Estudios de modelado de farmacóforos, cribado virtual y acoplamiento

molecular para el descubrimiento de nuevos inhibidores de Akt2

Modelización de sistemas químicos y diseño de análisis biológicos

Brayan Javier Anaya Meza

Profesor: Rodrigo Martínez Ruiz

Master en Química y Biotecnología

Universidad de La Rioja
Logroño, España
2020
 Estudios de modelado de farmacóforos, cribado virtual y acoplamiento molecular
para el descubrimiento de nuevos inhibidores de Akt2 (Fei et al., 2013)

La finalidad de este estudio era encontrar nuevos inhibidores de Akt2, también conocida
como la proteína quinasa PKB. Entre las proteínas de señalización que responden a una gran
variedad de señales, la proteína quinasa PKB parece desempeñar un papel central en la
regulación del metabolismo, la supervivencia celular, la motilidad, la transcripción y la
progresión del ciclo celular (Fayard et al., 2010). Por estas razones, la Akt2 se considera
como un objetivo potencial para la terapia contra el cáncer. Los autores construyeron y
validaron el modelo de farmacóforo 3D-QSAR así como el farmacóforo basado en estructura.
Luego, estos dos tipos de modelos de farmacóforos los usaron juntos como consultas de
búsqueda en 3D (virtual screening) para bases de datos de compuestos químicos. Los
compuestos seleccionados se recuperaron de las bases de datos y se analizaron y refinaron
adicionalmente utilizando filtros similares a fármacos y análisis ADMET. Por último, se
seleccionaron siete resultados que tendrían una alta actividad inhibidora y buenas
propiedades de ADMET, por lo cual pueden actuar como nuevos conductores para el diseño
de inhibidores de Akt2. La metodología, las principales técnicas computacionales utilizadas
en el estudio y los principales resultados se describen a continuación:

 Generación de un modelo de farmacóforo basado en estructuras:

En este estudio emplearon una estructura cristalina (códigos PDB: 3E8D) de Akt2 compleja
con un inhibidor conocido para generar un modelo de farmacóforo basado en la estructura
(PharA) que comprende las características farmacofóricas más importantes.

 Generación del modelo de farmacóforo 3D QSAR

Los autores utilizaron el programa Accelrys Discovery studio v2.5 para recolectar un
conjunto de 63 compuestos de Merck Research Laboratories. Por medio de ChemBioOffice
versión 2010 se construyeron las estructuras 3D de estas moléculas, y las energías de todas
las estructuras fueron minimizadas por el protocolo de minimización en DS. Luego, se usaron
conformaciones enteras y diversas de estos compuestos del conjunto de entrenamiento para
generar modelos de farmacóforos utilizando el Protocolo de generación de farmacóforos 3D-
QSAR. Se generaron diez hipótesis de farmacóforo de puntaje alto basadas en los valores de
actividad de 23 compuestos del conjunto de entrenamiento. Todas las hipótesis tenían tres
tipos de características: aceptor de enlaces de hidrógeno (HA), anillo aromático (R) e
hidrofóbico (HY).

 Validación de farmacóforos
Se utilizaron tres métodos de validación para los farmacoforos: el método de
Fischer; conjunto de prueba y conjunto de señuelo. El farmacóforo basado en estructura
PharA fue validado por el conjunto de prueba y el conjunto de señuelo, y el farmacóforo 3D-
QSAR fue validado por los tres métodos.

 Proyección virtual
Se utilizo el farmacóforo basado en estructura y el mejor farmacóforo 3D-QSAR como
consulta 3D para buscar compuestos potentes de dos bases de datos químicas conocidas como
Nature Products y la base de datos Asinex que se descargaron de la base de datos de Zinc. El
farmacóforo basado en estructura PharA se usó primero para seleccionar bases de datos,
luego, se aplicó Hypo1 (farmacóforo 3D-QSAR) para seleccionar las moléculas
seleccionadas. Después de estos dos pasos, se seleccionaron 128 compuestos.

 Análisis similar a las drogas y ADMET

Fueron extraídos y filtrados por la regla de Lipinski, y luego se realizó el análisis ADMET
de absorción, distribución, metabolismo, eliminación y toxicidad de los compuestos que se
ajustaban no solo a las características del farmacóforo basado en la estructura sino también
al mejor modelo de farmacóforo 3D-QSAR. Se analizaron algunas propiedades que incluyen
absorción intestinal humana, niveles de solubilidad acuosa y hepatotoxicidad de estos
compuestos. Solo 7 moléculas cumplieron con el análisis ADMET.

 Estudio de atraque
Con el fin de comprender el modo de unión, 7 éxitos recuperados de la exploración virtual y
23 compuestos del conjunto de entrenamiento se acoplaron a la estructura cristalina del sitio
de unión de Akt2 utilizando el programa GOLD. los dos compuestos de hits más activos se
usaron como ejemplos para mostrar los modos de enlace.

La búsqueda y desarrollo de medicamentos no es una tarea nada fácil, esta tarea requiere una
enorme inversión en términos de dinero, tiempo y personal humano. Por tal razón, en la
actualidad las industrias farmacéuticas están buscando formas de ahorrar tiempo, dinero y
recursos. El diseño de medicamentos asistido por computadora mediante el uso de técnicas
computacionales como las utilizadas en este estudio juegan un papel vital en el
descubrimiento y desarrollo de medicamentos y se ha convertido en una herramienta
indispensable en la industria farmacéutica, mediante el aprovechamiento de todo tipo de
software y recursos para descubrir y optimizar compuestos biológicamente activos. Además,
las técnicas computacionales proporcionan información valiosa sobre los hallazgos
experimentales y el mecanismo de acción y puede ayudar a tomar decisiones rentables antes
de que se inicie la síntesis del fármaco, la cual es muy costosa.

Referencias Bibliográficas

 Fayard, E. et al. (2010) ‘Protein Kinase B (PKB/Akt), a Key Mediator of the PI3K
Signaling Pathway’, in, pp. 31–56. doi: 10.1007/82_2010_58.

 Fei, J. et al. (2013) ‘Pharmacophore Modeling, Virtual Screening, and Molecular

Docking Studies for Discovery of Novel Akt2 Inhibitors’, International Journal of
Medical Sciences, 10(3), pp. 265–275. doi: 10.7150/ijms.5344.