Recenzija

Vilniaus Universitetui
Dėl: Vytauto Raškevičiaus daktaro disertacijos
RECENZIJA
Balandžio 29 d., 2017
Doktoranto V. Raškevičiaus daktaro disertacija „Baltymų ir mažų molekulių sąveikos
kompiuterinis modeliavimas“ tyrinėja karbonanhidrazių fermentų (KA) ligandų cheminės prigimties
ir jų aktyvumo sąryšius naudojantis in silico analizės metodais (chemoinformatikos, molekulinės
mechanikos ir molekulinės dinamikos skaitmeniniai metodai). Junginių analizė ieškojo koreliacijų
tarp KA ligandų ir įvairių in silico parametrų siekiant sukurti skaitmeninius modelius KA inhibitorių
paieškai. Darbas turi pakankamai plačią apžvalginę literatūrinę dalį, metodus, darbo rezultatus, jų
galutinį aptarimą, bei turi gausų literatūros citavimą. Disertacijoje yra iškeltas vienas (1) tikslas ir
penki (5) uždaviniai tikslui pasiekti. Darbo apimtis yra priimtina. Doktorantūros tyrimų rezultatai
yra publikuoti trijose tarptautinėse recenzuojamose publikacijose.
Darbas turi savo teigiamų savybių bei savų trūkumų. Tarp teigiamų darbo bruožų galima
paminėti metodologiškai platų ir sistemingą KA inhibitorių in silico tyrimą, atrastą naują QSAR
metodų deskribtorių, ir naujus rastus QSAR modelius tinkančius KA inhibitorių paieškai bei analizei.
QSAR rezultatai gali padėti identifikuoti potencialiai naujus KA inhibitorius. Šis darbas taip pat turi
yra trūkumų. Minėti trūkumai, bei papildomi komentarai, yra pateikti žemiau:
1. Teksto ir paveiksliukų formatavimas nėra pakankamai geras aiškiam medžiagos perteikimui;
trūksta darnos ir reikalauja papildomo dėmesio:
• Paveiksliukai dažniausiai spaudoje yra sulygiuojami į centrą. Teksto dydis yra per
mažas aiškiai duomenų reprezentacijai (pvz., ašyse, ašių pavadinimuose). Vienuose
paveiksliukuose tekstas toks didelis, kad net užgožia pagrindinę informaciją; kituose
– atvirkščiai.
• QSAR modelių ir su jais susijusios statistikos pateikimas yra painus. Tokia
informaciją reiktų teikti susistemintai; galbūt lentelių pavidalu.
• Lentelių eilučių aukštis neadekvačiai didelis.
• Vienos lentelės eilutės turi kraštines, kitos – ne.
• Nors „CA“ trumpinys ir yra priimtinas tarptautinėje spaudoje, vertėtų pagalvoti, kad
labiau tekste tiktu lietuviški trumpiniai, nes darbas yra parašytas lietuvių kalba. Tas
pats komentaras tinka ir kitiems trumpiniams.
• Žodžių ir terminų pažodinis vertimas skamba pakankami blogai moksline prasme.
Pvz., „box“ versta į „dėžę“ MD ir dokingo modeliavimo kontekstuose. Arba „pirštų
antspaudai“ QSAR aprašyme. Reiktų atkreipti dėmesį, kad šie žodžiai lietuvių
kalboje turi grynai buitinės apyvokos reikšmes. Kiekvienam tokiam vertimui
dažniausiai reikalingas savas sprendimas.
• Sakinių struktūra vietomis yra nepriimtina; pvz., 5-as uždavinys. Yra ir daugiau
panašių vietų.
2.Darbo tezės nėra vedamos hipotezės. Todėl hipotezės nebuvimą matau kaip rimtą darbo
trūkumą. Be jos darbas gali pasirodyti tik kaip akademinis ir metodinis pratimas, nevedamas
mokslinės idėjos (kuri remiasi į naujausias žinias bei supratimą konkrečioje mokslo srityje).
3.Darbo naujumo kriterijai labai aptakūs ir trūksta aiškumo: inovacijos turėtų būti apibrėžtos
vienareikšmiškai ir aiškiai, nes tai rimta darbo dalis reprezentuojanti doktorantą ir jo
pasiekimus.
4.Penktas (5) teiginys atrodo, kad visgi yra neapgintas, nes eksperimentiniai duomenys ar
citavimas į jų šaltinį yra nepateikti.
5.Darbas neturi aiškių gairių pasirenkant kada koreliacijos patikimos, kada – ne: skirtingiems
metodams buvo pritaikyti skirtingi R 2 kriterijai (pvz. vienu R2 kriterijus 0.7, kitur – 0.8). Tai
rodo sistematiškumo trūkumus, nebent tam yra priežastys kurių aš nepastebėjau tekste.
6.Remiantis pateikta medžiaga bendras darbo (ir labai rimtas) trūkumas yra tai, kad
doktorantas savo darbe trumparegiškai referuoja į programų pavadinimus (programa
paskaičiavo tą ar aną, ir t.t.). Tai rodo, kad doktorantas nepakankamai giliai yra susipažinęs
su naudotais in silico įrankiais. Programos paskaičiuoja tai, ką joms užduoda vartotojas
pasirinktu metodu/algoritmu. Tik algoritmai ir modeliai pateikia atsakymus remiantis
mokslinėmis prielaidomis, kurias formuoja doktorantas. Referuojant pastoviai darbe į
programos pavadinimą susidaro įspūdis, kad doktoranto įgūdžiai pakankamai paviršutiniški.
