Über topologische Ko-Index-Polynome zur prädiktiven Modellierung der physikochemischen Eigenschaften antiviraler Wirkstoffe

Warum Mathematik die Suche nach Ebola-Medikamenten beschleunigen kann

Die Entdeckung neuer antiviraler Wirkstoffe ist meist langsam und teuer, weil jede vielversprechende Verbindung synthetisiert und im Labor getestet werden muss. Diese Studie untersucht eine Abkürzung: Konzepte aus der Mathematik und der Graphentheorie zu nutzen, um die Struktur eines Medikaments wie einen Barcode „zu lesen“ und sein Verhalten vorherzusagen, ohne eine einzige Chemikalie zu mischen. Der Fokus liegt auf vorgeschlagenen Medikamenten gegen das Ebola-Virus und zeigt, wie sorgfältig entworfene numerische Fingerabdrücke von Molekülen wichtige physikalische Eigenschaften vorhersagen können, die für das Wirkungsverhalten im Körper relevant sind.

Moleküle als einfache Bilder darstellen

Kern dieses Ansatzes ist die Darstellung eines Moleküls als einfaches Netzwerk: Atome werden zu Punkten und chemische Bindungen zu Linien, die sie verbinden. Sobald ein Wirkstoff als Netzwerk abgebildet ist, berechnen die Autoren sogenannte topologische Indizes — Zahlen, die Merkmale erfassen wie die Anzahl der Verzweigungen, wie eng die Atome verbunden sind oder wie symmetrisch die Gesamtstruktur ist. Diese Indizes verdichten eine komplexe 3D-Struktur auf einige wenige beschreibende Werte und ermöglichen so einen schnellen Vergleich und die Analyse vieler Moleküle am Computer.

Neue molekulare Fingerabdrücke mit zusätzlicher Detailtiefe

Aufbauend auf früheren Arbeiten führen die Forschenden eine Familie verfeinerter Indizes ein und analysieren sie: die topologischen Ko-Indizes, abgeleitet von zwei mathematischen Konstrukten, den CoM- und CoNM-Polynomen. Anstatt nur Atome zu betrachten, die direkt verbunden sind, berücksichtigen diese neuen Deskriptoren auch Atompaare, die nicht direkt benachbart sind, aber durch die Gesamtstruktur Einfluss aufeinander nehmen. CoM konzentriert sich darauf, wie viele Bindungen an jedem Atom zusammenlaufen, während CoNM die „Nachbarschaft“ um jedes Atom verfolgt. Indem diese reicheren Informationen in kompakte Polynome kodiert werden, kann die Methode viele verschiedene Indizes in einem Schritt erzeugen und so einen nuancierteren Fingerabdruck jedes Moleküls liefern, ohne hohen Rechenaufwand zu verursachen.

Test des Verfahrens an Ebola-Wirkstoffkandidaten

Das Team wandte sein Rahmenwerk auf acht antivirale Wirkstoffe an, die im Zusammenhang mit Ebola-Behandlungen diskutiert wurden, darunter Galidesivir, Chloroquin, Favipiravir, Amodiaquin, Azithromycin, Brincidofovir, Clomiphene und Remdesivir. Für jedes Medikament berechneten sie eine Reihe von gradbasierten und nachbarschaftsbasierten Ko-Indizes und verglichen diese mit experimentellen Daten aus der ChemSpider-Datenbank. Untersuchte physikalische Eigenschaften waren unter anderem Molvolumen, molare Refraktivität, Polarisierbarkeit (wie leicht die Elektronen eines Moleküls verzerrt werden), Oberflächenspannung, strukturelle Komplexität, Lipophilie bzw. Hydrophilie (LogP), Dichte und Brechungsindex. Effektiv stellten sie die Frage: Können diese mathematischen Fingerabdrücke zeitaufwändige Messungen ersetzen?

Die besten Verbindungen zwischen Struktur und Verhalten finden

Um diese Zusammenhänge zu untersuchen, erstellten die Autoren Quantitative Structure–Property Relationship (QSPR)-Modelle — Gleichungen, die jeden topologischen Ko-Index mit einer bestimmten physikalischen Eigenschaft verknüpfen. Sie testeten drei Modellfamilien: einfache lineare Fits, logarithmische Fits und gekrümmte (quadratische) Fits. Viele Eigenschaften zeigten starke Korrelationen mit bestimmten Indizes, wobei die Korrelationskoeffizienten oft nahe bei eins lagen, was bedeutet, dass die Vorhersagen die experimentellen Daten sehr genau nachbildeten. Einige Deskriptoren, etwa der atom-bindungs-Konnektivitäts-Ko-Index und mehrere nachbarschaftsbasierte Indizes, erwiesen sich wiederholt als zuverlässigste Prädiktoren für Schlüsselgrößen wie Molvolumen, molare Refraktivität, Polarisierbarkeit und strukturelle Komplexität. Für subtilere Merkmale wie Öl–Wasser-Balance und Dichte erfassten nichtlineare Modelle — insbesondere logarithmische und quadratische Formen — die Beziehungen besser als gerade Linien, was unterstreicht, dass der Struktur–Eigenschafts-Zusammenhang oft gekrümmt statt linear ist.

Was das für die zukünftige Wirkstoffforschung bedeutet

Insgesamt zeigt die Studie, dass sorgfältig entwickelte topologische Ko-Indizes, erzeugt aus CoM- und CoNM-Polynomen, als leistungsfähige Stellvertreter für Labormessungen der Eigenschaften antiviraler Wirkstoffe dienen können. Indem sie vorhersagen, wie Kandidatenmoleküle sich verhalten werden, helfen diese mathematischen Werkzeuge Wissenschaftlern, große Verbindungssammlungen schnell zu filtern, Experimente auf die vielversprechendsten Kandidaten zu konzentrieren und molekulare Designs vor der Synthese zu verfeinern. Sie ersetzen zwar nicht die biologische Prüfung, bieten aber einen schnellen, kostengünstigen Weg, den chemischen Raum zu durchkämmen — ein besonders wertvolles Instrument bei der Reaktion auf schnelllebige Bedrohungen wie Ebola und andere neu auftretende Infektionskrankheiten.

Zitation: Meharban, S., Ullah, A., Zaman, S. et al. On topological co-index polynomials for predictive modeling of the physicochemical properties of antiviral drugs. Sci Rep 16, 12456 (2026). https://doi.org/10.1038/s41598-026-43640-3

Schlüsselwörter: Antivirale Ebola-Medikamente, topologische Indizes, QSPR-Modellierung, Molekulare Graphentheorie, computergestützte Wirkstoffentwicklung