6. Eredmények
6.1. A PNU-120596 vegyület hatása a kolin által kiváltott áramokra
6.2.6. A közelítéses módszer és a modellezés folyamata
A kísérletes adatokat mindkét módszerrel (közelítés, modellezés) kielemeztük. Az analízis folyamata a 35. ábrán látható. A vizsgált sejtek száma minden gátlószer esetén (300 μM lidocaine, 100 μM bupivacaine, 300 μM phenytoin, 100 μM riluzole, 100 μM flecainide) 5 és 7 között volt. Minden sejt esetében a gátlószer adagolását ötször ismételtük meg, minden feszültségprotokoll esetében egy alkalommal: a protokollok 600 darab depolarizációból álltak, a gátlószert a 200-adiktól a 400-adikig perfundáltuk. A kiváltott áramok csúcs amplitúdóit az idő függvényében ábrázoltuk (35. ábra, 1. lépés). Az öt különböző szürke árnyalattal jelölt görbe az öt különböző depolarizációs hosszat jelöli:
2.75, 10.27, 27.5, 44.73, 52.25 ms a feketétől a világos szürkéig (ilyen sorrendben). Az amplitudó-görbéket normalizáltuk a 190. – 199. depolarizációk csúcs amplitúdóinak átlagához, majd a felfutási és lecsengési fázisokat exponenciális függvénnyel illesztettük (35. ábra, 2. lépés). Az öt különböző görbéből kapott , és értékeket a depolarizált/hiperpolarizált időhosszarány függvényében ábrázoltuk (35. ábra, 3. lépés, vékony vonalak). Ezekből kiszámoltuk az átlagértékeket: az időállandók esetében a mértani közepet, a gátlás mértékének esetében a számtani közepet (35. ábra, 3. lépés, vastag vonalak). Mind az öt protokollra kiszámoltuk azA és D értékeket kétféle képpen:
az Inh és onset (ld. 35. ábra, 3. lépés, kék vonallal keretezett táblázat, ill. 36.E ábra), illetve az Inh és offset értékekből (ld. 35. ábra, 3. lépés, kék szaggatott vonallal keretezett táblázat, ill. 36. E ábra). Az átlagos Inh és onset értékekből (sötétkék rombusz) ill. Inh és
offset értékekből (világoskék rombusz) számolt A - D párokat szintén a 36.E ábrán mutatjuk. Ezeknél a számolásoknál a közelítéses módszert alkalmaztuk, vagyis csak a két szélső értékkel számoltunk (piros keret a 35. ábra 3. lépés táblázatában), hiszen ezek felelnek meg a főként nyugalmi, illetve főként inaktivált állapotú csatornákat tartalmazó populációknak. A és értékeket nyugalmi és inaktivált állapotra a (41) egyenletek alapján számoltuk a 2.75 és 52.25 ms hosszú depolarizációs lépések alkalmazásával kapott görbékből (ilyen sorrendben). (A ill. értékek hányadosa adja meg az ill.
értékeket.) Amennyiben a két különböző módon számolt A és D értékek, illetve a két különböző módon számolt látszólagos affinitás értékek hasonlóak egymáshoz, elkönyvelhetjük, hogy ez az egyszerű modell elfogadhatóan leírja a gátlószer működését, és a közelítéses módszer tudja kezelni a problémát. Ha nem így van, akkor komplexebb
124
hatásmechanizmussal van dolgunk, és más módszert kell választanunk, amivel megpróbáljuk azt megfejteni.
Ezután a modellezés segítségével próbáltuk megérteni az adott gátlószer hatásmechanizmusát. A paraméter-optimalizációhoz nem használhattuk az eredeti kísérletek eredményeit, mert azok jelentős szórást mutattak. A görbék átlagát nem vehettük, mert ez összemosta volna az egyedi sejtek különböző protokollokra adott válaszainak különbségét a sejtek közötti különbségekkel, és torzította volna az időállandók értékét. Ehelyett idealizált kísérletes görbéket (35. ábra, 4. lépés, kék görbék) készítettünk a következő módon: a felfutás kezdetétől a lecsengés kezdetéig az exponenciális lecsengést a mértani közepének és az (1- ) számtani közepének felhasználásával ábrázoltuk. A lecsengés kezdetétől a negatív exponenciális lecsengést a és az (1- ) értékek átlagából számoltuk. A lecsengés kezdete előtt az értéket „1”-nek választottuk. Minden gátlószerhez öt idealizált görbét készítettünk (minden protokollra egyet).
