Predicción in silico de la inhibición de la enzima arginasa empleando regresión lineal múltiple

Abstract

La Organización Mundial de la Salud (OMS) considera la leishmaniasis como una de las principales enfermedades tropicales desatendidas en el mundo. Se hace necesario el descubrimiento de nuevas entidades moleculares con actividad antileishmaniásica para obtener fármacos con alto índice terapéutico, baja resistencia y menor incidencia de efectos adversos. Hasta el momento no se han encontrado compuestos con la potencia, seguridad y selectividad deseadas. La enzima arginasa constituye un nuevo blanco terapéutico para lograr combatir esta enfermedad pero la búsqueda de potenciales inhibidores resulta engorrosa, esta juega un papel fundamental en la supervivencia de Leishmania spp. En este trabajo se emplea el enfoque de diseño/descubrimiento de fármacos asistido por computadoras como una alternativa más económica y rápida en la identificación de nuevos inhibidores de esta enzima. Se obtuvieron obtuvieron dos bases de datos: una de 18 compuestos evaluados en arginasa humana y otra de 22 compuestos evaluados en arginasa de Leishmania a los cuales se les reportó la IC50. Los modelos QSAR-RLM obtenidos, empleando descriptores moleculares 0-3D del software DRAGON, presentaron parámetros estadísticos apropiados y son capaces de predecir adecuadamente la actividad inhibidora de las enzimas arginasa humana y de Leishmania spp. Los modelos cumplen con todos los principios regulatorios establecidos por la OECD y permitieron la identificación de 16 compuestos predichos como extremadamente activos como inhibidores de la arginasa a partir del cribado virtual de la base de datos DrugBank.