• English
    • Persian
  • English 
    • English
    • Persian
  • Login
View Item 
  •   KR-TBZMED Home
  • School of Pharmacy
  • Theses(P)
  • View Item
  •   KR-TBZMED Home
  • School of Pharmacy
  • Theses(P)
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

توسعه یک استراتژی داکینگ مولکولی کارآمد برای پیش بینی نحوه برهمکنش ترکیبات مهارکننده COX-2 با جایگاه اتصال آنزیم

Thumbnail
View/Open
Sara -Shamsian.pdf (3.515Mb)
Date
1401
Author
شمسیان, سارا
Metadata
Show full item record
Abstract
مقدمه: استفاده طولانی مدت از دارو‌‌های ضد التهاب غیر استروئیدی به منظور درمان اختلالات التهابی مزمن به علت عوارض گوارشی خطرناک آنها به شدت محدود می¬¬‌¬‌‌‌‌شود. بنابراین، جستجو برای یافتن دارو‌های ضد التهابی جدید، ایمن و کارآمد همواره یک نیاز ضروری تلقی می‌شود. استفاده از روش طراحی دارو به کمک کامپیوتر (CADD) رویکردی ضروری جهت توسعه داروهای موثر می‌باشد. داکینگ پروتئین-لیگاند یک روش تیپیک به منظور کشف و طراحی دارو بر پایه ساختار بوده که هدف آن پیدا کردن بهترین شکل گیری فضایی لیگاند در حضور گیرنده هدف پروتئینی با کمترین انرژی می‌باشد. امروزه نرم افزار‌های داکینگ متعددی در دسترس می‌باشند. بنابراین، ارزیابی عملکرد آنها از اهمیت به سزایی برخوردار است. هدف: توسعه یک استراتژی داکینگ مولکولی کارآمد برای پیش بینی نحوه برهم‌کنش ترکیبات مهارکننده COX-2 با جایگاه اتصال آنزیم. روش کار: در این مطالعه 51 کمپلکس پروتئین-لیگاند جهت ارزیابی عملکرد 5 نرم ‌افزار داکینگ شامل GOLD، Autodock، LeadIT، MVD و Glide مورد استفاده قرار‌گرفتند. پیش از داکینگ مولکولی، مراحل آماده سازی پروتئین و لیگاند انجام گرفت. در نهایت، مقادیر RMSD بین حالت داک شده و حالت کریستالوگرافی محاسبه شدند. یافته‌ها: برای 51 ساختار تجربی دو آنزیم COX-1 وCOX-2 به همراه لیگاند‌های مهارکننده، نرم افزار‌های GOLD (ChemPLP)، GOLD (GoldScore)، GOLD (ChemScore)، GOLD (ASP)، Autodock با 10 تکرار، Autodock با 50 تکرار، LeadIT، MVD و Glide به ترتیب به میزان موفقیت 47/76، 01/59، 7/74، 27/76، 39/80، 35/82، 78/60، 58/70 و 100 درصد دست یافتند. نتیجه گیری: نرم افزار Glide نسبت به سایر نرم افزار‌های داکینگ از عملکرد بهتری برخوردار بود زیرا توانست 100 درصد موارد را با RMSD کمتر از 2 آنگستروم داک کند.
URI
http://dspace.tbzmed.ac.ir:8080/xmlui/handle/123456789/66746
Collections
  • Theses(P)

Knowledge repository of Tabriz University of Medical Sciences using DSpace software copyright © 2018  HTMLMAP
Contact Us | Send Feedback
Theme by 
Atmire NV
 

 

Browse

All of KR-TBZMEDCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Knowledge repository of Tabriz University of Medical Sciences using DSpace software copyright © 2018  HTMLMAP
Contact Us | Send Feedback
Theme by 
Atmire NV