Modelos bioinformáticos para la predicción de compuestos biológicamente activos en cáncer de colon

Resumen

Para el descubrimiento de fármacos es necesario encontrar nuevos compuestos con propiedades químicas especificas que permitan el tratamiento de enfermedades. En los últimos anos, el enfoque utilizado en esta búsqueda presenta un componente importante en las ciencias de la computación, con el aumento vertiginoso de las técnicas de aprendizaje automático. Con los objetivos marcados por la Medicina de Precisión y los nuevos retos generados, es necesario establecer metodologías computacionales robustas, estandarizadas y reproducibles para alcanzar los objetivos planteados. Actualmente, los modelos predictivos basados en Machine Learning han cobrado gran importancia en el paso previo a los estudios preclínicos, logrando reducir drásticamente los costos y tiempos de investigación en el descubrimiento de nuevos fármacos. Los modelos de quimioinformática pueden predecir diferentes resultados (actividad, propiedad química, reactividad) en moléculas individuales o sistemas moleculares complejos (síntesis orgánica catalizada, reacciones, nanopartículas, etc.). Específicamente, la predicción quimioinformática de la enantioselectividad en sistemas complejos catalíticos es un objetivo importante de la síntesis orgánica y la industria química. La reacción de α-amidoalquilación enantioselectiva catalizada por ácidos de Bronsted es un procedimiento útil para la producción de nuevos catalizadores quirales (herramientas) o fármacos (productos). La enantioselectividad es sensible a muchos factores, desde la naturaleza del sustrato, nucleófilo y del catalizador hasta las condiciones experimentales (disolvente, temperatura, etc.). Por lo tanto, las herramientas computacionales capaces de predecir la enantioselectividad de estas reacciones constituye un valioso instrumento para el diseño racional de nuevos catalizadores y productos quirales por parte de los químicos especializados en síntesis orgánica de todo el mundo. Se ha elaborado esta Tesis Doctoral, de investigación muy marcadamente multidisciplinar, en la que se aúnan esfuerzos de tres ramas de la ciencia como son la medica, química e informática. En lo referente a la informática, base de la Tesis Doctoral, se partirá de las técnicas de inteligencia artificial para avanzar creando nuevos modelos. Las herramientas bioinformáticas desarrolladas sirven como apoyo fundamental para el avance médico en la comprensión de una enfermedad tan compleja y multifactorial como el cáncer y también en el avance químico de la identificación de estructuras de compuestos que hagan a los mismos comportarse activamente contra el cáncer de colon. Todo este esfuerzo conjunto culmina con el desarrollo de nuevos modelos de aprendizaje automático basados en inteligencia artificial para la lucha contra el cáncer de colon y la implementación de la primera libreria en R para el cálculo de descriptores moleculares, así como del primer servidor web público para su cálculo en línea, validación de los modelos y una versión de escritorio del software para su uso local.