تکنيک محاسباتى مى باشد که مى تواند برهمکنش بين دو مولکول را پيشگويى کند. اين تکنيک به طور عمده شامل الگوريتم هاى مانند ديناميک مولکولى , شبيه سازى مونت کارلوو , روش جستجو براساس بررسى قطعات و.. مى باشد. مطالعات داکينگ مولکولى در تعيين برهم کنش بين دو مولکول , براى پيدا کردن بهترين جهت گيرى يک ليگاند در يک کمپلکس با حداقل انرژى بکار برده مى شود نتایج بدست امده توسط یک تابع درجه بندی اماری تجزیه تحلیل می شود این تابع درجه بندی اماری برای محاسبه انرژی اینتراکشن ان را به مقادیر عددی به نام درجه داکینگ تبدیل میکند.

نتایج بدست امده از داکینگ شامل اشکال 3 بعدی از لیگاند متصل شده به ماکرومولکول می باشد که می توان با ابزار های مشاهد گر مانند pymol و rasmol مشاهده کرد و میتوان در بدست اوردن بهترین حالت از لیگاند برای اینترکشن با ماکرو مولکول به ما کمک کند

مولکولار داکینگ.که يکى از تکنيک هاى زير مجموعه مدلينگ مولکولى در علم بيوانفورماتيک مى باشد. با پيشرفت علوم و تکنولوژى, استفاده از علوم بين رشته اى مانند بيوانفورماتيک رشد روز افزونى داشته است و اين امر به علت امکان صرفه جويى در وقت و هزينه مى باشد. همچنين استفاده از تکنيک هاى بيوانفورماتيک , تحقيقات و مطالعاتى را که عملا از نظر آزمايشگاهى انجام آن امکان پذير نيست را ميسر مى سازد.

غربالگری مجازی یک روش محاسباتی برای شناسایی ترکیبات رهبر در یک کتابخانه بزرگ و متنوع از ترکیبات شیمیایی است.
این روش محاسباتی ارزشمند برای کشف ترکیبات رهبر سریع تر و مقرون به صرفه تر از روش های تجربی مانند high-throughput screening است.

غربالگری مجازی (VS) یک تکنیک محاسباتی مورد استفاده در کشف دارو با جستجو در کتابخانه های از مولکول های کوچک می باشد که هدف آن شناسایی ساختارهای است که به احتمال زیاد توانایی اتصال به یک هدف دارویی ( به طور معمول یک گیرنده پروتئین و یا آنزیم) را دارد
غربالگری مجازی به عنوان " ارزیابی اتوماتیک کتابخانه های بسیار بزرگ از ترکیبات " با استفاده از برنامه های کامپیوتری تعریف شده است.

روش های غربالگری مجازی به دو دسته تقسیم میشود وجود دارد: جستجو براساس لیگاند و جستجو براساس ساختار
غربالگری مجازی مبتنی بر ساختار شامل داکینگ لیگاندهای منتخب بروی یک هدف پروتئین میباشد.

غربالگری مجازی مبتنی بر لیگاند شامل انجام QSAR بروی یک سری از لیگاند های حاصل از نتایج تحقیقات آزمایشگاهی میباشد

در تولید یک دارو، ترکیب پیش رو(Lead) به عنوان مرجعی برای طراحی و سنتز مشتقات مختلفی از داروها به کار می رود. با تغییرات اندک روی گروه های عاملی مختلف که در ترکیب اصلی است می توان شاهد تغییرات شگرف در فعالیت فارماکولوژیکی آن ترکیب شد؛ برای مثال با جابجایی گروه های عاملی مثل متیل، هیدروکسیل، بنزیل و غیره در ساختار ترکیب پیش رو می توان سبب بهبود عملکرد آن شد. یک داروی مؤثر بصورت سیستماتیک از بین هزاران داروی متفاوتی که با استفاده از ترکیب پیش رو طراحی و سپس سنتز شده و کارایی آن بصورت تجربی تحت روش های مختلف و در طی زمان آزموده شده است، مشخص و معلوم می گردد. این فرآیند، به رابطه ساختار با فعالیت (SAR) مرسوم است. SARدر واقع با سنتز و غربالگری ترکیبات مختلف بخش های مفید دارو (از نظر گروه عاملی) را شناسایی می کند.

