Modelos neuroinformáticos para a descoberta de fármacos neuroprotectores

Resumen

A compreensom e o tratamento das doenças neurodegenerativas constituem ainda um desafio apesar da pesquisa intensiva. Novos algoritmos computacionais inspirados no processamento cerebral da informaçom e a disponibilidade pública de dados experimentais permitem umha nova abordagem para este enigma. Métodos A partir da base de dados ChEMBL construímos um conjunto de dados unificado de ensaios independentes sobre interaçons de fármaco-alvo implicadas principalmente na neuroprotecçom. Logo transformamos as características moleculares dos compostos neuroquímicos a números através de diferentes descritores moleculares para estabelecer umha relaçom quantitativa estrutura-actividade. Também utilizamos operadores de media móbel de Box-Jenkins para incorporar informaçom categórica sobre subconjuntos específicos de condiçons experimentais. Posteriormente, aplicamos a análise discriminante linear e diversos métodos de redes neurais artificiais para inferir modelos que resumem todas estas observaçons específicas. Ao mesmo tempo, uma nova série de derivados de rasagilina forom sintetizados, validando a sua actividade neuroprotectora empiricamente e teoricamente através do nosso modelo. Resuldados e Discusom Estes modelos tenhem o potencial de ultrapassar certas limitaçons experimentais porque podem prever o resultado provável de uma interacção fármaco-alvo em um conjunto generalizado de condiçons empíricas. De todos os métodos analisados, os algoritmos baseados na aprendizage profunda apresentaram o melhor desempenho, com uma precisom do 85%, e um tempo de treinamento mais rápido. Os diferentes derivados de rasagilina mostraram um perfil diferente de actividade neuroprotectora empiricamente, e esta actividade foi congruente com as prediçons teóricas deduzidas apartir de nosso modelo. Conclusom Tirando proveito de métodos computacionais inspirados no processo cerebral da informaçom construímos modelos do interactoma cerebral. Na nossa opiniom, os métodos de aprendizage profunda terám um impacto notável neste campo num futuro próximo. Palavras-chave: neuroprotecçom, interactoma, neuroinformática, aprendizage profunda, síntese assimétrica, relaçom quantitativa estrutura-actividade