URI | http://purl.tuc.gr/dl/dias/3EC71191-BA5E-4824-A8D9-ACD6D9CF37DF | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.84586 | - |
Γλώσσα | en | - |
Μέγεθος | 74 pages | en |
Τίτλος | Chemical similarity of cancer drugs and the construction of a comprehensive drug target network,focusing on the cancer metabolic pathway. | en |
Τίτλος | Η χημική ομοιότητα των φαρμάκων κατά του καρκίνου και η κατασκευή ενός ολοκληρωμένου δικτύου στόχων φαρμάκων, εστιάζοντας στο μεταβολικό μονοπάτι του καρκίνου | el |
Δημιουργός | Kallergis Georgios | en |
Δημιουργός | Καλλεργης Γεωργιος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Zervakis Michail | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Ζερβακης Μιχαηλ | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Stavrakakis Georgios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Σταυρακακης Γεωργιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Sfakianakis Stylianos | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Σφακιανακης Στυλιανος | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Περίληψη | Drug Repositioning using in silico approaches, gains more and more ground
both in academia and in the R& D departments of big pharmaceutical companies
mostly because they result in a significant reduction to cost and time
assisting in designing more efficient and safer drug molecules. One of the
main fields it has been deployed is treating and preventing cancer, which
despite the massive efforts on time and investments has not been efficiently
tackled yet. This has led to reposition compounds like Acetylsalicylic acid
(Aspirin) and Metformin to cure various types of tumour. Chemical similarity
is an important concept in drug research. In silico tools for similaritybased
approaches are used to identify compounds with similar bioactivities
based on structural similarity between two ligands that could share same
or similar targets. As chemical similarity seems to be an indication for similar
pharmacological activity, this thesis aims to take advantage of it and
develop two computational approaches to find approved or experimental
drugs which could possibly be used to treat cancer. These are based on algorithms
common in chemoinformatics, on machine learning models, and
ensemble methods to enhance their performance in order to make confident
predictions. The approaches are based on the assessment of the Simplified
Molecular-Input Line-Entry System (SMILES) as adequate molecular
structure representations for the identification of drug similarities. The first
method aims to pairwise drug similarity or similarity among a few compounds,
whereas the second one focuses on drug group similarity. Results
include suggestions of coxib similar drugs and repositioned drugs focusing
on metabolic pathways of cancer. | en |
Περίληψη | H επανατοποθέτηση φαρμάκων με χρήση in silico προσεγγίσεων, κερδίζει όλο και περισσότερο έδαφος στην ακαδημαϊκή έρευνα και στα τμήματα Έρευνας και Ανάπτυξης των μεγάλων φαρμακευτικών εταιρειών κυρίως λόγω της επιτυχίας τους στη σημαντική μείωση του κόστους και του χρόνου ανάπτυξης, επικουρώντας στη σχεδίαση πιο αποδοτικών και ασφαλών φαρμάκων. Ένα από τα κύρια πεδία στα οποία έχει χρησιμοποιηθεί είναι η θεραπεία και η πρόληψη του καρκίνου, ο οποίος παρά τις μεγάλες προσπάθειες που γίνονται σε χρόνο κι επενδύσεις δεν έχει αντιμετωπιστεί ακόμα αποτελεσματικά. Αυτό έχει οδηγήσει στον επανατοποθέτηση φαρμάκων όπως το Ακετυλοσακυλικό οξύ (Ασπιρίνη) και η Μετφορμίνη για να θεραπεύσουν διάφορους τύπους καρκίνου. Η χημική ομοιότητα είναι μια σημαντική έννοια στη φαρμακευτική έρευνα. In silico εργαλεία για προσεγγίσεις με βάση την ομοιότητα χρησιμοποιούνται για να αναγνωρίσουν δραστικές με όμοια βιολογική δράση αξιολογώντας τη δομική ομοιότητα μεταξύ ουσιών με όμοιες ή παρόμοιες πρωτεΐνες. Καθώς η χημική ομοιότητα αποτελεί ένδειξη για όμοια φαρμακολογική δράση, αυτή η διπλωματική αποσκοπεί στο να την εκμεταλλευτεί και να αναπτύξει 2 υπολογιστικές προσεγγίσεις για να βρεθούν εγκεκριμένα ή πειραματικά φάρμακα, τα οποία πιθανόν θα μπορούσαν να χρησιμοποιηθούν για την αντιμετώπιση του καρκίνου. Αυτές βασίζονται σε συνήθεις μεθόδους στον τομέα της υπολογιστικής χημείας, μοντέλα μηχανικής μάθησης και συνδυασμό αυτών τους ώστε να έχουμε ισχυρές προβλέψεις. Η προσέγγιση γίνεται με αξιολόγηση των SMILES σαν επαρκή μοριακή απεικόνιση για την αναγνώριση φαρμακευτικών ομοιοτήτων. Η πρώτη μέθοδος αφορά την ανά ζεύγη χημική ομοιότητα δύο ενώσεων ή ομοιότητα λίγων δραστικών ενώ η δεύτερη επικεντρώνεται στην ομοιότητα ομάδας φαρμάκων. Τα αποτελέσματα περιλαμβάνουν προτάσεις φαρμάκων όμοιων με τις coxibs και επανατοποθετημένα φάρμακα που εστιάζουν στα μεταβολικά μονοπάτια του καρκίνου. | el |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2020-02-20 | - |
Ημερομηνία Δημοσίευσης | 2019 | - |
Θεματική Κατηγορία | Machine learning | en |
Θεματική Κατηγορία | Computational pharmaceutics | en |
Βιβλιογραφική Αναφορά | Georgios Kallergis, "Chemical similarity of cancer drugs and the construction of a comprehensive drug target network,focusing on the cancer metabolic pathway.", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2019 | en |
Βιβλιογραφική Αναφορά | Γεώργιος Καλλέργης, "Η χημική ομοιότητα των φαρμάκων κατά του καρκίνου και η κατασκευή ενός ολοκληρωμένου δικτύου στόχων φαρμάκων, εστιάζοντας στο μεταβολικό μονοπάτι του καρκίνου ", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2019 | el |