Targeted drug design with warm start
Sıcak başlangıç ile hedef odaklı ilaç tasarımı
- Tez No: 692506
- Danışmanlar: DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN, DOÇ. DR. ELİF ÖZKIRIMLI ÖLMEZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İlgilenilen bir proteini hedefleyen yeni moleküllerin üretilmesi, farmasötik endüstrisindeki zorlayıcı görevlerdendir. Derin üretici modeller, hedef odaklı molekül tasarımı problemine uygulanmış ve umut verici sonuçlar elde edilmiştir. Fakat, genellikle dayandıkları protein yapısı veya protein-ligand bağlılık ilgisi verilerinin miktarı bu tür modellerin başarısını sınırlamaktadır. Bununla birlikte, büyük miktarlarda etiketlenmemiş protein dizileri ve moleküller mevcuttur ve bu verileri kullanarak faydalı temsiller öğrenen modeller eğitilmiştir. Bu tezde, bu bilgiyi hedef odaklı ilaç tasarımına aktarmak için, önceden eğitilmiş modellerin ağırlıklarını, sıcak başlangıç (warm-start) stratejisi ile hedef odaklı modelleri başlatmak için kullanmayı önerdik. İki sıcak başlangıç stratejisini araştırdık: (i) başlatılan modelin hedeflenen molekül üretimi üzerinde eğitildiği bir aşamalı strateji (ii) moleküler üretim üzerinde bir ön ince ayar ve ardından hedefe özel eğitim içeren iki aşamalı strateji. Molekülleri oluşturmak için kullandığımz iki kod çözme stratejisi ışın araması (beam search) ve örneklemedir (sampling). Sonuçlar, sıcak başlangıçlı modellerin, farklı veri miktarları ve kod çözme stratejilerinde sıfırdan eğitilmiş bir modelden daha iyi performans sergilediğini göstermektedir. Sıcak başlangıç stratejileri, yaygın kullanılan karşılaştırma metrikleri açısından benzer sonuçlar elde etmektedir; bununla birlikte, bir dizi yeni protein için üretilen moleküllerin kenetlenme değerlendirmesi, bir aşamalı stratejinin iki aşamalı stratejiden daha genellenebilir olduğunu önermektedir. Ek olarak, ışın aramasının hem kenetlenme değerlendirmesinde hem de moleküllerin kalitesini değerlendiren kıyaslama ölçütlerinde örneklemeden daha iyi performans gösterdiği gözlemlenmiştir.
Özet (Çeviri)
The generation of novel compounds targeting a protein of interest is a compelling task in the pharmaceutical industry. Deep generative models have been applied to targeted molecular design and have shown promising results. However, such models are often limited by the availability of the data they rely on such as protein structure or protein-ligand binding affinity. Notwithstanding, vast amounts of unlabeled protein sequences and chemical compounds are available and have been used to train models which learn useful representations. To transfer this knowledge to targeted drug design, we propose using warm start strategy to initialize models with those pretrained models. We investigate two warm start strategies: (i) one-stage strategy where the initialized model is trained on targeted molecule generation (ii) two stage strategy containing a pre-finetuning on molecular generation followed by target specific training. We also use two decoding strategies to generate compounds: beam search and sampling. The results show that the warm-started models perform better than a baseline model trained from scratch on different percentages of data and decoding strategies. The proposed warm starting strategies obtain similar results in terms of widely used metrics from benchmarks. However, docking evaluation of the generated compounds for a set of novel proteins suggests that the one stage strategy generalizes better than the two stage strategy. Additionally, we observe that beam search outperforms sampling in both docking evaluation and benchmark metrics assessing the quality of compounds.
Benzer Tezler
- Translasyonel bireye özgü bir tedavi modeli olarak dediferansiye kondrosarkomlarda in vitro ilaç direncinin nanopartikül bağlı hedeflenmiş moleküllerle aşılması
Overcoming in vitro drug resistance with nanoparticle-bound targeted molecules in dedifferentiated chondrosarcomas as a translational personalized treatment model
ECE ÇAKIROĞLU
Yüksek Lisans
Türkçe
2016
OnkolojiDokuz Eylül ÜniversitesiTemel Onkoloji Ana Bilim Dalı
PROF. DR. İLHAN ÖZTOP
- Structure-based drug design for treatment of prostate cancer
Yapıya-dayalı ilaç dizayn yöntemi ile prostat kanserine tedavisine yönelik ilaç geliştirilmesi
MUHİTTİN EMRE ÖZDEMİR
Yüksek Lisans
İngilizce
2008
BiyoteknolojiKoç ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. METİN TÜRKAY
YRD. DOÇ. DR. İBRAHİM HALİL KAVAKLI
- Linear and multi-arm functionalizable polymeric constructs for targeted drug delivery and imaging applications
Hedeflendirilmiş ilaç salımı ve görüntüleme uygulamaları için lineer ve çok kollu fonksiyonelleştirilebilir polimerik yapılar
ÖZGÜL GÖK
Doktora
İngilizce
2014
KimyaBoğaziçi ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. RANA SANYAL
DOÇ. DR. AMİTAV SANYAL
- Smart polymeric prodrugs for targeted drug delivery and functionalizable hydrogels for biosensing applications
Hedefli ilaç taşıma ve biyoalgılama uygulamaları için akıllı polimerik ön ilaçlar ve fonksiyonelleştirilebilir hidrojeller
SADIK KAĞA
Doktora
İngilizce
2016
KimyaBoğaziçi ÜniversitesiKimya Ana Bilim Dalı
DOÇ. DR. RANA SANYAL
PROF. DR. AMİTAV SANYAL
- Design and synthesis of stimuli responsive polymeric nanostructures for drug delivery applications
İlaç taşınım sistemlerinde kullanılmak üzere uyarıya duyarlı polimerik nanoyapıların tasarımı ve üretimi
ABDURRAHİM CAN EGİL
Yüksek Lisans
İngilizce
2021
Mühendislik BilimleriSabancı ÜniversitesiMalzeme Bilimi ve Nanomühendislik Ana Bilim Dalı
DOÇ. DR. GÖZDE İNCE