PREDICCIÓN DEL COEFICIENTE DE PARTICIÓN DE SIDERÓFOROS USANDO REDES NEURONALES ARTIFICIALES

Resumen

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.