|
طراحی مهارکننده‌های جدید GSK-3β مبتنی بر هوش مصنوعی و مدلسازی مولکولی
|
محمد عظیمی1   ، احمد عبادی2 |
1- دانشگاه علوم پزشکی همدان
2- دانشگاه علوم پزشکی همدان ، ahmadebadie@gmail.com |
|
|
چکیده: (19 مشاهده) |
در این پژوهش، از یک چارچوب نوآورانه مبتنی بر هوش مصنوعی جهت طراحی و ارزیابی مهارکننده‌های جدید آنزیم GSK-3β با پتانسیل درمان بیماری پارکینسون استفاده شد. ابتدا با بهره‌گیری از مدل‌های زبانی شیمیایی (CLMs)، مجموعه‌ای از ترکیبات جدید به‌صورت از آغاز طراحی گردید. ترکیبات جدید بر اساس معیارهای داروهمانندی، تنوع ساختاری، و ویژگی‌های فیزیکوشیمیایی پالایش و ارزیابی شدند. به منظور عمومیت دادن به مدل یادگیری ماشین از داده‌افزایی 20 و افزایش تنوع در طراحی ساختارهای جدید از نمونه‌برداری دمای 0/8 استفاده گردید. مدل با نرخ 73/1% در طراحی مهارکننده‌های جدید موفق عمل کرد. از این بین 78 ترکیب با قدرت مهاری کمتر از 20 میکرومولار برای انجام داکینگ مولکولی در جایگاه فعال آنزیم GSK-3β انتخاب شدند. نتایج داکینگ نشان دادند که ترکیب A با داشتن هسته ایزوکینولینی، با انرژی پیشبینی شده 5/16- و ترکیب B با داشتن هسته کینولینی، با انرژی پیشبینی شده 5/25- بهترین کاندیداها از نظر انرژی اتصال بودند. همچنین ارزیابی ویژگی‌های داروهمانندی دو ترکیب منتخب، حاکی از انطباق کامل آن‌ها با قوانین فارماکوکینتیکی و معیارهای جذب خوراکی بود. این رویکرد تلفیقی می‌تواند به‌عنوان چارچوبی کارآمد در طراحی مهارکننده‌های اختصاصی و مؤثر در حوزه درمان بیماری پارکینسون مورد استفاده قرار گیرد.
|
|
| واژه‌های کلیدی: هوش مصنوعی، مدل زبانی شیمیایی، GSK-3β، بیماری پارکینسون، داکینگ مولکولی |
|
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1404/3/18 | پذیرش: 1404/6/17 | انتشار: 1404/6/26
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
