“Elucidación de farmacóforos y cribado virtual para encontrar …€¦ · 126. Para explorar...
1
Elucidación de farmacóforos y cribado virtual para encontrar nuevos inhibidores de la proteína principal (M pro ) del virus SARS- CoV-2 con un enfoque de dinámica molecular. Introducción: El desarrollo de fármacos que actúen en contra de la enfermedad Covid19 causada por el virus SARS-CoV-2, que está causando la actual problemática de salud a nivel mundial, se ha convertido en una tarea imperante. Diversos laboratorios, universidades y empresas han dedicado una parte de sus recursos a la investigación para hallar nuevos tratamientos contra esta enfermedad. Así mismo, en el Laboratorio de Química Medicinal, uno de los objetivos durante el presente año ha sido proponer moléculas pequeñas como candidatos a fármacos. Esta tarea ha sido realizada desde un enfoque de química computacional utilizando herramientas como la dinámica molecular, el reconocimiento molecular y virtual screening que en conjunto han permitido encontrar algunas estructuras candidatas en dos proteínas de SARS-CoV-2: la primera de ellas es la proteasa principal (M pro ) que ha sido estudiada y cristalizada con algunos inhibidores, en segundo lugar está la nucleocápside que recientemente ha sido estudiada al localizar posibles sitios activos para ser considerada un objetivo biológico para los fármacos. En el presente trabajo se utilizaron dos enfoques diferentes para cada proteína. El primero fue basado en complejos de ligando-proteína para generar modelos farmacofóricos para después buscar moléculas similares. Un farmacóforo es el conjunto de características que describen de manera espacial la unión de un ligando con su objetivo biológico, las características son propiedades moleculares como donadores y aceptores de hidrógeno, zonas o centroides hidrofóbicos, características estéricas y volúmenes de ocupación y exclusión. El segundo enfoque es el que se basa en el uso de moléculas de prueba para hallar hotspots (coordenadas de las mismas cerca de los residuos del receptor) que sirvan como base para la generación de los farmacóforos. Una vez creado el modelo de farmacóforo, éste es usado como filtro en la búsqueda de grandes bases de datos que permitirán entonces hallar moléculas que cumplan con las características impuestas, que podrían ser considerados como candidatos a fármacos. Desarrollo: M pro de SARS-CoV-2. Se utilizó la estructura PDB con el código 6Y2F para generar un farmacóforo con siete características Utilizando Molecular Operating Enviroment [4] , el modelo se validó internamente con estructuras cocristalizadas de M pro con diversos códigos de entrada PDB (5R80, 5R81, 5R82, 5R83 y 6Y2G). El farmacóforo contiene dos donadores de hidrógeno, cuatro aceptores de hidrógeno y una zona hidrofóbica (Figura 1). Posteriormente se utilizó al servidor Pharmit Search [5] para encontrar con base en estas características a moléculas reportadas en distintas bases de datos. Con la estructura del receptor cargada en el servidor y de la base de datos PubChem. Hallando como candidato inicial al compuesto PubChem134306257 (Figura 2). https ://pubchem.ncbi.nlm.nih.gov/compound/134306257 . Con un RMSD de 0.38 Å, una masa molecular de 400Da y 13 enlaces rotables, en la Figura 3 se muestra la superposición de ambos compuestos para hacer notar que el candidato cumple con las restricciones del farmacóforo. Nucleocapside de SARS-CoV-2. De acuerdo a un reporte publicado por Kang, et Al. [2] , la nucleocápside del virus SARS-CoV-2 tiene un sitio de unión que puede ser de interés en los residuos, 57, 61, 68, 63, 103, 122, 124 y 126. Para explorar este sitio desde otro enfoque se realizó una dinámica molecular de 20ns utilizando al software NAMD 2.10 con aceleración GPU-CUDA en la supercomputadora Miztli de la UNAM. Se utilizó la interfaz de DruGUI y Pharmmaker de Prody. Se analizaron cuatro moléculas Isopropanol, Ácido Acético, Isopropilamina, y Acetamida en la estructura de nucleocápside 6M3M (Figura 4). Las cuatro moléculas se evaluaron con un índice de afinidad, y se eligieron a los residuos