Dysrhythmia as a disorder of the physiological rhythm of the body's electrical activity 1700-OG-EN-Dysrhythm
Wykłady
Głównym zadaniem wykładów jest zapoznanie studentów z klasyfikacją ATC, oceną właściwości fizykochemicznych, np.: aromatyczność, wiązania rotacyjne, powierzchnia polarna, logP, masa cząsteczkowa, potencjał tworzenia wiązań wodorowych.
Wykorzystanie odpowiednich baz danych białek i cząsteczek.
Proces oceny kandydatów na leki modulujące procesy elektrofizjologiczne z wykorzystaniem nowych metod obliczeniowych i modelowania molekularnego.
Ocena in silico potencjalnej toksyczności badanych związków.
Laboratoria:
Student będzie uczestniczył w eksperymentach in silico w celu określenia właściwości farmakologicznych i fizykochemicznych związków. Student nabędzie praktyczne umiejętności oceny potencjalnej aktywności i toksyczności z wykorzystaniem metod modelowania molekularnego, a także nabędzie umiejętności interpretacji uzyskanych wyników.
Całkowity nakład pracy studenta
Efekty uczenia się - wiedza
Efekty uczenia się - umiejętności
Efekty uczenia się - kompetencje społeczne
Metody dydaktyczne
Rodzaj przedmiotu
Wymagania wstępne
Koordynatorzy przedmiotu
Kryteria oceniania
Metody oceny:
- test (W1-W6, U1-U3)
Wymagana odpowiednia liczba punktów z testu końcowego.
Kryteria oceny:
niezaliczenie- 0-59%
zadowalający- 60-67%
zadowalający plus - 68-75%
dobry - 76-83%
dobry plus- 84-90%
bardzo dobry- 91-100%
Literatura
Primary literature:
1. Human physiology: from cells to systems. Sherwood, Lauralee. Cengage learning, 2015.
2. Autonomic modulation of cardiac arrhythmias: methods to assess treatment and outcomes. Stavrakis, S., Kulkarni, K., Singh, J. P., Katritsis, D. G., & Armoundas, A. A. (2020). Clinical Electrophysiology, 6(5), 467-483. Jensen J. H. Molecular Modeling Basics. CRC Press, 2017.
3. Transporter Proteins as Antitarget for Drug Cardiotoxicity. Kowalska, M.; Nowaczyk, J.; Nowaczyk, A., KV11. 1, NaV1. 5, and CaV1. 2 International Journal of Molecular Sciences 2020, 21, (21), 8099.
4. Singh D. B. Computer Aided Drug Design. Springer, 2020.
Supplementary literature:
1. Pirhadi, S., Sunseri, J., & Koes, D. R. (2016). Open source molecular modeling. Journal of Molecular Graphics and Modelling, 69, 127-143.
2. Sabe, V. T., Ntombela, T., Jhamba, L. A., Maguire, G. E., Govender, T., Naicker, T., & Kruger, H. G. (2021). Current trends in computer aided drug design and a highlight of drugs discovered via computational techniques: A review. European Journal of Medicinal Chemistry, 224, 113705
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: