Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Gyógyszeripar, Gyógyszerkutatás Új trendek 1990-2012 Semmelweis Egyetem, Gyógyszerészi Kémiai Intézet Szakgyógyszerészképzés, I. évf. 2012. május 19. Kökösi.

Hasonló előadás


Az előadások a következő témára: "Gyógyszeripar, Gyógyszerkutatás Új trendek 1990-2012 Semmelweis Egyetem, Gyógyszerészi Kémiai Intézet Szakgyógyszerészképzés, I. évf. 2012. május 19. Kökösi."— Előadás másolata:

1 Gyógyszeripar, Gyógyszerkutatás Új trendek Semmelweis Egyetem, Gyógyszerészi Kémiai Intézet Szakgyógyszerészképzés, I. évf május 19. Kökösi József SE GyKI

2 Gyógyszeripar: globalizáció, átrendezödések, biotechnológia, „high tech”, innováció, „me-too drug” Gyógyszerkutatási és fejlesztési folyamat Sruktúraváltás, kooperáció, Generikumok, technológia Számítógépes (Informatikai) közelítések Kémiai-informatika –QSAR –Virtuális kombinatorikus kémia –Molekuláris Diverzitás Analizis –Virtuális Screening Áttekintés

3 Egészségügyi költségek folyamatos növekedése Diede ML, et al. Managed Care. 2002;11: USA Egészségügyi ráfordítások, Per Capita Egészségügyi kiadások 44%-al növekedtek 2006-ig Egy négytagú családban 2006-ig, 2500 $-al növekedett az éves gyógyszer kiadás A klinikusokat fokozottan támogatják az egészségügyi költségek kontrollálásában Kórházi Orvosi Egyéb Felirt gyógyszerek Idös otthon Házi ellátás Év $0 $500 $1000 $1500 $2000 $2500

4 Autóipar Gyógyszeripar Piaci részesedés & verseny

5 Globalizáció

6 A gyógyszeripar világpiaci áttekintésben Globális gazdaság

7 Ázsia emelkedőben Source – FT

8 Sources: Goldman Sachs vezető ország Globális Gyógyszer piaca 2020 SorrendOrszágMéret USA Kina Japán Franciaország India $ 475 mrd. $ 125 m. $ 61 m. $ 51m $ 43m

9 Földrajzi és szerkezeti átrendezödés Távol-keleti országok – - nagy gyártó kapacitások áttelepítése, ill. kialakítása – környezeti kémiai kiszorítás Kina, India a hatóanyag beszállítók Kina, India, (Brazilia, Oroszország) dinamikus piacbövülés Kiszerelö és formuláló üzemek világhálózata Generikus készítmények növekvö gazdasági súlya Kutatási profil átstrukturálódása – 30% formulálás, nanotechnológia Kutatási kapacitások koncentrálása és külső mikro-kooperáció Szigorodó környezetvédelemi és energia kibocsátási elöirások

10 Ázsiai verseny a prosperitásért

11 Termelési előnyök IndiaElöny- hátrány USA 1 vegyész Jobb oktatás x vegyész 70 óra/hét Hosszabb munkaidő x óra/hét $ 800 /hónap Alacsonyabb költség x 20 $ 12,000 /hónap Sources: IPHMR Conferences, New Delhi August 2004

12 Generikus trendek

13 Generikumok – API-k USA DMF filings by India % Share of USA DMF filings India Kina % 9% % 10% % 14% Q1’07 48% 17% Source: US FDA / J P Morgan, 2 may 2007 Source: US FDA, Credit Suisse India Kina Source: US FDA / J P Morgan, 6 th August 2006

14 Sources: AXA Framlington Cég Lejárat 2010 Lejárat 2012 Lejárat 2011 PfizerAricept - $800mLipitor - $12.1mrd Xalatan - $1.6 mrd Viagra - $1.7mrd Detrol - $860m Geodon - $1.1mrd Astra ZenecaArimidex - $2.2mrdSeroquel - $4.7mrdSymbicort - $3.7mrd Sanofi-AventisTaxotere - $2mrdUS Plavix - $3.8mrd Avapro - $2.1mrd Lovenox - $3.1mrd BMSUS Plavix - $4.8mrd Avapro - $1.3mrd Abilify - $2.1mrd GSKAdvair - $3.8mrdAvandia - $2.5mrd Szabadalmak lejárati dátumai 41% 38% 34% 30% 23% % at Risk

