Back to search

National and Kapodistrian University of Athens

Ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης για την πρόβλεψη της δραστικότητας υποψήφιων αναστολέων της υδατοδιαλυτής εποξειδικής υδρολάσης

Abstract

dc:description

Η διαλυτή εποξειδική υδρολάση (sEH) καταλύει την υδρόλυση λιπιδικών διαμεσολαβητών με αντιφλεγμονώδεις, αγγειοδιασταλτικές και αναλγητικές ιδιότητες και για τον λόγο αυτό, η αναστολή της δράσης της έχει προταθεί ως θεραπευτική προσέγγιση σε καρδιαγγειακές, μεταβολικές και νευροεκφυλιστικές νόσους. Στην παρούσα διπλωματική εργασία αναπτύχθηκε ένα ολοκληρωμένο υπολογιστικό πλαίσιο για την ανακάλυψη πιθανών αναστολέων της sEH, μέσω της εφαρμογής μεθόδων μηχανικής μάθησης. Πιο συγκεκριμένα, συγκρίθηκαν διαφορετικοί αλγόριθμοι μηχανικής μάθησης, οι οποίοι εκπαιδεύτηκαν σε δεδομένα δραστικότητας ενώσεων από την βάση ChEMBL, που αναπαραστάθηκαν μέσω μοριακών περιγραφητών και αποτυπωμάτων Morgan. Η πρόβλεψη οργανώθηκε σε δύο διαδοχικά στάδια, με ένα αρχικό μοντέλο ταξινόμησης να διαχωρίζει τις ενώσεις σε δραστικές και μη δραστικές και ένα μοντέλο παλινδρόμησης να εφαρμόζεται στη συνέχεια στις ενώσεις που προβλέφθηκαν ως δραστικές για την εκτίμηση της τιμής pIC50 και την περαιτέρω ιεράρχησή τους. Το XGBoost επιλέχθηκε ως τελικό μοντέλο και για τις δύο προσεγγίσεις, πετυχαίνοντας Accuracy=0.935, MCC=0.842 και ROC-AUC=0.972 στην ταξινόμηση και R2=0.70 στην παλινδρόμηση υπό τυχαίο διαχωρισμό των δεδομένων εκπαίδευσης και ελέγχου. Ωστόσο, η επίδοση μειώθηκε υπό αυστηρότερους διαχωρισμούς, οι οποίοι λαμβάνουν υπόψη την μοριακή ομοιότητα και τον κοινό δομικό σκελετό των ενώσεων, επιτρέποντας την αξιολόγηση της ικανότητας γενίκευσης των μοντέλων σε διαφορετικό χημικό χώρο. Από την εφαρμογή των μοντέλων για τον εικονικό έλεγχο φαρμακευτικών ενώσεων και αναλόγων γνωστών αναστολέων της sEH που σχεδιάστηκαν μέσω ανάλυσης Matched Molecular Pair, αναδείχθηκαν 200 ενώσεις με υψηλή προβλεπόμενη δραστικότητα, οι οποίες προχώρησαν σε μελέτη μοριακής πρόσδεσης. Με αυτόν τον τρόπο, οι ενώσεις ιεραρχήθηκαν μέσω μιας συνδυαστικής κατάταξης, από την οποία αναδείχθηκαν νέα ανάλογα και φάρμακα με δυνατότητα επαναστόχευσης για την αναστολή της sEH, που χρήζουν περαιτέρω υπολογιστικής και πειραματικής αξιολόγησης.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Καραμήτρου Μαριάννα Στυλιανή
  • Karamitrou Marianna Styliani

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:5453101

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Καραμήτρου Μαριάννα Στυλιανή; Karamitrou Marianna Styliani. Ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης για την πρόβλεψη της δραστικότητας υποψήφιων αναστολέων της υδατοδιαλυτής εποξειδικής υδρολάσης. 2026. https://pergamos.lib.uoa.gr/uoa/dl/object/5453101