Utilizando un enfoque combinado de aprendizaje automático y principios de diseño de fármacos basados en la estructura...

Área de la Ciencia:

• La bioquímica
• Química computacional
• Descubrimiento de drogas

Sus antecedentes:

• La esfingosina quinasa 1 (SphK1) es vital para el metabolismo de los esfingolípidos.
• La desregulación de SphK1 se correlaciona con la progresión tumoral y la metástasis en los cánceres de pulmón y de vejiga.
• SphK1 presenta un objetivo terapéutico prometedor para el tratamiento del cáncer.

Objetivo del estudio:

• Identificar nuevos inhibidores de la esfingosina quinasa 1 (SphK1) utilizando un enfoque basado en el aprendizaje automático.
• Descubrir diversos andamios químicos con propiedades anticancerígenas potenciales.

Principales métodos:

• Modelos de aprendizaje automático empleados y huellas moleculares para la selección virtual de bibliotecas químicas.
• Se utilizó el diseño de fármacos basado en la estructura y el acoplamiento molecular para evaluar las interacciones compuesto-proteína.
• Se han realizado simulaciones de dinámica molecular y cálculos de energía de unión (MM-PBSA/GBSA) para el análisis de estabilidad.

Principales resultados:

• Se identificaron seis compuestos con interacciones significativas contra la proteína Esfingosina Kinasa 1 (SphK1).
• Dos compuestos, SCR00139 y SCR00133, mostraron una estabilidad notable y una unión favorable dentro del sitio activo de SphK1.
• Los análisis computacionales indicaron estimaciones vinculantes relativas prometedoras para los compuestos identificados.

Conclusiones:

• Desarrolló una tubería integrada que combina el aprendizaje automático y los métodos computacionales para el descubrimiento de nuevos andamios de medicamentos.
• Se destacan SCR00139 y SCR00133 como candidatos principales para una mayor investigación.
• Enfatizó la necesidad de una validación in vitro para confirmar la eficacia terapéutica de estos potenciales inhibidores de SphK1.