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
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. urn:nbn:hr:217:136071
Sente, Filip
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Biološki odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

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

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

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

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: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:217:136071

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 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:136071

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
Podaci o radu
NaslovMultiple 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
AutorFilip Sente
MentorTomica Hrenar (mentor)
MentorKristian Vlahoviček (komentor)
Član povjerenstvaTomica Hrenar (predsjednik povjerenstva)
Član povjerenstvaKristian Vlahoviček (član povjerenstva)
Član povjerenstvaDubravka Hranilović (član povjerenstva)
Član povjerenstvaBiljana Balen (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Biološki odsjek)
Zagreb
Datum i država obrane2024-02-27, 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)
Jezikengleski
URN:NBNurn:nbn:hr:217:136071
ProjektŠifra: 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 programNaziv: Molekularna biologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra molekularne biologije (univ. mag. biol. mol.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaRad dostupan nakon
Datum isteka embarga: 2026-02-27
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-03-19 11:34:01