QSARیکی از روشهای متداول و پر کاربرد در طراحی دارو بر اساس لیگاند است. QSARدر واقع عبارت است از اصول SARکه کمّی و عددی شده است. و به زبان ساده تر روشی است که مدل های ریاضی را ایجاد می کند تا بتواند رابطه معنی دار آماری بین ساختار و عملکرد را با استفاده از روش های کمومتری به دست بیاورد. در طراحی دارو منظور از ساختار، پارامترهای (در اصطلاح به دسکریپتور معروف است) هر مولکول است و منظور از عملکرد عبارت است از فعالیت های تجربی زیستی و یا بیوشیمیایی مانند ثابت اتصال، ثابت سرعت، فعالیت و غیره. روش های کمومتری مرسوم عبارتند از: MLR- ANN- PLS- PCA- PCRو GA.

تاریخچه QSAR و پارامترهای فیزیکوشیمیایی آن به نوعی مرتبط است با یکی از اصلی ترین بحث های علمی دهه های آخر قرن 19 و قرن 20 که عبارت است از ساختار مولکولی ترکیبات شیمیایی.

مطالعات اولیه QSAR به سال 1863 بر می گردد که دانشمندی به نام rosC متوجه شد که با افزایش چربی دوستی الکل ها سمّیت آن ها در سلول های پستانداران بیشتر می شود. وی توانست رابطه فعالیت (سمّیت) را با ساختار مولکول ها برای اولین بار اعلام کند. در ادامه در 1868، rumC و rownB اشاره کردند که فعالیت های فیزیولوژیکی ترکیبات می تواند ارتباط با ساختار شیمیایی و مواد تشکیل دهنده آن باشد اما نتوانستند نحوه این ارتباط را نشان دهند. ammettH مشاهد کرد که بین خواص الکترونی اسید و بازهای آلی و ثابت تعادل و واکنش پذیری آن ها ارتباط مستقیم دارد و توانست ثابت ammettH (σ) که مربوط به خواص الکترونی ترکیبات است را بدست بیاورد.

uirM در سال 1962 اثر هورمون های ایندول اسید استیک و فنوکسی اسید استیک را بر روی رشد گیاهان بررسی کرد تا بین هورمون و رشد گیاهان ارتباط بر قرار کند. برای این /NK/KCار از anschH کمک گرفت و وی توانست نقش چربی دوستی ترکیبات را بر روی رشد گیاهان نشان بدهد؛ و در سال 1964 رابطه خطی بین پارامترهای مختلف با فعالیت ترکیبات را ایجاد کرد که بعد ها به مدل کلاسیک QSAR شهرت یافت و در همان سال Free و Wilson مدل های ریاضی را ایجاد کردند که گروه های عاملی مختلف در ساختار ترکیبات را با فعالیت آن ها مرتبط می گردند.
همه این دانشمندان نشان دادند که فعالیت هر ترکیب به نوع و محل گروه های عاملی حتّی از دید کنفورماسیونی بستگی دارد که پایه و اساس QSAR می باشد.

کاربردهای QSAR
QSAR علاوه بر این که در پیش بینی فعالیت زیستی ترکیبات روشی با ارزش در داروسازی محسوب می شود، در حوزه صنعت و محیط زیست نیز کاربرد فراوانی پیدا کرده است. به طور کلی کاربردهای QSAR را می توان در پنج بخش خلاصه کرد:
1) بهینه سازی و شناسایی منطقی ترکیبات اصلی در تولید داروها، حشره کش ها و آفت کش ها.
2) بررسی و تولید ترکیباتی که در بدن اثرات جانبی و سمّیت نداشته باشند.
3) مطالعه ترکیباتی که از لحاظ فارماکوسینتیکی در سیستم های بیولوژیک پایدار هستند.
4) طراحی منطقی مواد پر مصرف در حوزه صنایع مانند عطرها، رنگ های شیمیایی و مواد شیمیایی.
5) شناسایی :/. واد سمّی برای محیط زیست.

