ESTUDIOS COMPUTACIONALES PARA NUEVAS POSIBILIDADES EN LA SÍNTESIS DE MOLÉCULAS CANDIDATAS A FÁRMACOS
DOI:
https://doi.org/10.56238/levv17n57-024Palabras clave:
Bioinformática, Glioblastoma, Descubrimiento de Nuevos Fármacos, Estudios In SilicoResumen
El descubrimiento de fármacos es un campo complejo, con numerosas etapas de prueba y aprobación regulatoria. Sin embargo, tiene el potencial de transformar el tratamiento de enfermedades, mejorar la calidad de vida de los pacientes e incluso salvar vidas. La bioinformática desempeña un papel fundamental en el desarrollo de fármacos, permitiendo un enfoque más eficiente y preciso en el proceso de descubrimiento y optimización de fármacos. El cribado virtual, por ejemplo, utiliza técnicas de simulación computacional para identificar las moléculas más prometedoras para dianas específicas. Esto permite una selección más rápida y específica de fármacos candidatos prometedores, reduciendo el número de compuestos que se deben probar experimentalmente. Tras identificar y validar una diana farmacológica, como las enzimas quinasas en el cáncer, se pueden diseñar moléculas prometedoras para dicha diana. Si el tipo de cáncer es un cáncer cerebral, como el glioblastoma, los estudios de moléculas prometedoras con capacidad para atravesar la barrera hematoencefálica pueden contribuir significativamente. En este sentido, se han realizado estudios computacionales previos para seleccionar moléculas con buenos parámetros farmacocinéticos, alta actividad biológica y posibilidad de síntesis. El objetivo de este trabajo fue realizar estudios in silico para seleccionar moléculas prometedoras que se propongan como posibles fármacos futuros para el tratamiento del glioblastoma. Se realizó un estudio in silico con 57 moléculas. Todas las moléculas propuestas se sometieron a plataformas computacionales para evaluar parámetros farmacocinéticos como el perfil de buena biodisponibilidad oral según la "Regla de los Cinco" de Lipinski, la capacidad de inhibición de quinasas y la capacidad de atravesar la barrera hematoencefálica. En este trabajo, se logró seleccionar un grupo de las moléculas más prometedoras. Las moléculas 20, 39, 44, 45, 51 y 55 mostraron potencial para atravesar la barrera hematoencefálica, según la puntuación final definida en este estudio. Las moléculas 20, 39, 45, 51, 54, 55, 56 y 57 mostraron un potencial prometedor en la inhibición de quinasas según los valores de pIC50 calculados, lo que las indica como las más prometedoras. La molécula 39 destacó por presentar el valor de pIC50 estimado más alto y la puntuación más alta en este cribado. Por lo tanto, mediante este estudio in silico, la molécula 39 puede destacarse como la más prometedora para la síntesis y las pruebas in vitro.
Descargas
Referencias
ALDAZ, P., & AROZARENA, I. (2021). Tyrosine kinase inhibitors in adult glioblastoma: An (un)closed chapter? Cancers, 13(22), 5799.
ALQAHTANI, S. In silico ADME-Tox modeling: progress and prospects. Expert Opinion on Drug Metabolism & Toxicology, v. 13, n. 11, p. 1147–1158, 2 nov. 2017.
ANTUNES, JOAO EUSTAQUIO; DE MOURA PEREIRA, MICHELLE BUENO, et al. New method for predict biological activity of kinases inhibitors. SCIREA Journal of Chemistry. V. 2, n. 2, April 2017.
ANTUNES, JOAO EUSTAQUIO; DE MOURA PEREIRA, MICHELLE BUENO. Rational Computational Study for New Kinase Inhibitors. Journal of Drug Design and Medicinal Chemistry, v. 5, n. 3, p. 40-46, 2019.
ANTUNES JE, FREITAS MP AND RITTNER R. (2008a). Bioactivities of a series of phosphodiesterase type 5 (PDE-5) inhibitors as modelled by MIA-QSAR. Eur. Jour. Med. Chem. 43, 1632-1638.
ANTUNES JE, FREITAS MP, DA CUNHA EFF, RAMALHO TC AND RITTNER R. (2008b) In silico prediction of novel phosphodiesterase type-5 inhibitors derived from Sildenafil, Vardenafil and Tadalafil. Bioorg. Med. Chem. 16, 7599-7606.
