Predicción in silico ADME/T de nuevos inhibidores potenciales contra el virus del dengue
DOI:
https://doi.org/10.33448/rsd-v10i4.14459Palabras clave:
Dengue; Denv; In silico; Herramientas computacionales; Modelado molecular.Resumen
El dengue es una enfermedad emergente con un gran impacto en la salud pública, con millones de infecciones virales que ocurren anualmente, para las cuales aún no existe una terapia efectiva. Este estudio tiene como objetivo predecir las propiedades fisicoquímicas, farmacocinéticas y toxicológicas de candidatos a fármacos contra el dengue. Se desarrollaron 17 candidatos para medicamentos contra el dengue en la plataforma PubChem Sketcher V.2.4®. Los parámetros físico-químicos se cuantificaron en la plataforma Molinspiration®. Posteriormente, se midieron los parámetros farmacocinéticos utilizando la herramienta SwissADME®. Finalmente, se utilizó la plataforma OSIRIS Property Explorer® para determinar el efecto toxicológico de los candidatos anti-dengue. Los compuestos 8 y 14 no violaron ninguna de las reglas instituidas por Lipinski. Todos los demás compuestos mostraron más de una violación, y los compuestos 5, 7 y 9-11 mostraron hasta 3 violaciones. En cuanto a la evaluación farmacocinética, de los compuestos aquí diseñados, solo los compuestos 13 y 14 mostraron una alta absorción gastrointestinal. Los compuestos 2, 15 y 17 tienen al menos una puntuación de riesgo alta para uno de los factores de toxicidad para mutagénesis, tumorigénesis, efectos irritantes y reproductivos. Los compuestos 1-4 tienen al menos una puntuación de riesgo intermedia para uno de los factores de toxicidad. Todos los demás compuestos tienen una puntuación de riesgo baja para uno de los factores de toxicidad. La predicción in silico realizada en este estudio indicó que los compuestos 13 y 14 son los más prometedores por ser posibles candidatos anti-dengue y útiles para futuros cribados en pruebas realizadas en células y animales.
Citas
Beesetti, H., Khanna, N., & Swaminathan, S. (2016). Investigational drugs in early development for treating dengue infection. Expert Opinion on Investigational Drugs, 25 (9), 1059–69. https://doi.org/10.1080/13543784.2016.1201063
Brady, O. J., & Hay, S. I. (2020). The global expansion of dengue: How aedes aegypti mosquitoes enabled the first pandemic arbovirus. Annual Review of Entomology, 65, 191-208. https://doi.org/10.1146/annurev-ento-011019-024918
Daina, A., Michielin, O., & Zoete, V. (2017). SwissADME: A free web tool to evaluate pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Scientific Reports, 7. https://doi.org/10.1038/srep42717
Dighe, S. N., Ekwudu, O., Dua, K., Chellappan, D. K., Katavic, P. L., & Collet, T. A. (2019). Recent update on anti-dengue drug discovery. European Journal of Medicinal Chemistry, 176, 431-455. https://doi.org/10.1016/j.ejmech.2019.05.010
Ferreira, L. L. G., & Andricopulo, A. D. (2019). ADMET modeling approaches in drug discovery. Drug Discovery Today, 24(5) 1157-65. https://doi.org/10.1016/j.drudis.2019.03.015
Gil, A.C. (2010). Como elaborar projetos de pesquisa. 5. ed. Atlas. São Paulo. Brasil.
Guy, B., Noriega, F., Ochiai, R. L., L’azou, M., Delore, V., Skipetrova, A., Verdier, F., Coudeville, L., Savarino, S., & Jackson, N. (2017). A recombinant live attenuated tetravalent vaccine for the prevention of dengue. Expert Review of Vaccines, 16(7), 671–683. https://doi.org/10.1080/14760584.2017.1335201
Guzman, M. G., Gubler, D. J., Izquierdo, A., Martinez, E., & Halstead, S. B. (2016). Dengue infection. Nature Reviews Disease Primers, 2(1), 1–25. https://doi.org/10.1038/nrdp.2016.55
Hage-Melim, L. I. da S., Federico, L. B., de Oliveira, N. K. S., Francisco, V. C. C., Correia, L. C., de Lima, H. B., Gomes, S. Q., Barcelos, M. P., Francischini, I. A. G., & da Silva, C. H. T. de P. (2020). Virtual screening, ADME/Tox predictions and the drug repurposing concept for future use of old drugs against the COVID-19. Life Sciences, 256, 117963. https://doi.org/10.1016/j.lfs.2020.117963
Halim, S. A., Khan, S., Khan, A., Wadood, A., Mabood, F., Hussain, J., & Al-Harrasi, A. (2017). Targeting Dengue Virus NS-3 Helicase by Ligand based Pharmacophore Modeling and Structure based Virtual Screening. Frontiers in Chemistry, 5. https://doi.org/10.3389/fchem.2017.00088
Kirchmair, J., Göller, A. H., Lang, D., Kunze, J., Testa, B., Wilson, I. D., Glen, R. C., & Schneider, G. (2015). Predicting drug metabolism: Experiment and/or computation? Nature Reviews Drug Discovery, 14 (6), 387-404.https://doi.org/10.1038/nrd4581
Lakatos, E. M.; Marconi, M.A (2011). Metodologia científica. São Paulo, Brasil.
