Búsqueda in silico de moléculas anti-Toxoplasma gondii

Toxoplasma gondii es uno de los patógenos oportunistas más importantes en humanos y es el agente causal de la toxoplasmosis. Actualmente no existen vacunas efectivas y los fármacos aprobados presentan diversos efectos adversos. Por tales razones, existe la necesidad de contar con nuevos fármacos con...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Bellusci, Gonzalo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Química
toxoplasma gondii
cribado virtual
descubrimiento de fármacos
aprendizaje automático
virtual screening
drug discovery
machine learning
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/173233
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-173233
record_format dspace
spelling I19-R120-10915-1732332024-11-16T20:01:50Z http://sedici.unlp.edu.ar/handle/10915/173233 Búsqueda in silico de moléculas anti-Toxoplasma gondii In silico search of anti-Toxoplasma gondii molecules Bellusci, Gonzalo 2024-11-20 2024 2024-11-15T21:24:14Z es Química toxoplasma gondii cribado virtual descubrimiento de fármacos aprendizaje automático toxoplasma gondii virtual screening drug discovery machine learning Toxoplasma gondii es uno de los patógenos oportunistas más importantes en humanos y es el agente causal de la toxoplasmosis. Actualmente no existen vacunas efectivas y los fármacos aprobados presentan diversos efectos adversos. Por tales razones, existe la necesidad de contar con nuevos fármacos contra la toxoplasmosis activa y/o crónica. Nuestro objetivo es la búsqueda in silico de nuevas moléculas que posean actividad anti-T. gondii como alternativas terapéuticas a los tratamientos actuales.Se realizará una búsqueda bibliográfica de moléculas evaluadas en ensayos in vitro frente a T. gondii. Las moléculas encontradas se clasificarán en "inhibidoras" y "no inhibidoras" de acuerdo con los valores de actividad reportados. El set de datos se repartirá en un conjunto de entrenamiento, para generar modelos clasificadores, y dos conjuntos de testeo, para evaluar el desempeño de los modelos generados. Para lograr una participación representativa de los conjuntos de datos se utilizará la herramienta de clustering iRaPCA, que combina la técnica de subespacios aleatorios con el algoritmo K-means para encontrar grupos de moléculas homogéneos y bien separadas de otros grupos.Las moléculas se caracterizarán mediante descriptores moleculares independientes de la conformación y se relacionarán con la actividad anti-T. gondii mediante ecuaciones lineales. Para tal fin se recurrirá a scripts desarrollados en Python que permiten generar diferentes subconjuntos de descriptores no correlacionados y con buena significancia. Cada modelo se validará internamente mediante técnicas de validación estándar. Los conjuntos de testeo se complementarán con presuntos inactivos generados mediante la herramienta LUDe. Se espera obtener sets de validación con una proporción de moléculas inhibidoras menor al 5%. Se evaluarán, para cada modelo, diferentes métricas de enriquecimiento. Los mejores modelos serán combinados sistemáticamente mediante diferentes operadores para aumentar la robustez y capacidad predictiva de los modelos individuales. Finalmente, se analizarán curvas del valor predictivo positivo para seleccionar un valor de corte adecuado para el ensamble seleccionado.El mejor modelo se utilizará para el cribado virtual de bases de datos que compilan fármacos aprobados y en diferentes etapas de desarrollo experimental. Se seleccionarán los mejores candidatos para su evaluación experimental.Las moléculas seleccionadas se evaluarán en ensayos de replicación de los parásitos. Fibroblastos humanos infectados con tachizoitos de T. gondii se incubarán con diferentes concentraciones de los candidatos. La replicación se estudiará mediante inmunofluorescencia directa y se reportará la concentración que inhibe el 50% de la replicación con respecto al control. Carrera: Licenciatura en Biotecnología y Biología Molecular Lugar de trabajo: Laboratorio de Investigación y Desarrollo de Bioactivos (LIDeB) Organismo: Ministerio de Capital Humano Año de inicio de beca: 2022 Año de finalización de beca: 2027 Apellido, Nombre del Director/a/e: Alberca, Lucas Lugar de desarrollo: Laboratorio de Investigación y Desarrollo de Bioactivos (LIDeB) Áreas de conocimiento: Química Tipo de investigación: Básica Facultad de Ciencias Exactas Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Química
toxoplasma gondii
cribado virtual
descubrimiento de fármacos
aprendizaje automático
toxoplasma gondii
virtual screening
drug discovery
machine learning
spellingShingle Química
toxoplasma gondii
cribado virtual
descubrimiento de fármacos
aprendizaje automático
toxoplasma gondii
virtual screening
drug discovery
machine learning
Bellusci, Gonzalo
Búsqueda in silico de moléculas anti-Toxoplasma gondii
topic_facet Química
toxoplasma gondii
cribado virtual
descubrimiento de fármacos
aprendizaje automático
toxoplasma gondii
virtual screening
drug discovery
machine learning
description Toxoplasma gondii es uno de los patógenos oportunistas más importantes en humanos y es el agente causal de la toxoplasmosis. Actualmente no existen vacunas efectivas y los fármacos aprobados presentan diversos efectos adversos. Por tales razones, existe la necesidad de contar con nuevos fármacos contra la toxoplasmosis activa y/o crónica. Nuestro objetivo es la búsqueda in silico de nuevas moléculas que posean actividad anti-T. gondii como alternativas terapéuticas a los tratamientos actuales.Se realizará una búsqueda bibliográfica de moléculas evaluadas en ensayos in vitro frente a T. gondii. Las moléculas encontradas se clasificarán en "inhibidoras" y "no inhibidoras" de acuerdo con los valores de actividad reportados. El set de datos se repartirá en un conjunto de entrenamiento, para generar modelos clasificadores, y dos conjuntos de testeo, para evaluar el desempeño de los modelos generados. Para lograr una participación representativa de los conjuntos de datos se utilizará la herramienta de clustering iRaPCA, que combina la técnica de subespacios aleatorios con el algoritmo K-means para encontrar grupos de moléculas homogéneos y bien separadas de otros grupos.Las moléculas se caracterizarán mediante descriptores moleculares independientes de la conformación y se relacionarán con la actividad anti-T. gondii mediante ecuaciones lineales. Para tal fin se recurrirá a scripts desarrollados en Python que permiten generar diferentes subconjuntos de descriptores no correlacionados y con buena significancia. Cada modelo se validará internamente mediante técnicas de validación estándar. Los conjuntos de testeo se complementarán con presuntos inactivos generados mediante la herramienta LUDe. Se espera obtener sets de validación con una proporción de moléculas inhibidoras menor al 5%. Se evaluarán, para cada modelo, diferentes métricas de enriquecimiento. Los mejores modelos serán combinados sistemáticamente mediante diferentes operadores para aumentar la robustez y capacidad predictiva de los modelos individuales. Finalmente, se analizarán curvas del valor predictivo positivo para seleccionar un valor de corte adecuado para el ensamble seleccionado.El mejor modelo se utilizará para el cribado virtual de bases de datos que compilan fármacos aprobados y en diferentes etapas de desarrollo experimental. Se seleccionarán los mejores candidatos para su evaluación experimental.Las moléculas seleccionadas se evaluarán en ensayos de replicación de los parásitos. Fibroblastos humanos infectados con tachizoitos de T. gondii se incubarán con diferentes concentraciones de los candidatos. La replicación se estudiará mediante inmunofluorescencia directa y se reportará la concentración que inhibe el 50% de la replicación con respecto al control.
format Objeto de conferencia
Objeto de conferencia
author Bellusci, Gonzalo
author_facet Bellusci, Gonzalo
author_sort Bellusci, Gonzalo
title Búsqueda in silico de moléculas anti-Toxoplasma gondii
title_short Búsqueda in silico de moléculas anti-Toxoplasma gondii
title_full Búsqueda in silico de moléculas anti-Toxoplasma gondii
title_fullStr Búsqueda in silico de moléculas anti-Toxoplasma gondii
title_full_unstemmed Búsqueda in silico de moléculas anti-Toxoplasma gondii
title_sort búsqueda in silico de moléculas anti-toxoplasma gondii
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/173233
work_keys_str_mv AT belluscigonzalo busquedainsilicodemoleculasantitoxoplasmagondii
AT belluscigonzalo insilicosearchofantitoxoplasmagondiimolecules
_version_ 1827812781271810048

Ejemplares similares