Modelo de red neuronal basado en la relación estructura-actividad cuantitativa en el cribado de inhibidores...

Área de la Ciencia:

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

Sus antecedentes:

• El carcinoma de células escamosas orales (OSCC) es un cáncer prevalente de cabeza y cuello con un mal pronóstico.
• La sobreexpresión del factor de transcripción RelA es un factor clave en la progresión de la enfermedad.
• La orientación a RelA presenta una estrategia terapéutica potencial para el CCSO.

Objetivo del estudio:

• Identificar nuevos inhibidores de la RelA para el tratamiento del CCSO.
• Desarrollar un modelo predictivo cuantitativo de relación estructura-actividad (QSAR) para los inhibidores de la RelA.
• Evaluar los compuestos naturales de las algas marrones como inhibidores potenciales de la RelA.

Principales métodos:

• Desarrollo de un modelo de red neuronal artificial (perceptrón multicapa) basado en QSAR.
• Cribado de 1221 compuestos derivados de algas marrones para la actividad inhibidora de RelA.
• Simulaciones de acoplamiento molecular y dinámica molecular para evaluar la afinidad y la estabilidad de la unión.

Principales resultados:

• El modelo QSAR logró una precisión del 91,37% en la clasificación de inhibidores activos de la RelA (MCC=0,89).
• 1014 de los 1221 compuestos examinados fueron identificados como potentes inhibidores de la RelA.
• Phlorethopentafuhalol-A exhibió una afinidad de unión superior (-8,45 kcal/ mol) en comparación con los inhibidores conocidos y formó interacciones estables con RelA a través de la simulación de MD.

Conclusiones:

• El Phlorethopentafuhalol-A es un candidato terapéutico potencial para el tratamiento del CCSO.
• El modelo QSAR desarrollado predice eficazmente las propiedades inhibidoras de RelA.
• Los productos naturales de algas marrones representan una fuente prometedora para el descubrimiento de nuevos fármacos contra el cáncer.