15 Befektetések Ázsiában (ex-Japán) 2007-ben OrszágSzámaÖsszege - $m Kina India Hong Kong5186 Australia2671 Taiwan633 Dél-Korea3029 Thaiföld229 Singapur416 Új- Zéland93 Total Sources: Thomson Financial

16 Demográfia Egyre elterjedtebb és növekvö neuropszichológiai betegségek: - Schizophrenia (3 millió) - Parkinson kór (1.5 millió) - Alzheimer kór (4 millió) - Pánikbetegség (>> 5 millió) - Depresszió (> 20 millió) - Stroke (3 millió) - Traumatikus agykárosodások (2.5 millió) - Fájdalom (#1 Páciens panaszok)

17 A GDP és a várható életkor

18 Várható életkor Mo.-EU

19 Magyar gyógyszeripar jellemzöi –Jelentös és növekvő termelés (2004-ben 400 Mrd Ft) –Jelentös foglalkoztatás (15000 fö) –Magas K+F ráfordítás (30%) –Magas exporthányad –Magas hozzáadott érték –Sok diplomás alkalmazott –Intenziv kapcsolatok alapkutatással, oktatással De: –Bizonytalan, kevéssé támogató gazdasági környezet Rossz pályázati rendszerek Spinoff kultúra hiánya Brain drain –Kicsiny tökekoncentráció

20 –SE GyKI Gyógyszerkutatás 2000 Gyógyszerfejlesztés után

21 A gyógyszerkutatási szempontok 1. A társadalom szempontjai –A betegek érdekei - Egészségmegörzés (prevenció) –Gyógyulás / tünetek enyhítése –Betegre szabott terápia -A gazdaság érdekei - Prosperáló ipar -Egészségügyi költségek csökkentése 2. A gyártó szempontjai -Piac megörzése, kiterjesztése -Vállalat arculatának javítása -Profitabilitás és függetlenség megörzése 3. A kutató szempontjai - Biztos munkahely, érdekes feladatok - Szellemi értékek hasznosulása

22 GYÓGYSZERKUTATÁS  originális  generikus Módszerek, stratégiák: hagyományos (tapasztalati) módszerek 1960 – 1990racionális gyógyszertervezés QSAR, CADD 1990 – 2003HTS, kombinatorikus kémia posztgenomika korszaka

23 Új gyógyszer fejlesztési költségeinek növekedése

24 Gyógyszerkutatási folyamat Idő és pénz év 1 gyógyszer 50, ,000,000 vegyületet kell gyakran screenelni,hogy egy gyógyszert találjunk >2000 millió $ >1,000 “találat” 12 “vezér” 6 gyógyszerjelölt Felfedezés és preklinikai fázis Klinikai fázis : Fásis I, : Fásis II, : Fásis III

25 Kutatás FEJLESZTÉSBEVEZETÉS TERMELÉSTERMELÉS Koncepció Szintézis Biológiai vizsgálatok Optimalizálás Aktivitás Szelektivitás Orális abszorpció Hatástartam Preklinikai vizsgálatok in vitro állatkísérletek Méretnövelés Fizikai-kémiai vizsgálatok Analitika Stabilitás Farmakokinetika Formulálás TörzskönyvezésHumán klinikai vizsgálatok Fázis I Fázis II Fázis III 2-4 év molekula 1-2 év év év A GYÓGYSZERKUTATÁS FOLYAMATA

26 Technológia trend a gyógyszerkutatásban –Humán Genom Projekt Post-Genom időszak Géninformáció Protein információ Protein funkciók Új gyógyszer célpontok -Nagy teljesítményű technológiák Nagy áteresztő képességű tesztek Teszt eredmények Kombinatorikus kémia Kémiai könytárak ADME/Tox ( Abszorpció, Megoszlás, Metabolizmus, Kiválasztás, Toxicitás) -Számítógépes Technológiák, Bioinformatika Genomika Informatika, Proteomika Informatika, Kémiai Informatika, Metabolikus Informatika Informatikai rendszer integráció Komputeres gyógyszertervezés és optimalizáció

27 Jelenlegi gyógyszercélpontok biokémiai osztályai –Receptorok –Enzimek –Hormonok és faktorok 10%–DNS 2% –Nukleár receptorok 2% –Ioncsatornák 5% –Ismeretlen 7% 45% 28% –A közel 500 célpont a humán genomika fejlödésével re növekszik

28 Genomika története 1900 DNS kromoszóma elmélet 1953 DNS szerkezetének megfejtése 1980 –Az elsö komplett orgamizmus genom szekvencia –FX ,386 bázis pár, kilenc proteint kódol. (~5Kb) 1995 –Haemophilus influenzea genom szekvencia (flu bacteria, 1.8 Mb) 1996 –Saccharomyces cerevisiae (baker's yeast, 12.1 Mb) 1997 –E. coli (4.7 Mbp) 2000 –Pseudomonas aeruginosa (6.3 Mbp) –A. thaliana genom (100 Mb) –D. melanogaster genom (180Mb) The Big One (3 Gb) humán genom 2009 okt. 3D humán genom – aktiv gének kölcsönhatásai

29 A humán genom számokban 2 méter DNS; 23 pár kromoszóma; 3,000,000,000 bp; 35 M (férfi 27M, nöi 44M); 23,000-25,000 gén (Genom 2%-a, 40% aktiv) protein 1,000,000 különféle humán antitest (exon,intron) 1cMorgan = 1 millió bázispár (1Mb)

30 Genetikai térkép és müködési biokémiai gráf modell

31 Gene Functions Humán genom funkcionális feltérképezése

32 Posztgenom korszak –Komparativ Genomika Genom összehasonlító analizise –Funkcionális Genomika Génfunkciók feltérképezése –Strukturális Genomika Teljes genom müködési mechanizmus Proteomika (PROTEin és genOM) Genom által kódolt fehérjék Kvalitativ és kvantitativ vizsgálata

33 Gyógyszerészeti Biotechnológia Szövetkulturák, élő sejtek vagy a sejtek enzimeinek felhasználása olyan termékek elöállítására, amelyeket diagnosztikus, terápiás és gyógyszer célból alkalmazunk. Van Noordwijk

34 Fő biotechnológiai technikák Rekombináns DNS technológia (klónozás) Polimeráz láncreakció (PCR) Monoklonális antitestek Nukleotid blokád (antiszensz, iRNS) Gén terápia Genomika Oligonukleotid kémia Szénhidrát kémia Kombinatorikus kémia Protein engineering Molekula modellezés Kis-molekulás kémia

35 Biotechnológiai Medicinák/Vakcinák a fejlesztésben Terápiás kategoriák szerint

36 Biotechnológiai Medicinák/Vakcinák a fejlesztésben Termék kategoriák szerint

37 Biotech Gyógyszerfejlesztés biotechnológiai medicina áll fejlesztés alatt közel 200 betegség új kezelésére 250 millió beteg kezelésében használnak már biotechnológiai úton kifejlesztett gyógyszert és vakcinát.

38 Hagyományos gyógyszerfejlesztés Könyvtár Assay Adat Gyógyszer jelöltek *Screening* Kutatás kiterjesztés *Adat Analizis* Kémiai kutatás

39 – A gyógyszerkutatás fejlödése és a “paradigma váltás” – Protein röntgenkrisztallográfia – Molekulagrafika – Hansch-féle modern prediktiv kemo-információs módszerek – Protein Data Bank – Enzim-ligand kölcsönhatás jellemzése (kötödés, affinitás) – Molekuláris és kvantummechanikai módszerek – 3D farmakofor – 3D szerkezetek és tulajdonságok számítása – Szerkezet alapú racionális tervezési módszerek – Új vizualizációs technikák, és analizisek – Nagyhatékonyságú adatbázis és információ kezelõ computerizáció – Géntechnológia - receptorok, receptor aktiv kötöhelyek peptid fragmenseinek elöállítása –- olcsó biokémiai gyorstesztek, a farmakologiai screnelés felgyorsulása –- HTS technológia automatizált rendszerének kialakitása –-Uj biotechnológiai ipar kialakulása (Inzulin, interferonok, antibiotikumok) – Automatizált analitikai rendszerek szerkezet felderítésre; aktivitás in vitro tesztelése –- Röntgendiffrakció - komputeres kiértékelés –- Multidimenzionális NMR technika -3D szerkezet gyors felderítése –- Nagy érzékenységü fluorimetriás módszerek izolálási feladatokra –- Rádióaktiv jelzési technika –- Speciális diagnosztikai technikák a kóros folyamatok vizsgálatában –Computer tomográf, MRI, PET – Molekuláris biológia – új gyógyszer célpontok –Assay fehérjék, peptidek –Biokémiai utak és mechanizmusok feltérképezése Kombinatorikus kémia- Keverék könyvtárak – Paralell szintézisek – Dekonvoluciós és jelzett technikák – De novo design

