Q06004.Pdf (2.756Mb)
Total Page：16
File Type：pdf, Size：1020Kb
Universidad Central “Marta Abreu” de Las Villas Facultad de Química y Farmacia Departamento de Farmacia “Estudios QSAR de la actividad antibacterial usando el método TOMOCOMD-CARDD” “QSAR Studies of antibacterial activity using TOMOCOMD-CARDD Method” Autor: kaloko amirou Tutores. Dr. Yovani Morrero Ponce 2005-2006 "El éxito es aprender a ir de fracaso en fracaso sin desesperarse" Winston Churchill Dedicatoria A mis pades, Elhadj Almamy y Hadja Makhissa, porque en el mundo no hay personas más importante para mi más que ellos. A mi familia, especialmente mi querido hermano Kaloko Alseny, por su cariño, amor y ayuda en mi formación como persona y como profesional; Su ánimo y preocupaciones me han dado la fuerza para seguir hacia delante. A todos mis amigos y amigas por hacer sonreír mi corazón en cada momento. La vida es un camino lleno de sorpresas, y al final nadie lo conoce… Y ella siempre es más de lo que nosotros nos imaginamos… Es por ello que guardo a todas las personas importantes de mi vida en una cajita dentro de mi corazón. Agradecimiento El viaje de miles de kilómetros empieza con un paso, y al finalizar este trabajo doy mis calidos agradecimientos a todas aquellas personas que de una manera u otras unieron sus esfuerzos para terminar mis estudios y contribuyeron a mi trabajo de tesis, en especial: A Dios, quien ha sido mi fortaleza para seguir y sin su ayuda y fuerza no hubiese logrado esta meta. A mis Tutores: Dr. Yovani Marrero Ponce, Msc Luís Alberto Torres Gómez, gracia a su enseñanza, sacrificio y dedicación pude concluir este trabajo. A todos los profesores de la facultad que durante mi transcurso de la carrera supieron guiarme, enseñarme y transmitir sus conocimientos para ser un buen profesional. A todos mis compañeros del aula que me apoyaron durante mi cinco años de la carrera. A mis amigos y amigas que me brindaron ayuda durante mi estancia aquí en la universidad A todos muchas gracias!!! ÍNDICE Pág. RESUMEN GLOSARIO 1 INTRODUCCIÓN 1 Objetivos 4 2 REVISIÓN BIBLIOGRÁFICA 5 2.1 Historia 5 2.2 Definición y características 7 2.3 Espectro de acción 7 2.4 Clasificación y mecanismos de acción 7 2.5 Factores que rigen la sensibilidad de los m.o a los antimicrobianos 8 2.6 Factores que rigen la resistencia de los m.o a los antimicrobianos 8 2.7 Agentes antibacterianos 9 2.7.1 Sulfonamidas 9 2.7.2 Quinolonas 10 2.7.3 Penicilinas 12 2.7.4 Cefalosporinas 15 2.7.5 Otros antibióticos β-lactámicos . Carbapenems (Ej. Imipenem) 18 2.7.6 Aminoglucósidos 18 2.7.7 Tetraciclinas 22 2.7.8 Cloranfenicol 24 2.7.9 Macrólidos 26 2.7.10 Tuberculostáticos 28 3 PARTE EXPERIMENTAL 31 3.1. 3.1 Enfoque Teórico. Definición de los Nuevos Descriptores Moleculares 31 3.1.1 Índices Cuadráticos Moleculares 31 3.1.2 Índices lineales Moleculares 36 3.1.3 Índices Cuadráticos y Lineales Estocásticos 39 3.2 Método Computacional. TOMOCOMD-CARDD software 41 3.3 Análisis Estadístico de los Datos. Desarrollo de Funciones Discriminantes usando 44 ADL 3.4 Base de Datos de los Compuestos Usados en la Obtención de los Modelos ADL- 45 QSAR 4 RESULTADOS Y DISCUSIÓN 46 4.1 Desarrollo de Modelos QSAR-ADL 46 4.2 Interpretación en Términos Estructurales de los Modelos Obtenidos 53 4.3 Validación externa y ‘screening’ virtual: Una Promisoria Alternativa para la 54 Selección y el Diseño Racional de Fármacos Antimicrobianos. 5 CONCLUSIONES 64 6 RECOMENDACIONES 65 7 REFERENCIAS BIBLIOGRÁFICAS ANEXOS GLOSARIO NEM Nueva Entidad Molecular ITs Índices Topológicos TOMOCOMD TOpological MOlecular COMputer Design qk(x) k-ésimo Índice cuadrático de la matriz de adyacencia entre vértices de un seudografo molecular QSAR Quantitative Structure-Activity Relationships SE Serie de entrenamiento SP Serie de predicción ADL Análisis Discriminante Lineal λ Lambda de Wilks D2 Distancia de Mahalanobis al cuadrado Fexp Razón de Fisher experimental ABSTRACT The aim of this study was to develop a simple quantitative structure-activity relationship (QSAR) for the classification and prediction of antibacterial activity, so as to enable in silico screening. To this end a database of 2030 compounds, classified according to whether they had antibacterial activity, and for which a total of four TOMOCOMD-CARDD descriptors´s families were calculated, was analyzed. To identify descriptors that allowed separation of the two classes (i.e. those compounds with and without antibacterial activity), analysis of forward stepwise was utilized like variable selection´s method, and models were developed using linear discriminant analysis. Model predictivity was assessed and validated by the used of an external test set, for which predictions were made from the model. The results of the analyses indicated that total and local (heteroatoms and H-bonding heteroatoms) TOMOCOMD-CARDD