Aplicación de la topología molecular para la predicción de nuevos compuestos con actividad citotóxica antitripanosomal

Abstract

La enfermedad de Chagas es una antropozoonosis parasitaria de transmisión mayoritariamente vectorial. Si bien afecta principalmente a América, constituye una de las mayores enfermedades desatendidas a nivel mundial. Solamente dos fármacos con un alto grado de toxicidad se encuentran disponibles para su tratamiento, por lo que es preciso aunar esfuerzos en pos del desarrollo de nuevas drogas antitripanosomales eficaces y con escasos efectos adversos. En este estudio, se aplicó la topología molecular para el desarrollo de un modelo QSAR capaz de predecir la actividad citotóxica antitripanosomal de un grupo de 39 compuestos. El modelo desarrollado mediante análisis lineal discriminante permitió clasificar correctamente al 93,3 % de los compuestos activos estudiados. Para la predicción de la potencia antitripanosomal se empleó un análisis de regresión multilineal, que fue capaz de explicar el 90,8 % de la varianza. Ambos análisis fueron validados mediante un test interno de tipo “leave some out”. Se aplicó el modelo obtenido a nuevos compuestos, destacándose ocho moléculas potencialmente activas que podrán ser utilizadas en futuros ensayos preclínicos.

Chagas disease is a protozoan anthropozoonosis primarily transmitted by vectors. America is the main affected continent, although it is considered a worldwide neglected tropical disease. Only two drugs with a high toxicity level are available for its treatment. Because of this, it is necessary to make an effort in order to develop new effective and safe therapies. In this study, molecular topology was used to create a QSAR model to predict anti-trypanosomal cytotoxic activity in a group of 39 compounds. Linear discriminant analysis correctly classified 93.3 % of the active studied compounds. To predict the anti-trypanosomal potency, multilinear regression analysis was used; being this capable of explaining 90.8 % of the variance. Both analyses were validated by an internal “leave some out” test. The resulting model was applied to new compounds, selecting eight of them as potential active molecules that could be used in future preclinical studies.