40 – Az “agy évtizede” –Neuropeptidek, neurotranszmitterek, neuromodulátorok – Virtuális screening –Célpont-orientált technológiák –Farmakofor és receptor kötödési koncepciók, modellek –4D, 5D bázisú tervezési technológiák –Fragmens bázisú közelitések ( ab initio, semiempirikus) –Generáló és dokkoló programok –Homológia modellezés –Kriokristallográfia –Receptor és receptor-szubsztrát komplex térképezési technikák –2000- Humán genomika, proteomika, (génmüködés, génszabályozás, génterápia) –Antitestek biotransformációja terápiás célokra –DNA-vaccinák kifejlesztése autoimmun betegségekre –Nem-naturális peptidek és peptidfragmensek –Nagyszámú új terápiás célpont azonosítása és hitelesítése –Gének és betegségtipusok, betegséghajlamok feltérképezése –DNS-mint emberi értékek és hibák prediktiv bázisa –A gyógyszerkutatás fejlödése és a “paradigma váltás”

41 Gyógyszerkutatási szerkezeti és információs rendszer

42

43 Az új stratégia a gyakorlatban 2002-ben felmérés: 9 vezető gyógyszergyárnál, hogyan jutnak a „lead” molekulákhoz? 2 multinál 100%-ban CC+HTS

44 Standard Vezérmolekula közelítés Cél azonosítása (enzim, receptor, ion csatorna, transzporter) DNS és protein szekvencia meghatározása Protein szerkezet és funkció tisztázása Terápiás koncepció bizonyítása állatokon (“knock-outs”) Nagyteljesítményű molekula screen assay kifejlesztése Tömeges screening és/vagy célzott szintézis program Egy vagy több vezérmolekula kiválasztása

45 Gyógyszercélpontok és hatásmechanismusok Enzimek – inhibitorok (reversibilis, irreversibilis) Receptorok – agonisták és antagonisták Ion Csatornák – blokkolók Transporterek – uptake inhibitorok DNA – interkalációs ágensek, antiszensz hatóanyagok

46 Gyógyszerjelölt gyógyszerszerü tulajdonságait már korai fázisban figyelembe kell venni Szigorú ADME követelmények: Kisérletes szabályok –Lipinski szabály (MW, cLogP, #HD, #HA) Gyógyszerszerűség –Ajay & Murcko (J Med Chem, 1998, 41, ) –Sadowski & Kubinyi (J Med Chem, 1998, 41, )

47 Vegyületek kihullása a fejlesztésből Elégtelen biofarmáciai tulajdonságok, 39% Hatékonyság hiánya, 29% Toxicitás, 21% Piaci szempontok, 6%

48 Lipinski “5-ös szabály” (1)  Molekulasúly  500 (opt = ~350)  # Hidrogénkötés Akceptorok  10 (opt = ~5)  # Hidrogénkötés Donorok  5 (opt = ~2)  -2 < cLog P < 5 (opt = ~3.0)  # Rotáló kötések száma  5 1: C. Lipinski et al, Adv. Drug. Del. Rev, 23, 3-25 (1997) Gyógyszerszerű viselkedés Gyógyszerjelölt gyógyszerszerü tulajdonságait már a fejlesztés korai fázisában figyelembe kell venni !

49 Ha a cél-receptor 3D struktúráját Receptor-alapú tervezés Zárba illeszthető kulcs készítése és megtalálása Alap Modellezési Strategiák Ismerjük

50 Homológia Modellezés Ismert protein 3D strukturája Cél-protein Modellezett 3D szerkezete Kialakítjuk a zárat, aztán keressük a kulcsot Ha a cél-receptor 3D strukturáját Alap Modellezési Strategiák Nem ismerjük

51 Alap Modellezési Strategiák Ha a cél-receptor 3D strukturáját Ligand-alapú molekulatervezés Kulcsok variálásával következtetünk a zárra Kötőzseb kikövetkeztetése Nem ismerjük