con un valor mayor a 100 (Figura 5). De ahí se propuso que los residuos de mayor interés al tener más hotspots son Phe67, Pro69, Gln71, Gly137, Arg108, Phe112, Leu122, Tyr124. Conclusiones: El uso de técnicas computacionales es un auxiliar importante en el descubrimiento de nuevos compuestos, que posean una actividad biológica de interés como lo pueden ser antivirales, antibióticos, o anticancerígenos entre otros. Hay diversas técnicas, cada una con fundamentos bien descritos y validados. En el caso del uso de farmacóforos es posible hallar compuestos que tengan características estructurales y una actividad biológica similares, además de ser un auxiliar en el manejo de grandes bases de datos, mismas que contienen un número muy grande de compuestos químicos que pueden ser utilizados con diferentes objetivos. Los modelos farmacofóricos son una herramienta revolucionaria que disminuye significativamente el proceso de diseño de fármacos. Para los resultados de dinámica molecular utilizando las moléculas de prueba, se observa que es posible proponer sitios de unión para ligandos dentro de una proteína, con la ventaja de considerar al sistema proteico como uno dinámico, en comparación con el modelado molecular estático usando estructuras rígidas derivadas de rayos X y resonancia magnética nuclear. Coloquio de supercómputo 2020 Alarcón-López,Aldo Yoshio, Hernández-Serda Manuel Alejandro Aguirre-Vidal, Pablo Vázquez-Valadez, Victor Hugo Ángeles Anguiano, Enrique* Laboratorio de Química Medicinal, Facultad de Estudios Superiores Cuautitlán 56230266. *[email protected] Bibliografía. 1. Lee, J. Y., Krieger, J. M., Li, H., & Bahar, I. (2020). Pharmmaker: Pharmacophore modeling and hit identification based on druggability simulations. Protein Science, 29(1), 76–86. https ://doi.org/10.1002/pro.3732 2. Bakan A, Meireles LM, Bahar I ProDy: Protein Dynamics Inferred from Theory and Experiments 2011 Bioinformatics 27(11):1575-1577. 3. Kang, S., Yang, M., Hong, Z., Zhang, L., Huang, Z., Chen, X., … Chen, S. (2020). Crystal structure of SARS-CoV-2 nucleocapsid protein RNA binding domain reveals potential unique drug targeting sites. Acta Pharmaceutica Sinica B, 10(7), 1228–1238. https://doi.org/10.1016/j.apsb.2020.04.009 4. Chemcomp. (2019). Molecular Operating Environment (MOE), 2019.01; Chemical Computing Group Inc., 1010 Sherbooke St. West, Suite #910, Montreal, QC, Canada, H3A 2R7. 1010 Sherbooke St. West, Suite #910, Montreal, QC, Canada. 5. Jocelyn Sunseri, David Ryan Koes, Pharmit: interactive exploration of chemical space, Nucleic Acids Research, Volume 44, Issue W1, 8 July 2016, Pages W442–W448, https://doi.org/10.1093/nar/gkw287 Figura 1. Farmacóforo generado por el ligando cocristalizado en el PDB 6Y2F. Se muestran los donadores de hidrógeno en blanco, los aceptores en naranja, y el sitio hidrofóbico en verde Figura 3. Comparación de las estructuras superpuestas, mostrando que la búsqueda se basó en cumplimiento de las restricciones del farmacóforo. En magenta está el compuesto cocristalizado, en verde el resultado de la búsqueda Figura 5. Los residuos con la afinidad por las moléculas de prueba fueron evaluados, un valor mayor a 100 fue designado para determinar a los hotspots cercanos a la superficie de la molécula. El gráfico deriva de la aplicación de Pharmmaker. Figura 4. Posiciones sobre la superficie de la nucleocápside de las moléculas de prueba representados en esferas. Isopropanol en violeta, Isopropilamina en Naranja, y Acetatos en Verde. Figura6. Hotspots filtrados y representados como esferas. Se observa que algunas moléculas de prueba comparten algunas coordenadas. El código de colores es igual a la Figura 4 en las moléculas de prueba. Licencia Creative Commons Figura 2. Estructura del candidato que cumple con las características definidas por el farmacóforo. El compuesto es el ácido [(2S)-1-[[(2S)-3- hidroxi-4-oxo-1-[(3S)-2-oxopirrolidin-3-il]-4-(propan-2-ilamino)butan- 2-il]amino]-4-metil-1-oxopentan-2-il] carbámico
Transcript of “Elucidación de farmacóforos y cribado virtual para encontrar …€¦ · 126. Para explorar...
