Mgr. Jan Brezovský, Ph.D.
Loschmidtovy laboratoře, Ústav experimentální biologie a RECETOX, MU
Využití molekulového modelování k inženýrství
proteinů a hledání aktivních látek
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
 Shrnutí
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
 Shrnutí
Molekulové modelování
 “Teoretická či výpočetní technika, která nám poskytne vhled
do chování molekulárního systému.”
 využití
 analýza struktury proteinů a předpověď jejich funkce
 předpověď dynamiky a stability proteinů
 předpověď interakcí mezi ligandem a proteinem či více proteiny
 předpověď reakčních bariér a mechanismů enzymů
 předpověď struktury nových proteinů a enzymů
Molekulové modelování
 popis pomocí
 výpočetní geometrie
 molekulové mechaniky
 kvantové mechaniky
 typické metody
 geometrické metody
 molekulové dokování
 molekulová dynamika
 kvantová chemie
 de novo design
 …
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
 Shrnutí
Proteinové inženýrství
 cíl: úprava struktury proteinu za účelem zlepšení výbraných
vlastností
 tři hlavní přístupy
 racionální design
 řízená evoluce
 semi-racionální design
Proteinové inženýrství
Proteinové inženýrství
Řízená evoluce Semi-racionální design Racionální design
Vysokoprostupný
screening/selekce zásadní výhodou, ale není třeba není třeba
Strukturní anebo
funkční informace
není třeba kterákoliv postačí obě zásadní
Prozkoumání
sekvenčního
prostoru
rozsáhlé a náhodné průměrné a cílené omezené
Šance nalézt
synergistické mutace
nízká vysoká průměrná
Semi-racionální design
 kombinuje výhody racionálního a náhodného přístupu
 výběr slibných míst “hot-spoty“ k mutagenezi → tvorba tzv.
“smart libraries“
 založené na znalosti struktury či funkce proteinu
  vysokopropustný screening běžně není potřeba
  zvýšená šance získat varianty s požadovanými vlastnostmi
  požaduje jistou znalost strukturně-funkčních vztahu
modifikovaného proteinu,  ale ne příliš detailní
Racionální design
 místně-cílené změny ve struktuře cílového proteinu
 pár aminokyselinových substitucí, pro které je predikováno
zlepšení cílových vlastností
 založeno na detailních znalostech struktury, funkce a
mechanismu proteinu
  relativně snadná charakterizace navržených variant
  komplexita strukturně-funkčních vztahu proteinů
  požadavek na zkušenosti s molekulovým modelováním
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
 Shrnutí
Modelování pro semi-racionální design
 identifikace relevantních residuí jako hot-spotů pro vylepšení
 stability
 katalytických vlastností
Hot-spoty pro vylepšení katalytických vlastností
 residua účastnící se vazby substrátů, stabilizace tranzitního
stavu či transportu substrátů-produktů → mutace pak mohou
vylepšit či narušit vazbu, katalýzu či transport
 residua tvořící interakce s ligandem
 residua tvořící vazebnou kapsu
 residua tvořící transportní tunely
Analýza protein-ligand interakcí
 vizualizace struktury protein-ligand komplexu
 experimentální struktury (wwPDB)
 molekulové dokování
 nástroje: Pymol, LigPlot, PDBSum, …
 vazebná a aktivní místa proteinů se často nachází v
kapsách, kavitách či žlábcích struktury.
 většina residuí v těchto kapsách/kavitách může během
katalytického cyklu přijít do kontaktu s ligandem
→ je možné vybrat residua která pravděpodobně budou interagovat s
ligandem i bez znalosti komplexu
Analýza funkčních kapes
Analýza funkčních kapes
 vazebná a aktivní místa proteinů se často nachází v
kapsách, kavitách či žlábcích struktury.
ligandAktivní
místo
 vazebná a aktivní místa proteinů se často nachází v
kapsách, kavitách či žlábcích struktury.
Analýza funkčních kapes
 vazebná a aktivní místa proteinů se často nachází v
kapsách, kavitách či žlábcích struktury.
mutace
Analýza funkčních kapes
 vazebná a aktivní místa proteinů se často nachází v
kapsách, kavitách či žlábcích struktury.
