Predicción de los sitios activos de los antibióticos quinolona que interactúan con los organismos mediante el...

Área de la Ciencia:

• Farmacología Farmacología.
• Química computacional es la química computacional.
• Ciencias ambientales Ciencias ambientales.

Sus antecedentes:

• Las quinolonas (QNs) son antibióticos ampliamente utilizados en la salud humana y animal a nivel mundial.
• La predicción precisa de la bioactividad de QN es crucial para la evaluación de riesgos y el desarrollo de fármacos.

Objetivo del estudio:

• Desarrollar modelos de aprendizaje profundo para predecir la actividad de ensayo biológico de 19 antibióticos quinolones comunes.
• Para identificar nuevos objetivos y comprender los mecanismos de acción de la quinolona.

Principales métodos:

• Recogió datos de bioensayo para 19 QNs de la base de datos de PubChem.
• Construyó 45 modelos de predicción de actividad biológica basados en aprendizaje profundo.
• Utilizó simulaciones de dinámica molecular para validar las interacciones.

Principales resultados:

• Los modelos desarrollados lograron una precisión de predicción de más del 95% (excepto para la mutagenicidad de CCRIS en 85.22%).
• Los QN pronosticados exhiben actividad contra las enzimas de reparación del ADN bacteriano y las proteínas neuroconductuales (por ejemplo, HP1089, RecBCD, RecB, SLC5A7).
• La dinámica molecular confirmó conformaciones estables de complejos de fluoroquinolonas con objetivos identificados.

Conclusiones:

• Los modelos de aprendizaje profundo desarrollados proporcionan herramientas confiables para predecir la bioactividad de la quinolona y llenar las lagunas de datos.
• Los hallazgos ofrecen una base teórica para comprender las respuestas del organismo a los productos químicos exógenos e informar a las políticas.
• Esta investigación apoya la protección del medio ambiente, la seguridad alimentaria, la evaluación de riesgos y el desarrollo farmacéutico ecológico.