO và Reactome trong mạng....... 34


Hình 3.1: Các ứng dụng của đa dƣợc lý mạng ................................................ 37
Hình 3.2: Ứng dụng của đa dƣợc lý mạng trong tìm kiếm thuốc mới ............ 38

VN
U

Hình 3.3: Mạng PPIN của ung thƣ vú ............................................................. 40

ac
y,

Hình 3.4: Giá trị hệ số phân cụm của mạng con ung thƣ vú khi xóa 10 gen có
giá trị hub, betweenness và closenness. .......................................................... 41

rm

Hình 3.5: Giá trị đƣờng đi ngắn nhất của mạng con ung thƣ vú khi xóa 10 gen
có giá trị hub, betweenness và closenness. ..................................................... 41

ha

Hình 3.6: Các giá trị đột biến có ý nghĩa thống kê của gen có betweenness
centraility cao nhất .......................................................................................... 42

dP

Hình 3.7: Mạng lƣới liên hệ cơ chế cho các DEG .......................................... 48

an

Hình 3.8: Mạng PPI cho các DEG. ................................................................. 49

Co
p

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

Hình 3.9: Mạng đồng biểu hiện gen cho các DEG. ........................................ 52


MỤC LỤC

VN
U

LỜI CẢM ƠN
KÝ HIỆU, CHỮ VIẾT TẮT

ac
y,

DANH MỤC CÁC BẢNG
DANH MỤC HÌNH VẼ, ĐỒ THỊ

rm

ĐẶT VẤN ĐỀ .................................................................................................. 1

ha

CHƢƠNG I: TỔNG QUAN ĐA DƢỢC LÝ MẠNG ................................... 3

dP

1.1. Đa dƣợc lý mạng trong nghiên cứu phát triển thuốc ................................. 3

an

1.2. Sơ lƣợc lý` thuyết Graph ............................................................................ 6
1.3. Biểu diễn đa dƣợc lý mạng bằng đồ thị Graph .......................................... 7

ine

1.3.1. Mạng tƣơng tác giữa thuốc với đích phân tử (DPIN) ......................... 9

dic

1.3.2. Mạng tƣơng tác protein – protein (PPIN) ......................................... 11

Me

1.3.3. Mạng tƣơng tác thuốc-thuốc (DDIN) ............................................... 14

of

1.4. Đa dƣợc lý mạng trong tìm kiếm đích tác dụng của thuốc chống ung thƣ .... 16

ho

ol

CHƢƠNG II: QUY TRÌNH XÂY DỰNG MẠNG TƢƠNG TÁC
PROTEIN-PROTEIN (PPIN) ...................................................................... 19

Sc

2.1. Các công cụ phân tích .............................................................................. 19
2.1.1. Cytoscape .......................................................................................... 19

t©

2.1.2. Gephi ................................................................................................. 20

gh

2.1.3. Các phần mềm lập trình .................................................................... 20

yri

2.2. Nguồn dữ liệu ........................................................................................... 21

Co
p

2.2.1. Các cơ sở dữ liệu tƣơng tác protein (PPI) ......................................... 21
2.2.2. Các phƣơng pháp thực nghiệm ......................................................... 24

2.3. Phân tích topo của PPIN .......................................................................... 27
2.3.1. Phân tích trung tâm ........................................................................... 27


2.3.2. Phân tích cụm (Clustering analysis) ................................................. 31
2.3.3. Phân tích làm giàu chú giải (Annotation enrichment analysis) ........ 33

VN

U

2.4. Các bƣớc cơ bản xây dựng mạng tƣơng tác PPIN ................................... 34

ac
y,

CHƢƠNG III: PHÂN TÍCH MỘT SỐ VÍ DỤ VỀ ỨNG DỤNG CỦA ĐA
DƢỢC LÝ MẠNG TRONG NGHIÊN CỨU ĐÍCH PHÂN TỬ LIÊN QUAN
ĐẾN UNG THƢ.............................................................................................. 36

rm

3.1. Ung thƣ và đích phân tử ........................................................................... 36

ha

3.2. Ứng dụng của nghiên cứu đa dƣợc lý mạng trong tìm kiếm đích phân tử
liên quan đến ung thƣ ...................................................................................... 37

an

dP

3.3. Phân tích một số ví dụ về ứng dụng của đa dƣợc lý mạng trong nghiên cứu
đích phân tử liên quan đến ung thƣ .................................................................. 38
3.3.1. Ví dụ 1. Xác định gen đích ung thƣ vú bằng mạng tƣơng tác PPIN ........38

dic

ine

3.3.2. Ví dụ 2: Xác định các gen đích điều trị mới và cơ chế trong ung thƣ
tuyến tụy bằng phân tích tổng hợp .............................................................. 43

Me

CHƢƠNG IV: KẾT LUẬN VÀ KIẾN NGHỊ ............................................ 54
4.1. Kết luận .................................................................................................... 54

of

4.2. Kiến nghị .................................................................................................. 54

Co
p

yri

gh

t©

Sc

ho

ol

TÀI LIỆU THAM KHẢO

ĐẶT VẤN ĐỀ

ha

rm

ac
y,

VN
U

Ung thƣ là một trong những căn bệnh nguy hiểm gây tử vong hàng đầu
trên thế giới. Ƣớc tính mỗi năm có khoảng 14,1 triệu ngƣời mới mắc và 8,2
triệu ngƣời chết do ung thƣ. Ở Việt Nam, mỗi năm có khoảng 124.000 ca mắc
ung thƣ mới với tỷ lệ tử vong chiếm gần 75%. Trong những năm gần đây,
khoa học đã có những bƣớc tiến đáng kể trong phòng ngừa và điều trị ung thƣ
[15]. Tuy nhiên, ung thƣ vẫn là một thách thức lớn đối với y học hiện đại. Do
đó, nghiên cứu thuốc điều trị ung thƣ hiệu quả và an toàn đƣợc xem là hƣớng
đi cấp bách hiện nay.