52 Keminformatika alkalmazása Predikció QSAR MLR PLS ANN 3D-QSAR CoMFA Catalyst Osztályozás Ellenőrizetlen tanulás Fökomponens Analizis Halmaz Analizis Felülvizsgált tanulás legközelebbi szomszéd SIMCA Neuronális hálózat (ANN) Screenelés Szubstruktúra keresés Hasonlósági leválogatás Farmakofór illesztés

53 QSAR és gyógyszertervezés Új vegyület kedvezöbb biológiai aktivitással Vegyületek + biológiai aktivitás QSAR

54 Kvantitativ Szerkezet-hatás összefüggés(QSAR) Modellek Vegyületkészlet Activitási adatok (Y) Molekuláris Descriptorok (X i )  QSAR Y = f(X i ) InterpretálásPredikció

55 Molekuláris Descriptorok Típusai Felépítés, Topológia 2-D szerkezeti formula Elektrosztatikus Geometriai 3-D forma és szerkezet Kvantumkémiai Termodinamikai

56 Descriptorok képzése és tabulázása Kvantitativ Szerkezet-hatás összefüggés (QSAR) Modellek

57 QSAR Modellek felépítése Töbszörös Lineáris Regresszió (MLR) pK i = a o + a 1 (Mol Vol i ) + a 2 (logP) + a 3 (  i ) +... Hansch, 1969 Legkisebb négyzetek (PLS) módszere pK i = a o + a 1 (PC1) + a 2 (PC2) + a 3 (PC3) +... Wold, et al  (kis.tulajdonság/ aktivitás)   (molekula descriptorok) Y = f(X i ) Egyszerü(Univariáns) Lineáris RegresszióHammett, 1939 pK i = a o + a 1 (Mol Vol i ) független változó Függő változó “ legjobban-illeszkedő” konstansok

58 Nem-tesztelt vegyületek aktivitásának predikciója QSAR modellek,mint prediktív ezközök használata Új vezérmolekula: descriptorok képzése Új vezérmolekula prediktált aktivitása Validált QSAR modell: pK i = 0.52 (V i ) (logP i ) (  i ) V logP  HO OH

59 Gyógyszerkutatási Stratégia  Vezérmolekula keresési könyvtárak: nagy kémiai diverzitás  valódi és virtuális molekula adatbásisok kutatása  Vezérmolekula  Vezérmolekula optimalizációs könyvtár: nagy hasonlóság  nagyteljesítményű kombinatorikus kémia alkalmazása  Gyógyszer-szerű karakter fontosabb mint a szintetikus hozzáférhetöség  Gyógyszerkémia fontossága és ismert szűrőinek alkalmazása

60 Új vezérmolekula keresése Strukturális Adatbázisok átbányászása - Maybridge Database -NCI Database - ACD Database - WDI Database ~ 118,000 chemicals ~ 60,000 chemicals ~ 230,000 chemicals ~ 100,000 chemicals … de hogyan találunk egy új ” vezérmolekulát”? Adatbázis Találatok

61 Strukturális adatbázisok screenelése 1. (Szub)struktúra keresés 2. Farmakofór illesztés H O OH 11 Å 3.Optimális tulajdoságok (pl., Vol, SA, , … több ezer) 4. Lipinski’s “5-ös szabály” (C. A. Lipinski, et al., Advanced Drug Delivery Reviews (1997), 23, 3-25) 1) Maximum 5 H-kötés donor (OH, NH) 2) Maximum of 10 H-kötés akceptor (O:, N:) 3) Molekula súly < 500 4) LogP < 5 5) Rotáló kötések <5 5. QSAR Modellek alkalmazása

62 Virtuális Screenelés Nagyszámú tesztelni kívánt molekula esetén meg kell adni a proritásokat A szürés emelkedö finomitási szintje maximálja a potenciális vezérmolekulák számát –“Gyógyszerszerüségi” megfontolások –Hasonlósági keresés( 2D és 3D) kezdeti gyenge vezérmolekulák felhasználásával –3D szubstruktúra keresés egy lehetséges farmakofór séma azonosítására –Dokkoltatás az ismert biologiai célpont 3D struktúrájához

63 Representativ vegyületek szelektálása Virtuális könyvtárakból Az összes molekulából választunk egy diverz alkészletet REPRESENTATIV MOLEKULA VÁLOGATÁS NAGYTELJESITMÉNYŰ SCREENING KIVÁLASZTOTT CÉLPONTON

64 Kémiai tér Szállitó A: biborSzállitó A: bibor Szállitó B: sárgaSzállitó B: sárga Szállitó C: zöldSzállitó C: zöld Szállitó D: pirosSzállitó D: piros FÓKUSZÁLT KÖNYVTÁR 1. Gyógyszerszerüség 2. Strukturális Diversitás Descriptor-1 Descriptor-2 Descriptor-3

65 Kombinatorikus könyvtárak Exponenciális növekedése n diacid component diphenol component R O C CNHOOCH 2 2 C O 2 O C O Y O Y or R Size of library Kombinatorikus Robbanás!!!

