МЕТОДИ IN CEREBRO – НОВА ПАРАДИГМА ДОСЛІДЖЕНЬ У МЕДИЧНІЙ ХІМІЇ ТА ДИЗАЙНІ ЛІКАРСЬКИХ ЗАСОБІВ

М. Я. Головенко

doi:10.11603/mcch.2410-681X.2026.i2.16362

Автор(и)

М. Я. Головенко ФІЗИК0-ХІМІЧНИЙ ІНСТИТУТ ІМ. О.В. БОГАТСЬКОГО НАН УКРАЇНИ https://orcid.org/0000-0003-1485-128X (неавтентифікований)

DOI:

https://doi.org/10.11603/mcch.2410-681X.2026.i2.16362

Ключові слова:

КЛЮЧОВІ СЛОВА: in cerebro; медична хімія; дизайн лікарських засобів; когнітивне моделювання; штучний інтелект; in silico; методологія науки;

Анотація

Вступ. Сучасна медична хімія базується переважно на використанні методів in silico, in vitro та in vivo, які визначають основні етапи пошуку й дослідження нових лікарських засобів. Проте класична схема не враховує етап формування наукової ідеї, постановки проблеми, концептуалізації терапевтичної мішені та прогнозування властивостей майбутнього препарату. У зв’язку з цим концепція in cerebro пропонується як новий когнітивний етап медичної хімії, що передує комп’ютерним, лабораторним та біологічним методам верифікації. Мета роботи. Метою роботи є теоретико-методологічне обґрунтування концепції in cerebro як нового етапу раціонального дизайну лікарських засобів, визначення його місця у структурі сучасних фармацевтичних досліджень, а також аналіз ролі когнітивного мислення та штучного інтелекту (ШІ) у формуванні інноваційних терапевтичних концепцій. Методи дослідження. У роботі використано системний, епістемологічний, міждисциплінарний та прогностичний підходи. Для оцінювання ролі ШІ використано елементи аналізу сучасних цифрових технологій у медичній хімії. Результати та обговорення. Обґрунтовано доцільність виокремлення етапу in cerebro як первинного когнітивного рівня створення лікарських засобів. Встановлено, що in cerebro не є альтернативою традиційним методам медичної хімії, а виконує функцію їх методологічної основи. Окрему увагу приділено ролі ШІ як засобу когнітивного підсилення дослідника. Висновки. Концепція in cerebro запропонована як нова методологічна парадигма медичної хімії та раціонального дизайну лікарських засобів, що описує когнітивний етап формування наукового задуму перед його комп'ютерною та експериментальною верифікацією. Показано, що використання методу in cerebro дозволяє переосмислити роль дослідника як центрального носія концептуального мислення та інтегратора міждисциплінарного знання. Встановлено, що майбутній розвиток медичної хімії значною мірою залежатиме від поєднання людського когнітивного потенціалу із можливостями ШІ у межах нової моделі гібридного наукового мислення.

Посилання

Patrick, G. L. An Introduction to Medicinal Chemistry (2023). 7th ed. Oxford: Oxford University Press. 925р. USBN 0198869436, 9780198869436.

Wermuth, C. G. (Ed.). The Practice of Medicinal Chemistry (2020). 5th ed. London: Academic Press. 982р. USBN 0080568777, 9780080568775

Cavasotto, C. N., Orry, A. J. W. (2007). Ligand docking and structure-based virtual screening in drug discovery. Current Topics in Medicinal Chemistry, 7(10), 1006–1014. DOI: 10.2174/156802607780906753 DOI: https://doi.org/10.2174/156802607780906753

Lionta, E., Spyrou, G., Vassilatis, D. K., Cournia, Z. (2014). Structure-based virtual screening for drug discovery: principles, applications and recent advances. Current Topics in Medicinal Chemistry, 14(16), 1923–1938. DOI: 10.2174/15680266 14666140929124445 DOI: https://doi.org/10.2174/1568026614666140929124445

Kirchmair, J., Göller, A. H., Lang, D. et al. (2015). Predicting drug metabolism: experiment and/ or computation? Nature Reviews Drug Discovery, 14, 387–404. DOI: 10.1038/nrd4581 DOI: https://doi.org/10.1038/nrd4581

Schneider, G. (2018). Automating drug discovery. Nature Reviews Drug Discovery, 17, 97–113. DOI: https://doi.org/10.1038/nrd.2017.232

Brown, N., Ertl, P., Lewis, R. et al. (2020). Artificial intelligence in chemistry and drug design. Journal of Computer-Aided Molecular Design, 34. 709–715. DOI: https://doi.org/10.1007/s10822-020-00317-x DOI: https://doi.org/10.1007/s10822-020-00317-x

Kuhn, T. S. The Structure of Scientific Revolutions (2012). 4th ed. Chicago: University of Chicago Press. 180 p.

Vamathevan, J., Clark, D., Czodrowski, P. et al. (2019). Applications of machine learning in drug discovery and development. Nature Reviews Drug Discovery, 18, 463–477. DOI: 10.1038/s41573-019-0024-5. DOI: https://doi.org/10.1038/s41573-019-0024-5

Paul, D., Sanap, G., Shenoy, S. et al. (2021). Artificial intelligence in drug discovery and development. Drug Discovery Today. 26(1). 80–93. DOI: https://doi.org/10.1016/j.drudis.2020.10.010

Golovenko, M.Ya. (2026). Cognitive-algorithmic system: promt as a mechanism for harmonizing human thinking and artificial intelligence systems. NeuroNews, 4. 27–35. [in Ukrainian].

Kandel, E. R., Koester, J. D., Mack, S. H. (2021). Principles of Neural Science. 6th ed. New York: McGraw- Hill. 1650p. ISBN: 978-1-25-964224-1.

Popper, K. (2002). The Logic of Scientific Discovery London: Routledge. 236p. DOI: https://doi. org/10.4324/9780203994627.

Dehaene, S. (2020). How We Learn: Why Brains Learn Better Than Any Machine… for Now. New York: Viking. 319p. ISBN 0525559884, 9780525559887.