بررسی کارایی تابع نمره دهی بر اساس مدل نیرو به منظور تشخیص کمپلکس های طبیعی پروتئین از غیر طبیعی

در حال حاضر توجه زیادی نسبت به استفاده از مولکول هایی مثل پروتئین ها و اسیدهای نوکلئیک جهت ایجاد نانوساختارهای زیستی وجود دارد. اما به دلیل وجود ارتباط پیچیده بین توالی، ساختار و عملکرد در پروتئین ها، قرار دادن کنترل شده آنها در کنار یکدیگر با هدف ساخت نانوساختارهای زیستی، عملا یکی از چالش های بسیار بزرگ در زمینه نانوفناوری است. از آنجایی که شناسایی مولکول های مکمل توسط یکدیگر اولین ضرورت در پدیده خودسامان یابی است، پیشگویی برهم کنش پروتئین ها یک مرحله فوق م یباشد. روش های (bottom up) العاده مهم در طراحی نانو ساختارهای زیستی به روش پایین به بالا محاسباتی و به خصوص الگوریتم های داکینگ پروتئین-پروتئین می توانند نقش مهمی در این هدف داشته باشند زیرا از آنها می توان در بررسی و پیشگویی نحوه برهمکنش ها و همچنین پیامدهای حاصل از دستکاری و حتی طراحی مناطق برهمکنش جدید استفاده نمود. الگوریتم های داکینگ به دو جزء ضروری نیاز دارند: ?) روش های جستجوی کارآمد که در صورت امکان بتوانند تمام حالت های ممکن برهم کنش ها را ایجاد کنند ?) توابعی که از بین حالت های ایجاد شده مواردی را که محتمل تر هستند را حفظ و رتبه بندی کند. در تمام روش های رتبه بندی موجود، از معیار انرژی که معمولا همراه با ویژگی های دیگری نیز می باشد جهت تشخیص کمپلکس های صحیح از غلط استفاده می شود. در این مطالعه سعی شد با یک نگرش کاملا جدید به جای تکیه بر انرژی ساختارها، از نیرویی که دو مولکول برهم کن ش کننده بر یکدیگر وارد می کنند جهت قضاوت در مورد میزان طبیعی بودن آنها استفاده شود. برای این منظور ابتدا چند نوع تابع پتانسیل آماری وابسته به فاصله (نوعی از توابع انرژی دانش پایه) استخراج و هر یک به تابع نیروی مربوطه تبدیل گردید. جهت ارزیابی کارایی توابع مذکور، از چند ویژگی مرتبط با نیرو در رتبه بندی کمپلکس های متعلق به دو مجموعه تولید شده با داکینگ جسم سخت و نرم استفاده شد. نتایج این مطالعه نشان می دهد با به کارگیری ترکیب مناسبی از پارامترهای موثر در استخراج توابع نیرو، نحوه تعیین همسایگی اتم ها و همچنین منطق استفاده از نیروهایی که مولکول های گیرنده و لیگاند بر یکدیگر وارد می کنند، می توان روش نمره دهی با قدرت تشخیص بالاتری در مقایسه با همتای مبتنی بر انرژی آن ایجاد کرد.