به گزارش خبرگزاری صدا و سیما: محققان معتقدند: اگر این روش دقیق باشد می‌تواند از نظر محاسباتی میل اتصال و بهره وری دارو را نشان داده و بنابراین مانع از نیاز محققان تجربی به بررسی میلیون‌ها ترکیب شیمیایی شود. این کار می‌تواند به طور قابل ملاحظه‌ای هزینه و زمان مرتبط با توسعه دارو‌های جدید را کاهش دهد.
محمود مرادی (Mahmoud Moradi) دانشیار ایرانی الاصل شیمی و بیوشیمی در دانشکده علوم فولبرایت، گفت: ما یک چارچوب نظری برای تخمین اتصال لیگاند به پروتئین ایجاد کردیم. روش پیشنهادی انرژی موثری را به لیگاند در هر نقطه شبکه در یک سیستم مختصات اختصاص می‌دهد.
مرادی توضیح می‌دهد: لیگاند ماده‌ای یون مانند شبیه به دارویی است که به مولکول دیگری مانند پروتئین متصل می‌شود تا سیستم پیچیده‌ای را تشکیل دهد که ممکن است باعث ایجاد یا جلوگیری از عملکرد بیولوژیکی شود.
تحقیقات مرادی بر شبیه سازی محاسباتی بیماری‌ها از جمله ویروس کرونا متمرکز است. او برای این پروژه با سورش تالاپورانام (Suresh Thallapuranam) استاد بیوشیمی و تحقیقات بیوانفورماتیک کوپر همکاری کرد.
مرادی و تالاپورانام از شبیه سازی‌های مغرضانه و همچنین تکنیک‌های وزن دهی مجدد غیرپارامتری برای ایجاد یک برآوردگر الزام‌آور استفاده کردند که از نظر محاسباتی کارآمد و دقیق بود. آن‌ها سپس از یک تکنیک ریاضی قوی به نام فرمالیسم کواترنیون برای توصیف بیشتر تغییرات ساختاری لیگاند هنگام اتصال به پروتئین‌های هدف استفاده کردند.
این پروژه به این دلیل طراحی شد که مرادی و تالاپورانام در حال مطالعه پروتئین فاکتور رشد فیبروبلاست انسانی ۱ و جهش یافته‌های آن بودند. آن‌ها توافق کیفی قوی بین شبیه سازی‌ها و نتایج تجربی پیدا کردند. مرادی گفت: وقتی نوبت به قرابت الزام آور رسید، می‌دانستیم که روش‌های معمولی که در اختیار داشتیم برای چنین مشکل سختی جواب نمی‌دهد. به همین دلیل است که ما تصمیم گرفتیم یک روش جدید توسعه دهیم. ما لحظه‌ای را تجربه کردیم که داده‌های تجربی و محاسباتی با یکدیگر مقایسه شدند و این دو عدد کاملاً مطابقت داشتند.
به نقل از ساینس دیلی ( sciencedaily)؛ شرح کامل این مطالعه و یافته‌های حاصل از آن در آخرین شماره مجله تخصصی Nature Computational Science منتشر شده است.
