UNIVERSIDAD TECNICA PARTICULAR
DE LOJA
DISEÑO DE UN MODELO MOLECULAR PARA
PREDECIR ACTIVIDADES INHIBIDORAS DE
ACETILCOLINESTERASA
Autora: Vanessa Jiménez
Tutora: PhD. Silvia González
Introducción:
• La enfermedad de Alzheimer
produce pérdida de memoria
por la degradación de
acetilcolina. El tratamiento
para esta afección depende
del
bloqueo
de
la
acetilcolinesterasa
para
inhibir la degradación de los
neurotransmisores
(acetilcolina).
En Ecuador existe una gran diversidad de
flora. En el cantón Saraguro de la provincia
de Loja, se ha encontrado una variedad de
plantas de la familia Lycopodiaceae del
género Huperzia, en las cuales se ha
encontrado principios activos inhibidores de
acetilcolinesterasa. En dichas plantas están
presentes ciertas moléculas para las cuales
no se encontrado estudios en la literatura
científica.
Objetivo:
Diseñar un modelo computacional
(QSAR) relacionando la estructura de
una serie de moléculas con su actividad
inhibidora de acetilcolinesterasa para
incluir en el modelo la estructura de las
moléculas que se desconocen, presentes
en
las
plantas
mencionadas
anteriormente.
Metodología:
• Se utilizó la base de datos NCI
• Se tomó un gran numero de moléculas,
de las cuales se obtuvieron la estructura y
actividad biológica (inhibidores de
acetilcolinesterasa)
• Se usó el método de QSAR en donde se
realizó una correlación entre estructuraactividad
• Para tomar las moléculas de esta base de
datos hemos tomado en cuenta su
actividad inhibidora, para ello deben tener
en común un grupo amino, y ser
alcaloides.
• Es decir en esta parte de las moléculas se
encuentra el sitio activo.
• Dentro del método QSAR se encuentra el
software DRAGON con el cual se
encontrará
los
descriptores
más
adecuados, para que puedan ser
clasificados con respecto a la estructura de
cada molécula.
• Por medio de MATLAB se utiliza el mejor
método de correlación con respecto a la
actividad, para así obtener el diseño mas
óptimo.
Resultados:
Se ha logrado tener una gran cantidad de
moléculas (alrededor de 90), pero hasta
ahora no se ha conseguido el diseño más
adecuado. Los resultados más cercanos
han sido los siguientes:
• Los descriptores obtenidos mediante
el software DRAGON fue de 624.
NSC
Nombre IUPAC
NSC35355.mol
4-(trimethyl-lambda~5~-azanyl)-5,6,7,8-tetrahydro-1naphthalenyl methylcarbamate
1-(4-chlorobenzyl)-5-methyl-1lambda~5~-pyridin-3-yl
methylcarbamate
NSC634577.mol
Huperzine A, 6-.beta.-hydroxy-
NSC11857.mol
NSC85799 .mol
Actividad biológica
0,815
0,735
0,827
6-methoxy-1-methyl-4,9-dihydro-3H-beta-carboline
2,9-dimethyl-2,3,4,9-tetrahydro-1H-beta-carbolin-1NSC296533 .mol
one
0,292
NSC600645 .mol
0,21
1-benzyl-1,4-dihydro-4-pyridinecarboxamide
N~1~-(5,6-dimethoxy-8-quinolinyl)-N~6~,N~6~-diethylNSC406295 .mol
1,6-hexanediamine
1,3a,8-trimethyl-1,2,3,3a,8,8a-hexahydropyrrolo[2,3NSC30782 .mol
b]indol-5-yl methylcarbamate
1-methyl-1lambda~5~-pyridin-3-yl dimethylcarbamate
NSC679759 .mol
hydrobromide
0,282
0,208
0,986
0,892
NSC167720 .mol 2-bromo-N-(1,2,3,4-tetrahydro-9-acridinyl)acetamide
0,533
NSC381408 .mol
0,53
2-ethoxy-9-acridinamine
CONCLUSIONES:
• Los descriptores encontrados hasta el
momento para cada una de las
moléculas, han demostrado ser los
más óptimos para las estructuras
utilizadas.
Trabajo a futuro:
• Para seguir con este proyecto se está
ampliando la cantidad de moléculas y
buscando el mejor método de correlación
donde se pueda obtener un modelo
deseado.
GRACIAS POR SU
ATENCIÓN
Descargar

Exposicion Vanessa Jimenez