Tesi etd-01172024-184517 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale LM5
Autore
VILARDI, MARCO
URN
etd-01172024-184517
Titolo
Sviluppo di una funzione di scoring per docking su target chinasici basata sull’intelligenza artificiale
Dipartimento
FARMACIA
Corso di studi
CHIMICA E TECNOLOGIA FARMACEUTICHE
Relatori
relatore Prof. Tuccinardi, Tiziano
relatore Galati, Salvatore
relatore Galati, Salvatore
Parole chiave
- CDK2
- docking
- intelligenza artificiale
- machine learning
- scoring function
Data inizio appello
21/02/2024
Consultabilità
Non consultabile
Data di rilascio
21/02/2027
Riassunto
Il docking è una metodologia computazionale che mira a prevedere come una molecola interagisce con il sito attivo di una proteina. Questo processo è cruciale per la ricerca farmaceutica in quanto aiuta a individuare possibili composti utili per lo sviluppo di nuovi farmaci. I programmi di docking attualmente disponibili spesso non riescono a individuare correttamente la conformazione più stabile della molecola nel sito attivo della proteina. Di conseguenza, è stato sviluppato un modello di machine learning (ML) atto a valutare nuovamente le conformazioni ottenute dal docking. Per fare ciò, è stato creato un ampio database utilizzando i cristalli della proteina CDK2, e sono state generate diverse conformazioni molecolari mediante docking attraverso il programma GOLD. Il modello di ML è stato addestrato utilizzando degli IFP (Interaction FingerPrint) che rappresentano le interazioni specifiche tra la molecola e la proteina sottoforma di vettore binario. I risultati del modello hanno mostrato un notevole miglioramento rispetto ai tradizionali programmi di docking, con una percentuale maggiore di previsioni corrette delle conformazioni molecolari più stabili e un tempo di elaborazione notevolmente inferiore.
File
Nome file | Dimensione |
---|---|
La tesi non è consultabile. |