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.
]]>