Analýza funkčních kapes
 vazebná a aktivní místa proteinů se často nachází v
kapsách, kavitách či žlábcích struktury.
Analýza funkčních kapes
Analýza transportních tunelů
 zanořená vazebná a aktivní místa jsou spojena se povrchem
pomocí transportních tunelů
 umožňují selektivní transport molekul
 jejich mutace může urychlit či omezit transport nativních ligandů či
umožnit transport nových ligandů
 zanořená vazebná a aktivní místa jsou spojena se povrchem
pomocí transportních tunelů
ligand
kapsa
aktivního
místa
transportní
tunel
Analýza transportních tunelů
 zanořená vazebná a aktivní místa jsou spojena se povrchem
pomocí transportních tunelů
Analýza transportních tunelů
 zanořená vazebná a aktivní místa jsou spojena se povrchem
pomocí transportních tunelů
mutace
Analýza transportních tunelů
 zanořená vazebná a aktivní místa jsou spojena se povrchem
pomocí transportních tunelů
mutace
Analýza transportních tunelů
Výpočetní geometrie
 studium geometrie proteinů
 netriviální - struktura proteinů je velmi členitá
 studium geometrie proteinů
 netriviální - struktura proteinů je velmi členitá
Výpočetní geometrie
 studium geometrie proteinů
 netriviální - struktura proteinů je velmi členitá
Výpočetní geometrie
Identifikace kapes a dutin
 přístupnost prostoru sondám o rozdílné velikosti
 kavity, kapsy či žlábky
 nástroje: 3V, HOLLOW, LIGSITE, PASS, SURFNET či fpocket
 přístupnost prostoru sondám o rozdílné velikosti
 kavity, kapsy či žlábky
 nástroje: 3V, HOLLOW, LIGSITE, PASS, SURFNET či fpocket
Identifikace kapes a dutin
 přístupnost prostoru sondám o rozdílné velikosti
 kavity, kapsy či žlábky
 nástroje: 3V, HOLLOW, LIGSITE, PASS, SURFNET či fpocket
Identifikace kapes a dutin
 přístupnost prostoru sondám o rozdílné velikosti
 kavity, kapsy či žlábky
 nástroje: 3V, HOLLOW, LIGSITE, PASS, SURFNET či fpocket
Identifikace kapes a dutin
 grafové algoritmy
 transportní cesty
 nástroje: CAVER, MOLAXIS či MOLE
Identifikace tunelů
 grafové algoritmy
 transportní cesty
 nástroje: CAVER, MOLAXIS či MOLE
Identifikace tunelů
 grafové algoritmy
 transportní cesty
 nástroje: CAVER, MOLAXIS či MOLE
Identifikace tunelů
 grafové algoritmy
 transportní cesty
 nástroje: CAVER, MOLAXIS či MOLE
Identifikace tunelů
 grafové algoritmy
 transportní cesty
 nástroje: CAVER, MOLAXIS či MOLE
Identifikace tunelů
Hot-spoty pro vylepšení stability
 velmi flexibilní residua – zanesení residuí která strukturu
znehybní
 residua v transportních tunelech
Identifikace flexibilních residuí
 z krystalografie pomocí termálních B-factors
 odpovídají úrovni termálního pohybu atomů
 analýzou ansámblu z NMR či molekulové dynamiky
Resiuda v tunelech
 saturační mutageneze v tunelových residuích s 2× vyšší
pravděpodobností povede k signifikantnímu nárůstu stability
než mutageneze v jiných oblastech proteinu
Modelování pro racionální design
 základem je predikce struktury modifikovaného proteinu
 následně je hodnocen vlivu mutace na
 stabilitu
 katalytické vlastnosti
Predikce struktury mutantního proteinu
 princip
 mutované residuum je potřeba vložit do struktury v optimální
konformaci vzhledem k jeho okolí a současně upravit konformace
