Identificación y validación mediante simulación de potentes inhibidores de JAK3 para la terapia del cáncer guiada por...

Área de la Ciencia:

• Química computacional
• Descubrimiento de fármacos
• Bioinformática

Sus antecedentes:

• La Janus quinasa 3 (JAK3) es crucial en la señalización inmunitaria y está relacionada con la progresión del cáncer.
• El desarrollo de inhibidores selectivos de JAK3 es esencial para las terapias contra el cáncer dirigidas.

Objetivo del estudio:

• Establecer un pipeline de aprendizaje automático para identificar nuevos inhibidores de JAK3.
• Descubrir posibles agentes anticancerígenos dirigidos a JAK3.

Principales métodos:

• Se entrenaron modelos de aprendizaje automático con un conjunto de datos de inhibidores de JAK3, seleccionando Random Forest por su alto rendimiento.
• Se realizó un cribado virtual de 25.084 compuestos utilizando el modelo entrenado, seguido de acoplamiento y perfilado ADMET.
• Se realizaron simulaciones de dinámica molecular y cálculos MM/GBSA para evaluar la estabilidad y afinidad de la unión.

Principales resultados:

• Se identificaron 400 candidatos a inhibidores de JAK3 de alta confianza.
• Se seleccionaron tres compuestos (CHEMBL49087, CHEMBL4117527, CHEMBL50064) con propiedades ADMET favorables.
• CHEMBL4117527 demostró una energía libre de unión superior en comparación con el ligando cocristalizado.

Conclusiones:

• El pipeline de aprendizaje automático desarrollado es una estrategia robusta para el descubrimiento de inhibidores de JAK3.
• CHEMBL4117527 es un candidato prometedor para la validación experimental en terapéuticas contra el cáncer.