Elucidación de farmacóforos y cribadovirtual para encontrar nuevos inhibidores de la proteína
principal (Mpro) del virus SARS-CoV-2 con un enfoque de dinámica molecular.
Introducción:
El desarrollo de fármacos que actúen en contra de la enfermedad Covid19 causada por el virus SARS-CoV-2, que está causando la actual problemática de salud a nivel mundial, se ha convertido en una tarea imperante.
Diversos laboratorios, universidades y empresas han dedicado una parte de sus recursos a la investigación para hallar nuevos tratamientos contra esta enfermedad. Así mismo, en el Laboratorio de Química Medicinal, uno
de los objetivos durante el presente año ha sido proponer moléculas pequeñas como candidatos a fármacos. Esta tarea ha sido realizada desde un enfoque de química computacional utilizando herramientas como la
dinámica molecular, el reconocimiento molecular y virtual screening que en conjunto han permitido encontrar algunas estructuras candidatas en dos proteínas de SARS-CoV-2: la primera de ellas es la proteasa principal
(Mpro) que ha sido estudiada y cristalizada con algunos inhibidores, en segundo lugar está la nucleocápside que recientemente ha sido estudiada al localizar posibles sitios activos para ser considerada un objetivo biológico
para los fármacos.
En el presente trabajo se utilizaron dos enfoques diferentes para cada proteína. El primero fue basado en complejos de ligando-proteína para generar modelos farmacofóricos para después buscar moléculas similares. Un
farmacóforo es el conjunto de características que describen de manera espacial la unión de un ligando con su objetivo biológico, las características son propiedades moleculares como donadores y aceptores de hidrógeno,
zonas o centroides hidrofóbicos, características estéricas y volúmenes de ocupación y exclusión. El segundo enfoque es el que se basa en el uso de moléculas de prueba para hallar hotspots (coordenadas de las mismas
cerca de los residuos del receptor) que sirvan como base para la generación de los farmacóforos. Una vez creado el modelo de farmacóforo, éste es usado como filtro en la búsqueda de grandes bases de datos que
permitirán entonces hallar moléculas que cumplan con las características impuestas, que podrían ser considerados como candidatos a fármacos.
Desarrollo:
Mpro de SARS-CoV-2. Se utilizó la estructura PDB con el código 6Y2F para generar un farmacóforo con siete características Utilizando Molecular Operating Enviroment[4], el modelo se validó internamente con estructuras
cocristalizadas de Mpro con diversos códigos de entrada PDB (5R80, 5R81, 5R82, 5R83 y 6Y2G). El farmacóforo contiene dos donadores de hidrógeno, cuatro aceptores de hidrógeno y una zona hidrofóbica (Figura 1).Posteriormente se utilizó al servidor Pharmit Search[5] para encontrar con base en estas características a moléculas reportadas en distintas bases de datos. Con la estructura del receptor cargada en el servidor y de la base
de datos PubChem. Hallando como candidato inicial al compuesto PubChem134306257 (Figura 2). https://pubchem.ncbi.nlm.nih.gov/compound/134306257. Con un RMSD de 0.38 Å, una masa molecular de 400Da y 13
enlaces rotables, en la Figura 3 se muestra la superposición de ambos compuestos para hacer notar que el candidato cumple con las restricciones del farmacóforo.
Nucleocapside de SARS-CoV-2. De acuerdo a un reporte publicado por Kang, et Al. [2], la nucleocápside del virus SARS-CoV-2 tiene un sitio de unión que puede ser de interés en los residuos, 57, 61, 68, 63, 103, 122, 124 y
126. Para explorar este sitio desde otro enfoque se realizó una dinámica molecular de 20ns utilizando al software NAMD 2.10 con aceleración GPU-CUDA en la supercomputadora Miztli de la UNAM. Se utilizó la interfaz de
DruGUI y Pharmmaker de Prody. Se analizaron cuatro moléculas Isopropanol, Ácido Acético, Isopropilamina, y Acetamida en la estructura de nucleocápside 6M3M (Figura 4). Las cuatro moléculas se evaluaron con un índice
de afinidad, y se eligieron a los residuos con un valor mayor a 100 (Figura 5). De ahí se propuso que los residuos de mayor interés al tener más hotspots son Phe67, Pro69, Gln71, Gly137, Arg108, Phe112, Leu122, Tyr124.