okolích residuí v důsledku mutace tak aby struktura měla co nejnižší
energii – těžký kombinatorický problém
Predikce struktury mutantního proteinu
 řešení
 reprezentace reziduí pomocí knihovny rotamerů (konformace běžně
pozorované v sade kvalitních X-ray struktur)
Predikce struktury mutantního proteinu
 řešení
 výběr navzájem kompatibilní sady rotamerů probíhá stochasticky
(Monte Carlo či genetické algoritmy) dle energie přiřazené
zjednodušeným silovým polem
 často kombinováno z minimalizací energie
Predikce stability mutantního proteinu
 změna energie divokého typu a mutantu
 silové pole
 empirické skórovací funkce
 strojové učení
 vhodné nástroje
 FoldX
 ERIS
 Rosetta
 …
Predikce vlivu mutace na funkci proteinu
 změna vazebné energie ligandu
 molekulový doking + molekulová dynamika
 změna reakční bariéry/mechanismu
 kvantová chemie či QM/MM molekulová dynamika
 změna rychlosti/mechanizmu transportu
 grafové algoritmy, molekulová dynamika, …
De novo design enzymů
 cíl: predikovat strukturu stabilizující transitní stav reakce
 definice theozymu – substrát v TS a nezbytné funkční skupiny
De novo design enzymů
 cíl: predikovat strukturu stabilizující transitní stav reakce
 výběr všech potenciálních katalytických residuí a jejich rotamerů
odpovídající theozymu
De novo design enzymů
 cíl: predikovat strukturu stabilizující transitní stav reakce
 nalezení vhodného proteinového foldu kompatibilního s vybranými
katalytickými residui
De novo design enzymů
 cíl: predikovat strukturu stabilizující transitní stav reakce
 transplantace katalytických aminokyselin do vybraného foldu
De novo design enzymů
 cíl: predikovat strukturu stabilizující transitní stav reakce
 nalezení optimální kombinace okolních aminokyselin stabilizujících
aktivní místo
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
 Shrnutí
Semi-racionální design aktivnějších enzymů
 TCP – persistentení organický polutant
 toxický, karcinogení
 vedlejší produkt chemického průmyslu
 kontaminuje podzemní vody
Semi-racionální design aktivnějších enzymů
 TCP – persistentení organický polutant
 toxický, karcinogení
 vedlejší produkt chemického průmyslu
 kontaminuje podzemní vody
 enzym DhaA je schopen konverze
 kcat = 0.08 s-1
 aktivita nedostatečná pro aplikace
 mutanti na pozici 176
 C176Y: kcat = 0.28 s-1
 C176F: kcat = 0.32 s-1
Semi-racionální design aktivnějších enzymů
 mutanti na pozici 176
 C176Y: kcat = 0.28 s-1
 C176F: kcat = 0.32 s-1
 mechanismus -> modifikace tunelu
Semi-racionální design aktivnějších enzymů
 mutanti na pozici 176
 C176Y: kcat = 0.28 s-1
 C176F: kcat = 0.32 s-1
 mechanismus -> modifikace tunelu
Semi-racionální design aktivnějších enzymů
 design dalších mutantů
 identifikace všech relevantních tunelů a jejich modifikace
Semi-racionální design aktivnějších enzymů
 design dalších mutantů
 identifikace všech relevantních tunelů a jejich modifikace
Semi-racionální design aktivnějších enzymů
 výsledný enzym DhaA31
 5 bodový mutant
 kcat = 1.26 s-1
 přístupové tunely uzavřené
Semi-racionální design aktivnějších enzymů
 výsledný enzym DhaA31
 5 bodový mutant
 kcat = 1.26 s-1
 přístupové tunely uzavřené
Co je příčinou zlepšení aktivity?