AZEVEDO, LIVIANE D. de et al. Sínteses e propriedades de fármacos inibidores da tirosina quinase BCR-ABL, utilizados no tratamento da leucemia mieloide crônica. Química Nova, v. 40, p. 791-809, 2017.
BAIN, JENNY et al. The selectivity of protein kinase inhibitors: a further update. Biochemical Journal, v. 408, n. 3, p. 297-315, 2007.
BALLABH P, BRAUN A, NEDERGAARD M. A barreira hematoencefálica: uma visão geral: estrutura, regulação e implicações clínicas. Neurobiol Dis. 2004 Jun; 16 (1):1-13.
BANERJEE, P. et al. ProTox-II: a webserver for the prediction of toxicity of chemicals. Nucleic Acids Research, v. 46, n. W1, p. W257–W263, 2 jul. 2018.
BIOATIVAS: regra dos cinco de Lipinski e preparação de heterociclo 1, 3, 4-oxadiazol em forno de micro-ondas doméstico. Química Nova, v. 41, p. 110-115, 2018.
BRIDGES AJ, ZHOU H, CODY DR, REWCASTLE GW, MCMICHAEL A, SHOWALTER HDH, FRY DW, KRAKER AJ AND DENNY WA. (1996). Tyrosine Kinase Inhibitors. An Unusually Steep Structure−Activity Relationship for Analogues 4-(3-Bromoanilino)-6,7-dimethoxyquinazoline (PD 153035), a Potent Inhibitor of the Epidermal Growth Factor Receptor. Jour. Med. Chem. V.,39,p. 267-276.
CAPELOZZI, VERA LUIZA. Papel da imuno-histoquímica no diagnóstico do câncer de pulmão. Jornal Brasileiro de Pneumologia, v. 35, p. 375-382, 2009.
DANCEY C AND REIDY J. (2006). Estatística Sem Matemática para Psicologia: Usando SPSS para Windows. 5. ed. Porto Alegre, Artmed.
DIAS, T. A. O., COUT, D. S., & CARDOSO, E. J. R. (2022). Quality of life in glioblastoma after the introduction of temozolomide: A systematic review. Research, Society and Development. v. 11, p.15.
DRESEMANN G. Temozolomide in malignant glioma. OncoTargets Ther. 2010. v.3, p. 139-46.
DOYTCHINOVA, I. (2022). Drug Design—Past, Present, Future. Molecules, v.27, p.5, 1496. https://doi.org/10.3390/molecules27051496.
FERLAY, J., COLOMBET, M., SOERJOMATARAM, I., PARKIN, D. M., PIÑEROS, M., ZNAOR, A., & BRAY, F. (2021). Cancer statistics for the year 2020: An overview.International Journal of Cancer. Advance online publication.
FERNANDES GS, ANTUNES JE, PEREIRA MBM, MARINHO ACB, MACHADO B, MOREIRA ACS, FREITAS MP AND LANG K. (2015). In silico Pharmacokinetics Studies for Quinazolines Proposed as EGFR Inhibitors. Open Jour. Med. Chem. 5, 106-115.
FERREIRA, L. et al. Molecular Docking and Structure-Based Drug Design Strategies. Molecules, v. 20, n. 7, p. 13384–13421, 22 jul. 2015.
FRY, David W. et al. A specific inhibitor of the epidermal growth factor receptor tyrosine kinase. Science, v. 265, n. 5175, p. 1093-1095, 1994.
GOLAN, David et al. Princípios de farmacologia: a base fisiopatológica da farmacoterapia. 2009.
HUANG PH, CAVENEE WK, FURNARI FB, WHITE FM. Uncovering therapeutic targets for glioblastoma: a systems biology approach. Cell Cycle. 2007. 6(22):2750 4.
JACOB C. (1988). Statistical power analysis for the behavioral sciences. 2.ed. Hillsdale, NJ: Erlbaum.
KATZUNG BG, TREVOR AJ. Farmacologia básica e clínica. 13ª ed. Porto Alegre: Artmed, 2017.
