qsar_2011
Post on 11-Nov-2014
21 Views
Preview:
TRANSCRIPT
1
Universidades de Alcalá, Complutense y S. Pablo-CEUDoctorado en Química Médica
DISEÑO DE FÁRMACOSQSAR y QSAR-3D
Sonsoles Martín-Santamaría
QSAR y QSAR-3D
I- Introducción.
II- Caracterización de receptores. Mapeo del receptor. Descriptores. Farmacóforo.
III- Relaciones estructura-actividad cuantitativas (QSAR):
1- Métodos cuantitativos.
2- Métodos semicuantitativos.
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
4- QSAR-4D, -5D- y -6D.
Diseño de Fármacos. QSAR y QSAR-3D.
2
Diseño de Fármacos. QSAR y QSAR-3D.
Relaciones estructura-actividad cuantitativas
Quantitative Structure-Activity Relationships
(QSAR)
FARMACÓFORO OPTIMIZACIÓNDEL CABEZA DE SERIE
Diseño de Fármacos. QSAR y QSAR-3D.
3
SARMC
Diseño de Fármacos. QSAR y QSAR-3D.
QSAR y QSAR-3D
I- Introducción.
II- Caracterización de receptores. Mapeo del receptor. Descriptores. Farmacóforo.
III- Relaciones estructura-actividad cuantitativas (QSAR):
1- Métodos cuantitativos.
2- Métodos semicuantitativos.
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
4- QSAR-4D, -5D- y -6D.
Diseño de Fármacos. QSAR y QSAR-3D.
4
SARMC
Diseño de Fármacos. QSAR y QSAR-3D.
MAPEO DEL RECEPTOR:Estructura 3D del receptor conocida y disponible
Bioisósteros
Nuevos gruposfuncionales
Diseño de Fármacos. QSAR y QSAR-3D.
5
MAPAS DE GRID:Energías de interacción entre una sonda y el receptor
Diseño de Fármacos. QSAR y QSAR-3D.
Diseño de Fármacos. QSAR y QSAR-3D.
6
Diseño de Fármacos. QSAR y QSAR-3D.
Diseño de Fármacos. QSAR y QSAR-3D.
7
Diseño de Fármacos. QSAR y QSAR-3D.
Diseño de Fármacos. QSAR y QSAR-3D.
8
Diseño de Fármacos. QSAR y QSAR-3D.
Diseño de Fármacos. QSAR y QSAR-3D.
9
Diseño de Fármacos. QSAR y QSAR-3D.
Diseño de Fármacos. QSAR y QSAR-3D.
10
QSAR y QSAR-3D
I- Introducción.
II- Caracterización de receptores. Mapeo del receptor. Descriptores. Farmacóforo.
III- Relaciones estructura-actividad cuantitativas (QSAR):
1- Métodos cuantitativos.
2- Métodos semicuantitativos.
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
4- QSAR-4D, -5D- y -6D.
Diseño de Fármacos. QSAR y QSAR-3D.
Diseño de Fármacos. QSAR y QSAR-3D.
11
QSAR y QSAR-3D
I- Introducción.
II- Caracterización de receptores. Mapeo del receptor. Descriptores. Farmacóforo.
III- Relaciones estructura-actividad cuantitativas (QSAR):
1- Métodos cuantitativos:
- Aproximación de Hansch;- Aproximación de Free-Wilson.
2- Métodos semicuantitativos.
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
4- QSAR-4D, -5D- y -6D.
Diseño de Fármacos. QSAR y QSAR-3D.
QSARMC
Diseño de Fármacos. QSAR y QSAR-3D.
12
QSAR y QSAR-3D
I- Introducción.
II- Caracterización de receptores. Mapeo del receptor. Descriptores. Farmacóforo.
III- Relaciones estructura-actividad cuantitativas (QSAR):
1- Métodos cuantitativos.
2- Métodos semicuantitativos: Craig, Topliss, etc.
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
4- QSAR-4D, -5D- y -6D.
Diseño de Fármacos. QSAR y QSAR-3D.
Diagrama de Craig
Diseño de Fármacos. QSAR y QSAR-3D.