Semi-racionální design aktivnějších enzymů
DhaA DhaA 31
Semi-racionální design aktivnějších enzymů
DhaA DhaA 31
Semi-racionální design aktivnějších enzymů
DhaA DhaA 31
desolvatace aktivního místa
Semi-racionální design aktivnějších enzymů
DhaA DhaA 31
Semi-racionální design aktivnějších enzymů
Proteinové inženýrství – design aktivnějších enzymů
DhaA DhaA 31
aktivace reaktivního komplexu
Semi-racionální design aktivnějších enzymů
 závěry
 DhaA31 s 16-krát zvýšenou katalytickou rychlostí vůči TCP
 mutace semi-racionálně navrženy ve dvou přístupových tunelech
 zlepšení aktivity způsobeno desolvatací aktivního místa
Semi-racionální design aktivnějších enzymů
Racionální design stabilnějších enzymů
 enzymy jako katalyzátory
 většinou výborná selektivita a aktivita při pokojové teplotě ve
vodném roztoku
 pro mnoho aplikací je třeba přítomnost organických rozpouštědel či
vyšších teplot
 tyto podmínky často vedou k denaturaci enzymů -> potřeba získávat
stabilnější enzymy
 halogenalkandehalogenasa DhaA
 teplota tání Tm = 49°C
 poločas aktivity při 60°C τ1/2 ~ 5 min
Racionální design stabilnějších enzymů
 výpočetní metoda FireProt
 vyvinuto na MU
 strukturní a sekvenční analýzy
 stabilizace DhaA
 predikováno 5 500 mutantů
 testováno 5 mutantů
 výstup
 3 stabilnější násobní mutanti
 kombinovaný mutant
Tm = 74°C a τ1/2 = 72 h
Racionální design stabilnějších enzymů
 metoda GSSM
 „Gene Site Stauration Mutagenesis“
 firmy Diversa a DOW Chemical
 stabilizace DhaA
 315 pozic, všech 19 mutací pro každou pozici (destička s 384 důlky)
 testováno více než 120 000 kolonií
 výstup
 10 stabilnějších jednobodovýh mutantů
 kumulativní mutant
Tm = 67°C a τ1/2 = 36 h
Racionální design stabilnějších enzymů
 závěry
GSSM Racionální design
vybavení (Kč) 20 000 000 500 000
testování
výpočetní - 5 500
laboratorní 120 000 5
náklady (Kč) 1 000 000 80 000
čas měsíce týdny
výstupy
stabilní mutanti 11 4
ΔTm (°C) 18 25
τ1/2 (h) 36 72
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
Hledání aktivních látek
 cíl
 nalezení specifických netoxických inhibitorů farmakologicky
relevantních cílů
 dva alternativní přístupy
 „high-throughput screening“– HTS
 „virtual screening“ – VS
Hledání aktivních látek
High-throughput screening
Hledání aktivních látek
High-throughput screening
 falešně pozitivní výsledky –toxicita, reakce s
složkami detekční esseje, …
 falešně negativní výsledky – špatná
rozpustnost, …
Hledání aktivních látek
Virtuální screeningHigh-throughput screening
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
 dvousložkový proces
 hledání
 hodnocení
Molekulové dokování
 ideální postup
 vyčerpávající generování všech možných vazebných módů
 sofistikované ohodnocení vazebné energie
 výpočetně nemožné
 nutnost mnoha aproximací:
 zjednodušená reprezentace receptoru
 omezená pohyblivost ligandu
 chytré prohledávací algoritmy
 rychlé hodnotící funkce
Molekulové dokování
 prohledávána pouze relevantní část receptoru
 reprezentace pomocí dekriptorů – odvozeny
z geometrie či interakčních skupin vazebného místa
(donory/acceptory, hydrofóbní residua, …)
 mřízková reprezentace – vazebné místo
pokryto pravidelnou mřízkou nesoucí
informaci o interakci zkušebního atomu
daném bodě s atomy receptoru
Reprezentace receptoru
 pohyblivost receptoru
 plnně rigidní
 „soft“ doking – použítí tolerantní hodnotící funkce, která napodobí
plasticitu jinak rigidního receptoru
 explicitní pohyblivost bočních řetězců – při hledání je umožněna
rotace bočních řetězců předem vybraných residuí s využítím
knihoven rotamerů
 doking do ansámblu struktur – několik krystalových struktur, NMR
