Identificación de potenciales estabilizadores del cuartetog telomérico como agentes antitumorales

Abstract

El cáncer es una de las principales causas de muerte en la actualidad. Los mecanismos que interfieren en el desarrollo de la enfermedad son varios. Existen factores comunes cuando se desarrolla la actividad tumoral. Este es el caso de la telomerasa, una enzima que se encuentra inactiva en las células somáticas, pero que en el 80 por ciento de células cancerígenas recupera su actividad. La principal acción de la telomerasa se relaciona con conferirle inmortalidad al telómero, al evitar que se dé el acortamiento natural Esta característica refleja que el tamaño del telómero y la presencia de la telomerasa pueden ser indicadores del desarrollo de tumorogénesis. La forma estructural del telómero indica que la estabilidad del T loop es efectuada por una agrupación de guaninas 04 Por lo tanto, Conseguir la estabilidad de G4. Por lo tanto, conseguir la estabilidad de G$ podría tener un efecto antitumoral, ya que se ha comprobado que al interactuar con moléculas pequeñas bloquea la actividad de la telomerasa. Encontrar estabilizadores para G4 se puede realizar en el laboratorio, sin embargo, la probabilidad de éxito es baja, además de ser costosa. Para solucionar este problema la química computacional resulta ser una buena estrategia. Para la ejecución del presente trabajo se emplearon técnicas de acoplamiento y cribado virtual para encontrar estabilizadores de G4. Se usó un total de 108 moléculas activas y 3620 señuelos. Para mejorar la calidad de los resultados se aplicaron combinaciones de programas de acoplamiento como; Dock, Gold y OpenEye, con quince funciones de puntuación energética. Para la validación extrema se usó el modela CompScore. Se dividió el 80 por ciento de ligandos y 80 por ciento de señuelos de forma aleatoria para el entrenamiento del modelo. Los valores restantes se usaron para la validación. Con los datos de entrenamiento se maximizó el enriquecimiento de los activos usando BEDROC con un a igual a 160,9. El modela resultante se usó para recalificar los datos de validación con un factor de enriquecimiento EF al 1 por ciento de los datos. Los resultados mostraron 6 compuestos activos con EF igual a 40,4 lo cual indica una buena tasa para el enriquecimiento. A partir de esto se concluye que se tuvo una buena calidad por parte del modelo.