Obtención y validación de un modelo QSAR en inhibidores de la 5-lipoxigenasa

Abstract

El modelado cuantitativo de la relación estructura-actividad (QSAR) es un enfoque de diseño de fármacos in silico muy extendido que relaciona la estructura química de los compuestos con sus actividades biológicas. En el presente trabajo se construyen modelos QSAR en dos dimensiones (2D QSAR) con el uso de redes neuronales artificiales como clasificadores para la identificación de nuevas moléculas inhibidoras de la enzima 5-Lipoxigenasa. Este estudio ayudará a reducir el tiempo necesario en el proceso de descubrimiento de moléculas inhibidoras de la enzima 5-Lipoxigenasa que aporten al desarrollo de fármacos antiinflamatorios.

Quantitative structure-activity relationship (QSAR) modeling is a widespread in silico drug design approach that relates the chemical structure of compounds to their biological activities. In the present work, two-dimensional QSAR models (2D QSAR) are built with the use of artificial neural networks as classifiers for the identification of new inhibitory molecules of the enzyme 5-Lipoxygenase. This study will help reduce the time required in the process of discovering inhibitory molecules of the enzyme 5-Lipoxygenase that contribute to the development of anti-inflammatory drugs