انواع روش های QSAR
1) 1 D-QSAR: روشی است که فعالیت را با پارامترهای فیزیکوشیمیایی اصلی مثل logP ، apK ارتباط می دهد.
2) 2 D-QSAR: روشی است که فعالیت را با الگوهای ساختاری مانند فارماکوفورهای دو بعدی مرتبط می سازد و نحوه قرارگیری سه بعدی آن ها را در نظر نمی گیرد.
3) 3 D-QSAR : فعالیت را بدون در نظر گرفتن برهمکنش های کووالانسی، با پارامترها ارتباط می دهد و از برهمکنش های استریک و الکتروستاتیک موجود در لیگاند استفاده می کند مانند روشهای CoMFA و CoMSIA.
4) 4 D-QSAR : مجموعه کنفیگوراسیون های مختلف لیگاند را به 3 D-QSAR اضافه می کند مانند روش LQTA.
5) 5 D-QSAR : مدل های القاء شده توسط روش 4 D-QSAR را بصورت افتراقی بیان می کند.
6) 6 D-QSAR : مدل های مختلف مبتنی بر حلالیت (solvation model) را وارد مدل های 5 D-QSAR می کند.

مدلسازی فارماکوفری بطور گسترده ای در جستجوی مجازی (Virtual screening)، طراحی دی نو وو (De-novo design)، و سایر زمینه ها در شیمی دارویی همچون بهینه سازی ترکیب رهبر (Lead compound) و طراحی چند هدفی (Multitarget design) به کار میروند. از این رو کاربرد گسترده ای در کشف، طراحی و ارائه ترکیبات رهبر جدید در فرآیند ارائه یک ترکیب دارویی جدید دارند.

مفهوم فارماکوفور (Pharmacophore) اولین بار در سال 1909 توسط Ehrlich معرفی شد: فارماکوفر یک چهارچوب مولکولی است که ویژگی های ضروری مسئول ایجاد فعالیت های زیستی یک دارو را حمل میکند. پس از گذشت یک قرن، مفهوم فارماکوفر همچنان بدون تغییر باقی مانده است، اما محدوده کاربرد آن بطور قابل توجهی افزایش یافته است، مطابق با آخرین تعریفی که آیوپاک ارائه نموده است، یک مدل فارماکوفری مجموعهای از ویژگیهای استریک و الکترواستاتیکی است که برهمکنش های بهینه با یک هدف زیستی معین را ایجاد میکنند. میتوان از این تعریف نتایج ذیل را استنباط نمود:

یک فارماکوفر نقاط تعیین کننده الکترونیک و استریک ضروری مورد نیاز برای یک برهمکنش بهینه با هدف دارویی مورد نظر را توصیف مینماید.
یک فارماکوفر ارائه دهنده یک مولکول حقیقی یا مجموعهای واقعی از گروههای عاملی نیست، اما یک مفهوم انتزاعی است که ظرفیت برهمکنش مولکولی مشترک گروهی از ترکیبات را نسبت به سایت پیوندی یک ساختار هدف نشان میدهد.
تصویر ذیل یک مدل فارماکوفر را همراه با سه نوع از ویژگی های شیمیایی و موقعیت استقرار فضایی سه بعدی آنها نسبت به هم را نشان میدهد.

که این مدل فارماکوفر از یک پذیرنده پیوند هیدروژنی ( سبز رنگ )، سه مرکز آب گریز ( آبی روشن )، و یک مرکز قابل یونیزه شدن منفی ( آبی تیره ) تشکیل شده است.

یک مدل فارماکوفری اطلاعات مفیدی را در اختیار یک شیمیدان دارویی قرار میدهد تا ارتباط ساختار را با فعالیت بررسی نماید. علت آن است که مدل فارماکوفری طبیعت گروههای شرکت کننده در برهمکنشهای لیگاند و هدف و نیز نوع فواصل بین بارها و پیوندهای غیر کوولانسی را توصیف مینماید.

یک مدل فارماکوفری را میتوان به روش لیگاند محور، از طریق تراز نمودن (alignment) مجموعهای از مولکولهای فعال روی هم و بدست آوردن ویژگیهای مشترکی که برای فعالیت زیستی آنها ضروری هستند، یا ساختار محور، از طریق جستجوی نقاط برهمکنش ممکن بین هدف بزرگ مولکولی و لیگاند ها بدست آورد.