13
Árbol de decisión de Topliss para compuestos aromáticos
H
4-Cl4-Cl 4-Cl
< = >
< = >
4-OCH34-OCH3 4-OCH3
< = >
4-CH34-CH34-CH3
3-Cl 4-C(CH3)3
3,4-(CH3)2
< = >
3,4-Cl2 3,4-Cl2 3,4-Cl2
3-CF3 y 4-Cl
3-CF3 y 4-NO2
4-CF3 [Br, I]
2,4-Cl2
4-NO2
>=<
3-CF3 [Br, I]
3,5-Cl2
3-NO2
3-Cl
3,5-(CF3)2
3-Cl3-Cl
3-CH33-N(CH3)2[-NH2 , -CH3]
2-Cl, 2-CH3, 2-OCH3
4-NO2 [CN, COCH3, SO2CH3, CONH2, SO2NH2]
4-F
< = >
4-N(CH3)2 4-N(CH3)2 4-N(CH3)2
4-NH2 o 4-OH3-CH3 o 4-OCH3
3-CH3 y4-N(CH3)2
Diseño de Fármacos. QSAR y QSAR-3D.
Árbol de decisión de Topliss para compuestos alifáticos
CH2CH2
CH2
CH2 CH2C
CH3
H3C
CH3
Pri
< = >
< = >
-CH2CH3
< = >
-CH2CH3 -CH2CH3
Pri Pri
-H , -CH2OCH3 , -CH2SO2CH3
-CHCl2 , CF3 , -CH2CF3 , -CH2SCH3
Me
Diseño de Fármacos. QSAR y QSAR-3D.
14
QSAR y QSAR-3D
I- Introducción.
II- Caracterización de receptores. Mapeo del receptor. Descriptores. Farmacóforo.
III- Relaciones estructura-actividad cuantitativas (QSAR):
1- Métodos cuantitativos.
2- Métodos semicuantitativos.
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
4- QSAR-4D, -5D- y -6D.
Diseño de Fármacos. QSAR y QSAR-3D.
QSAR clásico:- emplea parámetros fisicoquímicos y estructuralespara derivar ecuaciones QSAR
log 1/C = a + b (logP) – c (logP)2 + d σ + e Es
Ventaja:- los coeficientes de las variables independientes en ecuaciones QSARdesarrolladas para la misma respuesta biológica son comparablescuando se emplean parámetros estándar
Estudio comparativo base de datos QSAR (17000 ecuaciones)
BioByte http://www.biobyte.com
Diseño de Fármacos. QSAR y QSAR-3D.
15
QSAR-3D:- emplea descriptores 3D para derivar ecuaciones QSAR
Ventajas:- compuestos estructuralmente diversos (QSAR clásico no sería apropiado)- las propiedades moleculares favorables y desfavorables se puedenvisualizar en 3D
Pasos:- determinación de la conformación bioactiva- alineamiento- cálculo de las propiedades moleculares- análisis de correlación (PLS)
Dificultades y limitaciones:- determinación de la conformación bioactiva y alineamiento
Diseño de Fármacos. QSAR y QSAR-3D.
III- Relaciones estructura-actividad cuantitativas (QSAR):
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
Dificultades:
1- Identificación de las conformaciones bioactivas.
2- Alineamiento molecular.
3- Localización del farmacóforo.
Herramientas:
- Descriptores: MIFs.
- Análisis estadístico: análisis PLS.
Metodología CoMFA.3DQSARMC
Diseño de Fármacos. QSAR y QSAR-3D.
16
Beware of q2!
Diseño de Fármacos. QSAR y QSAR-3D.
Diseño de Fármacos. QSAR y QSAR-3D.
17
QSAR y QSAR-3D
I- Introducción.
II- Caracterización de receptores. Mapeo del receptor. Descriptores. Farmacóforo.
III- Relaciones estructura-actividad cuantitativas (QSAR):
1- Métodos cuantitativos.
2- Métodos semicuantitativos.
3- QSAR-3D. Métodos estadísticos. Metodología CoMFA.
4- QSAR-4D, -5D- y -6D.
