Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning

Sente, Filip

prikaz prve stranice dokumenta Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning

Rad dostupan nakon 2026-02-27

diplomski rad

Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning

2024. urn:nbn:hr:217:136071

Sente, Filip

Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Biološki odsjek

Zatraži primjerak
dokumenta

Citirajte ovaj rad

APA 6th Edition

Sente, F. (2024). Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:136071

MLA 8th Edition

Sente, Filip. "Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:217:136071

Chicago 17th Edition

Harvard

Sente, F. (2024). 'Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 08.05.2024., https://urn.nsk.hr/urn:nbn:hr:217:136071

Vancouver

Sente F. Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2024 [pristupljeno 08.05.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:136071

IEEE

F. Sente, "Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:136071

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:136071

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.

Podaci o radu

Naslov	Multiple simultaneous docking of small molecules in butyrylcholinesterase active site using deep reinforcement learning
Naslov (hrvatski)	Višestruko istovremeno dokiranje malih molekula u aktivno mjesto butirilkolinesteraze primjenom dubokog pojačanog učenja
Autor	Filip Sente
Mentor	Tomica Hrenar (mentor)
Mentor	Kristian Vlahoviček (komentor)
Član povjerenstva	Tomica Hrenar (predsjednik povjerenstva)
Član povjerenstva	Kristian Vlahoviček (član povjerenstva)
Član povjerenstva	Dubravka Hranilović (član povjerenstva)
Član povjerenstva	Biljana Balen (član povjerenstva)
Ustanova koja je dodijelila akademski / stručni stupanj	Sveučilište u Zagrebu Prirodoslovno-matematički fakultet (Biološki odsjek) Zagreb
Datum i država obrane	2024-02-27, Hrvatska
Znanstveno / umjetničko područje, polje i grana	PRIRODNE ZNANOSTI Biologija
Sažetak	Cholinesterase inhibitors are often used in treating Alzheimer’s disease. Molecular docking represents an important tool in the design of novel inhibitors. In this study, a multicomponent quantum chemical Monte Carlo semi flexible molecular docking of four selected components of the Ugi reaction was performed inside the active site of butyrylcholinesterase (BChE). The IC 50 value of compounds was evaluated, and artificial neural networks (ANNs) were trained by deep reinforcement learning for two of them, using results from docking. Even though components alone do not inhibit BChE significantly, formaldehyde and benzylamine can be used jointly for the design of novel drugs because they bind closely to the enzyme’s catalytic triad. In addition, the advantage of using the three component Ugi reaction is highlighted. Finally, ANN was shown to be successful in representing a potential energy surface of docking simulations. O btained ANN can be used as a scoring function for future dockings, with significantly shorter calculation time.
Sažetak (hrvatski)	U liječenju Alzheimerove bolesti često se koriste inhibitori kolinesteraza. Molekularno dokiranje važan je alat u dizajnu novih inhibitora, a u ovome je radu unutar aktivnog mjesta butirilkolinesteraze (BChE) provedeno multikomponentno kvantno-kemijsko Monte Carlo polufleksibilno dokiranje četiriju komponenata Ugijeve reakcije. Određene su im i vrijednosti IC50 te su za dvije od njih istrenirane umjetne neuronske mreže (ANN) primjenom dubokog pojačanog učenja za opis rezultata dokiranja. Iako zasebne molekule ne inhibiraju značajno BChE, formaldehid i benzilamin zajedno mogu poslužiti u dizajnu novih lijekova jer se vežu u blizini katalitičke trijade enzima. Uz to, istaknuta je prednost uporabe trokomponentne Ugijeve reakcije. Naposlijetku, pokazano je da se ANN može uspješno koristiti u reprezentaciji plohe potencijalne energije dokiranja. Dobivena mreža može ubuduće poslužiti kao funkcija bodovanja, uz znatno kraće trajanje proračuna.
Ključne riječi
Ključne riječi (hrvatski)
Jezik	engleski
URN:NBN	urn:nbn:hr:217:136071
Projekt	Šifra: IP-2022-10-9525 Naziv: Metom usmjerena sinteza inhibitora kolinesteraza podržana strojnim učenjem Kratica: TargetCh Voditelj: Ines Primožič Pravna nadležnost: Hrvatska Financijer: HRZZ Linija financiranja: IP-2022-10
Studijski program	Naziv: Molekularna biologija Vrsta studija: sveučilišni Stupanj studija: diplomski Akademski / stručni naziv: sveučilišni/a magistar/magistra molekularne biologije (univ. mag. biol. mol.)
Vrsta resursa	Tekst
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Rad dostupan nakon Datum isteka embarga: 2026-02-27
Uvjeti korištenja
Datum i vrijeme pohrane	2024-03-19 11:34:01