Obiekt
Tytuł: Heurystyczne i statystyczne modele QSAR i QSPR dla substancji o aktywności serotoninergicznej
Abstrakt:
Serotonina jest uważana za ważny składnik regulacji wielu procesów w organizmie człowieka, wpływając na nastrój, apetyt, libido, pamięć, uwagę, funkcje poznawcze, odczuwanie bólu, agregację płytek krwi oraz na perystaltykę i sekrecję soków trawiennych przez przewód pokarmowy. Receptory serotoninowe i transporter serotoniny są punktem wyjścia dla wielu obecnych leków na choroby ośrodkowego układu nerwowego i leków o działaniu przeciwwymiotnym. Ze względu na ich ograniczoną skuteczność, a także występowanie częstych działań niepożądanych, ważne jest poszukiwanie nowych struktur, które w przyszłości mogłyby stać się nowymi lekami. Proces odkrywania leków jest czasochłonny i kosztowny. Sztuczna inteligencja w coraz większym stopniu pomaga w tym zakresie, usprawniając ten proces. Jednym z ważnych aspektów jest tworzenie ilościowych zależności strukturaaktywność (QSAR). Aby substancja lecznicza mogła oddziaływać z wybranym miejscem wiązania i wywołać efekt terapeutyczny, ważne jest powinowactwo cząsteczki do wybranego białka. Dlatego przydatne jest przewidywanie wartości powinowactwa dla celów biologicznych związanych z układem serotoninergicznym. Modele QSAR znacznie przyspieszają proces znajdowania cząsteczek o wysokim powinowactwie. Z przeprowadzonego przeglądu literatury wynika, że istnieje deficyt modeli QSAR dla receptorów i transportera serotoniny opartych na dużym zbiorze dan ; ych obejmującym różnorodność strukturalną cząsteczek. Celem tych prac było stworzenie modeli QSAR dla jedenastu receptorów serotoniny (5-HT1A, 5-HT1B, 5-HT1D, 5-HT2A, 5-HT2B, 5-HT2C, 5-HT3, 5-HT4, 5-HT5A, 5-HT6 i 5-HT7) oraz transportera serotoniny. Po uzyskaniu modeli QSAR ważne było zaimplementowanie ich do przystępnej aplikacji internetowej, tak aby naukowcy z całego świata mogli wygodnie korzystać z uzyskanych modeli. Aplikacja o nazwie SerotoninAI działa na większości popularnych przeglądarek. Narzędzie zostało wyposażone w moduły przewidujące wchłanianie w przewodzie pokarmowym, co jest kluczowym aspektem dla leków podawanych doustnie, oraz przez barierę krew-mózg, co jest istotną informacją dla leków oddziałujących na ośrodkowy układ nerwowy. Ostatnie dwa moduły związane są z aktywnością serotoninergiczną, umożliwiając przewidywanie, czy cząsteczka może wykazywać taką aktywność wobec receptorów serotoninowych oraz sugerując selektywne wiązanie z jednym z jedenastu podtypów receptorów serotoninowych. Modele utworzono w oparciu o dwuwymiarowe deskryptory Mordred korzystając z narzędzia Mljar z zakresu Automatycznego Uczenia Maszynowego. Do każdego z utworzonych modeli przeprowadzono analizę SHAP (Shapley Additive exPlanations) wskazującą na najważniejsze deskryptory oraz ich kierunek wpływu na powinowactwo, przenikalność, aktywność serotoninergiczną oraz selektywność wzglę ; dem receptorów serotoninowych.
Miejsce wydania:
Stopień studiów:
Dyscyplina:
Instytucja nadająca tytuł:
Rada Dyscypliny Nauki farmaceutyczne
Promotor:
Mendyk, Aleksander ; Pacławski, Adam
Data wydania:
Identyfikator:
Sygnatura:
Język:
Prawa dostępu:
Kolekcje, do których przypisany jest obiekt:
Data ostatniej modyfikacji:
13 gru 2024
Data dodania obiektu:
13 gru 2024
Liczba wyświetleń treści obiektu:
0
Liczba wyświetleń treści obiektu w formacie PDF
0
Wszystkie dostępne wersje tego obiektu:
http://dl.cm-uj.krakow.pl:8080/publication/5175
Wyświetl opis w formacie RDF:
Wyświetl opis w formacie OAI-PMH:
| Nazwa wydania | Data |
|---|---|
| ZB-141075 | 13 gru 2024 |
Obiekty
Podobne
Łapińska, Natalia
Czopek, Anna
Yuzlenko, Olga
Żmudzki, Paweł
Kalicińska, Jadwiga
Sudoł-Tałaj, Sylwia
Kaczorowska, Katarzyna
Kołaczkowski, Marcin
