Identificación in silico de nuevos inhibidores de la MAO con posible acción neuroprotectora

Fecha

2016-07

Autores

Hernández Morfa, Mirelys

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Central “Marta Abreu” de Las Villas. Facultad de Química Farmacia. Departamento de Farmacia

Resumen

La enzima monoamino oxidasa (MAO) juega un papel clave en la regulación de varios neurotransmisores de monoamina. Los compuestos que inhiben la monoamino oxidasa han demostrado un alto valor terapéutico para el tratamiento de una variedad de condiciones incluyendo los trastornos afectivos y neurológicos, enfermedades psiquiátricas y neurodegenerativas con alta prevalencia a nivel mundial como el Alzheimer y el Parkinson. En este trabajo, fueron desarrollados estudios cuantitativos de relación estructura-actividad (QSAR) para la clasificacion de compuestos inhibidores de la MAO. Se recopiló una base de datos de 1954 compuestos a partir del PubChem, 948 inhibidores y 1006 sin reportes de inhibición contra la MAO y fueron calculados los descriptores implementados en el programa CDK. Para desarrollar los modelos de clasificación se utilizaron cuatro técnicas de aprendizaje automático: k-vecinos más cercanos (k-NN), máquinas de vectores soporte (SVM), árboles de clasificación (CTs) y redes neuronales artificiales (ANNs). La mayoría de ellos mostraron una precisión global superior al 85% y la razón de falsos positivos está alrededor del 10% para la serie de entrenamiento, en todos los casos. Para la validación de los modelos se llevaron a cabo estrategias de validación cruzada y validación externa usando una serie de prueba, con un buen comportamiento en todos los casos. Finalmente, los modelos fueron empleados para el cribado virtual de 490 compuestos obtenidos por síntesis química para descubrir nuevos inhibidores de la MAO y los modelos identificaron 177 compuestos como inhibidores potenciales.
Monoamine oxidase (MAO) plays a key role in the regulation of various monoamine neurotransmitters. Compounds that inhibit monoamine oxidase have shown therapeutic value in a variety of conditions including affective disorders and neurological, psychiatric and neurodegenerative diseases with high prevalence in the world such as Alzheimer and Parkinson. In our work, we develop a Quantitative Structure–Activity Relationship (QSAR) studies to classify as MAO inhibitors. A database of 1954 compounds, 948 MAO inhibitors and 1006 compounds without report of inhibition against MAO was collected from PubChem and CDK descriptors were calculated to the whole database. Four machine-learning techniques (ML), namely k-nearest neighbours (k-NN), support vector machine (SVM), classification trees (CTs) and artificial neural networks (ANNs) have been used to develop several models. Most of them showed global accuracy of over 85%, and false alarm rate around 10% for the training set. For models validation were carried out cross-validation strategies and external validation using a test set, with good behaviour in all cases. Finally, our models were applied to the virtual screening of 490 synthesized compounds to find new pro-leads MAO inhibitors and the models identify 177 compounds as potential inhibitors.

Descripción

Palabras clave

Enzimas, Neuroprotección, Enzima Monoamino Oxidasa (MAO), Estudios QSAR, Descriptores Moleculares

Citación