Lipinski, C. A., Lombardo, F., Dominy, B. W., & Feeney, P. J. (1997). Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings. Advanced Drug Delivery Reviews, 23 (1-3), 3-25. https://doi.org/10.1016/S0169-409X(96)00423-1
Madden, J. C., Enoch, S. J., Paini, A., & Cronin, M. T. D. (2020). A Review of In Silico Tools as Alternatives to Animal Testing: Principles, Resources and Applications. Alternatives to laboratory animals : ATLA, 48(4), 146–72. https://doi.org/10.1177/0261192920965977
Murugesan, A., & Manoharan, M. (2019). Dengue virus. In Emerging and Reemerging Viral Pathogens: Volume 1: Fundamental and Basic Virology Aspects of Human, Animal and Plant Pathogens. 1, 281-359. https://doi.org/10.1016/B978-0-12-819400-3.00016-8
N. Powers, C., & N. Setzer, W. (2016). An In-Silico Investigation of Phytochemicals as Antiviral Agents Against Dengue Fever. Combinatorial Chemistry & High Throughput Screening, 19(7), 516–536. https://doi.org/10.2174/1386207319666160506123715
Patrick, Í., Amorim, S., Ramos Pestana, E., José, S., & Mendes, F. (2017). Predição do metabolismo do candidato a fármaco cinamaldeído: Uma abordagem in silico. Revista Ceuma Perspectivas, 30(1), 111–120. http://smartcyp.sund.ku.dk/.
Pollett, S., Melendrez, M. C., Maljkovic Berry, I., Duchêne, S., Salje, H., Cummings, D. A. T., & Jarman, R. G. (2018). Understanding dengue virus evolution to support epidemic surveillance and counter-measure development. Infection, Genetics and Evolution, 62, 279–95. https://doi.org/10.1016/j.meegid.2018.04.032
Rai, J., & Kaushik, K. (2018). Reduction of Animal Sacrifice in Biomedical Science & Research through Alternative Design of Animal Experiments. Saudi Pharmaceutical Journal, 26(6), 896–902.https://doi.org/10.1016/j.jsps.2018.03.006
Rao, V. S., & Srinivas, K. (2011). Modern drug discovery process: An in silico approach. Journal of Bioinformatics and Sequence Analysis, 2(5), 89–94. http://www.academicjournals.org/JBSA
Thangarasu, P., Thamarai Selvi, S., & Manikandan, A. (2018). Unveiling novel 2-cyclopropyl-3-ethynyl-4-(4-fluorophenyl)quinolines as GPCR ligands via PI3-kinase/PAR-1 antagonism and platelet aggregation valuations; development of a new class of anticancer drugs with thrombolytic effects. Bioorganic Chemistry, 81, 468–480. https://doi.org/10.1016/j.bioorg.2018.09.011
Vavougios, G. D., Zarogiannis, S. G., Krogfelt, K. A., Gourgoulianis, K., Mitsikostas, D. D., & Hadjigeorgiou, G. (2018). Novel candidate genes of the PARK7 interactome as mediators of apoptosis and acetylation in multiple sclerosis: An in silico analysis. Multiple Sclerosis and Related Disorders, 19, 8–14. https://doi.org/10.1016/j.msard.2017.10.013
Vera, A. A. (1989). Metodologia da pesquisa científica. 8th ed. São Paulo. Brasil.
Vergara, S. C. (2006) Projetos e relatórios de pesquisa em administração. 5th ed. São Paulo. Brasil.
Vukic, V. R., Loncar, D. M., Vukic, D. V., Jevric, L. R., Benedekovic, G., Francuz, J., Kojic, V., Karadzic Banjac, M. Z., & Popsavin, V. (2019). In vitro antitumor activity, ADME-Tox and 3D-QSAR of synthesized and selected natural styryl lactones. Computational Biology and Chemistry, 83, 107112. https://doi.org/10.1016/j.compbiolchem.2019.107112
Waman, V. P., Kolekar, P., Ramtirthkar, M. R., Kale, M. M., & Kulkarni-Kale, U. (2016). Analysis of genotype diversity and evolution of Dengue virus serotype 2 using complete genomes. PeerJ, 8. https://doi.org/10.7717/peerj.2326
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Jane Stefani da Mata Rodrigues; Eduardo Damasceno Costa
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
