The importance of good practices and false hits for QSAR-driven virtual screening real application: a SARS-CoV-2 main protease (Mpro) case study
Abordagens de design de medicamentos assistido por computador (CADD), como aquelas que empregam métodos de relação quantitativa estrutura-atividade (QSAR), são conhecidas por sua capacidade de descobrir novos dados de grandes bancos de dados. Essas abordagens podem ajudar a aliviar a falta de dados...
| Autores: | , , , , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade Federal de Minas Gerais (UFMG) |
| Repositorio: | Repositório Institucional da UFMG |
| Idioma: | inglés |
| OAI Identifier: | oai:repositorio.ufmg.br:1843/78071 |
| Acceso en línea: | https://doi.org/10.3389/fddsv.2023.1237655 http://hdl.handle.net/1843/78071 |
| Access Level: | acceso abierto |
| Palabra clave: | Enzymatic inhibition HQSAR Mpro QSAR SARS-CoV-2 Inibidores enzimáticos Relação quantitativa estrutura-atividade Desenho de fármacos |
| Sumario: | Abordagens de design de medicamentos assistido por computador (CADD), como aquelas que empregam métodos de relação quantitativa estrutura-atividade (QSAR), são conhecidas por sua capacidade de descobrir novos dados de grandes bancos de dados. Essas abordagens podem ajudar a aliviar a falta de dados biológicos e químicos, mas algumas previsões não geram informações positivas suficientes para serem úteis para triagens biológicas. Modelos QSAR são frequentemente empregados para explicar dados biológicos de produtos químicos e para projetar novos produtos químicos com base em suas previsões. Nesta revisão, discutimos a importância do tamanho do conjunto de dados com foco em acertos falsos para abordagens QSAR. Avaliamos os desafios e a confiabilidade de uma estratégia in silico inicial para a triagem virtual de moléculas bioativas. Por fim, apresentamos um estudo de caso relatando uma abordagem combinada de modelos de relação quantitativa estrutura-atividade (HQSAR) baseados em holograma e QSAR baseado em floresta aleatória (RF-QSAR), com base nas estruturas 3D de 25 inibidores sintéticos de SARS-CoV-2 Mpro, para rastrear virtualmente novos compostos para potenciais inibidores da atividade enzimática. Neste estudo, modelos ótimos foram selecionados e empregados para prever inibidores de Mpro do banco de dados Brazilian Compound Library (BraCoLi). Vinte e quatro compostos foram então avaliados contra SARS-CoV-2 Mpro a 10 µM. No momento deste estudo (março de 2021), a disponibilidade de inibidores de Mpro variados e diferentes que foram relatados definitivamente afetou a confiabilidade do nosso trabalho. Como nenhum acerto foi obtido, o tamanho do conjunto de dados, os parâmetros empregados, as validações externas, bem como o domínio de aplicabilidade (AD) puderam ser considerados em relação à contribuição de dados de acertos falsos, visando aprimorar o design e a descoberta de novas moléculas bioativas. |
|---|