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

Hiện nay, việc sử dụng các phân tử nhỏ có khả năng tác động các đích
phân tử là các protein hay gene liên quan đến ung thƣ là một trong những liệu
pháp hoá trị phổ biến nhất. Các thuốc này chủ yếu tác động lên một đích phân
tử là protein đóng vai trò quan trọng trong quá trình sinh sản, biệt hóa, và chết
theo chu trình của tế bào ung thƣ. Tuy nhiên, các thuốc này gặp phải một vấn
đề lớn là tỷ lệ kháng thuốc cao do các đích phân tử dễ bị đột biến. Bên cạnh
đó chúng cũng có thể tác động lên những protein khác của tế bào bình thƣờng
(tính không chọn lọc), do đó gây ra nhiều tác dụng không mong muốn, ảnh
hƣởng tới thể trạng và chất lƣợng sống của bệnh nhân cũng nhƣ làm giảm
hiệu quả lâm sàng của thuốc. Nhƣ vậy, nghiên cứu và phát triển các thuốc
điều trị ung thƣ đang gặp phải hai vấn đề chính. Thứ nhất, với việc phát hiện
ngày càng nhiều yếu tố bệnh sinh ảnh hƣởng đến tình trạng bệnh, những liệu
pháp điều trị dựa trên một mục tiêu phân tử duy nhất tỏ ra kém hiệu quả. Thứ

hai, cần phải hệ thống hóa các tƣơng tác phức tạp của chúng trong các quá
trình sinh học của cơ thể. Từ đó, chúng ta sẽ xác định đƣợc các đích phân tử
quan trọng trong quá trình bệnh sinh, cũng nhƣ dự đoán đƣợc các tác dụng
không mong muốn của thuốc.

Co
p

Để giải quyết các vấn đề nêu trên, cách tiếp cận đa dƣợc lý mạng
(network pharmacology, NP) hiện là một công cụ hữu ích giúp tìm kiếm đích
phân tử mới, cũng nhƣ tìm hiểu sâu cơ chế tác dụng của thuốc. Mạng NP
thƣờng có cấu trúc dạng graph, trong đó các protein đóng vai trò là các nút và
mối tƣơng quan giữa chúng là các cạnh nối giữa các nút. Một ví dụ đó là
1


dic

ine

an

dP

ha

rm

ac
y,

VN
U

mạng tƣơng tác protein – protein (Protein-Protein Interaction Network,
PPIN). Tƣơng tác giữa các protein (interactome) ở đây đƣợc hiểu là các quá
trình hoá sinh học nhƣ tổng hợp cấu trúc, truyền tín hiệu (signal
transduction), vận chuyển (transport) hay phosphoryl hoá… Một nút có thể
kết nối với nhiều nút khác (nút có bậc cao >2), protein nhƣ thế gọi là một hub.
Các nút không liên kết gọi là non-hub. Trong NP, tầm quan trọng của một
protein đƣợc xác định thông qua mức độ thay đổi trong cấu trúc NP khi bỏ đi
một nút trong mạng. Do đó, các protein hub thƣờng đƣợc xem là quan trọng
hơn trong bảo tồn cấu trúc tổng thể của mạng NP cũng nhƣ hoạt động của tế
bào. Chúng có thể đƣợc xem là các đích phân tử tiềm năng trong tìm kiếm các
thuốc kháng ung thƣ mới. Ngoài ra, dựa trên tính tƣơng đồng về cấu trúc của
các hợp chất hóa học và tƣơng tác của chúng với các protein liên quan đến
phản ứng có hại của thuốc, chúng ta có thể dự đoán đƣợc tác dụng không
mong muốn của hợp chất đó. Việc xây dựng mạng NP hiện nay đã không còn
quá phức tạp do ngày càng nhiều thông tin về tinh thể nhiễu xạ tia X của các
đích mới cũng nhƣ thông tin liên quan đến gene (genome) hay protein
(proteome) đƣợc tìm thấy .

ho

ol

of

Me

Xuất phát từ những vấn đề nêu trên, để có một cái nhìn tổng thể về
cách tiếp cận đa dƣợc lý mạng trong xác định đích điều trị ung thƣ , chúng tôi
đã thực hiện đề tài tổng quan: “Tổng quan nghiên cứu đa dƣợc lý mạng
trong tìm kiếm đích phân tử liên quan đến ung thƣ” với hai mục tiêu sau:

Co
p

yri

gh

t©

Sc

1. Trình bày quy trình chung để xây dựng mạng tƣơng tác proteinprotein, mạng tƣơng tác thuốc-đích (protein) và thuốc-thuốc.
2. Phân tích một số ví dụ về ứng dụng của nghiên cứu đa dƣợc lý
mạng trong xác định các đích phân tử liên quan đến ung thƣ.

2


CHƢƠNG I: TỔNG QUAN ĐA DƢỢC LÝ MẠNG
1.1. Đa dƣợc lý mạng trong nghiên cứu phát triển thuốc

of

Me

dic

ine

an

dP

ha

rm

ac
y,

VN
U

Quá trình nghiên cứu và phát triển thuốc là một quá trình tốn kém cả về
thời gian và tiền bạc. Trung bình để ra đời một thuốc mới tiêu tốn 1 tỷ đô la
Mỹ, kéo dài từ 10 đến 15 năm bao gồm nhiều giai đoạn khác nhau [43]. Hình
1 mô tả các giai đoạn chung của quá trình nghiên cứu và phát triển thuốc.

ol

Hình 1.1: Quá trình nghiên cứu phát triển thuốc

gh

t©

Sc

ho

Việc nghiên cứu thuốc mới bắt đầu bằng cách tìm hiểu cơ chế bệnh
sinh để nhận biết các “mục tiêu phân tử” hay đích phân tử [36]. Đích thƣờng
là một cấu trúc đại phân tử (protein), VD nhƣ enzyme, kênh xuyên màng...
Trong giai đoạn này, đích phân tử đƣợc chọn phải chính xác, tức là nó có ảnh
hƣởng lớn đối với quá trình bệnh sinh.