A paraméteroptimalizáció során a Berkely Madonna szoftver beépített algoritmusát és egy, a Mathematica programban sajátkezűleg készített függvényt használtunk. Az ötféle depolarizációs hosszhoz tartozó öt darab görbe paramétereit egyszerre illesztettük. Az optimalizációt mindig a legegyszerűbb lehetséges mechanizmusnak megfelelő modellel kezdtük. Ekkor teljesült, és csak az , és értékeket becsültük. Csak abban az esetben indultunk el bonyolultabb mechanizmusok irányába, amikor ezzel a modellel nem tudtuk megfelelően illeszteni az idealizált görbéket. Ekkor már értékét is szabad paraméterként kezeltük. Ha még így sem sikerült a kísérletes adatokat (idealizált görbéket) elfogadhatóan reprodukálni, akkor -t és végül -t is szabad paraméterként kezeltük.
A legjobb, szimuláció során kapott illesztéseket (35. ábra, 4. lépés, piros görbék) a 36.C ábra mutatja minden egyes vegyületre. Az öt gátlószerből kettő (phenytoin, riluzole) esetében még így sem jutottunk megfelelő illesztésekhez, ezért változtatnunk kellett a modell topológiáján. Első próbálkozásként megpróbáltuk a különböző mélységű lassú inaktivált állapotok kialakulásával megmagyarázni a jellegzetes gátlási mintázatokat, ezért ezeket az állapotokat is beépítettük a modellbe. A kiegészített mokellekkel nem (riluzole), vagy csak nagyon valószínűtlen paramétereket bevezetve (phenytoin) tudtuk a mintázatokat reprodukálni. Egy másik megközelítéssel két külön kötőhelyet feltételeztünk, és építettünk be a modellekbe. Ezzel a kiegészített modellel mindkét vegyület gátlási mintázatát meglepően jól sikerült reprodukálni (lásd 6.2.2.2.3, 6.2.2.2.4 fejezetek).
125
126
Az optimalizálás során kapott paraméterekből az A és D értékek számolhatók (35.
ábra, 4. lépés, piros keret), és – ellentétben a közelítéses módszerrel – ezek az értékek valóban a nyugalmi illetve inaktivált állapotra jellemző értékek, nem torzítja őket sem a nyitott állapotban, sem pedig a másik állapotban töltött idő (amely, mint láttuk, a teljes idő mintegy 1/19-e). Az értékeket a 36.E ábrán piros rombuszokkal jelöltük. Az A - D térképen a modell optimalizációjával kapott érték összevethető a kísérletes (közelítésen alapuló) értékekkel.
Ahhoz, hogy a modell elfogadhatóságát meg tudjuk ítélni, szükséges, hogy a szimulációk által produkált Inh, onset és offset értékeket össze tudjuk vetni a kísérletekben kapott hasonló értékkel. Ehhez a szimulált görbéket is illeszteni kellett exponenciális függvényekkel (35. ábra, 5. lépés, zöld görbék). Az eredményül kapott , és
értékek a 36.D ábrán láthatóak (piros vonalak). A 35. ábrán látható esetben (100 μM bupivacaine) az optimalizáció során kapott mechanizmus elfogadhatóan pontos illesztését adta a kísérletes adatoknak. Ez azt mutatja, hogy a szóbanforgó mechanizmus lehetséges, de nem jelenti azt, hogy ez a vegyület valódi hatásmechanizmusa. Másrészt viszont, amennyiben nem sikerül a kíséletes adatokat megfelelően reprodukálni, valószínűsíthető, hogy a vegyület az adott mechanizmusnál bonyolultabb módon fejti ki hatását (lásd következő fejezet).