طراحی شاخص شیمی عصبی (NCI) برای پیشبینی پتانسیل اعتیادآوری مواد افیونی بر پایه تحلیل نانوشیمی کوانتومی و تعامل با گیرنده u-opioid

اعتیاد به مواد افیونی نظیر مورفین هروئین و فنتانیل یکی از چالشهای جدی و روبه رشد در سلامت عمومی است که به دلیل تعامل مستقیم این ترکیبات با مسیرهای پاداش، مغزی منجر به وابستگی شدید روانی و جسمی می شود. با وجود پیشرفتهای گسترده در فارماکولوژی و علوم اعصاب تاکنون شاخصی کمی جامع و قابل اتکا برای پیشبینی پتانسیل اعتیاد آوری این مواد پیش از آزمونهای تجربی معرفی نشده است. این پژوهش با هدف طراحی شاخصی نوین تحت عنوان (NCL (Neuroaffinity Chemical Index انجام شد؛ شاخصی که با بهره گیری از پارامترهای شیمی کوانتومی و داده های تجربی قابلیت پیش بینی اعتیاد آوری ترکیبات افیونی را دارد. در این مطالعه پنج ترکیب شامل سه ماده افیونی اصلی فنتانیل، هروئین، مورفین و دو ترکیب مقایسه ای دوپامین و نیکوتین با روش (DFT/B۳LYP/۶-۳۱G(d بهینه سازی شدند. پارامترهایی نظیر انرژی HOMO و LUMO، گپ انرژی (AE)، الکترون افینیتی (EA)، الکتروفیلیسیته (۰)، وزن مولکولی (MW)، ضریب چربی دوستی (logP) و قدرت اتصال به گیرنده (opioid Bu- استخراج شده و شاخص NCL طبق فرمول زیر محاسبه گردید: NCL = (w × EA × logP × logBB) / (AE × MW). نتایج نشان داد فنتانیل بالاترین مقدار NCL را دارد که با شدت اعتیاد آوری بالینی آن مطابقت دارد (فنتانیل > هروئین، مورفین). این همخوانی دقت شاخص NCL در پیش بینی پتانسیل اعتیاد آوری مواد افیونی را تایید می کند. این شاخص که تلفیقی از داده های کوانتومی و زیستی است می تواند به عنوان ابزاری موثر در غربالگری داروهای CNS-فعال با ریسک اعتیاد پایین در مراحل اولیه طراحی دارو مورد استفاده قرار گیرد و قابلیت توسعه برای سایر ترکیبات روان گردان را نیز دارد.

کلیدواژه ها:

نانوشیمی محاسباتی ، اعتیاد به مواد ، افیونی ، شاخص ، اعتیاد آوری ، DFT ، opioid