Diseño de Fármacos. QSAR y QSAR-3D.
4- QSAR-4D, -5D- y -6D.
QSAR-4D: Incorpora libertad conformacional y de alineamientoen el desarrollo de modelos QSAR-3D.
QSAR-5D: Permite la evaluación simultánea de varios protocolosde ajuste inducido.
QSAR-6D: Permite la consideración simultánea de diferentesmodelos de solvatación.
Diseño de Fármacos. QSAR y QSAR-3D.
18
QSAR-4D
The distinct set of GCODs of the manifold 3D-QSAR model for WT-RT inhibition [eqs 8 and 9] plotted as spheres of 1 Å diameter relative to (a) compound 8 and (b) compound 36 in their respective postulated active conformations. The I* in each figure corresponds to GCI(x) in eqs 8 and 9. The open spheres correspond to grid cells where occupancy can enhance activity, while the hatched spheres correspond to grid cells where occupancy decreases inhibition potency.Hopfinger, A. J. J. Am. Chem. Soc. 1997, 119, 10509-10524.
Diseño de Fármacos. QSAR y QSAR-3D.
QSAR-5D
Stereorepresentation of the surrogate for the CCR3 receptor (series-1). The mapped properties are colored as follows:red, positively charged salt bridge (e.g., Arg-Lys); blue, negatively charged salt bridge (e.g., Asp-Glu); green, H-bonddonor; yellow, H-bond acceptor; light brown, positively charged hydrophobic; dark brown, negatively chargedhydrophobic; gray, neutral hydrophobic.Vedani, A. J. Med. Chem. 2005, 48 (11); 1515-1527.
Diseño de Fármacos. QSAR y QSAR-3D.
19
QSAR-6D
Stereoview of the ER surrogate (Quasar 5.0) with coumestrol bound (for clarity, the front part of the receptor model isclipped). The mapped quasi-atomistic properties are colored as follows: green = H-bond donor; yellow = H-bondacceptor; light-brown = positively charged hydrophobic; darkbrown = negatively charged hydrophobic; gray = neutral hydrophobic; purple = H-bond flip-flop. No positively or negatively charged salt bridges were selected in this modelbecause the 106 agonist molecules used in this study lack charged groups.Vedani, A. J. Med. Chem. 2005, 48 (11); 3700-3703.
Diseño de Fármacos. QSAR y QSAR-3D.
Bibliografía:
Cramer, R.D. III; Patterson, D.E.; Bunce, J.D. J. Am. Chem. Soc. 1988, 110, 5959-5967.
Hansch, C.; Klein, T.E. Acc. Chem. Res. 1986, 19, 392-400.
Metodología Grid: Goodford, P. J. J. Med. Chem., 1985, 28, 849-857.
La primera publicación sobre QSAR-4D:
Hopfinger, A. J.; Wang, S.; Tokarski, J. S.; Jin, B.; Albuquerque, M.; Madhav, P. J.; Duraiswami, C. Construction of 3D-QSAR models using the 4D-QSAR analysis formalism. J. Am. Chem. Soc. 1997, 119, 10509-10524.
Las primeras publicaciones sobre QSAR-5D:
Vedani, A.; Briem, H.; Dobler, M.; Dollinger, H.; McMasters, D. R. Multiple comformation and protonation-state representation in 4D-QSAR: The Neurokinin-1 receptor system. J. Med. Chem. 2000, 43, 4416-4427.
Vedani, A.; Dobler, M. 5D-QSAR: The key for simulating induced fit? J. Med. Chem. 2002, 45, 2139-2149.
Vedani, A.; Dobler, M. Multi-dimensional QSAR: Moving from three- to five-dimensional concepts. Quant. Struct.-Act. Relat. 2002, 21, 382-390.
La primera publicación sobre QSAR-6D:
Angelo Vedani, Max Dobler, and Markus A. Lill. Combining Protein Modeling and 6D-QSAR. Simulating the Binding of Structurally Diverse Ligands to the Estrogen Receptor. J. Med. Chem. 2005, 48 (11); 3700-3703.
Diseño de Fármacos. QSAR y QSAR-3D.
top related