پيش‏بيني ساختار مناسب دارو با استفاده از الگوريتم تكامل تفاضلي مبتني بر نقطه‏ي مخالف

Suitable drug structure prediction with Opposition-Based Differential Evolution

كشف داروهاي جديد و بررسي اثرات ‎جانبي آن‏ها يكي از زمينه‏هاي مهم پژوهشي است كه دانشمندان داروساز در آن به فعاليت مشغولند. به دليل اثرِ مستقيمِ محصولات دارويي بر سلامت انسان‏ها، تحقيقات داروسازي از حساسيت بالايي برخوردار بوده و رسيدن به جوابي مطلوب در اين تحقيقات اغلب زمان زيادي احتياج خواهدداشت. پيش‏بيني ساختار دارو به كمك نرم‏افزارهاي شبيه‏سازي، راهكاري است كه در سال‏هاي اخير مورد توجه محققين داروسازي بوده‏است. در اين مسيله دانشمندان به دنبال يافتن بهترين برهم‏كنشِ بين ساختار دارو و گيرنده‏ مي‏باشند. اين مسيله در منابع علمي با نام پهلوگيري‏مولكولي شناخته مي‏شود و مي‏توان آن‏را به عنوان يك مسيله جستجو در نظر گرفت كه فضاي جستجو در آن حالت‏هاي مختلف برهم‏كنش دارو وگيرنده مي‏باشد. هدف نهايي از حل اين مسيله انتخاب بهترين برهم‏كنش از ميان اين فضاي جستجو است. در اين مقاله از الگوريتم‏ تكامل‏تفاضلي مبتني بر نقطه مقابل براي يافتن بهترين حالت برهم‏كنش دارو و گيرنده استفاده شده‎است. براي بهبود نتايج، الگوريتم مذكور با يك روش جستجوي محلي و يك عملگر نخبه‏گرا تلفيق شده‏است. الگوريتم ارايه‏شده، مانند ديگر الگوريتم‏هاي فرااكتشافي يك الگوريتم تكرار شونده مي‏باشد كه به كمك جمعيتي از بردارهاي جواب سعي در يافتن بهترين برهم‏كنش دارد. همچنين تابع ارزياب استفاده شده در اين پژوهش تابع ارزياب AutoDock مي‏باشد. براي ارزيابي الگوريتم پيشنهادي شش ساختار متفاوت گيرنده-دارو استفاده شده‏است. نتايج حاصل از پيش‏بيني ساختار دارو براي هر يك از اين شش گيرنده با نتايج الگوريتم ژنتيك لاماركي و الگوريتم سردسازي شبيه‌سازي شده و الگوريتم‏ تكامل‏تفاضلي معمولي مقايسه شده‏است. بر اساس نتايج الگوريتم ارايه شده نسبت به الگوريتم‏هاي ديگر از عملكرد بهتري برخوردار است.

Discovery of new drugs and study of their side effects has been an important research field in recent years. Because of direct effect of the pharmaceutical products on human health usually the drug design projects are challenging and technically demanding. The incorporation of computer simulations into drug design projects is one of the best ways to optimize drugsʹ potency. In this approach, researchers try to find the best interaction between protein structure and drug in a virtual environment; this procedure is called "molecular docking". The molecular docking problem can be considered as a search problem. The search space in this problem is defined with all possible protein-ligand interactions and the best interaction is the solution of problem. In this paper, a new approach for finding the best interaction is proposed. The proposed method is based on opposition based differential evolution algorithm. Also the proposed method is enhanced by a local search algorithm and a pseudo-elitism operator. Like other metaheuristic algorithms, our method uses a population of possible solution and AutoDock scoring function is used to evaluate each vector in the population. Six different protein-ligand complexes are used to verify the efficiency of the proposed algorithm. The experimental results show that the proposed algorithm is more robust and reliable than other algorithms such as simulated annealing and Lamarckian genetic algorithm.