Gal realybėje tai nėra tiesa, bet darbo esamas pateikimas stipriai formuoja tokį įspūdį.
7.Diskutuojant apie „LIE-like“ metodą, trūksta interpretacijos ką reiškia naujo parametro
įtraukimas. Koks to termodinaminis pagrindimas? Ar yra įmanoma pagrįsti, kad tai
moksliškai rimtas rezultatas paremtas kažkokiomis fizikinėmis įžvalgomis, o ne
atsitiktinumas?
8. Kai QSAR darbo dalis yra labai plati, darbo dalis susijusi su molekuline mechanika (MM,
dokingas) ir molekuline dinamika (MD ar metadinamika) rodo, kad doktoranto supratimas
apie molekulinę termodinamiką/fiziką yra miglotas. Ši kritika yra plati ir apima ne viena
skyrelį. Gal dėl per mažai paaukoto laiko suprasti būtent šių in silico metodų ypatumus ir
lėmė dalinę šių metodų panaudojimo nesėkmę. Iš kitos pusės, MD ir MM metodų
naudojimas dažnai neduoda laukto rezultato koreliacijose su eksperimentais vaistų
paieškoje, nes šių metodų sėkmingam panaudojimui reikia gerų ir gilių žinių apie pasirinktus
metodus, naudotus jėgų laukus, metodo bei jėgos lauko tinkamumą problemai, bei
tinkamas simuliacijos sąlygas. Reziumuojant, doktorantas nepadarė pakankamai išvadų
kodėl šie metodai nepasiteisino. Doktorantui, esamame karjeros laiptelyje, nėra tiek svarbu
gauti teigiamą ir lauktą rezultatą, kiek pademonstruoti kad jis suprantą bent dalinai
problemą arba gali padaryti išvadas kodėl konkretūs metodai nesuveikė taip kaip tikėtasi:
tai žinios ir supratimas, kuris lygiai tiek pat sėkmingai gali būti panaudotas jo ateityje.
9.Dokingo ir MD programų pasirinkimas yra nepagrįstas. Doktorantas literatūrinėje dalyje
apžvelgė daugybę plačiai žinomų ir plačiai patikrintų programų (gaila, kad ne algoritmus...),
bet pasinaudojo viena iš mažiausiai naudojama dokingo programa (ArgusLab) šalia
naudotos GLIDE. Kodėl? Kodėl GROMACS (o ne Amber, NAMD, ir t.t.)? Ar doktorantas
pasidomėjo kokioms problemoms jėgų laukas yra optimizuotas? Gal tame yra vienas iš
paaiškinimų kodėl doktorantui nesigavo surasti tinkamų ligandų konformacijų (?). Neaišku
ar MD rezultatai interpretuoti per ansamblio vidurkio termodinamiką, ribotais MD
mikrobūsenų rinkiniais, ar pavienėmis mikrobūsenomis?
10. Doktoranto teiginiai, kad kažkurie rezultatai nesigavo nes „programa nepaskaičiuoja
tautomerų“ yra neatleistini. Doktorantas turi visą laivę ir mokslinę priedermę įterpti į
junginių bibliotekas trūkstamus tautomerus. Ir taip analizuoti tautomerinę įtaką
koreliacijoms. Tai viso labo truputis techninio darbo ... Lygiai ta pati kritika, dėl
nepaskaičiuotų RMSD verčių: negalima kaltinti programų, kad jos nesuskaičiuoja. RMSD yra
toks paprastas, kurį galimą paskaičiuoti rankiniu būdu; bent jau keliems junginiams ...
11. Iš 100ps ar 1ns MD negalima tikėtis jokių pagrįstų rezultatų ligandų jungimosi analizėje.
Baltymų relaksacijų laikai paprastai yra daug didesni, o naudoti MD simuliacijos laikai
teatspindi pavienių amino r. ar mažų jų grupių relaksacijas. Tai reiškia, jei baltymo
konformacija yra toli nuo tos kurioje ji yra energetiniame minimume su ligandu, trumpi MD
skaičiavimai teiks klaidinančią termodinamiką. Kas yra žinoma šioje srityje su KA iš
disertacijos taip pat nėra aišku. Taip pat nėra aišku kokių sąlygų reikia geriems rezultatams
gauti.
12. Interpretuojant MD rezultatus, negalima teigti kad programa skaičiuoja nefizikines
konformacijas. Programa skaičiuoja tokį uždavinį, kurį vartotojas programai pateikė.
Teoriškai yra įmanomos visos konformacijos, tik jų tikimybės yra skirtingos priklausomai nuo
fizikinių sąlygų.
13. Turint daug KA izoformų, eksperimentinių duomenų ir junginių, butų įdomu matyti truputį
daugiau rezultatų apie izoformų aktyvių centrų įtaką QSAR skirtumams (bei kitiems
naudotiems in silico metodams).