3D analysis of the binding sites for predicting binding affinities in drug design
İlaç dizaynında afiniteleri tahmin etmek için bağlanma alanlarının üç boyutlu analizi
- Tez No: 383249
- Danışmanlar: PROF. DR. FERDANUR ALPASLAN, PROF. DR. MEHMET ERDEM BÜYÜKBİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Eczacılık ve Farmakoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Pharmacy and Pharmacology, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İlaç ve protein molekülleri arasındaki etkileşimi anlamak, ilaç dizaynının en önemli zorluklarındandır. Son yıllarda ilaç tasarımını kolaylaştıran birçok metod ortaya konulmuştur. Yapay zeka ve makina öğrenimine dayalı yöntemler ile umut verici sonuçlar elde edilmektedir. Geçmiş etkileşimleri kullanarak, gerçeğe yakın tahminler yapılabilmektedir. Bu çalışmada da bir oto-kenetlenme simulatörü aracılığıyla elde edilen ilaç-protein etkileşim alanı görüntülerinden elektrostatic özellikler çıkarılmıştır. CIFAP (Compressed Images For Affinity Prediction) adı verilen veri modelleme tekniğinden esinlenilerek, yeni dinamik bir yöntemle modelleme yapılmıştır. Daha önce kullanılan 2 Boyutlu model, 3 Boyutlu dikdörtgenler prizmalarına dönüştürülmüştür. Daha sonra bu veri modeli, birçok makina öğrenimi tekniği ile birlikte kullanılarak, CHK1 inhibitörlerinin afinitesini tahmin etmekte kullanılmıştır.
Özet (Çeviri)
Understanding the interaction between drug molecules and proteins is one of the main challenges in drug design. Several tools have been developed recently to decrease the complexity of the process. Artificial intelligence and machine learning methods have promising results in predicting the affinities. Recently, accurate estimations have been performed by extracting the electrostatic potentials from images of the drug-protein binding sites which were generated by autodocking simulator. In this study, a new algorithm has been implemented, which is a modified version of CIFAP, to predict binding affinities of CheckPoint Kinase1 and Caspase3 inhibitors.
Benzer Tezler
- Accelerating molecular docking using machine learning methods
Kenetleme hesaplarının makine öğrenme metotları ile hızlandırılması
ABDULSALAM YAZID BANDE
Yüksek Lisans
İngilizce
2022
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
Assist. Prof. Dr. SEFER BADAY
- Structure prediction of human DAT and its binding analysis
İnsan DAT proteinin yapısal modelenmesi ve bağlanma analizi
GİZEM TATAR
- Predicting novel small inhibitors of SARS-CoV-2: Targeting SARS-CoV-2 spike protein, human ACE2 protein and SARS-CoV-2 NsP16 via molecular docking
SARS-CoV-2 için yeni küçük inhibitör moleküllerin tahmini: Moleküler yanaştırma yöntemiyle SARS-CoV-2 spike proteini, insan ACE2 proteini ve SARS-CoV-2 NsP16 hedeflenmesi
ONUR ÖZER
Yüksek Lisans
İngilizce
2022
Biyomühendislikİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. MERT GÜR
DR. ÖĞR. ÜYESİ SEFER BADAY
- Implementation and Optimization of Dosimetry for Theranostics in Radiopeptide Therapies
Peptit Reseptör Radyonüklit Tedavileri Alanindaki Teranostik Uygulamalarda Dozimetrinin Uygulaması Ve Optimizasyonu
SEVAL BEYKAN
Doktora
İngilizce
2020
Radyoloji ve Nükleer TıpJulıus-Maxımılıans-Unıversıtat WurzburgSağlık Fiziği Ana Bilim Dalı
PROF. DR. MİCHAEL LASSMANN
- Investigating allosteric modulators for pathogenic enzymes using molecular docking and molecular dynamics simulations
Patojenik enzimler ıçin allosterik modülatörlerin moleküler yerleştirme ve moleküler dinamik simülasyonları kullanılarak araştırılması
MERVE YÜCE
Doktora
İngilizce
2025
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE ÖZGE KÜRKÇÜOĞLU LEVİTAS