Las simulaciones de tracción de una sola molécula pueden discernir los inhibidores de enzimas activos de los...

Área de la Ciencia:

• Química computacional es la química computacional.
• Biología estructural Biología estructural.
• Descubrimiento de fármacos.

Sus antecedentes:

• Las interacciones ligando-proteína son cruciales para el diseño de fármacos basado en la estructura.
• Las simulaciones tradicionales de acoplamiento y dinámica molecular (DM) tienen limitaciones en la clasificación de análogos de fármacos de manera consistente con los datos biológicos.
• La deshidratasa beta-hidroxiacil-ACP de Plasmodium falciparum (PfFabZ) es un objetivo único para el desarrollo de fármacos antipalúdicos.

Objetivo del estudio:

• Desarrollar y validar un enfoque in silico para estudiar las interacciones moleculares y comparar las características de unión ligando-análogo.
• Identificar nuevos inhibidores enzimáticos para PfFabZ mediante la integración de predicciones computacionales con validación experimental.
• Establecer una estrategia robusta de diseño de fármacos basada en perfiles de fuerza de dinámica molecular dirigida (DMS).

Principales métodos:

• Utilizó una combinación de acoplamiento molecular y simulaciones de dinámica molecular dirigida (SMD).
• Desarrolló un enfoque in silico para analizar las interacciones atómicas y las afinidades de unión.
• Se imitaron los experimentos de extracción de moléculas individuales utilizando SMD para generar perfiles de fuerza para la discriminación de compuestos.

Principales resultados:

• Los perfiles de fuerza derivados del SMD lograron por primera vez distinguir con éxito los compuestos activos de los inactivos.
• Se diseñó un nuevo compuesto basado en el modelo computacional, y se predijo su actividad contra PfFabZ.
• La validación experimental confirmó las predicciones computacionales, demostrando la robustez del enfoque.

Conclusiones:

• El enfoque computacional integrado, en particular el SMD, ofrece una poderosa herramienta para comprender el reconocimiento de proteínas ligando y guiar el diseño de fármacos.
• Este método mejora la capacidad de predecir y clasificar análogos de drogas, superando las limitaciones de las técnicas tradicionales.
• La exitosa aplicación de PfFabZ destaca su potencial para el desarrollo de nuevas terapias antimaláricas y otros esfuerzos de descubrimiento de fármacos.