Descubrimiento de descriptores moleculares óptimos mediante computación evolutiva
Fecha
2011-06-22
Autores
Vaz d’Almeida, Yasser Silveira
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central “Marta Abreu” de Las Villas
Resumen
La industria farmacéutica necesita tratar con el aumento del coste y el tiempo requerido para el desarrollo de nuevos fármacos, y el descubrimiento “in silico” y posterior optimización de compuestos líderes se está convirtiendo en un medio cada vez más importante para alcanzar este objetivo.
Este proceso implica, a menudo, la obtención de modelos para estimar las relaciones cuantitativas de estructura-actividad, que se centran en predecir la actividad biológica de un compuesto a partir de una representación vectorial de la estructura molecular. Las componentes de esta representación vectorial de la estrutura molecular no son más que descriptores moleculares.
Este trabajo consiste en diseñar e implementar una herramienta computacional que permita la obtención de modelos QSAR de predicción óptima para la descripción de propiedades químico-físicas y biológicas de compuestos orgánicos empleando la exploración del espacio de todos los posibles descriptores moleculares algebraicos TOMOCOMD-CARDD, mediante el uso de algoritmos genéticos que encontraran sus parámetros idóneos.
The pharmaceutical industry needs to deal with the risising cost of and the time required for the development of new drugs, and the ín silico`discovery and later optimization of compound leaders is being converted into a medium each time more important to meet this objective. This process often implies the obtention of models to estimate the qualitative relations of structure - activity, that are centred on predicting the biological activity of a compound beginning from a vectoral of a molecular structure. The components of this vectoral representation of the molecular structure are no more than molecular descriptors. This investigation consists of the design and implementation of a computational tool for the obtention of QSAR models of optimum prediction in the description of chemical – physical and biological properties of organic compounds employing the exploration of the space of all the possible algebraic molecular descriptors TOMOCOMD-CARDD, using genetic algorithms to find the best parameters.
The pharmaceutical industry needs to deal with the risising cost of and the time required for the development of new drugs, and the ín silico`discovery and later optimization of compound leaders is being converted into a medium each time more important to meet this objective. This process often implies the obtention of models to estimate the qualitative relations of structure - activity, that are centred on predicting the biological activity of a compound beginning from a vectoral of a molecular structure. The components of this vectoral representation of the molecular structure are no more than molecular descriptors. This investigation consists of the design and implementation of a computational tool for the obtention of QSAR models of optimum prediction in the description of chemical – physical and biological properties of organic compounds employing the exploration of the space of all the possible algebraic molecular descriptors TOMOCOMD-CARDD, using genetic algorithms to find the best parameters.
Descripción
Palabras clave
Modelos QSAR, TOMOCOMD-CARDD, Algoritmos Genéticos, Aprendizaje Automatizado, QSAR Models, Genetic Algorithms, Machine Learning