Co
p

yri

Bƣớc tiếp theo là sàng lọc tìm kiếm hoạt chất tiềm năng có thể ức chế
hoặc tăng hoạt động của đích phân tử. Hàng loạt các chất trong tự nhiên (chiết
xuất từ cây cỏ, động vật...) và nhân tạo (tổng hợp hóa học) đƣợc tiến hành thử
nghiệm trong phòng nghiên cứu trên các mô hình bệnh tật khác nhau, bao
gồm cả thiết kế thuốc trên máy tính [8]. Mục đích chính là nhằm tìm ra các
hoạt chất có tác dụng tốt nhất, liều lƣợng thấp nhất và an toàn nhất. Thống kê

3


chỉ ra rằng cứ mỗi 10.000 hợp chất đƣợc nghiên cứu sàng lọc thì chỉ có duy
nhất 1 chất may mắn trở thành ứng viên thuốc tiềm năng (Hình 1.1).

ac

y,

VN
U

Các hoạt chất tiềm năng sẽ đƣợc tiến hành thử nghiệm tiền lâm sàng
trên các mô hình động vật (chuột, chó…) nhằm xác định khả năng điều trị
cũng nhƣ độ an toàn của hoạt chất trên cơ thể sống, đặc biệt là cơ thể có hệ
thống giống con ngƣời [13].

an

dP

ha

rm

Ứng viên thành thuốc tiềm năng (có tác dụng tốt trên động vật) sẽ đƣợc
tiến hành thử nghiệm lâm sàng (pha I, II và III) [39]. Pha I thực hiện trên
ngƣời tình nguyện khỏe mạnh và giai đoạn II-III trên ngƣời bệnh với số lƣợng
ngƣời tham gia tăng dần (khoảng 50 ngƣời cho pha I đến khoảng vài ngàn
ngƣời cho pha III), nhằm đánh giá hiệu quả, liều lƣợng cũng nhƣ độ an toàn
của thuốc.

dic

ine

Đăng ký thuốc và đƣa ra thị trƣờng: sau khi có đầy đủ các dữ liệu khoa

học, thuốc đƣợc đăng ký với cơ quan pháp lý, đƣợc bảo hộ độc quyền trong
khoảng 10-15 năm, đƣợc sản xuất và bán ra thị trƣờng [37].

yri

gh

t©

Sc

ho

ol

of

Me

Trong vòng 60 năm qua, công nghệ khoa học đã và đang phát triển một
cách chóng mặt. Tuy nhiên, trong lĩnh vực dƣợc học, số lƣợng thuốc mới ra
đời ngày càng giảm đi. Cụ thể, từ năm 1950 tới 2008, có 1222 hoạt chất mới
(1103 phân tử hóa học và 119 hoạt chất sinh học) đƣợc FDA (Food and Drug
Administration, Cục quản lý thực phẩm và dƣợc phẩm Hoa Kỳ) chấp thuận,
tức chỉ trung bình 21 thuốc mới đƣợc ra đời hàng năm [30]. Con số này thật
đáng lo ngại khi trên thế giới có hàng trăm loại bệnh tật, và nguy hiểm hơn
khi những loại bệnh không có thuốc trị ngày càng gia tăng. Gần đây, việc xuất
hiện chủng siêu vi khuẩn Escherichia coli kháng colistin, một loại kháng sinh
dự phòng chỉ dành cho vi khuẩn đã kháng những kháng sinh khác, dấy lên
một tình trạng báo động trong giới y học [26].

Co
p

Nhƣ vậy, nghiên cứu và phát triển thuốc trƣớc đây chủ yếu dựa trên
kinh nghiệm với cách tiếp cận “thử và lỗi” (trial and error), dẫn đến chi phí
tăng cao và xác suất thành công thấp. Có rất nhiều lý do cản trở thành công
của quá trình này, ví dụ nhƣ đích tác dụng không đúng, không tìm thấy hoặc

4


Co
p

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac
y,

VN
U

tìm thấy hoạt chất không đủ tốt để trở thành thuốc hay các vấn đề liên quan
đến độc tính.
Trong hơn ba thập kỷ qua, sàng lọc hay thiết kế hợp chất có hoạt tính
chọn lọc trên một đích phân tử với mong muốn giảm thiểu tác dụng không
mong muốn là hƣớng đi chủ đạo trong nghiên cứu và phát triển thuốc mới
[14]. Tuy nhiên, kỷ nguyên hậu genomic đã mở ra một bức tranh vô cùng
phức tạp về cơ chế tác dụng của thuốc [25]. Công trình của Yildirim và cộng
sự năm 2007 đã chứng minh một cách thuyết phục rằng không chỉ nhiều
thuốc có thể gắn với cùng một đích mà trên thực tế một thuốc có thể tác dụng
trên nhiều đích [47]. Cơ chế tác dụng đa đích là rất phổ biến trên thuốc kháng
ung thƣ, thuốc điều trị bệnh lý thần kinh, kháng sinh và kháng viêm. Năm

2014, David Cook và cộng sự, khi tổng kết các số liệu của các dự án nghiên
cứu và phát triển thuốc phân tử nhỏ đƣợc thực hiện bởi tập đoàn Dƣợc phẩm
Astra Zeneca trong khoảng thời gian 5 năm (2005-2010) đã chỉ ra rằng xác
định đúng đích phân tử là yếu tố then chốt đầu tiên (1-Right target), quyết
định thành công của quá trình nghiên cứu và phát triển thuốc mới [9]. Nghiên
cứu của Yildirim cũng nhƣ nhiều tác giả sau này về sinh học phân tử và tin
sinh học cho thấy đa dƣợc lý mạng (pharmacological network, PN) là một
công cụ hữu ích giúp sàng lọc đích mới cũng nhƣ tìm hiểu sâu cơ chế tác
dụng của thuốc [38, 47].
Cách tiếp cận đa dƣợc lý mạng giúp xác định các đích phân tử dựa trên
tổng hợp các tƣơng tác có thể xảy ra giữa các protein tham gia quá trình bệnh
sinh (tƣơng tác protein-protein, mạng lƣới các tƣơng tác này gọi là mạng
tƣơng tác protein, Protein-protein interaction network, PPIN), các tƣơng tác
có thể có giữa thuốc với các protein trong cơ thể (tƣơng tác thuốc-protein) và
sự tƣơng đồng giữa các cấu trúc hóa học của các thuốc và hợp chất nghiên
cứu (tƣơng quan thuốc-thuốc). Cách tiếp cận này giúp ngƣời nghiên cứu có
một cái nhìn tổng quát về cơ chế bệnh sinh, từ đó xây dựng một chiến lƣợc
nghiên cứu và phát triển thuốc hiệu quả nhất. Các mối liên hệ nêu trên thƣờng
rất phức tạp và chồng chéo, do đó để nghiên cứu đa dƣợc lý mạng đòi hỏi dữ
liệu không lồ về công nghệ sinh học, sinh học phân tử và công nghệ thông tin.
Các công cụ tính toán, chủ yếu là dùng tin sinh học (bioinformatics) đƣợc ứng
dụng nhiều trong khâu xử lý thông tin và xác định đích phân tử.
5


