Identifying potential therapeutic molecules for hepatocellular carcinoma through machine learning-based drug repurposing
Makine öğrenimi tabanlı ilaç yeniden kullanımı yoluyla hepatoselüler karsinom için potansiyel terapötik moleküllerin belirlenmesi
- Tez No: 895672
- Danışmanlar: DR. ÖĞR. ÜYESİ BURÇAK OTLU SARITAŞ, PROF. DR. RENGÜL ATALAY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Genetik, Moleküler Tıp, Computer Engineering and Computer Science and Control, Genetics, Molecular Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Sağlık Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 197
Özet
Hepatoselüler karsinom (HCC), sınırlı tedavi seçenekleri nedeniyle yüksek mortalite oranına sahip, en sık görülen primer karaciğer kanseridir. Sistemik ilaç tedavileri hastanın hayatta kalma oranını arttırır ve sıklıkla yaşam süresini birkaç ay uzatır. Yeni küçük moleküllü kemoterapötiklerin geliştirilmesi hem zaman alıcı hem de maliyetlidir. Bu nedenle ilacın yeniden kullanılması, bu ölümcül hastalık için yeni tedavi seçeneklerinin belirlenmesi ve uygulanmasında etkili bir strateji olarak kullanılıyor. Bu çalışmanın amacı, MDeePred makine öğrenme aracını kullanarak mevcut bileşiklerin yeniden kullanılması yoluyla HCC tedavisi için potansiyel ilaç adaylarını belirlemektir. Açık hedef platformu, UniProt, ChEMBL ve Expasy veritabanları, MDeePred'in ilaç-hedef etkileşimlerini (DTI'ler) tahmin etmesi için bir veri kümesi oluşturmak üzere kullanıldı. DTI'ların zenginleştirme analizleri gerçekleştirildi ve MDeePred tarafından tanımlanan 380 DTI'dan 6'sının daha ileri analizler için seçilmesi sağlandı. İlaç adaylarının ve ileri evre HCC için onaylı ilaçların (lenvatinib, regorafenib ve sorafenib) fizikokimyasal özellikleri, lipofilikliği, suda çözünürlüğü, ilaca benzerliği ve tıbbi kimya özellikleri titizlikle belirlendi ve küratörlendi. İlaç adaylarının çoğunluğu, ilaç özellikleri açısından geleneksel aralıklara düştü ve hedef yerleştirme yetenekleri gösterdi. Bulgularımız, seçilen ilaç bileşiklerinin HCC ile ilişkili belirlenen hedeflere bağlanma etkinliğini ortaya çıkardı. Sonuç olarak HCC'de potansiyel ilaç adayı olarak deneysel olarak daha fazla değerlendirilebilecek küçük moleküller belirlendi. Bu çalışma aynı zamanda kanser tedavisinde ilaç yeniden kullanım çalışmalarında MDeePred derin öğrenme aracının önemini de vurgulamaktadır.
Özet (Çeviri)
Hepatocellular carcinoma (HCC) is the most common primary liver cancer with a high mortality rate due to limited treatment options. Systemic drug treatments increase patient survival and often extend life by several months. The development of new small molecule chemotherapeutics is both time consuming and costly. Therefore, drug repurposing is being used as an effective strategy to identify and implement new treatment options for this mortal disease. The aim of this study is to identify potential drug candidates for the treatment of HCC through reuse of existing compounds using the machine learning tool MDeePred. The open target platform, UniProt, ChEMBL, and Expasy databases were used to create a dataset for MDeePred to predict drug-target interactions (DTIs). Enrichment analyses of DTIs were conducted, leading to the selection of 6 out of 380 DTIs identified by MDeePred for further analyses. The physicochemical properties, lipophilicity, water solubility, drug-likeness and medicinal chemistry properties of the drug candidates and approved drugs for advanced stage HCC (lenvatinib, regorafenib, and sorafenib) were meticulously and curated. The majority of drug candidates fell within conventional ranges in terms of drug properties and demonstrated target docking abilities. Our findings revealed the binding efficiency of selected drug compounds to identified targets associated with HCC. As a result, small molecules were identified that can be further evaluated experimentally as potential drug candidates in HCC. This study also highlights the importance of the MDeePred deep learning tool in in silico drug repurposing studies in cancer treatment.
Benzer Tezler
- Hepatit B hastalarında prognoz biyobelirteci olarak kullanılabilecek uzun kodlanmayan RNA'ların araştırılması
Investigation of LONG NON-coding RNAS that could be used as a prognostic biomarker in hepatitis B patients
HİLAL BAŞYEĞİT
Yüksek Lisans
Türkçe
2023
Tıbbi BiyolojiEge ÜniversitesiTıbbi Biyoloji Ana Bilim Dalı
DOÇ. DR. SUNDE YILMAZ SÜSLÜER
- Exploring the conformational transition between closed and open states of the sars-CoV-2 spike glycoprotein using molecular dynamics simulations
Sars-CoV-2 spike glikoproteininin kapalı ve açık halleri arasındaki konformasyonel geçişin moleküler dinamik simülasyonları kullanılarak araştırılması
CEREN KILINÇ
Yüksek Lisans
İngilizce
2020
Biyokimyaİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERT GÜR
- Targeting bag-1S/C-raf interaction for therapeutic intervention in cancer
Bag-1S/C-raf etkileşiminin kanserde terapötik bir yaklaşım olarak kullanılmak üzere hedeflenmesi
ÖZGE TATLI
Doktora
İngilizce
2022
Biyoteknolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. GİZEM DİNLER DOĞANAY
- Ai for drug discovery LSTM-driven drug design using selfies for target-focused de novo generation of HIV-1 protease inhibitor candidates in the treatment of AIDS
Yapay zeka tabanlı LSTM destekli ilaç tasarımı: AIDS tedavisinde selfıes kullanarak HIV-1 proteaz odaklı inhibitör adaylarının tasarlanması
M.TALEB ALBRIJAWI
Yüksek Lisans
İngilizce
2023
Biyomühendislikİstanbul Medipol ÜniversitesiBiyomedikal Mühendisliği ve Biyoenformatik Ana Bilim Dalı
PROF. DR. REDA ALHAJJ
- PARP ve PLK1 ikili inhibisyonunun MCF-7 ve MDA-MB-231 meme kanserli hücre hatlarına karşı etkilerinin araştırılması
Investigation of the effects of PARP and PLK1 co-inhibition against n MCF-7 and MDA-MB-231 breast cancer cell lines
ÖZLEM GÖK
Doktora
Türkçe
2024
BiyolojiFırat ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. ABDULLAH ASLAN
DR. ÖĞR. ÜYESİ RAMAZAN GÜNDOĞDU