EVALUACIÓN DE BIOISÓSTEROS DE LA DOXORRUBICINA EN LA ESTABILIDAD DE COMPLEJOS LIGANDO-PARP1, CDK2 Y αPI3K

Elian Guaillazaca Gonzales

doi:10.47187/perf.v1i33.312

Autores/as

Elian Guaillazaca Gonzales Escuela Superior Politécnica de Chimborazo, Facultad de Ciencias, Riobamba, Chimborazo, Ecuador

DOI:

https://doi.org/10.47187/perf.v1i33.312

Palabras clave:

PARP1, αPI3K, CDK2, Acoplamiento Molecular, Bioisósteros, Diseño de Nuevos Farmacos

Resumen

Este estudio se centró en la evaluación de bioisósteros de la doxorrubicina y su impacto en la estabilidad de complejos ligando-proteínas, específicamente PARP1, CDK2 y αPI3K. Se utilizó un enfoque computacional para investigar estas interacciones de acoplamiento molecular. Este estudio busca comprender cómo los bioisósteros pueden ofrecer interacciones más estables con las proteínas responsables del cáncer, aumentando así la efectividad del tratamiento. La metodología utilizada involucró la generación de bioisósteros potenciales a partir de la doxorrubicina para posteriormente realizar el análisis del acoplamiento molecular entre los complejo-ligando. Por lo tanto, se valoró la afinidad y estabilidad de estos bioisósteros mediante técnicas de acoplamiento molecular. Los resultados obtenidos mostraron que los complejos bioisostéricos generados presentaron interacciones significativamente más estables con las proteínas en comparación con la doxorrubicina original. En particular, los bioisósteros B5 y B4 mostraron una mejor interacción, con energías de afinidad de -11,62 y -8,29 kcal/mol respectivamente para la proteína PARP1 y CDK2, lo que sugiere que podrían ser candidatos prometedores para el desarrollo de nuevos tratamientos. La optimización de estos compuestos podría contribuir significativamente al desarrollo de terapias más efectivas y menos tóxicas para el tratamiento del cáncer de mama.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

La Garza Salazar J, Juárez Sánchez P. El cáncer. Universidad Autónoma de Nuevo León; 2013. ISBN: 978-607-27-0215-8.

GLOBOCAN. Cancer Today - Most Common Sites [Internet]. 2024 [citado 2024 nov 11]. Disponible en: https://gco.iarc.who.int/today/en/dataviz/maps-most-common-sites?mode=cancer&key=total

Martín M, Herrero A, Echavarría I. El cáncer de mama. Arbor. 2015;191(773):a234–a234.

Del Río MAG, González JB. Fármacos antineoplásicos (I): revisión. Farm Prof. 2006;20(2):60-4.

Fisusi FA, Akala EO. Drug combinations in breast cancer therapy. Pharm Nanotechnol. 2019;7(1):3-23.

Macas Victoria HM. Efectos secundarios al tratamiento de quimioterapia en pacientes diagnosticadas de cáncer de mama en el hospital José Carrasco Arteaga del 2015 al 2019 [tesis de licenciatura]. Cuenca: Universidad de Cuenca; 2022.

Fiegl M, Mlineritsch B, Hubalek M, Bartsch R, Pluschnig U, Steger GG. Doxorrubicina liposomal pegilada como agente único en el tratamiento del cáncer de mama metastásico: resultados de un ensayo observacional austriaco. BMC Cancer. 2011;11:1-9.

Pandiyan S, Li W. A comparative study of Bazedoxifene, Exemestane, Fulvestrant, Raloxifene, Tryprostatin A, and Vorinostat compounds as potential inhibitors against breast cancer through molecular docking, and molecular dynamics simulation. Chin J Anal Chem. 2023;51(10):100315.

Popelier P. New insights in atom-atom interactions for future drug design. Curr Top Med Chem. 2012;12(17):1924–34.

Mannhold R, Kubinyi H, Folkers G. Bioisosteres in medicinal chemistry. John Wiley & Sons; 2012. ISBN: 978-3-527-33015-7.

Shan J, Ji C. MolOpt: a web server for drug design using bioisosteric transformation. Curr Comput Aided Drug Des. 2020;16(4):460–6.

Di Gregorio A. Fragmented Molecular Docking to Rationally Improve the Accuracy of Blind Ligand-Receptor Binding Prediction [tesis de maestría]. Turín: Politecnico di Torino; 2020.

Tadesse S, Anshabo AT, Portman N, Lim E, Tilley W, Caldon CE, et al. Targeting CDK2 in cancer: challenges and opportunities for therapy. Drug Discov Today. 2020;25(2):406–13. Disponible en: https://doi.org/10.1016/j.drudis.2019.12.001

Nunnery SE, Mayer I. Management of toxicity to isoform α-specific PI3K inhibitors. Ann Oncol. 2019;30:x21–x26.

Bank RPD. RCSB PDB: Homepage [Internet]. 2024 [citado 2024 nov 13]. Disponible en: https://www.rcsb.org/

PubChem. Doxorubicin [Internet]. 2024 [citado 2025 nov 13]. Disponible en: https://pubchem.ncbi.nlm.nih.gov/

Rayan B, Rayan A. Avogadro program for chemistry education: To what extent can molecular visualization and three-dimensional simulations enhance meaningful chemistry learning. World J Chem Educ. 2017;5(4):136–41.

O’Boyle NM, Banck M, James CA, Morley C, Vandermeersch T, Hutchison GR. Open Babel: An open chemical toolbox. J Cheminform. 2011;3:1–14.

Prieto-Martínez FD, Arciniega M, Medina-Franco JL. Acoplamiento molecular: avances recientes y retos. TIP Rev Esp Cienc Quím Biol. 2019;21(S1):65–87.

Ravi L, K K. A Handbook on Protein-Ligand Docking Tool: AutoDock 4. Innovare J Med Sci [Internet]. 2016 Jun 1 [citado 2024 nov 13];4(3):28–33. Disponible en: https://journals.innovareacademics.in/index.php/ijms/article/view/12724

Volkamer A, Kuhn D, Rippmann F, Rarey M. DoGSiteScorer: a web server for automatic binding site prediction, analysis and druggability assessment. Bioinformatics. 2012;28(15):2074–5.

Walters WP. Going further than Lipinski’s rule in drug design. Expert Opin Drug Discov. 2012;7(2):99–107.

Laskowski RA, Swindells MB. LigPlot+: multiple ligand-protein interaction diagrams for drug discovery. J Chem Inf Model. 2011;51(10):2778–86. doi: 10.1021/ci200227u. Epub 2011 Oct 5. PMID: 21919503.

Yuan S, Chan HCS, Hu Z. Using PyMOL as a platform for computational drug design. Wiley Interdiscip Rev Comput Mol Sci. 2017;7(2):e1298.

Hetényi C, van der Spoel D. Blind docking of drug-sized compounds to proteins with up to a thousand residues. FEBS Lett. 2006;580(5):1447–50.

Da Silveira NJF, de Azevedo WF, Guedes RC, Santos LM, Marcelino RC, da Silva Antunes P, et al. Bioinformatics approach on bioisosterism softwares to be used in drug discovery and development. Curr Bioinform. 2022;17(1):19–30.