مدلسازی فارماکوفری لیگاند محور به یک استراژی محاسباتی کلیدی برای کشف دارو در غیاب هدف بزرگ مولکول تبدیل شده است. این روش معمولاً از طریق استخراج ویژگیهای شیمیایی مشترک از ساختارهای سه بعدی مجموعهای از لیگاندهای شناخته شده که برهمکنش های ضروری بین لیگاندها و هدف بزرگ مولکولی خاص را ارائه میدهند انجام میشود.

طی دهه گذشته، به دنبال افزایش دسترسی به ساختارهای تجربی هدفهای بزرگ مولکول روشهای ساختار- محور ( که روشهای هدف – محور یا روشهای مستقیم نیز نامیده میشوند) بسیار مورد توجه قرار گرفتهاند. اطلاعات مربوط به ساختار هدف را میتوان از مدل سازی همولوژی نیز به دست آورد، که امروزه بزرگترین مجموعه داده ساختارهای X-ray و NMR پروتئینها و کمپلکسهای پروتئین – لیگاند، بانک اطلاعات پروتئین است.

این مدل سازی مستقیماً با ساختار سه بعدی یک هدف بزرگ مولکول یا یک کمپلکس لیگاند -بزرگ مولکول کار میکند. مدل سازی فارماکوفری ساختار محور ویژگیهای شیمیایی سایت فعال و ارتباطات فضایی آنها را آنالیز میکند.

می توان از مدل فارماکوفری که از طریق روشهای لیگاند محور یا ماکرومولکول محور تولید شده است برای جستجوی مجموعه دادههای شیمیایی سه بعدی استفاده نمود که از این طریق میتوان لیگاندهای فعال احتمالی را مورد شناسایی قرار داد، به این روش جستجوی مجازی بر مبنای فارماکوفر میگویند. در حال حاضر این روش و روش جستجوی بر مبنای الحاق نمودن (docking) ابزارهای اصلی جستجوی مجازی هستند. در مقایسه با روش الحاق نمودن روش جستجوی بر مبنای فارماکوفر با مسئله عدم توجه کافی به انعطاف پذیری پروتئین یا عدم استفاده از توابع نمره دهی (Scoring functions)بهینه مواجه نیست، علت آن است که در هر مدل برای هر ویژگی فارماکوفری محدوده ای برای تغییر شعاع کره مربوط به ویژگی مورد نظر در نظر گرفته میشود. در روش جستجوی مجازی از طریق فارماکوفر، یک مدل فارماکوفری به عنوان الگو تعیین میشود و هدف از جستجو، یافتن مولکولهایی است که ویژگیهای شیمیایی آنها مشابه با الگوی ساخته شده باشد، اما ممکن است تعداد دیگری از آنها دارای اسکلت مولکولی کاملا جدیدی باشند. جستجو برای یافتن ترکیباتی که با اسکلت متفاوت فعالیت زیستی یکسانی دارند Scaffold hopping نامیده میشود

یکی از بهترین روش های موجود برای بررسی ساختار و رفتار مواد، شبیه سازی رایانه ای است. امروزه با پیشرفت فن آوری رایانه ها، به شبیه سازی هایی که برای محاسبه خواص مواد با استفاده از ساختار ذرات تشکیل دهنده آن ها انجام می گیرد توجه ویژه ای می شود. از جمله مزایای روش های شبیه سازی می توان به موارد زیر اشاره کرد:

