Identificación in silico y experimental de nuevas entidades moleculares activas frente a trichomonas vaginalis

  1. MENESES MARCEL, ALFREDO
Dirigida por:
  1. José A. Escario García-Trevijano Director
  2. Alicia Gómez Barrio Codirectora

Universidad de defensa: Universidad Complutense de Madrid

Fecha de defensa: 10 de octubre de 2006

Tribunal:
  1. Antonio R. Martínez Fernández Presidente
  2. Francisco Ponce-Gordo Secretario
  3. Vicente Jesus Arán Redó Vocal
  4. Francisco de Paula Torrens Vocal
  5. Juan Alfonso Ayala Serrano Vocal
Departamento:
  1. Microbiología y Parasitología

Tipo: Tesis

Teseo: 145525 DIALNET

Resumen

richomonas vaginalis es un protozoo parásito que causa una enfermedad de transmisión sexual conocida como tricomonosis. Afecta principalmente a la mujer en la que produce síntomas que pueden llegar a ser graves. El tratamiento de la enfermedad se realiza a través de metronidazol, pero ya se ha encontrado cierta resistencia del protozoo a este fármaco. En los últimos años se ha venido incrementando el cribado virtual para la búsqueda de nuevos principios activos, disminuyendo el tiempo y el coste de recursos, siendo el objetivo principal de este trabajo identificar nuevas entidades moleculares activas frente a T. Vaginalis mediante el desarrollo secuencial y coordinado de ensayos in silico, in vitro e in vivo. En primer lugar, se recopiló de la literatura internacional una base de datos conformada por 123 compuestos activos e inactivos. Este conjunto de compuestos, de los cuales 50 tienen actividad tricomonicida, son de gran interés no sólo para los teóricos, sino para cualquier profesional que trabaje en este campo. Cada compuesto de la base de datos fue parametrizado usando los índices cuadráticos, lineales y bilineales estocásticos y no estocásticos (tanto totales como locales) basados en relaciones de átomos y de enlaces, los cuales fueron calculados con el programa TOMOCOMD-CARDD. Posteriormente, el análisis de conglomerados (clusters) fue empleado para el diseño "racional" de la serie de aprendizaje (SE, 91 compuestos) y de predicción (SP, 22 compuestos). Se obtuvieron un total de 12 modelos de clasificación con estos índices y el uso del análisis discriminante lineal. Todos los modelos fueron evaluados exhaustivamente utilizando procedimientos de validación interna (validación cruzada leave-10%-out) y externa empleando una SP. Además, la calidad predictiva de los modelos fue controlada usando una segunda serie de compuestos de los que se conoce la actividad frente a T. Vaginalis, comparando ésta con la predicción obtenida por los