La farmacología en red y el aprendizaje automático identifican a los flavonoides como potenciales senoterapéuticos

Área de la Ciencia:

• Gerontología
• Biología computacional
• Farmacología

Sus antecedentes:

• La senescencia celular, caracterizada por la detención del ciclo celular y la SASP proinflamatoria, está relacionada con el envejecimiento y las enfermedades crónicas.
• Los senoterapéuticos, incluidos los senolíticos y los senomorfos, ofrecen tratamientos potenciales para afecciones relacionadas con la edad.
• Los métodos computacionales como la farmacología en red y el aprendizaje automático aceleran el descubrimiento de nuevos medicamentos.

Objetivo del estudio:

• Identificar compuestos senoterapéuticos potenciales mediante el uso de enfoques computacionales.
• Para analizar las interacciones fármaco-proteína relacionadas con la senescencia celular.
• Clasificar los compuestos por su potencial terapéutico contra la senescencia.

Principales métodos:

• Construcción de redes de interacción fármaco-proteína para la senescencia celular.
• Aplicación de modelos de aprendizaje automático (Random Forest, SVM, KNN) para la clasificación de compuestos.
• Evaluación del potencial terapéutico y de las propiedades químicas medicinales de los compuestos.

Principales resultados:

• Identificación de 714 compuestos con actividad senoterapéutica potencial.
• Selección de 270 compuestos con propiedades médicas favorables.
• Desarrollo de una herramienta web interactiva para el acceso de la comunidad.

Conclusiones:

• Los flavonoides fueron la clase más abundante entre los senoterapéuticos identificados.
• Se identificaron 18 flavonoides nuevos sin actividad senoterapéutica previamente reportada.
• El estudio proporciona un recurso valioso para el descubrimiento de fármacos senoterapéuticos.