| dc.contributor.author | خلیل پور, هادی | |
| dc.date.accessioned | 2025-08-03T05:18:31Z | |
| dc.date.available | 2025-08-03T05:18:31Z | |
| dc.date.issued | 1403 | en_US |
| dc.identifier.uri | https://dspace.tbzmed.ac.ir:443/xmlui/handle/123456789/72611 | |
| dc.description.abstract | مقدمه: التهاب مزمن یک مشخصه شایع در اختلالات خودایمنی مختلف و بیماری های عصبی، به ویژه بیماری آلزایمر است. نقش عوامل ضدالتهابی، مانند داروهای ضد روماتیسمی اصلاح کننده بیماری (DMARDs)، به دلیل پتانسیل آنها برای کاهش التهاب عصبی توجهات را به خود جلب کرده است. شواهد جدید نشان می دهد بیمارانی که تحت درمان با DMARDs هستند، به ویژه آنهایی که از عوامل بیولوژیکی استفاده می کنند، ممکن است خطر ابتلا به زوال عقل یا بیماری آلزایمر را کاهش دهند. این ارتباط اهمیت کاوش در DMARDs را به عنوان یک راه درمانی برای شرایط عصبی نشان می دهد. هدف: پیش‌بینی اهداف دارویی برای ترکیبات DMARD به عنوان دارو های ضد‌آلزایمر.روش کار: در ابتدا، یک پایگاه داده جامع برای ترکیبات DMARD به کمک پایگاه داده KEGG و همچنین جست و جوی منابع علمی ایجاد شد. علاوه بر این، تارگت های بالقوه آلزایمر از تحقیقات قبلی و پایگاه های داده مرتبط گردآوری شده است. پیش‌بینی تارگت به کمک مدل توسعه یافته ChEMBL و روش مشابهت یابی مبتنی بر اثرانگشت انجام شد و امتیاز Proba برای هر پیش‌بینی با استفاده از الگوریتم NB محاسبه شد. درنهایت، تارگت های پیش‌بینی شده با امیتاز بالای 0.9 انتخاب و براساس شواهد تجربی in vivo و in vitro در مورد ارتباط تارگت پیش‌بینی شده و لیگاند مربوطه و همچنین نتایج مشابه در سیستم های پیش‌بینی آنلاین رتبه بندی شدند و تارگت های با رتبه بالاتر جهت مطالعه برهم‌کنش لیگاند-تارگت با استفاده از داکینگ مولکولی انتخاب شدند. از کدهای توسعه یافته پایتون برای اجرای فرایند پیش‌بینی تارگت برای لیگاند ها استفاده شد.نتایج: از مجموعه اولیه 90 ترکیب در پایگاه داده DMARDs، برای 25 مورد از آنها تارگت های مختلف آلزایمر پیش‌بینی شد. با استفاده از نتایج مبتنی برشواهد و همچنین نتایج بدست آمده از سیستم های آنلاین پیش‌بینی تارگت و ترکیب این نتایج با هم، تارگت های پیش‌بینی شده رتبه بندی شده و در نهایت دو تارگت JNK3 و VEGFR-2 برای مطالعات داکینگ مولکولی انتخاب شدند.نتیجه گیری: نتایج این مطالعه از پتانسیل استفاده مجدد از ترکیبات DMARD در درمان بیماری‌های نورودژنراتیو مانند آلزایمر حمایت می کند. علاوه بر این، مدل پیش‌بینی توسعه‌یافته در این تحقیق ابزار ارزشمندی برای شناسایی اهداف بالقوه آلزایمر برای ترکیبات پیشرو دیگر ارائه می‌دهد و راه را برای اکتشافات و نوآوری‌های درمانی آینده در این حوزه حیاتی پزشکی هموار می‌کند. | en_US |
| dc.language.iso | fa | en_US |
| dc.publisher | دانشگاه علوم پزشکی تبریز، دانشکده داروسازی | en_US |
| dc.subject | بیماری آلزایمر | en_US |
| dc.subject | DMARDs | en_US |
| dc.subject | Naïve Bayes classification | en_US |
| dc.subject | VEGFR-2 | en_US |
| dc.subject | JNK3 | en_US |
| dc.subject | داکینگ مولکولی | en_US |
| dc.title | پیش‌بینی اهداف دارویی برای ترکیبات DMARD به عنوان دارو های ضد‌آلزایمر | en_US |
| dc.type | Thesis | en_US |
| dc.contributor.supervisor | سلطانی, سمیه | |
| dc.contributor.supervisor | ولبر, گرهارد | |
| dc.identifier.callno | 47 ارشد | en_US |
| dc.description.discipline | شیمی دارویی | en_US |
| dc.description.degree | کارشناسی ارشد | en_US |
