In-silico drug discovery of new potential NF-κB (nuclear factor-kappa B) inhibitors,  using the computer aided drug design tools

HAMMOUDI , Nour El Houda; BENGUERBA , Yacine Supervisor; BENAICHA , Mohamed Co-Supervisor

In-silico drug discovery of new potential NF-κB (nuclear factor-kappa B) inhibitors, using the computer aided drug design tools

dc.contributor.author	HAMMOUDI , Nour El Houda
dc.contributor.author	BENGUERBA , Yacine Supervisor
dc.contributor.author	BENAICHA , Mohamed Co-Supervisor
dc.date.accessioned	2026-09-21T09:54:27Z
dc.date.issued	2022
dc.description	L'inhibition de IKK-β (nuclear factor kappa B kinase subunit beta), un modulateur spécifique de NF-κB (nuclear factor-κB), est considéré comme une cible valable pour découvrir de nouveaux composés actifs pour divers cancers et le traitement de la polyarthrite rhumatoïde. L'objectif de ce travail est double : Premièrement, développer de nouveaux composés inhibiteurs de l'IKK-β à l'aide de différents outils de conception de médicaments assistés par ordinateur (QSAR, l'amarrage moléculaire, la dynamique moléculaire et L’évaluation de la similarité des médicaments). L'analyse des résultats du modèle QSAR et de l'amarrage moléculaire a permis de cribler 21 composés intéressants avec une meilleure concentration inhibitrice ayant une bonne affinité pour IKK-β. Deuxièmement, il s'agit de développer de nouveaux modèles prédictifs QSAR pour la prédiction du 𝑝𝐼𝐶50des inhibiteurs (NF-κB), basés sur des méthodes du machine Learning. Sur la base des analyses statistiques, il a été constaté que le modèle ANN [8.11.11.1] obtenu est fiable, robuste et a montré une meilleure capacité prédictive par rapport au modèle MLR. Ainsi, le modèle ANN [8.11.11.1] peut être utilisé de manière tout à fait satisfaisante pour la prédiction et le criblage d'une nouvelle série d'inhibiteurs du facteur nucléaire-κB (NF-κB).
dc.description.abstract	The Inhibition of IKK-β (nuclear factor kappa B kinase subunit beta), a specific modulator of NF-κB (nuclear factor-κB), is considered a valid target to discover new active compounds for various cancers and rheumatoid arthritis treatment. The aim of this work is twofold: Firstly, to develop new designed compounds IKK-β inhibitors using different computer aided drug design tools (QSAR, Molecular Docking, Molecular Dynamics and drug likeness evaluation). The analysis of the results of QSAR model and molecular docking succeeded to screen 21 interesting compounds with better inhibitory concentration having a good affinity to IKK-β. Secondly, is to develop new predictive QSAR models for the 𝑝𝐼𝐶50 of of nuclear factor-κB (NF-κB) inhibitors prediction, based on machine learning methods. Based on the statistical analyses, it was found that the obtained [ 8.11.11.1] ANN model is reliable, robust and showed the better predictive ability compared to the MLR model. Thus, the [ 8.11.11.1] ANN model can be used quite satisfactorily for the prediction and screening of a new series of nuclear factor-κB (NF-κB) inhibitors.
dc.identifier.uri	https://repository.univ-setif.dz/handle/123456789/2687
dc.language.iso	en
dc.publisher	Setif 1 University - Ferhat ABBAS , Faculty of Technology
dc.subject	NF-κB
dc.subject	IKK-β
dc.subject	QSAR
dc.subject	ANN
dc.subject	MLR
dc.title	In-silico drug discovery of new potential NF-κB (nuclear factor-kappa B) inhibitors, using the computer aided drug design tools
dc.type	Thesis

Files

Original bundle

Now showing 1 - 1 of 1

Name:: E-TH2069 In-silico drug discovery of new potential NF-κB (nuclear factor-kappa B) inhibitors, using the computer aided drug design tools Hammoudi, Nour el houda.pdf
Size:: 6.24 MB
Format:: Adobe Portable Document Format

Download