descriptors, provided excellent separation of the data (>90% y >89% in training and test set, respectively). The models developed are then used in a simulation of virtual search of antibacterial drug-like compounds; >87% of the chemicals used in this simulated search were correctly classified, thus indicating the ability of the TOMOCOMD-CARDD models of finding lead compounds with novel structures and action mode. So, the obtained QSAR model can be applied to a large set of compounds searching for new candidates as antibacterials. RESUMEN El objetivo fundamental de este estudio fue desarrollar simples relaciones cuantitativas estructura-actividad (QSAR) para la clasificación y la predicción de la actividad antibacteriana, de manera que permita el desarrollo de procesos de “screening” in silico. Con este fin, una data de 2030 compuestos, clasificados acorde a su actividad antibacteriana, y un total de cuatro familias de descriptores TOMOCOMD-CARDD, fueron calculados y analizados. Para identificar los descriptores que permitan la separación en dos clases (ej: compuestos con y sin actividad antibacteriana), el análisis de “pasos-hacia-delante” fue empleado como métodos de selección de variables; y entonces los modelos fueron desarrollados usando el análisis discriminante lineal. Para acceder al poder predictivo del modelo, se realizó una validación con una serie de predicción externa. Los resultados de los análisis indican que los descriptores TOMOCOMD-CARDD totales y locales (heteroátomos e H-unidos a heteroátomos), proporcionan una excelente separación de la data (> 90 y >89%) en la serie de entrenamiento y en la serie de predicción, respectivamente. Los modelos desarrollados fueron usados en una búsqueda virtual de compuestos antibacterianos tipo-fármacos; >87% de los compuestos empleados en esta simulación fueron correctamente clasificados, los cual es indicativo de la capacidad de los modelos TOMOCOMD-CARDD en el descubrimiento de nuevos compuestos líderes, desde el punto de vista estructural y de modo de acción. Finalmente, los modelos QSAR obtenidos pueden ser aplicados a grandes bibliotecas virtuales con el objetivo de descubrir/seleccionar compuestos candidatos como antibacterianos. 1 INTRODUCCIÓN La era antibiótica comenzó con el descubrimiento en 1939 y 1940 de los tres primeros antibióticos, tirotricina, penicilina y actinomicina (Morton, 2000). Estos medicamentos fueron catalogados como “balas mágicas” toda vez que se pensó que con su advenimiento había llegado el fin de las enfermedades infecciosas. Sin embargo, muy poco después de su introducción en la práctica médica rutinaria los microorganismos fueron creando diferentes tipos de mecanismos para evadir el efecto nocivo de dichos medicamentos sobre ellos. Actualmente existe una crisis global en el tratamiento de las enfermedades infecciosas debido a la presencia de microorganismos resistentes a la mayoría, si no a todos los antimicrobianos convencionales (Levy, 2001). Tal es el caso de Staphylococcus aureus resistente a Meticilina (MRSA) (Ayliffe, 1997; Livermore, 2000; Tenover y col., 2001; Aucken y col., 2002), Entrococcus resistente a Vancomicina (VRE) (Huycke y col., 1998; Cetinkaya y col., 2000; Murray, 2000; Murray, 1998; Gold y Oellering, 1996), Streptococcus pneumoniae resistente a Penicilina (PRP) (Gold y Oellering, 1996; Appelbaum, 1992), y bacilos Gram (-) tales como Pseudomonas aeruginosa (Gold y Oellering, 1996; Livermore, 2002), Klebsiella pneumoniae (Tymms y col., 1995), entre otros. La prescripción innecesaria ha sido reconocida como el principal factor que influye en el desarrollo de resistencia y costo (Ball y col., 2002), aunque otros factores como el uso indiscriminado en la salud animal y la presencia en los residuales de las plantas productoras de medicamentos han sido factores importantes para el desarrollo de microorganismos resistentes (Guardabais y Kruse, 2003). Los diferentes medicamentos que se comercializan internacionalmente para tratar las diferentes enfermedades infecciosas caen dentro de ocho grupos químicos fundamentales: Sulfonamidas, Quinolonas, β-lactámicos (Penicilinas, Cefalosporinas y otros β-lactámicos), Aminoglucósidos, Tetraciclinas, Cloranfenicol, Macrólidos y Lincosamidas (Sherwood, 1997). Aunque existe un amplio arsenal terapéutico en cada uno de dichos grupos químicos, el hecho de estar relacionados estructuralmente, hace que los microorganismos al crear resistencia a uno de los miembros del grupo crean al mismo tiempo resistencia a los demás miembros del grupo, mecanismo que se ha Kaloko Amirou -TOMOCOMD-CARDD: Un Novedoso Enfoque para el Diseño de Antimicrobianos Asistido por Computadora Introducción 2 dado en llamar resistencia cruzada. Así por ejemplo, si un microorganismo determinado se hace resistente al Ciprofloxacino