Modelos bioinformáticos para la predicción de compuestos biológicamente activos en cáncer de colon

Resumo

Para o descubrimento de fármacos e preciso atopar novos compostos con propiedades químicas especificas que permitan o tratamento de enfermidades. Nos últimos anos, o enfoque empregado nesta procura ten un componente importante nas ciencias da computación, co rápido auxe das técnicas de aprendizaxe automática. Cos obxectivos marcados pola Medicina de Precisión e cos novos retos xerados, compre establecer metodoloxías computacionais robustas, estandarizadas e reproducibles para acadar os obxectivos propostos. Na actualidade, os modelos preditivos baseados en Machine Learning cobraron gran importancia no paso previo os estudos preclínicos, conseguindo reducir drásticamente os custos e os tempos de investigación no descubrimento de novos fármacos. Os modelos quimioinformáticos poden predecir diferentes resultados (actividade, propiedade química, reactividade) en moléculas individuais ou sistemas moleculares complexos (síntese orgánica catalizada, reaccións, nanopartículas, etc.). Concretamente, a predición quimioinformática da enantioselectividade en sistemas complexos catalíticos e un obxetivo importante da síntese orgánica e na industria química. A reacción de α-amidoalquilación enantioselectiva catalizada por ácidos de Bronsted e un proceso útil para a produción de novos catalizadores quirais (ferramentas) ou fármacos (produtos). A enantioselectividade e sensible a moitos factores, desde a natureza do sustrato e do catalizador ata as condicións experimentais (disolvente, temperatura, etc.). Polo tanto, as ferramentas computacionais capaces de predicir a enantioselectividade destas reaccións constitúen un instrumento valioso para o deseno racional de novos catalizadores e produtos quirais por parte dos químicos especializados en síntese orgánica de todo o mundo. Elaborouse esta Tese de Doutoramento, unha investigación moi marcadamente multidisciplinar, na que se conxugan os esforzos de tres ramas da ciencia como son a medicina, a química e a informática. No que respecta a informática, base da Tese Doutoral, empregaranse técnicas de intelixencia artificial para avanzar creando novos modelos. As ferramentas bioinformáticas desenvoltas serven de apoio fundamental para os avances mñédicos na comprensión dunha enfermidade tan complexa e multifactorial como o cancro e tamén no avance químico na identificación de estruturas de compostos que os fan comportarse activamente contra o cancro de colon. Todo este esforzo conxunto culmina no desenvolvemento de novos modelos de aprendizaxe automática baseados na intelixencia artificial para a loita contra o cancro de colon e na implantación da primeira biblioteca R para o calculo de descritores moleculares, así como o primeiro servidor web público para o seu calculo en liña, validación dos modelos e unha versión de escritorio do software para uso local.