کاهش تعداد آزمایش های لازم

صرفه جویی در زمان و هزینه های تحقیقاتی

درک بهتر مسائل شیمی و فیزیک

آزمایش سریعتر فرضیه ها و نظریه های جدید

آزمایش های بدون مواد زائد و پسماند

امنیت و تمیزی آزمایش ها

دستیابی همزمان به نتایج چندین آزمایش در زمینه های مختلف

تکنیک های تجربی فقط برای ترکیباتی که در شرایط موجود پایدار هستند به کار می روند. درحالی که روش های محاسباتی برای ترکیبات ناپایدار و حتی برای ترکیب هایی که هنوز ناشناخته اند نیز قابل استفاده می باشند. اولین شبیه سازی رایانه ای در سال 1949 توسط متروپلیس و همکارانش بر روی سیالات انجام گرفت. این مطالعه منجر به پیدایش روش شبیه سازی مونت کارلو شد. در اواخر دهه 1950 آلدر و وینرایت اولین شبیه سازی دینامیک مولکولی را با مطالعه یک مدل کره-سخت انجام دادند. اولین شبیه سازی دینامیک مولکولی به روی پروتئین ها در سال 1977 توسط مک کامن و کارپلوس در دانشگاه هاروارد انجام گرفت. تفاوت آشکار میان روش های شبیه سازی دینامیک مولکولی و مونت کارلو که دو روش عمده شبیه سازی های رایانه ای به شمار می آیند در آن است که دینامیک مولکولی اطلاعاتی درباره وابستگی زمانی خواص سیستم در اختیار می گذارد، درحالی که بین پیکربندی های متوالی مونت کارلو ارتباط زمانی وجود ندارد. در روش های دینامیک مولکولی، که جزء روش های تعیّنی هستند، پیکربندی های پی در پی سیستم با هم ارتباط زمانی دارند، اما در روش های مونت کارلو، که جزء روش های کاتوره ای هستند، هر پیکربندی فقط به پیکربندی قبل از خود وابسته است.
بر خلاف روش های مکانیک کوانتومی (که در آن اثرات الکترون ها در نظر گرفته می شوند) می توان از روش های دینامیک مولکولی (که فقط هسته ها در نظر گرفته می شوند) برای بررسی رفتار دینامیکی ماکرومولکول های زیستی مانند پروتئین ها، اسیدهای نوکلئیک (DNA, RNA) و ... استفاده کرد.
شبیه سازی دینامیک مولکولی
شبیه سازی های دینامیک مولکولی اطلاعاتی در سطح میکروسکوپی (موقعیت و سرعت اتم ها) تولید می کنند.
تبدیل این داده ها به مقادیر ماکروسکوپی (فشار، انرژی ...) به کمک مکانیک آماری انجام می شود. در واقع، دینامیک مولکولی و مکانیک آماری مفاهیم میکروسکوپی و کمیت های مشاهده پذیر ماکروسکوپی را به هم مرتبط می سازند.
در شبیه سازی های دینامیک مولکولی از قانون دوم نیوتن برای بررسی تحول زمانی سیستم ها استفاده می شود. با حل معادلات حرکت نیوتن، موقعیت اتم i (ri) در یک سیستم N اتمی به دست می آید:

mi جرم اتم و Fi نیرویی است که بقیه اتم ها به اتم i وارد می کنند. در معادله (1-1) نیرو از گرادیان انرژی پتانسیل نسبت به موقعیت ها به دست می آید. در حقیقت، در روش های شبیه سازی دینامیک مولکولی با داشتن موقعیت ها و سرعت های اولیه، می توان تحول زمانی سیستم را بررسی کرد. با انتگرالگیری از معادلات حرکت نیوتن یک مسیر به دست می آید که چگونگی تغییر موقعیت، سرعت و شتاب ذرات را با زمان نشان می دهد. در دینامیک مولکولی برای اندازه گیری یک کمیت فیزیکی باید میانگین زمانی آن کمیت در مسیر سیستم محاسبه شود. از آنجا که خواص فیزیکی معمولاً تابعی از موقعیت و سرعت ذرات هستند، بنابراین، مقدار لحظه ای کمیت فیزیکی A در زمان t به صورت زیر تعریف می شود:

میانگین کمیت A برابر است با

M تعداد مراحل و t اندیسی برای نشان دادن گام¬های زمانی شبیه سازی است.
با توجه به موضوع همگرایی علوم در سال های اخیر می توان شبیه سازی دینامیک ملکولی را یکی از زمینه های تحقیقاتی در شیمی، فیزیک و زیست محاسباتی دانست. در اكثر مطالعاتي كه بر روي سيستمهاي زيستي انجام مي شوند، جزئيات حركات ذرات سازنده سيستم بسيار اهميت دارند. از اینرو می توان کاربرد اصلی شبیه سازی های دینامیک مولکولی را در ارتباط با سیستم های زیستی در نظر گرفت. بکارگیری شبیه سازی های دینامیک مولکولی اطلاعاتی را در سطح اتمی در اختیار قرار می دهد که ممکن است از دید روش های متداول تجربی پنهان بماند. در حقیقت، شبیه سازی های دینامیک مولکولی ابزار مکملی برای تکنیک های تجربی می باشند.

از کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های زیستی می توان به موارد کلی زیر اشاره کرد:

- بررسی برهمکنش میان ماکرومولکول ها شامل (پروتئین-پروتئین، پروتئین- اسید نوکلئیک، پروتئین-لیپید)

- بررسی برهمکنش میان ماکرومولکول ها و لیگاند/ دارو شامل (پروتئین- لیگاند، اسید نوکلئیک- دارو، لیپید- دارو)

- یافتن اجزای مهم (دخیل) در یک برهمکنش خاص

- بررسی فرایندهای folding و unfolding

- بررسی تغییراتِ پارامترهای ساختاری در هر یک از فرایندهای زیستی

- بررسی تغییراتِ پارامترهای ترمودینامیکی (انرژی آزاد اتصال) در هر یک از فرایندهای زیستی

- بررسی مکانیسم عمل موتورهای مولکولی

- بررسی تغییرات ایجاد شده در ماکرومولکول ها پس از جهش (موتاسیون)

همچنین می توان به کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های غیر زیستی نیز اشاره کرد:

- بررسی نانولوله های کربنی

- بررسی نانو صفحات کربنی

- بررسی جذب گاز بر روی نانولوله و نانو صفحات کربنی

- بررسی برهمکنش لیگاند یا دارو با نانولوله های کربنی

در مطالب ارائه شده در آینده به معرفی مقالاتی در رابطه با موضوعات مذکور خواهیم پرداخت.

۵ راه متفاوت برای تماس با گروه پارس سیلیکو وجود دارد .اولین راه بر روی دکمه پشتیبانی آنلاین سایت کلیلک نموده و با اپراتور ما صحبت نمایید . دومین راه ارسال تیکت است که در آن صورت تیکت شما بررسی و بدان پاسخ داده می شود. سومین راه به ایمیل های شرکت که در سایت نیز درج شده اند ایمیل ارسال نمایید . چهارمین راه  مراجعه به صفحه فیس بوک پارس سیلیکو می باشد . و آخرین راه نیز تماس با شماره تلفن شرکت پارس سیلیکو می باشد.هدف ما رضایت شماست.

آدرس ایمیل شرکت پارس سیلیکو :

این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

شماره های تماس شرکت پارس سیلیکو :

 همراه ۰۹۱۰۶۶۶۵۵۹۰

آدرس سایت رسمی شرکت پارس سیلیکو :

www.drugdesign.ir

وبینار (webinar) ترکیبی از دو مفهوم وب (web) و سیمنار(seminar) است. در تعریف وبینار آمده است: وبینار که از آن با عنوان سیمنار تحت وب نیز یاد می شود، سمینار، سخنرانی یا کارگاهی است که از طریق اینترنت ارائه می شود. فناوری وبینار جهت برگزاری سمینار ها و همایش ها و یا ارائه مطالب از طریق اینترنت مورد استفاده قرار می گیرد . در این نوع سمینار، هر یک از شرکت کنندگان پشت رایانه خود نشسته و از طریق اینترنت با سایر شرکت کنندگان ارتباط برقرار می نماید. این ملاقات های آنلاین معمولا به این صورت است که مدرس یا مدیر جلسه امکان برقراری ارتباط صوتی و تصویری و امکان ارسال پیام های متنی را دارا هستند. اما مدرس می تواند به فراگیران امکان به دست گرفتن کنفرانس و ارایه سخنرانی را بدهد.
برای شرکت در وبینارها تنها داشتن يک PC يا لپ تاپ به همراه یک خط اينترنت 256 الي 512KB کافی می باشد.
از این رو آزمایشگاه پارس سیلیکو درصدد است، در سال جدید وبینار های آموزشی در موضوعات مختلف علوم زیستی برگزار کند. این وبینار های آموزشی توسط اساتید دانشگاه ها و همچنین مدرسین و همکاران آزمایشگاه پارس سیلیکو ارائه خواهد شد.