Development of a QSAR model to predict inos inhibition of selected compounds used in Alzheimer's disease treatment
Alzheimer hastalığı tedavisinde kullanılan seçilmiş bileşiklerin inos inhibisyonunu tahmin etmek için bir QSAR modeli geliştirilmesi
- Tez No: 849485
- Danışmanlar: PROF. DR. MERİÇ KÖKSAL AKKOÇ, DR. ÖĞR. ÜYESİ GÜLÇİN TUĞCU
- Tez Türü: Yüksek Lisans
- Konular: Eczacılık ve Farmakoloji, Pharmacy and Pharmacology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Farmasötik Kimya Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Bu tez, Alzheimer hastalığı (AH) tedavisinde kullanılabilecek, indüklenebilir nitrik oksit sentaz (iNOS) üzerine etkili literatürden seçilmiş bileşiklerle enzim inhibisyonunu tahmin etmek amacıyla bir kantitatif yapı-etki ilişkisi (QSAR) modelinin geliştirilmesini hedeflemektedir. AH, kompleks bir etiyolojiye sahip olan nörodejeneratif bir bozukluktur ve etkili tedavi stratejilerinin geliştirilmesini önemlidir. Bu çalışmada, Elsevier ve Web of Science veri tabanlarından taranmış farklı literatürlerinden toplam 90 adet [(4-(1,2,4-okzadiazol-5-il)fenil)-2-aminoasetamid türevi, 7-O-1,2,3-triazol hesperetin türevi ve 3-(4-piridil)-5-(4-sülfamido-fenil)-1,2,4-okzadiazol türevi sentetik iNOS inhibitörü kullanarak biyolojik aktiviteyi tahmin etmek için bir QSAR modeli oluşturulmuştur. Elde edilen sonuçlar, iNOS inhibisyonunu tahmin edebilen güvenilir bir QSAR modelinin başarılı bir şekilde geliştirildiğini göstermektedir. Modelde, inhibitör aktivitesine katkıda bulunan ana moleküler tanımlayıcılar, yapı-aktivite ilişkilerini ortaya koyacak şekilde belirlenmiştir. Sonuç olarak, bu çalışma, AH tedavisinde iNOS'u hedef alan bileşiklerin inhibisyon potansiyelini tahmin etmek için değerli bir araç sağlayarak ilaç keşfi alanına katkıda bulunmaktadır. Geliştirilen QSAR modeli, bileşikleri daha fazla deneysel değerlendirmeye önceliklendirmek için maliyet-etkin ve zaman-etkin bir yaklaşım sunmakta, ayrıca, ilaç keşif sürecini hızlandırmakta ve AH için iyileştirilmiş terapileri açığa çıkarma potansiyeli sunmaktadır.
Özet (Çeviri)
This thesis focuses on the development of a Quantitative Structure-Activity Relationship (QSAR) model to predict the inhibition of inducible Nitric Oxide Synthase (iNOS) by selected compounds used in Alzheimer's disease (AD) treatment. AD is a neurodegenerative disorder with a complex etiology, requiring the development of effective treatment strategies. In this study, we have gathered 90 synthetic derivatives of iNOS inhibitors from various publications in Elsevier and Web of Science. These derivatives include [(4-(1,2,4-oxadiazol-5-yl)phenyl]-2-aminoacetamide derivatives, 7-O-1,2,3-triazole hesperetin derivatives, and 3-(4-pyridyl)-5-(4-sulfamido-phenyl)-1,2,4-oxadiazole derivatives. We have specifically chosen these compounds to develop a QSAR model for predicting the biological activity of the selected iNOS inhibitors. Additionally, we aim to assess their potential effectiveness in the treatment of AD.The theoretical foundations of this research lie in the field of computational chemistry and QSAR modeling, which utilize molecular descriptors and statistical techniques to establish relationships between molecular structures and biological activities. The results demonstrate the successful development of a reliable QSAR model capable of predicting iNOS inhibition of the selected compounds. Key molecular descriptors contributing to the inhibitory activity are identified, providing insights into the structure-activity relationships. The importance of this research lies in its potential to aid in the discovery and development of novel compounds with enhanced iNOS inhibitory activity for the treatment of AD. Overall, this study contributes to the field of drug discovery by providing a valuable tool for predicting the inhibitory potential of compounds targeting iNOS in AD treatment. The developed QSAR model offers a cost-effective and time-efficient approach to prioritize compounds for further experimental evaluation, ultimately accelerating the drug discovery process and potentially leading to improved therapies for AD.
Benzer Tezler
- Sanal tarama ve çok boyutlu moleküler modelleme yöntemleri ile p53-MDM2 potansiyel inhibitörlerinin belirlenmesi
Identification of p53-MDM2 potential inhibitors with virtual screening and multidimensional molecular modeling methods
GÜLŞAH AYDIN
Doktora
Türkçe
2020
Kimyaİstanbul Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. MİNE YURTSEVER
PROF. DR. SERDAR DURDAĞI
- Accelerating molecular docking using machine learning methods
Kenetleme hesaplarının makine öğrenme metotları ile hızlandırılması
ABDULSALAM YAZID BANDE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
Assist. Prof. Dr. SEFER BADAY
- Development of a series of 5-substituted 6-fluoro indole derivatives and evaluation of their biological activity
Bir dizi 5-substitue 6-fluoro indol türevlerinin geliştirilmesi ve biyolojik aktivitelerinin değerlendirilmesi
GÜLAY YELKEN DEMİREL
Doktora
İngilizce
2023
Eczacılık ve FarmakolojiYeditepe ÜniversitesiFarmasötik Kimya Ana Bilim Dalı
PROF. DR. FİLİZ ESRA ÖNEN BAYRAM
- Assessment and modelling of the toxicity of phenols: A comparative study with marine and freshwater algae
Fenol toksisitesinin değerlendirilmesi ve modellenmesi: Tuzlu ve tatlı su algleri ile karşılaştırmalı bir çalışma
MURAT DOĞA ERTÜRK
Doktora
İngilizce
2013
BiyoistatistikBoğaziçi ÜniversitesiÇevre Bilimleri Ana Bilim Dalı
PROF. DR. MELEK TÜRKER SAÇAN
- Optimization models and algorithms for structure based drug design
Yapıya dayalı ilaç tasarımı için algoritmalar ve eniyileme modelleri
PINAR KAHRAMAN
Yüksek Lisans
İngilizce
2008
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Bölümü
DOÇ. DR. METİN TÜRKAY