Modelado matemático de la interacción proteina-ligando

El proyecto tiene como objetivo desarrollar modelos matemáticos para predecir con precisión las propiedades de los derivados de fullerenos o cucurbituril como nano acarreadores en tratamientos de quimioterapia para el cáncer de mama. Todos los modelos se basarán en una base de datos integral de información experimental y teórica, recopilada en etapas anteriores de investigación, sobre los medicamentos comúnmente utilizados en tratamientos de quimioterapia para el cáncer de mama y de pulmón. 

Más de 30 fármacos comerciales serán evaluados en estudios teóricos de acoplamiento molecular, molecular docking, para calcular la energía de enlace entre las moléculas y el Receptor de Quimioquinas Atípico 3 (ACKR3/CXCR7), una proteína que está sobreexpresada en la membrana celular de tumores de mama y de pulmón. De manera similar, el receptor de quimiocina tipo C-X-C 4 (CXCR4) se propone como un objetivo para este estudio. 

Se analizará el "score" del enlace entre las proteínas CXCR7 y CXCR4 y los medicamentos comunes utilizando modelos de relación cuantitativa estructura-propiedad/actividad (QSPR/QSAR). Estos modelos se obtendrán en términos de peso molecular, energías orbitales, solubilidad en agua, polarizabilidad y pKa, entre otros, como descriptores. Algunos de estos fueron calculados, en etapas anteriores, utilizando un enfoque de química cuántica. Otros descriptores fueron recopilados de bases de datos públicas o calculados a partir de la información disponible. 

Los nuevos modelos matemáticos podrán predecir la energía de enlace o "docking score", para el acoplamiento de medicamentos comunes en el tratamiento del cancer de mama o pulmón, pero modificados con potenciales acarreadores.

1-Modelado de las estructuras de las proteinas CXCR4 y CXCR7

3-Elección de los descriptores para la caracterización de los fármacos

4-Análisis de los datos de los acoplamientos proteina-ligando

5-Empleo de las herramientas para el modelado del docking score

6-Evaluación del "performance" de los modelos predictivos