1.2. Sơ lƣợc lý` thuyết Graph

VN
U

Về mặt hình học, đa dƣợc lý mạng chính là một dạng đồ thị Graph biểu
diễn cho các tƣơng tác giữa giữa các protein hay thuốc. Trong toán học,
Graph đƣợc định nghĩa là một đồ thị rời rạc bao gồm các đỉnh và các cạnh nối
các đỉnh này. Đồ thị này kí hiệu là G(V,E), gồm hai thành phần:

ac
y,

1. Tập hợp V, bao gồm các đối tƣợng, đƣợc gọi là tập hợp các đỉnh

rm

(vertex hay node) của đồ thị.
2. Tập hợp E là tập hợp các cạnh (edge) của đồ thị.

ha

Gọi n và m lần lƣợt là số đỉnh và số cạnh của đồ thị, trong đó

dP

V  n, E  m

ol

of

Me

dic

ine

an

Số lƣợng các cạnh nối với 1 đỉnh gọi là bậc của đỉnh, thƣờng ký hiệu là
d(a). Các đỉnh trong graph không nhất thiết có bậc nhƣ nhau. Hình 1.2 biểu
diễn một số đồ thị graph có 5 đỉnh là a, b, c, d và e.

ho

Hình 1.2: Các dạng đồ thị Graph

Co
p

yri

gh

t©

Sc

Trong hình 1.2 (1), cạnh (aa) đƣợc gọi là cạnh lặp (loop) và hai cạnh
giữa cặp đỉnh (b,d) đƣợc gọi là hai cạnh song song (parallel edges). Một đồ
thị đƣợc gọi là một đơn đồ thị (simple graph) nếu nó không có cạnh lặp và
cạnh song song (hình 1.2-(2)). Nếu một đồ thị không phải là đơn đồ thị thì
chúng ta sẽ gọi nó là đa đồ thị (multigraph). Đồ thị G(V,E) có thể là vô hƣớng
(hình 1.2 (1) và 1.2 (2)) hoặc có hƣớng (hình 1.2 (3)) (các thuật ngữ khác xem

thêm tại [44]).
Đồ thị Graph cũng đƣợc biểu diễn bằng một ma trận kề (adjacency
matrix) A có kích thƣớc n×n trong đó:

6


 1, if ab  E
Aa, b  
0, otherwise

ac
y,

VN
U

Có thể thấy kích thƣớc của cách biểu diễn này là O(n2) bất kể số lƣợng
cạnh là nhiều hay ít. Số lƣợng cạnh m của một đồ thị Graph có thể lên
tới O(n2) cạnh (ta gọi là đồ thị dầy). Tuy nhiên, nhiều đồ thị (đặc biệt các đồ
thị thực tế nhƣ mạng PN) có số lƣợng cạnh m=O(n) (ta gọi là đồ thị thƣa),
cách biểu diễn này khá tốn kém dung lƣợng bộ nhớ .

rm

Để tiết kiệm bộ nhớ, đồ thị Graph cũng có thể đƣợc biểu diễn
bằng danh sách kề (adjacency list). Theo đó, với mỗi đỉnh a∈ V, ta lƣu trữ

aV

d (a)  2m

an



dP

ha

một danh sách các đỉnh kề với nó. Nhƣ vậy, đỉnh a cần một danh sách có d(a)
phần tử. Do đó tổng số phần tử của các danh sách là:

dic

ine

Ở đây mỗi cạnh đƣợc đếm hai lần trong tổng bậc của hai đỉnh kề với
nó. Cách biểu diễn này phù hợp với cả đồ thị thƣa. Mặc dù tiết kiệm bộ nhớ,
cách biểu diễn này không phù hợp với một số thao tác của đồ thị.

t©

Sc

ho

ol

of

Me

Ví dụ về hai cách biểu diễn đồ thị cho trong hình dƣới đây:

gh

Hình 1.3: Ví dụ về hai cách biểu diễn đồ thị theo ma trận kề và theo danh
sách kề

yri

1.3. Biểu diễn đa dƣợc lý mạng bằng đồ thị Graph

Co
p

Đa dƣợc lý mạng là hệ thống tích hợp của các mạng nhỏ chứa thông tin
về tƣơng tác giữa thuốc với đích phân tử (Drug-Protein Interaction Network,
DPIN), giữa các đích phân tử (Protein-Protein Interaction Network, PPIN) và
giữa các thuốc (Drug-Drug Interaction Network, DDIN) với nhau. Mạng là

7


một đồ thị đƣợc biểu diễn dƣới dạng Graph, gồm các nút và các cạnh nối các
nút với nhau biểu diễn cho các tƣơng tác giữa các nút [29].

VN
U

Các cạnh gồm có cạnh vô hƣớng, cạnh có hƣớng và cạnh có gắn trọng số.


