Resumen

Las simulaciones de dinámica molecular de receptores de proteínas se han convertido en una herramienta atractiva para el descubrimiento racional de fármacos. Sin embargo, el elevado coste computacional de emplear trayectorias de dinámica molecular en el cribado virtual de grandes repositorios amenaza la viabilidad de esta tarea. En este contexto se han aplicado técnicas de inteligencia computacional, con el objetivo último de reducir el coste computacional global para que la tarea sea factible. En particular, los algoritmos de clustering se han utilizado ampliamente como medio para reducir la dimensionalidad de las trayectorias de dinámica molecular. En este trabajo, desarrollamos una metodología novedosa para agrupar trayectorias enteras utilizando características estructurales de la cavidad de unión al sustrato del receptor con el fin de optimizar los experimentos de acoplamiento en un entorno basado en la nube. La partición resultante se seleccionó en base a tres criterios de validez de la agrupación, y se validó además analizando las interacciones entre 20 ligandos y un modelo de receptor totalmente flexible (FFR) que contenía una trayectoria de simulación de dinámica molecular de 20 ns. Nuestra metodología propuesta muestra que tener en cuenta las características de la cavidad de unión al sustrato como entrada para el algoritmo k-means es una técnica prometedora para seleccionar con precisión conjuntos de estructuras representativas adaptadas a un ligando específico.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:trayectoria dinámica molecular, simulación dinámica molecular, simulación de proteínas, descubrimiento racional de fármacos, coste computacional global, alto coste computacional, técnicas de inteligencia computacional, criterios de validez de la agrupación, metodología propuesta, características estructurales
• Keywords:molecular dynamic trajectory, molecular dynamic simulation, simulation of protein, rational drug discovery, overall computational cost, high computational cost, computational intelligence techniques, clustering validity criteria, proposed methodology, structural features