Por favor, use este identificador para citar o enlazar este ítem: http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2997
Análisis del desempeño de herramientas de acoplamiento molecular para el estudio de interacciones proteína-péptido
Performance analysis of molecular docking tools for the study of protein-peptide interactions
OSVEL CHAVEZ HERNANDEZ
Carlos Alberto Brizuela Rodríguez
ROSARIO IVETTH CORONA DE LA FUENTE
Acceso Abierto
Atribución
Acoplamiento Molecular, Péptido, Proteína
Molecular Docking, Peptide, Protein
El proceso de identificación de un fármaco eficaz para el tratamiento de una determinada enfermedad tiene un alto costo en tiempo y recursos. El principal objetivo en el diseño de fármacos es encontrar aquellas moléculas que puedan interactuar de manera efectiva en un determinado blanco terapéutico. Muchos de los tratamientos para las enfermedades actuales tienen como blancos terapéuticos a las proteínas que se reconocen en el proceso de la enfermedad, por lo que es necesario inhibir o modificar el funcionamiento de dichas moléculas. Los fármacos más eficientes son los que su unión en el sitio activo de su proteína objetivo, genera la pose más estable. En las últimas décadas los péptidos han sido reconocidos como una nueva clase de fármacos potenciales. Son moléculas altamente selectivas, optimizadas por millones de años de selección natural por lo que, en general, solo interactuarían con su proteína objetivo. En la actualidad contamos con procedimientos computacionales que exploran la acción de un determinado fármaco en su blanco terapéutico. Estos procedimientos computacionales son capaces de evaluar varias poses, de más de un candidato a fármaco, en la cavidad activa de la proteína blanco. Para encontrar las poses moleculares que contribuyan a la obtención de un complejo molecular estable se emplean los llamados métodos de Acoplamiento Molecular. En el presente trabajo de investigación se comparó el desempeño de cuatro herramientas de acoplamiento molecular en cuanto a su capacidad de predicción de las poses proteína-péptido. Se evaluaron las herramientas sobre 249 complejos proteína-péptido obteniendo hasta 20 poses por complejo, por herramienta. Como medida de comparación se utilizó la desviación cuadrática media entre los átomos del péptido de la pose en el cristal y los átomos del péptido en las poses obtenidas por las herramientas de acoplamiento molecular. Los resultados experimentales mostraron que el AutoDock Vina logra, en su pose de menor energía, un 96 % de casos con un error menor a 2Å. Esto se da cuando, tanto la proteína como el péptido tienen una configuración rígida. Sin embargo, este resultado cae al 17 % cuando se considera al péptido como una estructura flexible. Además, el cálculo de descriptores moleculares sencillos para las poses, no permitió a un conjunto importante de modelos de aprendizaje de máquina mejorar esta situación.
The process of identifying an effective drug for the treatment of a certain disease has a high cost in time and resources. The main objective in the design of drugs is to find those molecules that can interact effectively in a certain therapeutic target. Many of the treatments for current diseases have as therapeutic targets the proteins that are recognized in the disease process, so it is necessary to inhibit or modify the function of said molecules. The most efficient drugs are those that their union to the active site of their target protein, generate the most stable pose. In recent decades, peptides have been recognized as a new class of potential drugs. They are highly selective molecules, optimized for millions of years of natural selection so they would, in general, only interact with their target protein. Currently, we have computational procedures that explore the action of a certain drug in its therapeutic target. These computational procedures are capable of evaluating the docking, of more than one drug candidate, in the active cavity of the target protein. To find the molecular docking that contribute to obtaining a stable molecular complex, the so-called Molecular Docking methods are used. In the present research work, the performance of four molecular docking tolos was assesed in terms of their ability to predict protein-peptide docking. The tools were evaluated on 249 protein-peptide complexes obtaining up to 20 poses per complex, per tool. The average quadratic deviation between the peptide atoms of the pose in the crystal and the peptide atoms in the docking obtained by the molecular docking tools was used as a comparison measure. Experimental results showed that AutoDock Vina achieves, in its lowest energy pose, 96 % of cases with an error less than 2Å. This is when both, the protein and the peptide have a rigid configuration. However, this result falls to 17 % when the peptide is considered a flexible structure. In addition, the calculation of simple molecular descriptors for docking did not allow an important set of machine learning models to improve this situation.
CICESE
2019
Tesis de maestría
Español
Chávez Hernández, O. 2019. Análisis del desempeño de herramientas de acoplamiento molecular para el estudio de interacciones proteína-péptido. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 107 pp.
PROTEÍNAS
Aparece en las colecciones: Tesis - Ciencias de la Computación

Cargar archivos:


Fichero Descripción Tamaño Formato  
tesis_Chávez Hernández Osvel_20 _sep_2019.pdf4.1 MBAdobe PDFVisualizar/Abrir