Utilizan el aprendizaje automático y modelado molecular para identificar posibles medicamentos contra el cáncer

627
0
720x90
Capturadepantalla2024-05-17alas014537
PREPASON2024BANNERS_714x90
Capturadepantalla2024-04-26alas192343
PrevencionEmbarazo
Lactanciapornostros4
Capturadepantalla2023-02-13alas213814
Capturadepantalla2023-02-13alas214531
Capturadepantalla2022-09-12alas043937
Capturadepantalla2023-02-13alas215907
Capturadepantalla2023-02-13alas220711
previous arrow
next arrow

Los químicos de la Universidad RUDN y sus colegas de China construyeron varios modelos de aprendizaje automático y descubrieron un grupo de fármacos potenciales que inhiben la enzima responsable de la división celular descontrolada. Los resultados fueron publicados en Biomedicinas.

La quinasa 2 dependiente de ciclina (CDK 2) es una enzima que participa en la regulación de la división celular. Aunque CDK 2 no es esencial en las células sanas , tiene un papel crucial en el crecimiento descontrolado de las células cancerosas. La inhibición de la actividad de CDK 2 frena el crecimiento tumoral , por lo que es importante encontrar inhibidores de CDK 2 eficaces. Para ello, los químicos de la RUDN University y sus colegas de China combinaron métodos de investigación informática: aprendizaje automático y modelado molecular . Como resultado, los químicos pudieron descubrir varios inhibidores potenciales.

“La quinasa 2 dependiente de ciclina es un objetivo prometedor para el tratamiento del cáncer. El desarrollo de sus inhibidores es importante en la terapia antitumoral. La participación de esta enzima en la formación de tumores aún no se ha estudiado completamente, pero ya está claro que su inhibición es útil en el tratamiento. Varios inhibidores ya se han sometido a ensayos clínicos , pero aún no se ha encontrado un inhibidor selectivo específico para esta enzima “, dijo Alexander Novikov, Ph.D. en Química, investigador principal del Instituto Conjunto de Investigación Química de la Universidad RUDN.

Para encontrar un fármaco candidato, los químicos utilizaron métodos de aprendizaje automático. Los autores construyeron varios modelos para encontrar inhibidores activos de CDK 2. Los químicos construyeron un modelo molecular utilizando el método de acoplamiento molecular, que puede identificar la orientación molecular más favorable para la formación de un complejo estable.

Los modelos de aprendizaje automático identificaron 25 posibles inhibidores activos de CDK 2 con una precisión del 98%. Los químicos probaron cada uno de ellos mediante acoplamiento molecular. Tres sustancias funcionaron mejor. Para los tres primeros, se construyó una simulación por computadora utilizando el método de dinámica molecular y se comparó con el compuesto de referencia dalpiciclib. Los tres resultaron ser más estables y compactos.

“En comparación con el fármaco de control dalpiciclib, los tres compuestos calculados mostraron un comportamiento más estable y compacto. A pesar de los resultados prometedores, nuestro estudio tiene varias limitaciones. Necesitamos ensayos clínicos en profundidad in vitro e in vivo para confirmar la actividad inhibidora y la posible eficacia terapéutica. “Además, al desarrollar fármacos, será necesario estudiar el efecto de los compuestos sobre las interacciones no deseadas y su toxicidad”, explicó Alexander Novikov, Ph.D. en Química, investigador principal del Instituto Conjunto de Investigación Química de la Universidad RUDN.

Fuente: phys.org

Comentarios