ansábml či trajektorie z MD simulace
Reprezentace receptoru
 běžně použity vsechny atomy
 nepolární vodíkové atomy mohou být sjednoceny s jejich
příslušnými těžkými atomy (N, C, O), což zjednodušuje výpočty
 pohyblivost
 pouze rotace kolem jednoduchých vazeb
 doking předpřipravené knihovny konformací ligandu –
pouze pro relativně rigidní ligandy vzhledem k exponenciálnímu
nárustu konformerů s počtem rotovatelných vazeb
 přímé zahrnutí konformační změny do prohledávání
 fragmentační metody – ligand je rozsekán na části, které pak jsou
rigidně nadokovány do vazebného místa a následně spojeny
Reprezentace ligandu
 geometrické a kombinatorické postupy
 předpokládají že vazba je řízena tvarovou či fyzikálně-chemickou
komplementaritou mezi ligandem a vazebným místem receptoru
 a že míra komplementarity je proporciální vazebné energii
 energtické a stochastické postupy
 snaží se přímo najít globální minimum volné energie vazby
odpovídající experimentální struktuře
 náhodnostní povaha těchto metod vždy vyžaduje provádět několik
nezávislých výpočtů k získání konzistentních výsledků
Molekulové dokování - hledání
 „matching“ algoritmus
 ligand i vazebné místo reprezentováno pomocí deskriptorů
odvozených z jejich geometrie či přítomnosti specifických
interakčních míst (funkčních skupin)
 snaží se přiložit odpovídající části ligandu a vazebného místa, čímž
predikuje možný vazebný mód ligandu
 nástroje
 DOCK, SLIDE …
Geometrické postupy
Geometrické postupy
 „fragment-based“ algoritmus
 ligand je nejprve rozdělen na jednotlivé rigidní části
 následně je ligand opět sestaven jedním z následujících postupů
 inkrementální konstrukce– části jsou ve vzájemné návaznosti
dokovány do receptoru až je vytvořen celý ligand
 umísťování a propojování částí– všechný části ligandu jsou
dokovány simultáně a následně propojeny
 nástroje
 FlexX, eHITS …
Geometrické postupy
Geometrické postupy
 Monte Carlo algoritmus
 prohledává interakční prostor ligandu s recpetorem pomocí
iterativního vnášení náhodných změn v pozici, orientaci či
konformaci ligandu a následného ohodnocení nového vazebného
módu pomocí přijímacího kritéria
 nový vazebný mód je přijat vždy pokud je jeho energie nižší než
energie původního módu případně je přijat s pravděpodobností
odrážejícící rozdíl energií daných módů
 nástroje
 ICM, Glide …
Stochastické energetické postupy
Stochastické energetické postupy
 genetický algoritmus
 vazebné módy všech ligandů of all ligands from náhodně vytvořené
počáteční populace jsou zakódovány v jejich „genech“, které jsou
vystaveny náhodným genetickým modifikacím (crossover, mutace)
 jednotlivci (vazebné módy) s lepší životaschopností (odpovídá jejich
vazebné energii) mají vyšší šanci přežít a reprodukovat se do další
generace, což vede k postupnému nárůstu životaschopnosti každé
následující generace a nalezení optimálního vazebného módu
 nástroje
 AutoDock , GOLD …
Stochastické energetické postupy
Stochastické energetické postupy
 hodnotící funkce
 evaluation various binding modes provided by searching algorithms
 computationally efficient and provide accurate description of
protein-ligand interactions
 využití hodnotících funkcí k řazení
 několika vazebných módů jednoho ligandu v rámi jednoho
receptoru – důležité pro výběr módu blízkého experimentálnímu
 několika různých ligandů navázaných do jednoho receptoru –
stanovení specifity substártů či inhibitorů
 jednoho ligandu navázaného do více různých receptorů – anotace
možné funkce proteinů a studium selektivity léčiv (vedlejší účinky)
