Predicción del coeficiente de partición de sideróforos usando redes neuronales artificiales

• Autores: Miquéias Amorim Santos Silva, Jesús Alvarado-Huayhuaz, Ana Cecilia Valderrama Negrón
• Localización: Revista de la Sociedad Química del Perú, ISSN-e 2309-8740, ISSN 1810-634X, Vol. 90, Nº. 2 (Enero), 2024 (Ejemplar dedicado a: Revista de la Sociedad Química del Perú), págs. 40-50
• Idioma: español
• Títulos paralelos:
  • Prediction of siderophores partition coefficient using artificial neural networks
• Enlaces
  • Texto completo
• Resumen
  • español

    El coeficiente de partición octanol-agua (logP) es un indicador importante en el estudio de lipofilia y permeabilidad celular, por ello, es un descriptor molecular recurrente en las reglas empíricas que evalúan la farmacocinética de una molécula. Los sideróforos son moléculas de interés farmacológico, debido a su potencial efecto caballo de Troya, sin embargo, encontramos dos problemáticas principales, su peso molecular mayor a 500 Dalton y la falta de bases de datos con información de las coordenadas atómicas de la estructura tridimensional y descriptores moleculares. En este trabajo, hemos creado una base de datos con el código SMILES de los sideróforos, nombre, microorganismo asociado, descriptores moleculares, entre otros, que se encuentra disponible en nuestro repositorio https://github.com/inefable12/siderophores_database. También creamos una página web para visualizar las estructuras 2D y 3D (https://sideroforos.streamlit.app). Además, demostramos una manera rápida y eficiente de estimar el logP para los sideróforos, usando redes neuronales artificiales en R. La información que proveemos en este artículo permitirá facilitar el estudio estructural de los sideróforos, el diseño de potenciales metalofármacos, la generación de sus estructuras tridimensionales para simulaciones con docking y dinámica molecular, así como también, el desarrollo de nuevos modelos predictivos de propiedades empleando inteligencia artificial.

  • English

    The octanol-water partition coefficient (logP) is a crucial indicator in the study of lipophilicity and cell permeability, making it a recurring molecular descriptor in empirical rules for evaluating a molecule's pharmacokinetics. Siderophores are pharmacologically relevant molecules due to their potential Trojan horse effect; however, two major challenges arise: their molecular weight often exceeds 500 Daltons, and there is a lack of databases containing atomic coordinates of their three-dimensional structures and molecular descriptors. In this work, we have created a database containing the SMILES codes of siderophores, their names, associated microorganisms, molecular descriptors, among other information, which is available in our repository at https://github.com/inefable12/siderophores_database. We have also developed a web page to visualize the 2D and 3D structures (https://sideroforos.streamlit.app). Additionally, we demonstrate a quick and efficient way to estimate the logP for siderophores using artificial neural networks in R. The information provided in this article aims to facilitate the structural study of siderophores, the design of potential metallodrugs, the generation of their three-dimensional structures for docking and molecular dynamics simulations, as well as the development of new predictive models for properties using artificial intelligence.