Identificación computacional de nuevos compuestos con potencial actividad analgésica empleando el software QSARINS

Abstract

Actualmente los medicamentos empleados en el tratamiento del dolor presentan reacciones adversas que limitan su uso, resultando los métodos “in silico“ una tendencia novedosa en el diseño, obtención y desarrollo de nuevos fármacos analgésicos. En este sentido, el objetivo del presente trabajo es la identificación de nuevos candidatos analgésicos a través del cribado virtual “in silico” empleando métodos de regresión. Con este propósito se recolecta una base de datos de la literatura que incluye compuestos con actividad analgésica frente a receptores opioides tipo kappa. A través del software DRAGON se calcularon descriptores moleculares para todos los compuestos y posteriormente se realizó aleatoriamente la separación de la base de datos inicial en serie de entrenamiento y serie de predicción. Se obtiene un modelo matemático de regresión lineal múltiple por mínimos cuadrados comunes y algoritmo genético para la selección de variables, implementado en el software QSARINS, con un R2 y parámetros adecuados para el ajuste del mismo. El modelo fue validado de modo que fue probada su robustez, estabilidad, baja correlación de los descriptores y buen poder predictivo con un ajuste producto de una correlación no azarosa. En el cribado virtual fueron identificados 26 compuestos con una alta afinidad sobre los receptores opioides tipo kappa, que son recomendados para su evaluación experimental. Podemos concluir que el empleo de estas herramientas computacionales genera un gran ahorro de recursos con respecto a los métodos tradicionales y permite realizar una identificación rápida de compuestos con alta probabilidad de que sean potenciales analgésicos

Currently, the medications used in the treatment of pain present adverse reactions that limit their use. In this sense, the objective of this work is the identification of new analgesic candidates through virtual screening "in silico" using regression methods. For this purpose, a literature database is collected that includes compounds with analgesic activity against kappa-type opioid receptors. Through the DRAGON software, molecular descriptors were calculated for all the compounds and later the separation of the initial database into a training series and a prediction series was made randomly. It is obtained a mathematical model of multiple linear regression by common least squares and genetic algorithm for the selection of variables, implemented in the QSARINS software, with an R2 and adequate parameters for its adjustment. The model was validated so that its robustness, stability, low correlation of the descriptors and good predictive power with an adjustment product of a non-random correlation was tested. The virtual screening identified 26 compounds with a high affinity to kappa-type opioid receptors, which are recommended for experimental evaluation. We can conclude that the use of these computational tools generates a great saving of resources with respect to the traditional methods and allows a quick identification of compounds with high probability of being analgesic potentials