Co
p

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac
y,

Các cạnh vô hƣớng (Undirected edges): Kiểu này thƣờng gặp trong
các mạng lƣới tƣơng tác protein–protein (PPIN). Mối quan hệ giữa
các nút là sự kết nối đơn giản, không có một hƣớng đi xác định [22].
 Các cạnh đƣợc định hƣớng (Directed edges): Kiểu này đƣợc tìm
thấy, ví dụ nhƣ là, trong mạng lƣới trao đổi chất hoặc chuyển hóa
gene. Có một hƣớng đi rõ ràng của các tín hiệu đƣợc quy ƣớc sẵn và
mạng lƣới có thể đƣợc tổ chức theo kiểu cấp bậc [22].
 Các cạnh có gắn trọng số (Weighted edges): Các cạnh dù có hƣớng
hay không thì cũng có thể mang giá trị trọng số liên quan tới chúng.
Điều này đƣợc sử dụng để phác họa các ví dụ nhƣ khả năng xảy ra
một tƣơng tác, khả năng một gene làm thay đổi mức độ biểu hiện
của một gene khác hay thậm chí là sự liên quan giữa các trình tự
chuỗi giống nhau trên hai gene. Các cạnh cũng có thể đƣợc định
lƣợng bởi các giá trị trung tâm của chúng hoặc một vài tham số
mạng lƣới khác [22].
Dựa vào các cạnh ta có thể chia mạng thành ba dạng chính: mạng vô
hƣớng, mạng có hƣớng và mạng có gắn trọng số [7]. Hình 1.4 mô tả các dạng
của mạng:

Hình 1.4: Các dạng của mạng. (a) mạng vô hƣớng, (b) mạng có định
hƣớng, (c) mạng có gắn trọng số

8


1.3.1. Mạng tương tác giữa thuốc với đích phân tử (DPIN)

ac
y,

VN
U

Mạng DPIN là một sơ đồ đƣợc biểu thị dƣới dạng đồ thị Graph, gồm
các nút là thuốc hoặc protein và các cạnh là các tƣơng tác qua lại giữa chúng.
Tƣơng tác protein-thuốc là sự tƣơng tác vật lý giữa phân tử thuốc và protein
làm thay đổi cấu dạng hay hoạt tính của protein, từ đó tạo ra tác dụng dƣợc lý
của thuốc [46].

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

Nếu thuốc tác động lên một thụ thể hoặc đƣợc chuyển hóa bởi một
enzyme thì nó phải gắn với với protein hoặc enzyme thông qua các loại liên
kết vật lý nhƣ cộng hóa trị (covalence), tĩnh điện (electrostatics), Van der
Vaals và liên kết hydro. Liên kết cộng hóa trị là loại liên kết bền vững hơn
các loại liên kết khác. Liên kết ion, hay liên kết điện tích, là một liên kết hóa
học có bản chất là lực hút tĩnh điện giữa hai ion mang điện tích trái dấu.
Tƣơng tác này thƣờng xuất hiện khi trong protein có một đồng yếu tố
(cofactor) là ion kim loại. Ngoài ra còn một tƣơng tác yếu giữa các nguyên tử
là lực tƣơng tác Van der Vaals, là một loại lực phân tử, sinh ra bởi sự phân
cực của các phân tử thành các lƣỡng cực điện mà nguyên nhân sâu xa là do sự
thăng giáng trong phân bố điện tích giữa các điện tử. Tƣơng tác Van der
Vaals giữa thuốc với protein thƣờng thông qua tác động giữa 2 nhân thơm (pipi), 1 nhân thơm với mạch thẳng (pi-alkyl) hay giữa 2 mạch thẳng với nhau
(alkyl-alkyl). Do bản chất của protein là chuỗi các acid amin nên thuốc cũng
có thể tƣơng tác với protein thông qua cầu nối hydro, ví dụ nhóm cho acid
yếu (D-H) với chất nhận còn cặp electron tự do nhƣ Oxy và Ni tơ [20].

Co
p

yri

gh

t©

Trong hình 1.5 là một ví dụ về mạng tƣơng tác giữa các thuốc hoá trị
với protein liên quan đến ung thƣ. Thuốc đa đích đƣợc biểu thị bằng hình lục
giác màu cam và tất cả các đích đƣợc biểu diễn bằng hình elip màu xanh lam
biểu thị sự tƣơng tác của 20 loại thuốc cùng 17 đích của chúng. Phân tích
mạng, bậc (degree) đƣợc dùng để đánh giá sự tƣơng tác giữa các thuốc và
đích (protein). Bậc của một nút (thuốc hoặc đích) là số cạnh (tƣơng tác từ các
nút khác) liên kết với nút này. Nhƣ trong hình 1.5, bậc tối đa của các thuốc đa
đích là 5, và tối thiểu là 2. Đặc biệt, các thuốc đa đích Sorafenib, Suniitinib và
Pazopanib tƣơng ứng có bậc là 5, 3 và 3, có ảnh hƣởng lớn đến cấu trúc
mạng. Thuốc có bậc cao nhất là Sorafenib, phản ánh tính đa dạng của nó
9


Co
p

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac
y,

VN
U

trong chỉ định điều trị bệnh (ung thƣ biểu mô tế bào gan, ung thƣ biểu mô tế
bào thận và ung thƣ biểu mô tuyến giáp). Bậc tối đa của các đích là 8 và tối
thiểu là 1. Đặc biệt, các đột biến VEGFR2 (Vascular endothelial growth
factor receptor 2, thụ thể yếu tố tăng trƣởng của tế bào nội mạch), c-Kit (đột
biến tyrosine-protein kinase hay CD-117 thƣờng gặp trong ung thƣ mô đệm
dạ dày), PDGFR-b (yếu tố tăng trƣởng có nguồn gốc từ tiểu cầu) và EGFR

(Epidermal Growth Factor Receptor, thụ thể yếu tố tăng trƣởng biểu bì) đƣợc
xem là các mục tiêu của thuốc tác dụng đa đích. Các đích có bậc cao (> 5) là
VEGFR2 và c-Kit. VEGF (Vascular endothelial growth factor , yếu tố tăng
trƣởng tế bào nội mạch) và VEGFR2 là các thụ thể hiện đƣợc khai thác rất
nhiều trong ung thƣ biểu mô thận (RCC, renal cell carcinoma). Tƣơng tự
VEGFR2, biểu hiện của c-Kit có liên quan chặt chẽ với quá trình phát sinh và
phát triển của ung thƣ biểu mô thận di căn. Có thể nói, phát triển thuốc nhắm
các đích VEGFR2 và c-Kit là hƣớng đi phổ biến nhất hiện nay của các thuốc
kháng ung thƣ có tác dụng đa đích [23].

