پیش‏ بینی ساختار مناسب دارو با استفاده از الگوریتم تکامل تفاضلی مبتنی بر نقطه‏ ی مخالف

کشف داروهای جدید و بررسی اثرات ‎جانبی آن‏ها یکی از زمینه‏های مهم پژوهشی است که دانشمندان داروساز در آن به فعالیت مشغولند. به دلیل اثر مستقیم محصولات دارویی بر سلامت انسان‏ها، تحقیقات داروسازی از حساسیت بالایی برخوردار بوده و رسیدن به جوابی مطلوب در این تحقیقات اغلب زمان زیادی احتیاج خواهدداشت. پیش‏بینی ساختار دارو به کمک نرم‏افزارهای شبیه‏سازی، راهکاری است که در سال‏های اخیر مورد توجه محققین داروسازی بوده‏است. در این مسئله دانشمندان به دنبال یافتن بهترین برهم‏کنش بین ساختار دارو و گیرنده‏ می‏باشند. این مسئله در منابع علمی با نام پهلوگیری‏مولکولی شناخته می‏شود و می‏توان آن‏را به عنوان یک مسئله جستجو در نظر گرفت که فضای جستجو در آن حالت‏های مختلف برهم‏کنش دارو وگیرنده می‏باشد. هدف نهایی از حل این مسئله انتخاب بهترین برهم‏کنش از میان این فضای جستجو است. در این مقاله از الگوریتم‏ تکامل‏تفاضلی مبتنی بر نقطه مقابل برای یافتن بهترین حالت برهم‏کنش دارو و گیرنده استفاده شده‎است. برای بهبود نتایج، الگوریتم مذکور با یک روش جستجوی محلی و یک عملگر نخبه‏گرا تلفیق شده‏است. الگوریتم ارایه‏شده، مانند دیگر الگوریتم‏های فرااکتشافی یک الگوریتم تکرار شونده می‏باشد که به کمک جمعیتی از بردارهای جواب سعی در یافتن بهترین برهم‏کنش دارد. همچنین تابع ارزیاب استفاده شده در این پژوهش تابع ارزیاب AutoDock می‏باشد. برای ارزیابی الگوریتم پیشنهادی شش ساختار متفاوت گیرنده-دارو استفاده شده‏است. نتایج حاصل از پیش‏بینی ساختار دارو برای هر یک از این شش گیرنده با نتایج الگوریتم ژنتیک لامارکی و الگوریتم سردسازی شبیه سازی شده و الگوریتم‏ تکامل‏تفاضلی معمولی مقایسه شده‏است. بر اساس نتایج الگوریتم ارایه شده نسبت به الگوریتم‏های دیگر از عملکرد بهتری برخوردار است.