Diseño de fármacos con potencial actividad antitumoral

• Lisandra Rodríguez-Batista ^[2] ; Julio César Escalona-Arranz ^[1] ; Julio Alberto Rojas-Vargas ^[1] ; Edgar Hernández-Sosa ^[1]
  1. [1] Universidad de Oriente

     Universidad de Oriente

     Venezuela

     
  2. [2] Instituto Nacional de Reservas Estatales
• Localización: Revista Cubana de Química, ISSN-e 2224-5421, Vol. 28, Nº. 2, 2016, págs. 579-594
• Idioma: español
• Títulos paralelos:
  • Design of drugs with potential antitumoral activity
• Enlaces
  • Texto completo
• Resumen
  • español

    El cáncer constituye un problema de salud, resultando la primera causa de muerte en el mundo. En el presente trabajo, se realiza un estudio de Relación Estructura Química-Actividad Farmacológica (QSAR) de 300 compuestos (200 activos y 100 inactivos) por Análisis Discriminante Lineal y Redes Neuronales, como instrumento para el diseño de nuevos fármacos antitumorales independientemente de su diversidad estructural. La muestra obtenida del Instituto del Cáncer de los Estados Unidos fue dividida por análisis cluster en una serie de entrenamiento y una de predicción. Se obtuvo una función discriminante y una red neuronal de 10 variables con un 84,33 % y 89,67 % de correcta clasificación. Se calcularon y cuantificaron las contribuciones de diferentes fragmentos estructurales a la actividad citostática, a partir de los cuales se diseñaron seis compuestos, a los que se les predice una buena actividad. La calidad predictiva del modelo obtenido por redes neuronales resultó superior al de discriminante lineal.

  • English

    Cancer is a health problem, resulting in the first cause of death worldwide. In the present paper, a Quantitative Structure-Activity Relationship (QSAR) study was developed as a tool for the design of new drugs with potential antitumor activity. Discriminant Linear Analysis and Neural Network were the mathematics methods used to estimate the activity of in a data set consisting in 300 compounds. The biological activity, extracted from the US National Cancer Institute was divided by cluster analysis in a training and prediction series. A model with 10 variables and 84,33 % of correct classification was obtained by a discriminant function meanwhile, the neural network tested with the same number of variables resulted in a 89,67 % of accuracy. Also was calculated the contribution of different structural fragments on the cytostatic activity, and quantified their contribution. Six new compounds were designed predicting a good antitumor activity. In general, the predictive quality of the neural network model was higher than the linear discriminant.