Ligandenbasierte

Ligandenbasierte Ansätze beziehen sich auf Methoden der Wirkstoffforschung, die sich vor allem auf Informationen über liganden eines biologischen Ziels stützen, statt auf die dreidimensionale Struktur des Targets. Sie werden genutzt, wenn die Struktur des Zielproteins unbekannt, instabil oder schwer zu modellieren ist oder um SAR-Daten (Struktur-Wirkungs-Beziehung) effektiv zu nutzen. Ziel ist es, neue Liganden zu identifizieren oder bestehende zu optimieren, die ähnliche chemische Eigenschaften oder Aktivitätsmuster wie bekannte Liganden aufweisen.

Zu den zentralen Methoden ligandenbasierter Ansätze gehören die Ähnlichkeitssuche, sowohl auf 2D- als auch auf 3D-Descriptoren, sowie die Pharmacophore-Modellierung, die die räumliche Anordnung von funktionellen Gruppen zur Bindung an das Ziel berücksichtigt. Weiterhin kommen 3D-Pharmacophores, QSAR-Modelle (quantitative Struktur-Wirkungs-Beziehung) und shape-basiertes Screening zum Einsatz. Die Integration maschinellen Lernens mit ligandenbezogenen Merkmalen gewinnt ebenfalls an Bedeutung, insbesondere zur Mustererkennung in großen Aktivitätsdatenbanken.

Vorteile ligandenbasierter Ansätze liegen in der Fähigkeit, mit bestehenden Aktivitätsdaten zu arbeiten, schnelle Entscheidungen in der Lead-Identifikation und -Optimierung zu ermöglichen und unabhängig von Zielstrukturen zu arbeiten. Nachteile ergeben sich aus der Beschränkung auf chemisch ähnliche Räume und der begrenzten Möglichkeit, detaillierte Bindungsmodi abzuleiten.

Ligandenbasierte Ansätze ergänzen strukturbasierte (SBDD) Strategien und werden oft in Kombination genutzt, um effiziente virtuelle Suchen, SAR-Interpretationen und die Priorisierung von Kandidaten zu unterstützen.