National and Kapodistrian University of Athens
In silico συσχέτιση αντικαρκινικών φαρμάκων με αντιφλεγμονώδη δράση με τη χρήση Τεχνητής Νοημοσύνης
Abstract
dc:descriptionΗ σύνδεση μεταξύ φλεγμονής και καρκίνου έχει αναδειχθεί τα τελευταία χρόνια ως ένας κρίσιμος βιολογικός άξονας με σημαντικές θεραπευτικές προεκτάσεις. Ιδιαίτερα στον τομέα του δερματικού καρκίνου, οι ανεπιθύμητες φλεγμονώδεις αντιδράσεις που προκαλούνται από τις αντικαρκινικές θεραπείες συνιστούν περιοριστικό παράγοντα για την ανοχή και την αποτελεσματικότητά τους. Η παρούσα διπλωματική εργασία στοχεύει στην ανάπτυξη υπολογιστικών μοντέλων με τη χρήση τεχνητής νοημοσύνης (AI) για την in silico πρόβλεψη της διπλής αντικαρκινικής και αντιφλεγμονώδους δράσης φαρμακευτικών μορίων, εστιάζοντας σε μόρια που είναι είτε ήδη εγκεκριμένα είτε εν δυνάμει αξιοποιήσιμα στον χώρο των καλλυντικών (βάση COSING). Η μελέτη ενσωματώνει τεχνικές μηχανικής μάθησης (machine learning), αναλύοντας μοριακούς περιγραφητές (descriptors) που εξάγονται από SMILES, σε συνδυασμό με δεδομένα από τις βάσεις ChEMBL και COSING. Δημιουργήθηκαν και επικυρώθηκαν μοντέλα ταξινόμησης και παλινδρόμησης, για να εξεταστεί η συσχέτιση μοριακών χαρακτηριστικών με δραστικότητα έναντι πέντε βασικών φλεγμονωδών στόχων (COX-1, COX-2, 5-LOX, 12-LOX, 15-LOX) και φαρμάκων με ένδειξη στη θεραπεία του δερματικού καρκίνου. Για την επικύρωση τον μοντέλων επελέγησαν 16 αντικαρκινικά φάρμακα με θεραπευτική ένδειξη σε δερματικούς καρκίνους με σκοπό την εκτίμηση της θεωρητικής ανασταλτικής δράσης έναντι των φλεγμονωδών στόχων που αναφέρθηκαν προηγουμένως. Τα αποτελέσματα των μοντέλων ταξινόμησης έδειξαν αξιόλογη ικανότητα διάκρισης μεταξύ δραστικών και μη δραστικών ενώσεων, επιτυγχάνοντας σημαντική γενίκευση όταν εφαρμόστηκαν σε άγνωστα δεδομένα. Ιδιαίτερο ενδιαφέρον παρουσίασε το μοντέλο των αντικαρκινικών για την κατηγορία φαρμάκων με μέτρια δράση, η οποία αποτελεί τη δυνατότερη κλάση του μοντέλου, με σταθερά υψηλές τιμές σε precision, recall και F1- score, κάτι που μαρτυρά ότι οι ενώσεις μέτριας βιολογικής δραστικότητας εντοπίζονται με αξιοπιστία. Τα μοντέλα παλινδρόμησης ήταν πιο σταθερά για αντιφλεγμονώδεις στόχους, με αποδοτικότερη συμπεριφορά για τον LOX-15 (R² = 0.62 στο test set), ενώ για στόχους όπως COX-1 και LOX-12 η απόδοση ήταν χαμηλότερη, λόγω περιορισμένης ποιότητας και ποσότητας δεδομένων. Η δομική σύγκριση μέσω Tanimoto ανέδειξε ενώσεις όπως η θυμίνη, με σημαντική ομοιότητα προς τη 5-φθοριοουρακίλη, ενισχύοντας την υπόθεση για αναξιοποίητη φαρμακολογική δυναμική καλλυντικών μορίων. Η προσέγγιση αυτή αποκαλύπτει τη δυνατότητα επαναστόχευσης ασφαλών μορίων για νέα θεραπευτική χρήση, μειώνοντας το κόστος και τον χρόνο ανάπτυξης φαρμάκων. Παρά τους εγγενείς περιορισμούς των υπολογιστικών μοντέλων, τα ευρήματα θέτουν τις βάσεις για μελλοντική in vitro/in vivo επικύρωση και περαιτέρω διεπιστημονική διερεύνηση. Η εργασία προτείνει ένα καινοτόμο επιστημονικό πλαίσιο που γεφυρώνει την υπολογιστική φαρμακολογία, την τεχνητή νοημοσύνη και την κοσμητολογία, αναδεικνύοντας τη δυναμική της διπλής στόχευσης ως στρατηγική για πιο ανεκτές και αποτελεσματικές θεραπείες στον δερματικό καρκίνο.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Αθανασοπούλου Μυρσίνη
- Athanasopoulou Myrsini
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:5314532