Journal of Ilam University of Medical Sciences

fa پپیشگویی تمایل اتصال تعدادی از مشتقات ایماتینیب به‌عنوان مهارکننده‌های تیروزین کیناز بر اساس بهینه‌سازی مونت‌کارلو Predicting Binding Affinity of Some Imatinib Derivatives as BCR-ABL Tyrosine Kinase Inhibitors Based on Monte Carlo Optimization آمار و ریاضی ststistrcs and mathematics پژوهشي Research <div style="text-align: justify;">مقدمه: بیماری لوسمی میلوئید مزمن نوعی از سرطان خون است که به تولید ژن جدیدی به نام BCR-ABL منجر می‌‌شود و حاوی دستورالعمل تولید پروتئین تیروزین کیناز توسط سلول‌های غیرطبیعی خون است. داروی ایماتینیب برای درمان این سرطان استفاده می‌‌گردد که با مهار آنزیم تیروزین کیناز BCR-ABL، از تکثیر سلول‌های سرطانی جلوگیری می‌‌‌‌کند. مواد و روشها: به‌منظور پیشگویی تمایل اتصال 555 ترکیب از مشتقات ایماتینیب به‌عنوان مهارکنندۀ ABL-BCR تیروزین کیناز، مدل‌سازی رابطۀ کمی ساختار-فعالیت (QSAR) با استفاده از روش مونت‌کارلو انجام‌ شد. داده‌ها به‌صورت تصادفی به چهار سری آموزش، آموزش منفعل، کالیبراسیون و آزمون تقسیم و به‌صورت تصادفی 3 بار تکرار گردید. یافته های پژوهش: نتایج حاصل از سه تقسیم تصادفی، مدل‌های قابل‌اعتمادی را برای پیش‌‌بینی مجموعه آزمون‌‌های خارجی با ضریب همبستگی (R2) و ‌‌ضریب همبستگی اعتبارسنجی متقاطع (Q2) در محدودۀ 8775/0-8575/0 و 7793/0-7620/0 نشان داد؛ درنتیجه، مدل‌های به‌دست‌آمده به شناسایی توصیفگرهای هیبریدی برای افزایش و کاهش تمایل اتصال (Ki) به‌عنوان مهارکنندۀ BCR-ABL تیروزین کیناز کمک می‌‌کنند. تفسیر مکانیکی مدل به‌صورت گزارشی از توصیفگرهای کاهنده و افزایندۀ pKi  و همچنین مثال‌هایی از این توصیفگرها آمده است. بحث و نتیجه‌گیری: نتایج نشان می‌‌دهد که مدل‌های طراحی‌شده می‌‌تواند در تخمین اثر بیولوژیکی مشتقات ایماتینیب پیشنهادی توسط محققان و متخصصان شیمی دارویی بسیار مؤثر باشد؛ بنابراین، با صرف هزینه و زمان کمتر و پیش از انجام آزمایش‌های برون‌تن یا درون‌تن می‌‌توان آثار بیولوژیک احتمالی آن را پیش‌‌بینی کرد.  </div> <div style="text-align: justify;">Introduction:  The Imatinib drug is used to treat blood cancer by inhibiting the BCR-ABL tyrosine kinase enzyme, which prevents the proliferation of cancer cells. Materials & Methods: In order to predict the binding affinity of 555 compounds of imatinib derivatives as ABL-BCR tyrosine kinase inhibitors, quantitative structure-activity relationship (QSAR) modeling was performed using the Monte Carlo method. The data were randomly divided into four series, including training, invisible training, calibration, and validation sets, as well as they were randomly repeated three times. Results: The results of three random divisions indicated reliable models for predicting the set of external tests with correlation coefficient (R2) and cross-validation correlation coefficient (Q2) in the range of 0.8575-0.8775 and 0.7620-0.7793. Consequently, the obtained models help identify hybrid descriptors for increasing or decreasing binding affinity (Ki) as BCR-ABL tyrosine kinase inhibitors. The mechanical interpretation of the model is given in the form of a report of descriptors that decrease and increase pKi, as well as examples of these descriptors. Conclusion: The results reveal that the designed models can be considerably effective in estimating the biological effect of imatinib derivatives proposed by researchers and medicinal chemists. Therefore, it is possible to predict its possible biological effects by spending less time and money before conducting in vitro or in vivo experiments.</div> QSAR, لوسمی مزمن میلوئیدی, مشتقات ایماتینیب, مهارکننده‌‌های تیروزین کیناز, تمایل اتصال Quantitative structure-activity relationship (QSAR), Chronic myeloid leukemia, Imatinib derivatives, Tyrosine kinase inhibitor, Binding affinity 66 86 http://sjimu.medilam.ac.ir/browse.php?a_code=A-10-7768-1&slc_lang=fa&sid=1 Shahram Lotfi شهرام لطفی Sh.lotfi@pnu.ac.ir 9600319475328460048475 9600319475328460048475 No Dept of Chemistry, Payame Noor University (PNU), Tehran, Iran گروه شیمی، دانشگاه پیام نور، تهران، ایران Shahin Ahmadi شهین احمدی ahmadi.chemometrics@gmail.com 9600319475328460048474 9600319475328460048474 Yes Dept of Pure and Pharmaceutical Chemistry, Faculty of Pharmaceutical Chemistry, Tehran medical sciences, Islamic Azad University, Tehran, Iran گروه شیمی (محض-داروئی)، دانشکده شیمی داروئی، علوم پزشکی تهران، دانشگاه آزاد اسلامی، تهران، ایران Sharare Vardast Baghmisheh شراره وردست باغمیشه Sharareh.292709@gmail.com 9600319475328460048477 0009-0005-1284-6200 No Faculty of Pharmacy, Tehran Medical Sciences, Islamic Azad University, Tehran, Iran گروه شیمی دارویی، دانشکده داروسازی، علوم پزشکی تهران، دانشگاه آزاد اسلامی، تهران، ایران Ali Almasirad علی الماسی‌راد almasirad.a@iaups.ac.ir 9600319475328460048476 9600319475328460048476 No Dept of Pure and Pharmaceutical Chemistry, Faculty of Pharmaceutical Chemistry, Tehran medical sciences, Islamic Azad University, Tehran, Iran گروه شیمی (محض-داروئی)، دانشکده شیمی داروئی، علوم پزشکی تهران، دانشگاه آزاد اسلامی، تهران، ایران