Αλληλεπιδράσεις πρωτεϊνών | Ανακάλυψη φαρμάκων | Συνελικτικά δίκτυα | βαθιά μάθηση | Protein-protein interaction | drug discovery | deep learning
2
40
Η παρούσα διπλωματική περιέχει, πίνακες και εικόνες.
Οι αντιδράσεις μίας πρωτεΐνης μεταξύ ενός φαρμάκου αποτελούν σημαντικό παράγοντα του σχεδιασμού φαρμάκων. Τα τελευταία χρόνια παρατηρείται μεγάλη ανάπτυξη στο υπολογιστικό σχεδιασμό φαρμάκων καθώς μειώνονται αξιόλογα οι κλινικές δοκιμές και ο χρόνος ανάπτυξης. Η παρούσα διπλωματική διερευνά τις αλληλεπιδράσεις πρωτεϊνών που συνδέουν πολλούς υποσχόμενους στόχους στη ανακάλυψη φαρμάκων. Παρόλο που ακούγεται μια εύκολη υπόθεση στην πραγματικότητα αποτελεί μια εξαιρετικά σύνθετη και πολύπλοκη διαδικασία. Στο πρώτο κεφάλαιο παρουσιάζεται η θεωρία των πρωτεϊνικών αλληλεπιδράσεων όπου δίνεται η αναφορά του ορισμού, των λειτουργιών, των μεθόδων εντοπισμού αλληλεπιδράσεων τόσο σε πειραματικό όσο σε υπολογιστικό στάδιο. Στη συνέχεια στο δεύτερο κεφάλαιο, αναλύονται οι υποδοχείς συζευγμένων με πρωτεΐνη G (G Protein Coupled Receptor) των οποίων ο ρόλος αποτελεί έναν σημαντικό τρόπο δημιουργίας φαρμάκου, λόγω των ιδιοτήτων τους και τον τρόπο με το οποίο δρουν μέσα στο κύτταρο καθώς και η χρησιμότητα τους. Επιπρόσθετα παρατίθενται οι πειραματικές μεθοδολογίες, οι οποίες βοηθούν τους ερευνητές να κατανοήσουν καλύτερα τη δομή των GPCR στην ανακάλυψη φαρμάκων. Στο τρίτο κεφάλαιο παρουσιάζεται μια επισκόπηση του θεωρητικού πλαισίου της μηχανικής μάθησης όπως ο ορισμός, τα είδη της μηχανικής μάθησης καθώς και οι σημαντικότεροι αλγόριθμοι ταξινόμησης. Στο τέταρτο και τελευταίο θέμα αναλύονται οι διαδικασίες ανακάλυψης φαρμάκου, η επιστήμη της τεχνητής νοημοσύνης και ειδικότερα της μηχανικής μάθησης, η οποία δεν θα μπορούσε να παραλειφθεί από το παρόν θέμα καθώς αναπτύσσονται υπολογιστικές μέθοδοι ανακάλυψης φαρμάκων, βασισμένα στη μηχανική μάθηση και συγκεκριμένα στη βαθιά μάθηση. Οι μέθοδοι που θα αναλυθούν θα αποτελούνται από συνελικτικά δίκτυα γράφων όπου θα είναι υπαίτιοι/αρμόδιοι στην εξαγωγή πληροφοριών. Τέλος, στο τελευταίο κεφάλαιο παρατίθενται και προτείνονται προτάσεις περαιτέρω διερεύνησης πάνω στη παρούσα πτυχιακή.
The interaction of a protein between a drug constitute a major factor for the design of a drug. During the last years, a great evolution in the computational drug design techniques has been observed while clinical testing and development time are significantly decreasing. In this context, this diploma thesis investigates the interactions of proteins which link many promising targets in the development of drugs. Although this sounds like an easy hypothesis, in reality it constitutes an extremely complex and sophisticated procedure. In the first chapter, the theory of the protein-protein interaction is presented, where a reference of the definition, the function and the method of interactions detection is given on an experimental as well as a calculating stage. Next, in the second chapter, we analyze the receptors which are G-protein coupled (GPCR) and whose role constitutes a significant factor for the development of a drug, due to their qualities and the way in which they act in the cell as well as their usefulness. Moreover, the experimental methodologies are cited, which help researchers have a better understanding of the structure of the GPCR in the discovery of drugs. In the third chapter, an overview of the theoretical context of machine learning is presented including the definition, the different types of machine learning and the most important classification algorithms. In the fourth and last chapter, the procedures of a discovery of a drug are analyzed, as well as the science of artificial intelligence and more of machine learning which could not be omitted from the current topic as calculating methods of drug discovery are being developed based on machine learning and on deep learning in particular. The methods that will be analyzed will consist of convolutional graph networks where they will be responsible for extracting information. Finally, in the last chapter of the current thesis proposals for further investigation are made.
Αλληλεπιδράσεις πρωτεϊνών και ανακάλυψη φαρμάκων με μηχανική μάθηση.