66 Dipól Molekula térfogat Rotaló kötések Kettös kötések Tehetetlen- ségi nyomaték Sürüség Aktuális értékek Prediktált értékek Szintésis -> Biol. teszt-> QSPR modell Kellö diverzitás Csekély diverzitás

67 n diacid component diphenol component R O C CNHOOCH 2 2 C O 2 O C O Y O From QSPR models, select those molecular features that are associated with optimal performance property Synthesize known molecules within cluster Design and synthesize new scaffolds within cluster A Modelltől a Racionális tervezésig és szintézisig

68 Köszönöm a figyelmet!

69 Királis váltás („chiral switch”): Enantiomerek keverékét (racém elegyet) tartalmazó gyógyszerek újbóli kifejlesztése és engedélyeztetése egyetlen enantiomert (az eutomert) tartalmazó gyógyszerré. Enantiomer:  azonos összegképletűek  tükörképi pár molekulák,  fedésbe nem hozhatók eutomer: a hatásos izomer disztomer: a kevébé hatásos; hatástalan vagy toxikus izomer

70 Jövedelmezőség - Ráforditások

71

72 Szürő program

73 Új gyógyszerek 1992: 20% tiszta enantiomer 2002: már 75% ilyen Gyógyszerkutatás: ● „de novo” fejlesztés: a hatékony enantiomert ● királis váltás: egy racém gyógyszert a szabadalmi oltalom lejárta előtt az eutomer követ pl. (R,S) - omeprazol (LOSEC)  (S) (-) esmoprazol (NEXIUM) (R,S) - ofloxacin (TARIVID)  (S) (-) levofloxacin (CRAVIT) Ez új tendencia

74 enantiomerek:  nincs köztük hatásbeli különbség  hatáserősségbeli differencia van  a két antipód eltérő biológiai hatású  a disztomer hatástalan  a disztomer toxikus Miért jó ez? az enantiomereket a szervezet eltérő ágensként ismeri fel („chiral discrimination”) a receptorok királisak

75 Az enantiomerek azonos hatásúak (R,S)-ibutilid (CORVERT) K + -antagonista hatású antiaritmiás szer S-ibutilidR-ibutilid

76 Az enantiomerek eltérő hatáserősségűek Norepinefrin

77 ( 5. domén ) + - ( 3. domén ) H-híd ionos kötés ( 6. domén ) R-Norepinefrin kötődése a receptorhoz

78 Az enantiomerek különböző biológiai hatásúak R,S-fluoxetin (PROSAC, FLOXET, DEPREXIN, PORTAL, etc.) R-fluoxetin S-fluoxetin antidepresszáns migrén ellenes

79 Az enantiomerek egymás hatását kedvezően kiegészítik (R,S)-tramadol (CONTRAMAL, ADAMON, TRAMADOLOR, TRAMALGIC) (+) izomer: μ receptor agonista major analgetikus 1/3800 morfin hatás (-) izomer: SRI és NERI antidepresszív 1/20 imipramin hatás

80 A disztomer hatástalan (+) S -deprenil (JUMEX) (+) S - deprenil (-) R -deprenil MAO-gátló hatástalan

81 A disztomer toxikus talidomid (+) R-talidomid (-) S-talidomid szedatívteratogén

82 ÖSSZEGZÉS  racém gyógyszerek kora lejárt  az eutomert kell használni  de alaposan ki kell vizsgálni a disztomer hatását is  mindez fejlett technológiát igényel  enantiomer-szelektív szintézis  rezolválási technikák  enantiomer-tisztaság vizsgálat (HPLC, CD)


Letölteni ppt "Gyógyszeripar, Gyógyszerkutatás Új trendek 1990-2012 Semmelweis Egyetem, Gyógyszerészi Kémiai Intézet Szakgyógyszerészképzés, I. évf. 2012. május 19. Kökösi."

Hasonló előadás


Google Hirdetések