Conclusiones:
El uso de técnicas computacionales es un auxiliar importante en el descubrimiento de nuevos compuestos, que posean una actividad biológica de interés como lo pueden ser antivirales, antibióticos, o anticancerígenos
entre otros. Hay diversas técnicas, cada una con fundamentos bien descritos y validados.
En el caso del uso de farmacóforos es posible hallar compuestos que tengan características estructurales y una actividad biológica similares, además de ser un auxiliar en el manejo de grandes bases de datos, mismas que
contienen un número muy grande de compuestos químicos que pueden ser utilizados con diferentes objetivos. Los modelos farmacofóricos son una herramienta revolucionaria que disminuye significativamente el proceso
de diseño de fármacos.
Para los resultados de dinámica molecular utilizando las moléculas de prueba, se observa que es posible proponer sitios de unión para ligandos dentro de una proteína, con la ventaja de considerar al sistema proteico como
uno dinámico, en comparación con el modelado molecular estático usando estructuras rígidas derivadas de rayos X y resonancia magnética nuclear.
Coloquio de supercómputo2020
Alarcón-López,Aldo Yoshio,Hernández-Serda Manuel Alejandro
Aguirre-Vidal, PabloVázquez-Valadez, Victor Hugo
Ángeles Anguiano, Enrique*Laboratorio de Química Medicinal, Facultad de Estudios Superiores Cuautitlán
56230266. *[email protected]
Bibliografía.1. Lee, J. Y., Krieger, J. M., Li, H., & Bahar, I. (2020). Pharmmaker: Pharmacophore modeling and hit identification based on druggability simulations. Protein Science, 29(1), 76–86. https://doi.org/10.1002/pro.37322. Bakan A, Meireles LM, Bahar I ProDy: Protein Dynamics Inferred from Theory and Experiments 2011 Bioinformatics 27(11):1575-1577.3. Kang, S., Yang, M., Hong, Z., Zhang, L., Huang, Z., Chen, X., … Chen, S. (2020). Crystal structure of SARS-CoV-2 nucleocapsid protein RNA binding domain reveals potential unique drug targeting sites. Acta
Pharmaceutica Sinica B, 10(7), 1228–1238. https://doi.org/10.1016/j.apsb.2020.04.0094. Chemcomp. (2019). Molecular Operating Environment (MOE), 2019.01; Chemical Computing Group Inc., 1010 Sherbooke St. West, Suite #910, Montreal, QC, Canada, H3A 2R7. 1010 Sherbooke St. West, Suite
#910, Montreal, QC, Canada.5. Jocelyn Sunseri, David Ryan Koes, Pharmit: interactive exploration of chemical space, Nucleic Acids Research, Volume 44, Issue W1, 8 July 2016, Pages W442–W448, https://doi.org/10.1093/nar/gkw287
Figura 1. Farmacóforo generado por el ligando cocristalizado en el PDB6Y2F. Se muestran los donadores de hidrógeno en blanco, los aceptores ennaranja, y el sitio hidrofóbico en verde
Figura 3. Comparación de las estructuras superpuestas, mostrando que labúsqueda se basó en cumplimiento de las restricciones del farmacóforo. Enmagenta está el compuesto cocristalizado, en verde el resultado de labúsqueda
Figura 5. Los residuos con la afinidad por las moléculas de prueba fueron evaluados, un valor mayor a 100fue designado para determinar a los hotspots cercanos a la superficie de la molécula. El gráfico deriva de laaplicación de Pharmmaker.
Figura 4. Posiciones sobre la superficie de la nucleocápside delas moléculas de prueba representados en esferas.Isopropanol en violeta, Isopropilamina en Naranja, y Acetatosen Verde.
Figura6. Hotspots filtrados y representados como esferas. Se observa que algunasmoléculas de prueba comparten algunas coordenadas. El código de colores es iguala la Figura 4 en las moléculas de prueba.
Licencia Creative Commons
Figura 2. Estructura del candidato que cumple con las características definidas por el farmacóforo. El compuesto es el ácido [(2S)-1-[[(2S)-3-hidroxi-4-oxo-1-[(3S)-2-oxopirrolidin-3-il]-4-(propan-2-ilamino)butan-2-il]amino]-4-metil-1-oxopentan-2-il] carbámico