KAUR, T. et al. Molecular Docking in Formulation and Development. Current Drug Discovery Technologies, v. 16, n. 1, p. 30–39, 2019.
KONTOYIANNI, M. Docking and Virtual Screening in Drug Discovery. Methods in Molecular Biology (Clifton, N.J.), v. 1647, p. 255–266, 2017.
LACROIX M. et al. A multivariate analysis of 416 patients with glioblastoma multiforme: prognosis, extent of resection, and survival. J. Neurosurg. 2001. 95(2):190-8.
LOPES, NEI R.; ABREU, MARIA THERESA CL. Inibidores de tirosino quinase na leucemia mieloide crônica. Revista Brasileira de Hematologia e Hemoterapia, v. 31, p. 449-453, 2009.
LOUIS DN. et al. World Health Organization Classification of Tumours of the Central Nervous System. 4a edição (vol 1) IARC/WHO Geneva. 2007.
MIKOVSKI, DANIELE et al. Química Medicinal E A Sua Importância No Desenvolvimento De Novos Fármacos. Revista Saúde e Desenvolvimento, v. 12, n. 13, p. 29-43, 2018.
MOLINARO, A.M., TAYLOR, J.W., WIENCKE, J.K., & WRENSCH, M.R. (2019). Genetic and molecular epidemiology of adult diffuse glioma. Nature Reviews Neurology, 15(7), 405-41721(6):720-7.
MOLINSPIRATION CHEMINFORMATICS. Disponível em: <https://www.molinspiration.com/>.
MORRIS, G. M.; LIM-WILBY, M. Molecular Docking. Em: KUKOL, A. (Ed.). Molecular Modeling of Proteins. Methods Molecular BiologyTM. Totowa, NJ: Humana Press, 2008. p. 365–382.
PATEL NP, LYON KA, HUANG JH. The effect of race on the prognosis of the glioblastoma patient: a brief review. Neurological research. 2019; 41(11), 967-971.
PINZI, L.; RASTELLI, G. Molecular Docking: Shifting Paradigms in Drug Discovery. International Journal of Molecular Sciences, v. 20, n. 18, p. 4331, jan. 2019.
REWCASTLE, G. W. et al. Synthesis of 4-(Phenylamino) pyrimidine Derivatives as ATP-Competitive Protein Kinase Inhibitors with Potential for Cancer Chemotherap. Current Organic Chemistry, v. 4, n. 7, p. 679-706, 2000.
ROUSSEAU A, MOKHTARI K, DUYCKAERTS C. The 2007 WHO classification of tumors of the central nervous system - what has changed? Curr Opin Neurol. 2008.
SANAI N, BERGER MS. Glioma extent of resection and its impact on patient outcome. Neurosurgery. 2008
SANTOS, T. S. Uso da Bioinformática para selecionar moléculas candidatas a fármacos.2022. Trabalho de Conclusão de Curso (graduação). Instituto Ciências da Vida da Universidade Federal de Juiz de Fora. Governador Valadares.83 f.2022.
SILVA B. V, et al., Proteínas quinases: características estruturais e inibidores químicos, Quim. Nova, Vol. 32, No. 2, 453-462, 2009.
STANZIONE, F.; GIANGRECO, I.; COLE, J. C. Use of molecular docking computational tools in drug discovery. Em: Progress in Medicinal Chemistry. [s.l.] Elsevier, 2021. v. 60p. 273–343.
TABATABAI G. et al. Molecular diagnostics of gliomas: the clinical perspective. Acta Neuropathol. 2010.120(5):585-92.
VERLI, H. (Org.). Bioinformática: da Biologia à Flexibilidade Molecular. 1ª edição: SBBq, 2014.
WEININGER, D. SMILES, A chemical language and information system. 1. Introduction to methodology and encoding rules. Journal of Chemical Information and Computer Sciences, v. 28, n. 1, p. 31–36, 1 fev. 1988.
WELLER M. Novel diagnostic and therapeutic approaches to malignant glioma. Swiss Med Wkly. 2011. 141:w13210.
WOLFF JE. et al. Nitrosourea efficacy in high-grade glioma: a survival gain analysis summarizing 504 cohorts with 24193 patients. J Neurooncol. 2008. 88(1):57-63.