Hình 1.5: Mạng tƣơng tác giữa thuốc hóa trị với các đích protein tyrosine
kinase
10


Theo hình 1.5 thì thuốc là các nút hình lục giác màu da cam, và đích
đƣợc biểu diễn bằng hình elip màu xanh. Tƣơng tác thuốc-đích đƣợc biểu
diễn bằng các cạnh có hình dạng mũi tên là kích hoạt và “T” là ức chế.

VN
U

1.3.2. Mạng tương tác protein – protein (PPIN)

Co
p

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac
y,

Thông qua đa dƣợc lý mạng, chúng ta có thể xác định các đích phân tử
dựa trên tổng hợp các tƣơng tác có thể xảy ra giữa các protein tham gia quá

trình bệnh sinh (PPIN). Protein và các tƣơng tác của chúng là trung tâm của
hầu hết các quá trình sinh học cơ bản. Thông thƣờng, protein ít khi hoạt động
độc lập mà chúng thực hiện chức năng thông qua sự tƣơng tác với các đơn vị
phân tử sinh học khác trong tế bào. Tƣơng tác protein điều chỉnh một loạt các
quá trình sinh học, bao gồm kích hoạt / ức chế phiên mã; miễn dịch, nội tiết,
và tín hiệu dƣợc lý cũng nhƣ tƣơng tác giữa các tế bào. Do đó, việc nghiên
cứu các tƣơng tác protein-protein (protein-protein interactions, PPIs) là cần
thiết để hiểu đƣợc cơ chế phân tử của các quá trình sinh học [49]. PPIN là
mạng tƣơng tác giữa các protein, thƣờng có cấu trúc dạng graph, trong đó các
protein đóng vai trò là các nút và mối tƣơng quan giữa chúng là các cạnh nối
giữa các nút. Tƣơng quan giữa các protein (interactome) ở đây đƣợc hiểu là
các quá trình hoá sinh học nhƣ tổng hợp cấu trúc, truyền tín hiệu (signal
transduction), vận chuyển (transport) hay phosphoryl hoá… [45].
Tƣơng tác protein-protein có thể là các tƣơng tác vật lý có độ đặc hiệu
cao đƣợc tạo ra giữa hai hoặc nhiều phân tử protein. Tƣơng tác protein có tính
chất ổn định hoặc tạm thời và cả hai loại tƣơng tác có thể mạnh hoặc yếu.
Tƣơng tác ổn định là những tƣơng tác với các protein tạo thành các phức hợp
đa tiểu đơn vị và các đơn vị con của các phức hợp này có thể giống nhau hoặc
khác nhau. Hemoglobin và lõi RNA polymerase là ví dụ về các tƣơng tác đa
tiểu đơn vị tạo thành các phức hợp ổn định. Tƣơng tác tạm thời là tƣơng tác
xảy ra nhiều trong các quá trình của tế bào. Tƣơng tác là tạm thời trong điều
kiện bình thƣờng và thƣờng cần nhiều điều kiện để thúc đẩy sự tƣơng tác,
chẳng hạn nhƣ phosphoryl hóa, thay đổi cấu hình hoặc hoạt hóa cho các khu
vực rời rạc của tế bào. Tƣơng tác tạm thời có thể mạnh hoặc yếu và nhanh
hoặc chậm. Trong quá trình xảy ra tƣơng tác tạm thời, các protein tham gia

11


Co

p

yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac
y,

VN
U

một loạt các quá trình sinh hoá của tế bào, bao gồm vận chuyển, truyền tin, sự
chết (apoptosis) tế bào [42].
Hình 1.6 mô tả một ví dụ về mạng tƣơng tác PPIN của Interleukin-10
(một cytokine đa tác động, pleitropic cytokine). Các phân tử cytokine bản
chất là protein tan trong nƣớc, chúng có vai trò đặc biệt đối với hệ miễn dịch
của cơ thể nhƣ tăng sinh, phát triển, biệt hoá và hoá hƣớng động
(chemotaxis). Các interleukin hoạt động thông qua các lộ trình tín hiệu của
các thụ thể Toll-like, sinh ra trong các phản ứng viêm cấp tính, đƣợc giải
phóng và đáp ứng với tình trạng nhiễm khuẩn hay tổn thƣơng tế bào gây ra
bởi hệ thống miễn dịch bẩm sinh (VD. Macrophage). Do đáp ứng có tính dây
chuyền của các interleukins, mạng PPIN đã đƣợc xây dựng nhằm tìm hiểu cơ
chế cũng nhƣ các lộ trình tín hiệu đặc hiệu trong phản ứng gây viêm trên bệnh
nhân mắc Crohn (Hình 1.6).

Hình 1.6: Mạng tƣơng tác protein-protein của interleukin-10

12


ac
y,

VN
U

Theo hình 1.6, có 49 protein và 70 tƣơng tác trong mạng này và chỉ có
2 tƣơng tác có dữ liệu cấu trúc trong ngân hàng dữ liệu protein PDB (protein
data bank) (các cạnh đƣợc đánh dấu màu vàng). Có 40 tƣơng tác đƣợc bổ
sung (các cạnh đƣợc đánh dấu bằng màu hồng) bằng cách mô phỏng tƣơng
tác vật lý của các protein. Nhƣ vậy có tổng 42 tƣơng tác đƣợc tạo nên bằng
cách mô hình hóa giao diện. Hai tám cạnh còn lại (trong số 70) không thể mô
hình hóa và đƣợc biểu diễn bằng màu lục lam [17].

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

PPIN có nhiều ứng dụng quan trọng nhƣ: Dự đoán chức năng của
protein, phân tích độc tính, dự đoán tính khả thi của các đích phân tử từ mạng
topo. Hình 1.7 mô tả một ứng dụng của nó trong nghiên cứu phát triển thuốc.

yri

Hình 1.7: Minh họa chiến lƣợc can thiệp hiệu quả trong nghiên cứu thuốc

Co
p

Theo hình 1.7: (A) Mạng PPIN (tối giản) của các protein tham gia cấu
trúc màng tế bào vi khuẩn. Các nút màu xanh lá cây là các protein điều hoà
hậu giải mã các thành phần cấu tạo nên thành tế bào. Các thành phần này (nút
màu vàng) sau đó phải tƣơng tác với các protein vận chuyển (nút màu xanh
nƣớc biển) để tạo thành phức (nút màu da cam) để sau đó gắn kết với các
13


Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac
y,

VN
U

protein khác trên thành tế bào (nút màu đỏ). Để hình thành vách tế bào cũng
nhƣ đảm bảo hoạt động bình thƣờng của tế bào, các mối liên hệ giữa các
protein phải liên tục. Mục tiêu của phƣơng pháp chemogenomics
(Chemogenomics là việc sàng lọc hệ thống các thƣ viện hóa học đƣợc nhắm
đích của các phân tử nhỏ chống lại các họ là mục tiêu của thuốc (ví dụ,
GPCR, các thụ thể nhân, kinase, protease, v.v.) với mục tiêu cuối cùng là xác
định các loại thuốc mới và các đích thuốc) ở đây là xác định 5 vị trí trên PPIN
cần can thiệp sao cho con đƣờng tổng hợp vách tế bào bị ngắt quãng. (B) Nếu

xoá đi 5 điểm bất kỳ nhƣ trƣờng hợp này không gây đƣợc hiệu ứng gì vì vẫn
tồn tại con đƣờng liên tục từ xanh lá cây tới đỏ. (C) Việc xoá đi 3 nút (hub
protein) có bậc cao nhất và 2 nút có vị trí trung gian quan trọng nhất tỏ ra là
một chiến lƣợc hợp lý trong trƣờng hợp này. Không một tƣơng tác quan trọng
nào còn tồn tại và vi khuẩn không thể tổng hợp đƣợc vách tế bào. Nhƣ vậy
việc tác động ngẫu nhiên trên đích phân tử không thể ảnh hƣởng lên tính toàn
vẹn của cấu trúc mạng, do đó không hiệu quả. Việc xoá đi các nút đơn hay kể
cả các nút trung gian ở đây cũng không ngăn đƣợc sự sản sinh ra các nút đỏ
và hiệu quả cũng sẽ thấp. Ngoài cách can thiệp nhƣ trƣờng hợp C vẫn tồn tại
các giải pháp khác, cũng hiệu quả trong phá vỡ cấu trúc mạng PPIN nhƣ xoá
tổ hợp ABJGH, AFJGH, AFJKH… Bài toán đặt ra cho nghiên cứu thuốc mới
là cần xác định đâu là cơ chế tác dụng cần hƣớng đến trên mạng PPIN và thiết
kế cũng nhƣ sàng lọc ra các phân tử hoá học nào có khả năng can thiệp vào
những con đƣờng trọng yếu trong chu trình sinh học của tế bào gây bệnh, từ
đó sẽ có hiệu quả tối đa trong điều trị [48].

t©

1.3.3. Mạng tương tác thuốc-thuốc (DDIN)

Co
p

yri

gh

Tƣơng tác thuốc-thuốc là tƣơng tác xảy ra khi sử dụng đồng thời nhiều
loại thuốc khác nhau và làm thay đổi tác dụng của thuốc. Tƣơng tác có thể
làm tăng hoặc giảm tác dụng của thuốc, thậm chí gây độc hoặc làm mất hiệu

lực điều trị. Do đó những hiểu biết về tƣơng tác thuốc là rất cần thiết trong
thực tế lâm sàng để chủ động phối hợp thuốc nhằm tăng hiệu quả điều trị, hạn
chế những tác dụng độc hại do thuốc gây ra. Khi phối hợp thuốc có thể chúng
làm tăng tác dụng (tác dụng hiệp đồng), hoặc làm giảm tác dụng của nhau (tác
dụng đối lập) [40].
14


yri

gh

t©

Sc

ho

ol

of

Me

dic

ine

an

dP

ha

rm

ac
y,

VN
U

Mạng tƣơng tác thuốc-thuốc đƣợc biểu diễn bằng đồ thị Graph gồm các
nút là các loại thuốc, các cạnh là các tƣơng tác giữa các thuốc. Tƣơng tác giữa
các thuốc gồm 2 dạng: tƣơng tác dƣợc lực học (pharmacodynamic
interactions) và tƣơng tác dƣợc động học (pharmacokinetic interactions).
Tƣơng tác dƣợc lực học xảy ra khi hai thuốc cùng tác động lên một receptor,
cùng tổ chức hoặc hệ thống phản hồi (feedback system). Kết quả tƣơng tác có
thể làm tăng tác dụng của nhau (tác dụng hiệp đồng) hoặc làm giảm tác dụng
của nhau (tác dụng đối lập). Tƣơng tác dƣợc động học là sự ảnh hƣởng đến
quá trình hấp thu, phân bố, chuyển hoá hoặc thải trừ của thuốc khi dùng đồng
thời với một thuốc khác. Vì có sự khác biệt nhiều giữa các cá thể nên khó dự
đoán chính xác các loại tƣơng tác [16].

Hình 1.8: Mạng tƣơng tác thuốc-thuốc

Co
p

Hình 1.8 là một mạng (57 nút) đƣợc lấy ra từ một mạng hoàn chỉnh

gồm 112 nút. Các số đƣợc đánh dấu màu đỏ trong mạng đại diện cho 'các nút
hot' (hot spots) của mạng: 1. các thuốc kháng histamine không an thần
(terfenadine hoặc astemizole); 2. cisapride; 3. digoxin; 4. kháng sinh nhóm

15


macrolid (ví dụ: clarithromycin); 5. Các chất ức chế monoamine oxidase (ví
dụ: phenelzine); 6. warfarin; 7. quinolones (ví dụ: sparfloxacin); 8. thuốc
kháng nấm azole (ví dụ: ketoconazole) [4].

