Química-informática

Las técnicas computacionales basadas exclusivamente en el conocimiento de los compuestos con una determinada actividad, fundamentalmente sus estructuras químicas, y que nos sirven básicamente para el desarrollo de modelos quimio-informáticos, son las siguientes:

• Cálculo de descriptores moleculares: llamamos así a valores numéricos asociados a las características estructurales de compuestos químicos, de manera que conjuntos diferentes de estos descriptores codifican información química diferente. En ProtoQSAR podemos calcular más de un millar de estos índices, cubriendo datos estructurales simples (número de átomos, enlaces, anillos, etc.), información topológica (forma, tamaño, ramificación molecular), propiedades fisicoquímicas (hidrofilicidad/hidrofobicidad, polarizabilidad, etc.), o descriptores dependientes de la conformación molecular.
• Filtrado de compuestos químicos en función de reglas prefijadas: en los estadios iniciales de los proyectos de química médica es frecuente que se determinen ciertas reglas estandarizadas como las conocidas “reglas de Lipinski” para la selección de compuestos “drug-like”, las “reglas de Oprea” para la selección de compuestos “lead-like” o la “regla de tres” para la selección de fragmentos. En ProtoQSAR disponemos de los medios para calcular parámetros tales como el peso molecular, el número de dadores/aceptores de protones, el cLogP, el número de “rotatable bonds”, “polar surface area” (PSA), etc., que permiten clasificar compuestos en función de dichas reglas.
• Análisis de similaridad y/o diversidad químicas: en ProtoQSAR podemos caracterizar las moléculas mediante el uso de descriptores moleculares como las “llaves MACCS” y algoritmos estándar como el coeficiente de Tanimoto, así como seleccionar subsets de compuestos en función de su similaridad/diversidad estructurales.
• Alineamiento de pequeñas moléculas: superposiciones 3D de ligandos potenciales y ligandos conocidos, tras un muestreo conformacional de ambos tipos de estructuras, de manera a deducir requerimientos estructurales para una determinada actividad biológica.
• QSAR: construcción de modelos matemáticos relacionando la estructura “in silico” de moléculas con una propiedad o actividad biológica, mediante el uso de herramientas estadísticas. Una vez una correlación ha sido establecida, puede utilizarse posteriormente para predecir la propiedad o efecto biológico de nuevas estructuras.
• Predicción por similitud química (“read-across” o “neighborhood behavior”): cuando no hay datos suficientes para construir modelos QSAR, alternativas más simples como el “read-across” son posibles. Este método se basa en el conocido principio de «similitud química»: los productos químicos con características estructurales comunes mostrarán propiedades físico-químicas y biológicas similares. Así, las sustancias que comparten similitudes estructurales pueden agruparse en una categoría química y una vez que se ha establecido un grupo, es posible utilizar la información de los miembros ricos en datos paracompletar la de elementos vacíos de datos.