INIFTA   05425
INSTITUTO DE INVESTIGACIONES FISICO-QUIMICAS TEORICAS Y APLICADAS
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Búsqueda computacional de nuevos agentes contra el cáncer de colón
Autor/es:
CAROLINA L. BELLERA, ALAN TALEVI, AILÍN L. BUZZI, LAURA SCARONE, DIVER SELLANES, LUIS E. BRUNO BLANCH, GLORIA SERRA, EDUARDO MANTA
Lugar:
Los Cocos, Córdoba, Argentina
Reunión:
Workshop; 3er Workshop Argentino de Química Medicinal; 2008
Institución organizadora:
División Química Medicinal, Asociación Química Argentina
Resumen:
El cáncer colorrectal es el cuarto cáncer de mayor incidencia a nivel mundial, con
más de 900.000 nuevos casos y más de 500.000 muertes año. La mayor incidencia
de cáncer del intestino grueso se registra en países desarrollados y en el sur de
América del Sur (en particular, Argentina, Uruguay y Bolivia) [1]. El grupo de
Química Farmacéutica de la Universidad de la República, ha desarrollado un
programa de síntesis y evaluación de análogos de productos naturales marinos con
actividad citotóxica con núcleos oxazol y/o tiazol, orientado al desarrollo de
compuestos activos contra la línea celular HCT-15 [2-3]. En este trabajo hemos
desarrollado modelos topológicos capaces de identificar, mediante Screening
Virtual (SV) en grandes bases de datos, compuestos novedosos con actividad
citotóxica sobre la línea HCT-15, con el objetivo de orientar la síntesis de los
candidatos promisorios y evaluar su actividad citotóxica in vitro.
Se utilizó como conjunto de entrenamiento un conjunto de 80 compuestos con
IC50 conocida sobre la línea HCT-15, y de distribución aproximadamente normal
en el intervalo -2.5 < log IC50 IC50 (µmoles) < 3.5. A partir del mismo se
desarrolló una función discriminante (fd) capaz de diferenciar estructuras
citotóxicas sobre la línea de estudio de estructuras no citotóxicas. Se obtuvo un
modelo de tan sólo 4 descriptores que clasifica correctamente un 89% de los
compuestos del conjunto de entrenamiento y un 78% de un conjunto de prueba
independiente formado por 36 compuestos. Cabe destacar que los compuestos
activos e inactivos (considerando un valor de corte de IC50 igual a 5 µmoles) que
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
desarrolló una función discriminante (fd) capaz de diferenciar estructuras
citotóxicas sobre la línea de estudio de estructuras no citotóxicas. Se obtuvo un
modelo de tan sólo 4 descriptores que clasifica correctamente un 89% de los
compuestos del conjunto de entrenamiento y un 78% de un conjunto de prueba
independiente formado por 36 compuestos. Cabe destacar que los compuestos
activos e inactivos (considerando un valor de corte de IC50 igual a 5 µmoles) que
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
en el intervalo -2.5 < log IC50 IC50 (µmoles) < 3.5. A partir del mismo se
desarrolló una función discriminante (fd) capaz de diferenciar estructuras
citotóxicas sobre la línea de estudio de estructuras no citotóxicas. Se obtuvo un
modelo de tan sólo 4 descriptores que clasifica correctamente un 89% de los
compuestos del conjunto de entrenamiento y un 78% de un conjunto de prueba
independiente formado por 36 compuestos. Cabe destacar que los compuestos
activos e inactivos (considerando un valor de corte de IC50 igual a 5 µmoles) que
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
desarrolló una función discriminante (fd) capaz de diferenciar estructuras
citotóxicas sobre la línea de estudio de estructuras no citotóxicas. Se obtuvo un
modelo de tan sólo 4 descriptores que clasifica correctamente un 89% de los
compuestos del conjunto de entrenamiento y un 78% de un conjunto de prueba
independiente formado por 36 compuestos. Cabe destacar que los compuestos
activos e inactivos (considerando un valor de corte de IC50 igual a 5 µmoles) que
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
componen el conjunto de entrenamiento son estructuralmente similares, por lo que
esta función permite distinguir ambas categorías en base a características
estructurales sutiles. Para identificar características que distingan compuestos
citotóxicos de compuestos pertenecientes a otras categorías terapéuticas, se utilizó
un segundo conjunto de entrenamiento formado por 80 estructuras, 40 estructuras
con IC50 sobre HCT-15 < a 5 µmoles y 40 estructuras pertenecientes a otras
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).
categorías terapéuticas, obteniendo un % de buenas clasificaciones de 96% para e l
conjunto de entrenamiento y del 92% para un conjunto de prueba independiente
de 48 compuestos. Los modelos han sido validados asimismo mediante
procedimientos estándar de validación interna (validación cruzada Leave-Group-
Out y ensayo de aleatorización).