Molekulární dokování - hodnocení
 kategorie hodnotících funkcí
 založené na silovém poli
 využívají nevazebné členy zavedených silových polí
 relativné přesné energie
 vysoké výpočetní nároky -> pouze výpočty afinity již vybraných
vazebných módů - nevyužívají se během prohledávání
Molekulární dokování - hodnocení
 kategorie hodnotících funkcí
 empirické
 odvozeny fitem následující rovnice to na sadě experimentálních
vazebných afinit známých komplexů protein-ligand
 rychlé vyhodnocení
 arbitrární výběr relevantních členů rovnice -> selže v případe,
kdy je vazba řízena typem interakce nezahrnuté v rovnici
 váhy jednotlivých interakcí závisí na volbě sady komplexů k
fitování
.......  rotellipohbbind GGGGG 
Molekulární dokování - hodnocení
 kategorie hodnotících funkcí
 znalostní
 pomocí statistické analýzy využívá znalost vazby ligandů v
proteinech, která je implicitně uložena ve struktuních datech
 párové atomové potencionály jsou
odvozeny ze vzdáleností těchto
párů ve strukturních databázích
 rychlé vyhodnocení
 popisuje všechny typy interackí bez potřeby jejich výběru
 problém nastáva pouze pokud strukturní data nemají dostatek
informace o daném páru atomů (e.g. halogenidy, kovy, …)
Molekulární dokování - hodnocení
Virtuální screening
 masivní molekulové dokování
 typicky 100 tis. až 10 mil. ligadnů
 předpřipravené knihovny ligandů
 filtrována toxicita, rozpustnost,
podobnost ligandů, …
Osnova
 Molekulové modelování
 Inženýrství proteinů
 Typické přístupy
 Metody modelování
 Příklady
 Hledání aktivních látek
 Typické přístupy
 Metody modelování
 Příklady
Nové substráty dehalogenas
 proteinové cíle
 halogenalkandehalogenasy DhaA, DbjA, LinB, DhlA, DmbA a DmmA
 potenciál využití při biodegradacích a biokatalýze
 substrátová specifita -> zajímavé nové substráty
Nové substráty dehalogenas
 použitý protokol
 databáze 56 000 halogenovaných látek
 dokováno s pomocí AutoDock 4.0
 hodnocení geometrie nalezeného komplexu z hlediska reaktivity
Nové substráty dehalogenas
 identifikováno 8 nových typů substrátu enzymu DmmA
 mezi nimi i fluorescenční substrát a analoga herbicidů
Nové substráty dehalogenas
 závěry
 nalezeny nové substráty u všech studovaných dehalogenas
 úspěšnost virtuálního screeningu se pohybovala kolem 50%
 pro DmmA bylo nalezeno 8 zcela nových typů substrátů
Inhibitory endonukleasy MUS81
 proteinový cíl
 strukturně specifická endonukleasa MUS81
 účastní reparace DNA
 zajištuje stabilitu genomu -> představuje potenciální cíl pro vazbu
protirakovinných léčiv
Inhibitory endonukleasy MUS81
 HTS
 platforma Centra pro chemickou genetiku AVČR, Praha
 experimentálně testováno cca 23 000 látek
 výstup
 identifikovaný inhibitor: IC50 = 50 μM
Inhibitory endonukleasy MUS81
 softwarová platforma vyvinuta na MU využívající
 molekulové dokování - Autodock Vina
 rescoring – výpočty vazebné energie AMBER12 a neuronovou síť
NNScore2.0
 aplikace
 výpočetně testováno přes 140 000 rozdílných látek
 experimentálně testováno 19 látek
 výstup
 6 strukturně odlišných inhibitorů
s IC50 ≤ 50 μM
 nejlepší inhibitor IC50 = 5 μM
Inhibitory endonukleasy MUS81
 závěr
HTS VS
vybavení (Kč) 50 000 000 500 000
testování
výpočetní - 140 000
laboratorní 23 000 19
náklady (Kč) 2 000 000 40 000
čas týdny dny
výstupy
počet inhibitorů 1 6
IC50 (μM) 50 5
Shrnutí
Molekulové modelování:
1) aplikovatelné na celou řadu zajímavých problémů
2) poskytuje pohled na detaily nedostupné většině experimentů
3) díky své rychlosti umožňuje otestovat mnoho hypotéz
4) poskytuje prakticky orientované postupy
5) přináší významné časové i finanční úspory