کاربرد الگوریتم ژنتیک در مطالعات کمی ساختار فعالیت مهارکننده‌های متالوبتالاکتاماز به عنوان عوامل مقاومت باکتریایی
کد مقاله : 1024-IACC7
نویسندگان
سعید حسینی حاصللو *1، اسلام پوربشیر2، منا جعفرپور2
1شیمی،علوم پایه،محقق اردبیلی،اردبیل،ایران
2شیمی، علوم پایه، محقق اردبیلی، اردبیل، ایران
چکیده مقاله
آنتی بیوتیک ها به عنوان داروهای نجات دهنده زندگی برای بشریت و یک موضوع مهم برای سلامت انسان در دهه 1940 تولید شدند[1]. اما مصرف غیر اصولی و بی رویه این ترکیبات، عامل گسترش باکتری های مقاوم به آنتی بیوتیک و اختلال در روند درمان دارویی شده است و موضوع نگران کننده روند افزایشی این فرآیند است[2]. از طرفی ꞵ-لاکتام ها یکی از موثرترین و ضروری ترین دسته از داروهای آنتی بیوتیکی هستند[3]. اما در مطالعات اخیر، مقاومت بدن در برابر آنتی بیوتیک های بتالاکتام توسط آنزیم های متالوبتالاکتاماز گزارش شده است. از این رو کنترل فعالیت آنزیم های متالوبتالاکتاماز امری لازم و ضروری است[4]. لازم به ذکر است که بر اساس مطالعات موجود تاکنون هیچ داروی موثری در رابطه با مقابله با مقاومت عامل باکتریایی متالوبتالاکتاماز گزارش نشده است[5]. زیرا شناسایی و طراحی ترکیبات دارای قابلیت بازدارندگی در برابر مقاومت عامل باکتریایی متالوبتالاکتاماز به دلیل هزینه بالا، زمان بر بودن و احتمال موفقیت پایین، مشکل می باشد[6]. بنابراین انتخاب یک روش محاسباتی قدرتمند لازم و ضروری است. روبط کمی ساختار فعالیت یک روش درون رایانه ای مناسب برای رفع این مشکل است[7]. مطالعات QSAR در بین روش‌های محاسباتی، از مهم‌ترین زمینه‌های شیمی‌سنجی محسوب می‌شود و براساس مدل ایجاد شده بر پایه رابطه ی بین ساختار ترکیبات مورد مطالعه با فعالیت زیستی آنها، فعالیت‌های دارویی ترکیبات طراحی شده جدید را با دقت بالایی پیش بینی می کند[8]. در این کار، به کمک روش GA-MLR برای ایجاد یک مدل QSAR کارآمد برای پیش‌بینی مقاومت مهاری عامل متالوبتالاکتاماز باکتریایی استفاده شد.
کلیدواژه ها
رابطه کمی ساختار فعالیت، متغیر گام به گام- رگرسیون خطی چندگانه، متغیر الگوریتم ژنتیک- رگرسیون خطی چندگانه، مقاومت باکتریایی، مهارکننده متالوبتالاکتاماز
وضعیت: چکیده برای ارائه به صورت پوستر پذیرفته شده است