Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos

Los antagonistas del receptor de histamina H3 (RH3) emergen como potenciales fármacos para diversos trastornos neurológicos como Alzheimer o Parkinson, además de su reciente evaluación en el cáncer de mama triple negativo. En este contexto, identificar nuevos ligandos antagonistas del RH3 es de gran...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Benitez, Carlos Marcelo, Represa, Natacha Soledad, Di Pasquale, Ricardo, Comba, María Betina, Medina, Vanina, Zanardi, María Marta
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
machine learning
receptor histamina RH3
cribado virtual
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/177172
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-177172
record_format dspace
spelling I19-R120-10915-1771722025-03-07T20:07:01Z http://sedici.unlp.edu.ar/handle/10915/177172 Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos Benitez, Carlos Marcelo Represa, Natacha Soledad Di Pasquale, Ricardo Comba, María Betina Medina, Vanina Zanardi, María Marta 2024-08 2024 2025-03-07T16:29:27Z es Ciencias Informáticas machine learning receptor histamina RH3 cribado virtual Los antagonistas del receptor de histamina H3 (RH3) emergen como potenciales fármacos para diversos trastornos neurológicos como Alzheimer o Parkinson, además de su reciente evaluación en el cáncer de mama triple negativo. En este contexto, identificar nuevos ligandos antagonistas del RH3 es de gran interés por su amplio espectro de aplicaciones. Este estudio emplea técnicas de machine learning, específicamente, de regresión con el algoritmo Gradient Boosting (XGBoost), para predecir la afinidad de compuestos orgánicos antagonistas por el RH3 (pKi) utilizando descriptores moleculares. Se recopiló una base de datos con 831 compuestos antagonistas con valores de pKi conocidos, a partir de los cuales se generaron representaciones SMILES y se calcularon 1173 descriptores moleculares de baja dimensionalidad. La base se dividió en conjuntos de entrenamiento (665 registros) y testeo (166 registros). Se entrenaron y evaluaron 10 modelos diferentes, aplicando validación cruzada K-fold=5. El modelo más destacado alcanzó un MSE de 0.54 y un MAE de 0.50 en el conjunto de entrenamiento, y un MSE de 0.76 y un MAE de 0.53 en el conjunto de prueba, con un RMSE de 0.72 y 0.87, respectivamente. Este abordaje quimioinformático propone una metodología eficaz para el cribado virtual de potenciales ligandos antagonistas del RH3, acelerando el descubrimiento de nuevos compuestos terapéuticos. Sociedad Argentina de Informática e Investigación Operativa 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 56-59
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
machine learning
receptor histamina RH3
cribado virtual
spellingShingle Ciencias Informáticas
machine learning
receptor histamina RH3
cribado virtual
Benitez, Carlos Marcelo
Represa, Natacha Soledad
Di Pasquale, Ricardo
Comba, María Betina
Medina, Vanina
Zanardi, María Marta
Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos
topic_facet Ciencias Informáticas
machine learning
receptor histamina RH3
cribado virtual
description Los antagonistas del receptor de histamina H3 (RH3) emergen como potenciales fármacos para diversos trastornos neurológicos como Alzheimer o Parkinson, además de su reciente evaluación en el cáncer de mama triple negativo. En este contexto, identificar nuevos ligandos antagonistas del RH3 es de gran interés por su amplio espectro de aplicaciones. Este estudio emplea técnicas de machine learning, específicamente, de regresión con el algoritmo Gradient Boosting (XGBoost), para predecir la afinidad de compuestos orgánicos antagonistas por el RH3 (pKi) utilizando descriptores moleculares. Se recopiló una base de datos con 831 compuestos antagonistas con valores de pKi conocidos, a partir de los cuales se generaron representaciones SMILES y se calcularon 1173 descriptores moleculares de baja dimensionalidad. La base se dividió en conjuntos de entrenamiento (665 registros) y testeo (166 registros). Se entrenaron y evaluaron 10 modelos diferentes, aplicando validación cruzada K-fold=5. El modelo más destacado alcanzó un MSE de 0.54 y un MAE de 0.50 en el conjunto de entrenamiento, y un MSE de 0.76 y un MAE de 0.53 en el conjunto de prueba, con un RMSE de 0.72 y 0.87, respectivamente. Este abordaje quimioinformático propone una metodología eficaz para el cribado virtual de potenciales ligandos antagonistas del RH3, acelerando el descubrimiento de nuevos compuestos terapéuticos.
format Objeto de conferencia
Objeto de conferencia
author Benitez, Carlos Marcelo
Represa, Natacha Soledad
Di Pasquale, Ricardo
Comba, María Betina
Medina, Vanina
Zanardi, María Marta
author_facet Benitez, Carlos Marcelo
Represa, Natacha Soledad
Di Pasquale, Ricardo
Comba, María Betina
Medina, Vanina
Zanardi, María Marta
author_sort Benitez, Carlos Marcelo
title Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos
title_short Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos
title_full Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos
title_fullStr Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos
title_full_unstemmed Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos
title_sort aplicación de machine learning para la predicción de antagonistas del receptor de histamina rh3 como potenciales candidatos terapéuticos
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/177172
work_keys_str_mv AT benitezcarlosmarcelo aplicaciondemachinelearningparalapredicciondeantagonistasdelreceptordehistaminarh3comopotencialescandidatosterapeuticos
AT represanatachasoledad aplicaciondemachinelearningparalapredicciondeantagonistasdelreceptordehistaminarh3comopotencialescandidatosterapeuticos
AT dipasqualericardo aplicaciondemachinelearningparalapredicciondeantagonistasdelreceptordehistaminarh3comopotencialescandidatosterapeuticos
AT combamariabetina aplicaciondemachinelearningparalapredicciondeantagonistasdelreceptordehistaminarh3comopotencialescandidatosterapeuticos
AT medinavanina aplicaciondemachinelearningparalapredicciondeantagonistasdelreceptordehistaminarh3comopotencialescandidatosterapeuticos
AT zanardimariamarta aplicaciondemachinelearningparalapredicciondeantagonistasdelreceptordehistaminarh3comopotencialescandidatosterapeuticos
_version_ 1847925347046129664

Ejemplares similares