Go to the content. | Move to the navigation | Go to the site search | Go to the menu | Contacts | Accessibility

| Create Account

Salmaso, Veronica (2018) Exploring protein flexibility during docking to investigate ligand-target recognition. [Ph.D. thesis]

Full text disponibile come:

[img]
Preview
PDF Document (Tesi Dottorato) - Accepted Version
7Mb

Abstract (english)

Ligand-protein binding models have experienced an evolution during time: from the lock-key model to induced-fit and conformational selection, the role of protein flexibility has become more and more relevant. Understanding binding mechanism is of great importance in drug-discovery, because it could help to rationalize the activity of known binders and to optimize them. The application of computational techniques to drug-discovery has been reported since the 1980s, with the advent computer-aided drug design. During the years several techniques have been developed to address the protein flexibility issue.
The present work proposes a strategy to consider protein structure variability in molecular docking, through a ligand-based/structure-based integrated approach and through the development of a fully automatic cross-docking benchmark pipeline.
Moreover, a full exploration of protein flexibility during the binding process is proposed through the Supervised Molecular Dynamics. The application of a tabu-like algorithm to classical molecular dynamics accelerates the binding process from the micro-millisecond to the nanosecond timescales. In the present work, an implementation of this algorithm has been performed to study peptide-protein recognition processes.

Abstract (italian)

I modelli di riconoscimento ligando-proteina si sono evoluti nel corso degli anni: dal modello chiave-serratura a quello di fit-indotto e selezione conformazionale, il ruolo della flessibilità proteica è diventato via via più importante. Capire il meccanismo di riconoscimento è di grande importanza nella progettazione di nuovi farmaci, perchè può dare la possibilità di razionalizzare l’attività di ligandi noti e di ottimizzarli. L’applicazione di tecniche computazionali alla scoperta di nuovi farmaci risale agli anni ‘80, con l’avvento del cosiddetto “Computer-Aided Drug Design”, o, tradotto, progettazione di farmaci aiutata dal computer. Negli anni sono state sviluppate molte tecniche che hanno affrontato il problema della flessibilità proteica.
Questo lavoro propone una strategia per considerare la variabilità delle strutture proteiche nel docking, attraverso un approccio combinato ligand-based/structure-based e attraverso lo sviluppo di una procedura completamente automatizzata di docking incrociato.
In aggiunta, viene proposta una piena esplorazione della flessibilità proteica durante il processo di legame attraverso la Dinamica Molecolare Supervisionata. L’applicazione di un algoritmo simil-tabu alla dinamica molecolare classica accelera il processo di riconoscimento dalla scala dei micro-millisecondi a quella dei nanosecondi. Nel presente lavoro è stata fatta un’implementazione di questa algoritmica per studiare il processo di riconoscimento peptide-proteina.

Statistiche Download
EPrint type:Ph.D. thesis
Tutor:Moro, Stefano
Ph.D. course:Ciclo 30 > Corsi 30 > SCIENZE MOLECOLARI
Data di deposito della tesi:14 January 2018
Anno di Pubblicazione:2018
Key Words:Molecular Modeling; Molecular Docking; Molecular Dynamics; CADD; SBDD; Drug Design; Drug Discovery; Ligand Binding
Settori scientifico-disciplinari MIUR:Area 03 - Scienze chimiche > CHIM/08 Chimica farmaceutica
Struttura di riferimento:Dipartimenti > Dipartimento di Scienze del Farmaco
Dipartimenti > Dipartimento di Scienze Chimiche
Codice ID:10780
Depositato il:15 Nov 2018 17:17
Simple Metadata
Full Metadata
EndNote Format

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record