Theses(P)

Permanent URI for this collectionhttps://dspace.tbzmed.ac.ir/handle/123456789/6

Browse

Now showing 1 - 3 of 3

Quantitative structure-activity studies on aldehyde oxidase inhibitors
(Tabriz University of Medical Sciences, School of Pharmacy, 2024) Pirouzi, Mahdieh; Hamzeh-Mivehroud, Maryam; Sokouti, Babak
Aldehyde oxidase (AOX) (EC1.2.3.1) is a cytosolic enzyme belongs to molybdo-flavoenzyme family. This enzyme is responsible for metabolism of nitrogen-containing drugs as well as oxidation products of CYP450 and monoamine oxidase. Several drugs can inhibit AOX and co-administration with drugs metabolized by this enzyme can induce drug-drug interactions. Therefore, prediction of biological activity of AOX inhibitors via computational approaches is of importance in the field of drug toxicity and drug-drug interaction. Objective:The purpose of this study was prediction of biological activity of AOX inhibitors using quantitative structure-activity relationship. Materials and methods:Following the data collection, the structures of AOX inhibitors were generated and energy minimized using Hyperchem software. For 2D-QSAR, genetic algorithm was employed for model development. For developing model using 3D-QSAR study, Pentacle program and PLS method were applied. In the case of model using 6D-QSAR method, Quasar software and genetic algorithm were utilized. Finally, cross validation was performed for each of generated QSAR models. Results:Analysis the results demonstrated that the 2D-QSAR and 6D-QSAR models were capable of predicting biological activity of AOX inhibitors. By inspection of statistical metrics, 6D-QSAR model provides better prediction of endpoint values. However, the 3D-QSAR based model was not successful in prediction of AOX inhibitory activity based on externally validated values. Conclusion: The results of the current investigation can be used for prediction of AO inhibitors in the field of drug toxicity and drug-drug interaction studies.
مطالعات همبستگی کمی ساختمان – فعالیت به منظور پیش بینی فعالیت مهارکنندگی گیرنده H3 هیستامین مشتقات غیرایمیدازولی و ایمیدازولی
(دانشگاه علوم پزشکی تبریز، دانشکده داروسازی) خوش روان آذر, ضحی; دستمالچی, سیاوش; حمزه میوه رود, مریم
هیستامین به عنوان یک نوروترانسمیتر آمینی بسیاری از پروسههای فیزیولوژیکی را در سیستم عصبی مرکزی (CNS) و سیستم عصبی محیطی (PNS) انسان و حیوانات تنظیم میکند. اثرات فیزیولوژیکی هیستامین در بدن از طریق چهار گیرندهی جفت شده به پروتئین G (H1-H4) انجام میگیرد. گیرندههای H3 در سال 1983 شناسایی شدند که به عنوان اتورسپتور در سیستم عصبی مرکزی عمل میکند. این گیرنده‌ها به دلیل نقش مهم در تنظیم رفتارهای شناختی، روانی، درمانی و سایر پروسههای فیزیولوژیکی مورد توجه واقع گردیدهاند. بنابراین آنتاگونیستهای گیرندهی H3 میتوانند نقش مهمی در درمان بیماریها و اختلالات عصبی نظیر صرع، چاقی، ADHD، اسکیزوفرنی، آلزایمر و پارکینسون داشته باشند.هدفهدف از این مطالعه ارائهی یک مدل برای پیش بینی فعالیت آنتاگونیستی ترکیبات بر پایهی ایمیدازولی و غیرایمیدازولی از طریق مطالعات ساختمان – فعالیت بصورت کمی (QSAR) میباشد.روش کارترکیبی از الگوریتم ژنتیک (GA) به همراه رگرسیون خطی چندگانه (MLR) برای انتخاب مفسرهای ساختمانی که مرتبط با تمایل اتصال ترکیبات ایمیدازولی و غیرایمیدازولی به عنوان آنتاگونیستهای گیرندهی H3 بودند، استفاده شد. پارامترهای مولکولی از بین هزاران مفسر که توسط نرم افزارهای DRAGON، Hyperchem و ACD Labs محاسبه گردیده بودند، انتخاب شدند. معادلات QSAR ارائه شده با استفاده از روشهای مختلف اعتبارسنجی گردیدند.یافتههاپارامترهای ساختمانی مهم برای پیشبینی فعالیت آنتاگونیستی گیرندههای H3 مشخص گردید. نتایج حاصله از این مطالعه میتواند در طراحی آنتاگونیستهای قوی گیرندهی H3 زمانی که آنتاگونیزه کردن گیرندههای H3 مورد نیاز باشد، مورد استفاده قرار بگیرد.بحث و نتیجه گیریدو مدل QSAR با استفاده از روش GA-MLR با R2=0.78 , 0.65 به ترتیب برای ترکیبات غیرایمیدازولی و ایمیدازولی ارائه شد. قدرت پیشبینی مدلهای حاصله با استفاده از روش-های اعتبارسنجی متقاطع داخلی و خارجی نشان داد که برای ترکیبات غیرایمیدازولی q2trainLOO=0.58 و R2test=0.68 و برای ترکیبات ایمیدازولی q2trainLOO=0.57 و R2test=0.65 میباشد. , Histamine is an aminergic neurotransmitter modulates many physiological processes in the central nervous system (CNS) and peripheral nervous system (PNS) of human and animals. Histamine exerts its physiological effects via four distinct G-protein coupled receptors (H1-H4). Histamine H3 receptors were identified at 1983 as an autoreceptor in central nervous system. The H3 receptors have recently gained attention for their potential role in modulating cognitive, psychiatric, appetitive, and other physiological processes. The central effects the H3 receptor antagonists suggest a potential therapeutic role for treatment of several diseases and neurological disorders such as epilepsy, obesity, arousal, attention-deficit hyperactivity disorders (ADHD), schizophrenia, Alzheimer’s and Parkinson’s diseases. AimsThe purpose of this study was to generate a model for predicting H3 antagonistic activity of imidazole – and non – imidazole – based compounds via quantitative structure – activity relationship (QSAR) studies.Materials and MethodsA combination of genetic algorithm (GA) and multiple linear regression (MLR) was used to select the structural descriptors relevant to the receptor binding affinity of imidazole and non-imidazole H3 antagonists. The descriptors was selected out of a pool of >1000 descriptors calculated by DRAGON, Hyperchem and ACD labs suite of programs. The generated QSAR models were validated using different strategies.ResultsTwo QSAR models were developed using GA-MLR method with R2 0.78 and 0.65 for non-imidazole and imidazole compounds, respectively. The predictive power of the models assessed using internal and external cross validation methods which showed the q2LOO=0.58 and R2test=0.68 for non-imidazole and q2LOO=0.57 and R2test=0.65 for imidazole – based H3 antagonists, respectively. Moreover, the most important parameters for predicting H3 antagonistic activity were identified.ConclusionThe results of this work can be used in designing of potent and more effective H3-antagonists where antagonizing of H3 receptors is required.
مطالعات همبستگی کمی ساختمان-فعالیت به منظور پیش بینی فعالیت ترکیبات مهارکننده آنزیم آلدهید اکسیداز
(دانشگاه علوم پزشکی تبریز، دانشکده داروسازی, 1402) پیروزی, مهدیه; حمزه میوه رود, مریم; سکوتی, بابک
آنزیم آلدهیداکسیداز (EC1.2.3.1)، یک آنزیم سیتوزولی متعلق به خانواده ی مولیبدو-فلاووآنزیم ها میباشد. این آنزیم در متابولیسم داروهای نیتروژن دار و اکسیداسیون محصولات حاصل از آنزیمهای CYP450 و مونو آمین اکسیداز نقش مهمی دارد. بسیاری از داروها نیز این آنزیم را مهار می کنند و در صورت مصرف همزمان با داروهایی که توسط این آنزیم متابولیزه می شوند میتوانند موجب تداخلات دارویی گردند. از این رو به کارگیری روش های محاسباتی که کارایی لازم را در پیش بینی فعالیت بیولوژیکی این ترکیبات مهارکننده دارند، در حوزه تداخلات، سمیت‌های دارویی و واکنش‌های نامطلوب دارویی حائز اهمیت میباشد. هدف: هدف از این مطالعه بررسی امکان پیش بینی فعالیت بیولوژیک مهارکننده های آلدهید اکسیداز با استفاده از روابط کمی ساختمان فعالیت (QSAR) می باشد.روش کار: بعد از جمع آوری داده های مربوط به مهارکننده های آلدهید اکسیداز، ساختار ترکیبات در نرم افزار Hyperchem رسم و انرژی آنها به حداقل رسانده شد. برای انجام 2D-QSAR ازالگوریتم GA-MLR برای انتخاب توصیفگرها و ایجاد مدل استفاده شد. برای 3D-QSAR از نرم افزار Pentacle و روش PLS استفاده گردید. مدل 6D-QSAR با استفاده از نرم افزار Quasar و الگوریتم ژنتیک حاصل گردید. در نهایت اعتبار سنجی برای هر کدام از روشهای QSAR انجام گرفت.نتایج: آنالیز نتایج حاصله از QSAR نشان داد که مدل های حاصل از روشهای 6D-QSAR و 2D-QSAR میتوانند در پیش بینی فعالیت مهارکنندگی مهار کننده های آنزیم آلدهید اکسیداز مورد استفاده قرار گیرند و مدل حاصل از 6D-QSAR دارای قابلیت بالاتری در پیش بینی به لحاظ شاخصهای آماری می باشد. در روش 3D-QSAR مدل بدست آمده از سری آموزش بسیار مطلوب بود اما کارایی لازم برای پیش بینی برای سری آزمون را نداشت. نتیجه گیری:نتایج حاصل از این پایاننامه میتواند در مطالعات مربوط به پیش بینی فعالیت بیولوژیکی مهارکننده ها در بررسی سمیت و تداخلات داروئی مورد استفاده قرار گیرد.