SciELO - Scientific Electronic Library Online

 
vol.34 número96Segundo Seminario de Ciencias Básicas Biomédicas, 2011Evaluación de la respuesta terapéutica y toxicidad de anfotericina B tópica para el tratamiento de la leishmaniasis cutánea índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Actualidades Biológicas

versión impresa ISSN 0304-3584

Actu Biol v.34 n.96 Medellín ene./jun. 2012

 

RESUMEN

 

Búsqueda de potenciales inhibidores de quinasas en Leishmania spp. a través de máquinas de soporte vectorial

 

 

 

Rodrigo Ochoa, Andrés Flórez, Carlos Muskus

Programa de estudio y control de enfermedades tropicales (PECET), Universidad de Antioquia. Medellín (Antioquia), Colombia.

 

Financiación: Convocatoria 519-2010 Banco Proyectos en Salud - Nacional, Colciencias.

 


 

 

INTRODUCCIÓN

Las quinasas son un grupo de enzimas esenciales para el desarrollo de diversos procesos bioquímicos, y se han identificado en varias especies como potenciales blancos terapéuticos. En este proyecto se hizo uso de información registrada sobre interacciones entre compuestos y quinasas, para el diseño de una máquina de soporte vectorial (SVM), basada en teorías de Inteligencia Artificial, capaz de clasificar automáticamente compuestos existentes como potenciales inhibidores de quinasas en Leishmania spp.

Metodología. Se recopilaron datos acerca de la bioactividad de compuestos sobre quinasas de diversas especies, a partir de tres bases de datos: DrugBank, ChEMBL y KinaseSARfari. La estrategia consistió en codificar las quinasas como vectores binarios que representen la ausencia o presencia de dominios específicos dentro de la cadena de aminoácidos de la enzima, con los cuales se construyó un sistema de predicción de actividad inhibitoria por cada compuesto registrado. Para el proceso de codificación se diseñaron protocolos personalizados usando lenguajes de programación. Las máquinas después de ser entrenadas, fueron implementadas con las quinasas pertenecientes a Leishmania spp.

Resultado preliminar. Las máquinas de aprendizaje entrenadas tuvieron una precisión aproximada del 84% en la clasificación, para un total de 642 máquinas diseñadas (cada máquina representa un compuesto con más de 5 blancos registrados en la literatura). Las máquinas fueron implementadas sobre 257 secuencias de quinasas de Leishmania spp. anotadas en la base de datos UniProt. Todo el protocolo de codificación, entrenamiento y prueba de las máquinas fue automatizado y documentado.

Conclusión. Mediante esta estrategia in silico basada en herramientas de inteligencia artificial (IA), se identificaron inicialmente compuestos que potencialmente podrían inhibir blancos moleculares en Leishmania spp. Sin embargo, serán incorporados datos adicionales a la presencia o ausencia de dominios con el fin de mejorar la predicción de potenciales inhibidores.

 

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons