Detailansicht
Similarity search - Fingerprintanalyse und Konformerdatenbankanalyse
Lisa-Maria Katzbeck
Art der Arbeit
Diplomarbeit
Universität
Universität Wien
Fakultät
Fakultät für Lebenswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Diplomstudium Pharmazie
Betreuer*in
Gerhard Ecker
Mitbetreuer*in
Lars Richter
DOI
10.25365/thesis.58476
URN
urn:nbn:at:at-ubw:1-15562.83571.293878-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das erste Ziel dieser Diplomarbeit war es, fünf Fingerprints (MACCS, GpiDAPH3,
SHED, TGT, TGD) zu testen und ihre Anwendbarkeit und Leistung untereinander zu
vergleichen und zu bewerten. Die Fragestellung war, ob ein bestimmter Fingerprint besonders
gute Ergebnisse bei einer bestimmten Ähnlichkeitssuche liefert oder ob alle Fingerprints
gleich gut geeignet sind.
Im Rahmen dieser Ähnlichkeitssuche wurden für insgesamt 30 Arzneistoffe jeweils 5
Fingerprints (MACCS, GpiDAPH3, SHED, TGT, TGD) pro Arzneistoff berechnet und diese
mit den Fingerprints der Substanzen in Chembl - Datenbank 23 verglichen. Je nachdem wie
ähnlich im Bezug auf seiner Fingerprint ein Arzneistoff einer Substanz in der Chembl –
Datenbank war, desto vorangereihter wurde er mit Hilfe des Tannimoto - Koeffizienten in
einer Tabelle sortiert. Für die Analysen wurden dann die erstbesten dieser 1000, 10.000,
100.000 Ergebnisse herangezogen.
Die Auswahl der 30 Arzneistoffe kam so zustande, dass die 5 Arzneistoffe die bei einem
bestimmten Target (ein spezifisches und ein unspezifisches Enzym, Ionenkanal und ein
Transporter) am aktivsten getestet wurden, aus einer Liste ausgesucht wurden. Für diese
Arzneistoffe derselben Liste wurde eine gewisse Ähnlichkeit untereinander angenommen, da
sie am selben Target binden. Die Anzahl der Arzneistoffe dieser Liste, die dann auch in den
bestgereihten Ergebnissen der Ähnlichkeitssuche mittels Fingerprints vorkommen, wurde für
die Auswertung und Bewertung der einzelnen Fingerprints verwendet. Je größer die Anzahl,
desto besser schnitt ein Fingerprint in der Bewertung ab. Das Ergebnis war, dass GpiDAPH3
am Besten abschnitt. Es stellte sich heraus, dass auch alle Fingerprints gemeinsam nur einen
kleinen Teil der Arzneistoffe aus der Liste eines Targets finden konnten. Es konnte kein
Zusammenhang der verschiedenen Targetklassen mit den Fingerprintergebnissen festgestellt
werden.
Der zweite Teil dieser Diplomarbeit beschäftigt sich mit der Ähnlichkeit zwischen
ausgewählten acht Arzneistoffen und deren verschiedenen Konformationen. Für die
Arzneistoffe und deren Konformationen wurden die vsurf – Deskriptoren in MOE berechnet.
Diese wurden dazu verwendet um die Distanzmatrix aller Arzneistoffe und Konformere zu
berechnen und im Raum durch eine Hauptkomponentenanalyse darzustellen. Diese soll die
Ähnlichkeit eines Arzneistoffes mit seinen Konformeren aufzeigen. Das Resultat zeigt, dass
die einzelnen Konformere sich zum Arzneistoff sehr unterschiedlich anordnen.
In Excel wurde weiters nach jeder einzelnen Verapamilkonformation (insgesamt 145) ein
Ähnlichkeitsabgleich mit den anderen Arzneistoffen und Konformeren anhand ihrer vsurf –
Daten gemacht und nach Übereinstimmung sortiert. Das Ergebnis war, dass im Durchschnitt
an Stelle 22 schon ein komplett anderer Arzneistoff einem Verapamil ähnlicher war als die
restlichen Verapamilkonformere.
Schlagwörter
Schlagwörter
(Deutsch)
Fingerprintanalyse Konformerdatenbank Ähnlichkeitssuche
Autor*innen
Lisa-Maria Katzbeck
Haupttitel (Deutsch)
Similarity search - Fingerprintanalyse und Konformerdatenbankanalyse
Publikationsjahr
2019
Umfangsangabe
44 Seiten : Diagramme
Sprache
Deutsch
Beurteiler*in
Gerhard Ecker
Klassifikationen
44 Medizin > 44.42 Pharmazeutische Chemie ,
54 Informatik > 54.79 Computermethodik: Sonstiges
AC Nummer
AC15473162
Utheses ID
51641
Studienkennzahl
UA | 449 | | |