تحلیل ساختاری آنزیم های هدف دارویی با کمک هوش مصنوعی: یک مطالعه مروری محاسباتی

طراحی مهارکننده های مولکولی هدفمند، مستلزم درک عمیق از ساختار سه بعدی آنزیم ها، ویژگی های شیمی فیزیکی جایگاه فعال و محیط اتصال، همچنین نقش حیاتی دینامیک مولکولی در پایداری کمپلکس پروتئین- لیگاند است. با این وجود، چالش هایی نظیر ناهمخوانی کانفورماسیونی و غفلت از انعطاف پذیری دینامیکی آنزیم ها، کارایی مهارکننده های طراحی شده را به شدت کاهش می دهند. این پژوهش در قالب یک مرور نظامند با جستجوی ساختاریافته در پایگاه های داده معتبر و با تمرکز بر تحلیل ساختاری، داکینگ مولکولی، دینامیک مولکولی و روش های محاسباتی انجام شده است. یافته های این مرور نظامند نشان می دهد که به کارگیری روش های محاسباتی پیشرفته و شبیه سازی دینامیک مولکولی، دقت پیش بینی جایگاه فعال و انرژی اتصال را به طور قابل توجهی افزایش داده و امکان شناسایی کانفورماسیون های میان افزاری را فراهم می آورد که در روش های سنتی قابل دستیابی نیستند. جمع بندی این مطالعه تاکید دارد که توجه هم زمان به توپولوژی ساختاری و انعطاف پذیری دینامیکی آنزیم، احتمال موفقیت در طراحی مهارکننده را افزایش داده و از شکست های ناشی از ناهمخوانی کانفورماسیونی جلوگیری می کند. ازاین رو، ادغام روش های محاسباتی و ابزارهای هوش مصنوعی با رویکردهای کلاسیک بیوانفورماتیک، به عنوان راهبردی کارآمد در تحلیل ساختاری آنزیم های هدف دارویی معرفی می شود که می تواند فرآیند توسعه داروهای هدفمند را با کاهش هزینه ها و کوتاه سازی زمان آزمایش های بالینی تسریع نماید.