VN
U

1.4. Đa dƣợc lý mạng trong tìm kiếm đích tác dụng của thuốc chống ung thƣ

dic

ine

an

dP

ha

rm

ac
y,

Nghiên cứu hoạt tính của thuốc thƣờng dựa trên nguyên tắc chìa khóa
và ổ khóa, trong đó thuốc giống nhƣ một chìa khóa có chọn lọc phù hợp với
một đích cụ thể của nó. Trong hai thập kỷ vừa qua, quan điểm thiết kế phối tử
có chọn lọc để tránh các tác dụng không mong muốn đã trở thành mô hình nổi
bật trong thiết kế và phát triển thuốc mới. Tuy nhiên, sự phát triển vƣợt bậc
của sinh học hậu genomic (post-genomic biology) đã tiết lộ một bức tranh vô
cùng phức tạp về hoạt động của thuốc trong cơ thể con ngƣời. Theo đó, nếu
xem mỗi thuốc là một chìa khoá và mỗi đích là một ổ khoá thì không chỉ có
nhiều chìa khóa cùng mở đƣợc một ổ khóa, mà phổ biến hơn lại chính là một
chìa khóa có thể mở đƣợc rất nhiều ổ khóa [14]. Cơ chế tác dụng đa đích là
rất phổ biến trên thuốc kháng ung thƣ, thuốc điều trị bệnh lý thần kinh, kháng
sinh và kháng viêm.

Co
p

yri

gh

t©

Sc

ho

ol

of

Me

Về mặt cấu trúc, đa dƣợc lý mạng là một sơ đồ dạng graph tích hợp
thông tin tƣơng tác của mạng DPIN, PPIN và DDIN, trong đó thuốc hoặc
protein đóng vai trò các nút và mối tƣơng quan giữa chúng là các cạnh nối
giữa các nút. Tƣơng quan giữa các protein (interactome) ở đây đƣợc hiểu là
các quá trình hoá sinh học nhƣ tổng hợp cấu trúc, truyền tín hiệu (signal
transduction), vận chuyển (transport) hay phosphoryl hoá… Một nút có thể
kết nối với nhiều nút khác (nút có bậc cao >2), protein nhƣ thế gọi là một hub.
Các nút không liên kết gọi là non-hub. Trong PPIN, tầm quan trọng của một
protein đƣợc xác định thông qua mức độ thay đổi trong cấu trúc PPIN khi bỏ
đi một nút trong mạng. Do đó, các protein hub thƣờng đƣợc xem là quan
trọng hơn trong bảo tồn cấu trúc tổng thể của mạng PPI cũng nhƣ hoạt động
của tế bào.
Trong tế bào khối u, các đích phân tử liên quan đến ung thƣ thƣờng có
cấu trúc hỗn tạp (promiscuous structure), dẫn đến việc dễ dàng tƣơng tác với
các protein khác. Nhiều nghiên cứu đã chỉ ra rằng trong tế bào ác tính số

16


ac
y,

VN
U

lƣợng tƣơng tác giữa các protein có thể tăng lên. Năm 2010, Sun và Zhao
khi nghiên cứu tƣơng tác của 342 đích ung thƣ thấy rằng 240 trong số đó

(chiếm hơn 70%) là trung tâm của mạng PPIN liên quan đến các bệnh ung
thƣ thƣờng gặp, đồng thời trung bình mỗi protein có thể tƣơng tác với ít nhất
4 protein khác. Do đó PPIN cho phép phát hiện đích ung thƣ cũng nhƣ
biomarker mới [41].

of

Me

dic

ine

an

dP

ha

rm

Trong những năm gần đây, một số nghiên cứu đã đƣợc công bố liên
quan đến xây dựng mạng PPIN phục vụ cho nghiên cứu thuốc kháng ung thƣ
mới. Trong đó tiêu biểu là nghiên cứu của Kar và cộng sự với phân tích cấu
trúc các protein ung thƣ trong mạng ciSPIN (mạng giao diện cấu trúc các
protein ung thƣ). Các tác giả nhận thấy các protein ung thƣ có thể tiếp xúc với
khoảng 56% protein lân cận trong ciSPIN nhờ tính đa diện của chúng (gọi là
nút đa diện, multi-interface hubs) và các nút này chiếm tỷ trọng rất lớn (tới
hơn 76%) trong mạng. Đặc biệt, nghiên cứu cũng đi sâu vào một số tiểu mạng
(sub-network) liên quan đến hoạt hóa các con đƣờng tín hiệu-dịch chuyển

(signal-transduction) và hoạt động xúc tác của một protein kinase (ERBB3:
Erb-B2 Receptor Tyrosine Kinase 3) và giải thích cơ chế ức chế con đƣờng
truyền tín hiệu Erb của pertuzumab (PerjetaTM), một thuốc hiện dùng trong
điều trị ung thƣ vú HER2 dƣơng tính [1].

Co
p

yri

gh

t©

Sc

ho

ol

Một nghiên cứu quan trọng khác là của Joshi và cộng sự về xây dựng
và phân tích mạng PPIN của 11 histon deacetylase (HDAC) trong tế bào T
(lymphocyte T) của ngƣời. Đây là nhóm các enzym xúc tác cho quá trình
deacetyl hoá nhóm ε-N acetyl lysine amino acid ở phần đuôi của histon và
hiện đƣợc xác định là mục tiêu phân tử quan trọng cho nghiên cứu phát triển
thuốc điều trị ung thƣ. Lần đầu tiên các tác giả công bố và kiểm chứng hơn
200 tƣơng tác mới giữa các histone deacetylase và các protein khác tham gia
các quá trình ubiquitination (cơ chế đánh dấu để phân giải các protein ung
thƣ), điều hòa nhiễm sắc, biểu hiện gene, chế biến RNA thông tin (mRNA
splicing) và điều hòa chu kỳ tế bào. Nghiên cứu cũng chỉ ra rằng các histone

deacetylase đều có liên hệ với nhau, trong đó histone deacetylase 1, histone
deacetylase 2 và histone deacetylase 11 là ba enzyme có bậc cao nhất trong
PPIN của 11 isoform, qua đó mở rộng hiểu biết về cơ chế tác dụng của các
17