TARGET FISHER: PREDICCIÓN DE BLANCOS MOLECULARES COMBINANDO DOCKING E INTELIGENCIA ARTIFICIAL

J. F. FERNÁNDEZ; L. MARTINEZ HEREDIA; J. A. PALERMO; M. J. LAVECCHIA

Congreso; XXIII Simposio Nacional de Química Orgánica; 2021

La predicción de blancos moleculares por métodos computacionales es un área deinvestigación en auge en la actualidad debido a sus potenciales aplicaciones tanto en químicamedicinal como en la investigación de productos naturales. Sin embargo, las metodologíasdisponibles en su mayoría carecen de métricas que describan la precisión de la clasificaciónutilizada. Esto motivó al desarrollo de una nueva herramienta, introducida en el presente trabajo,que combina docking molecular con inteligencia artificial para elaborar predicciones de afinidadde una dada molécula sobre un conjunto de blancos moleculares. La misma fue evaluada sobreun total de 20 blancos moleculares con resultados satisfactorios. Cabe destacar que el agregadode inteligencia artificial para entrenar cada modelo de clasificación llevó a una mejordiscriminación entre activos e inactivos en todos los casos. Esta capacidad discriminante resultócomparable con los resultados reportados por otros autores que utilizaron una metodologíasimilar1, con la salvedad de que en nuestro caso durante todo el proceso se emplearon programasde código libre o con posibilidad de licencia académica. Una versión preliminar del programa seencuentra disponible online2 y cuenta con la posibilidad de utilizar DOCK 6.9 o Autodock Vinacomo software de docking y elaborar predicciones sobre los blancos disponibles. Actualmentenos encontramos ampliando la cantidad de blancos moleculares e implementando el programacomo un servicio web, en donde el usuario pueda subir su molécula, correr esta herramienta yobtener los resultados.