El aprendizaje automático y la dinámica estructural integradora identifican potentes inhibidores de ALK de las...

Área de la Ciencia:

• Química computacional
• Descubrimiento de drogas
• En el campo de la oncología

Sus antecedentes:

• La linfoma quinasa anaplásica (ALK) es un factor oncogénico clave en el cáncer de pulmón de células no pequeñas y otras neoplasias malignas.
• Dirigirse a la ALK con moléculas pequeñas es una estrategia clínicamente relevante para el tratamiento del cáncer.

Objetivo del estudio:

• Identificar nuevos inhibidores de la ALK a partir de compuestos derivados de productos naturales mediante un enfoque computacional.
• Aprovechar el aprendizaje automático y la dinámica molecular para priorizar los fármacos candidatos.

Principales métodos:

• Evaluación virtual basada en la estructura de la base de datos ZINC20.
• Formación de modelos de aprendizaje automático y evaluación comparativa para el análisis de la relación estructura-actividad.
• Simulaciones de dinámica molecular de 100 ns y cálculos de la energía libre de unión.

Principales resultados:

• Se seleccionaron seis inhibidores potenciales de ALK en base a múltiples criterios.
• ZINC3870414 y ZINC8214398 mostraron un compromiso de ligando estable y una energía libre de unión favorable.
• La dinámica molecular indicó que estos compuestos restringen el muestreo conformacional de proteínas y alteran las vías de comunicación de residuos.

Conclusiones:

• ZINC3870414 y ZINC8214398 representan andamios prometedores para el desarrollo de inhibidores de ALK.
• El enfoque computacional integrado, que combina ML con métricas dinámicas y de red, es efectivo para el descubrimiento de inhibidores de la quinasa en etapa temprana.