Procedencia: Instituto de Fisiología Celular, UNAM

Resumen

En pasadas décadas, el diseño de fármacos asistido por computadora (CADD
por siglas en inglés) se ha posicionado como uno de los enfoques más
útiles para guiar la investigación en etapas tempranas del desarrollo de
inhibidores. Particularmente, algoritmos de acoplamiento molecular han
sido ampliamente usados con el fin de identificar las posibles
interacciones moleculares, entre proteína blanco e inhibidor propuesto,
que pudieran dar sustento a la formación del complejo
Proteína-Inhibidor. Esta evaluación es realizada mediante funciones
evaluadores que relaciona patrones geométricos, de las moléculas
interactuantes, con valores de energía libre de enlace. Sin embargo, la
predicción exacta y precisa de la energía libre unión, junto con la
conformación del complejo, siguen siendo un problema abierto. En
consecuencia, los resultados de acoplamiento presentan una alta tasa de
falsos positivos. La alta complejidad del proceso fisicoquímico, junto
con la gran cantidad de información estructural disponible, hacen
atractivos el empleo de técnicas de aprendizaje de máquina para atender
el problema. En la plática, se revisarán brevemente los problemas
asociados con las funciones de evaluación actuales y se presentarán
resultados preliminares sobre la reducción de falsos positivos mediante
la implementación de algoritmos de aprendizaje de máquina.