Análisis de moléculas propuestas y su interacción con la enzima HMGCR (3-hidroxi-3-metil-glutaril-CoA reductasa)

Análisis de moléculas propuestas y su interacción con la enzima HMGCR (3-hidroxi-3-metil-glutaril-CoA reductasa)

Jesús Ulises Méndez González

Resumen: En este trabajo se reporta un estudio de primer acercamiento de posibles interacciones con la enzima HMGCR (3-hidroxi-3-metil-glutaril-CoA reductasa) y nuestras moléculas propuestas, utilizando bases de datos como Swiss Target Prediction, Protein Data Bank y además se utilizó el programa Vina para realizar estudios energéticos de Docking molecular. Estos estudios nos permiten formar parámetros y descartar posibles interacciones con poca o nula probabilidad que sucedan. Se estudiaron las primeras 15 interacciones consideradas importantes y con probabilidad, obtenidas en Swiss Target Prediction, para posteriormente después de haberlo hecho en las 25 moléculas base ir descartando algunas. En el programa Vina se realizaron los estudios energéticos y, tomando como referencia a Atorvastina ya reportada como inhibidor de la HMGCR, se puede delimitar a algunos compuestos como posibles inhibidores de HMGCR, que incluso pudieran exhibir una mejor actividad biológica que Atorvastatina. Se observa un resultado energético favorable en 4 moléculas propuestas.

Introducción

La 3-hidroxi-3-metil-glutaril-CoA reductasa es la enzima que controla la velocidad de la vía del mevalonato, la vía metabólica que produce colesterol y otros isoprenoides. La reducción del 3-hidroxi-3-metilglutaril-CoA hasta mevalonato es la etapa limitante en la síntesis de colesterol.

Esta enzima, mostrada en la (Fig. 1), es una importante diana farmacológica para un trascendental grupo de medicamentos hipocolesterolemiantes.[pic 1]

[pic 2]

La HMGCR reductasa está regulada mediante un mecanismo de retroalimentación negativa mediado por esteroles y metabolitos no esteroles derivados del mevalonato, el producto de la reacción catalizada por la reductasa. Normalmente, en las células de mamíferos, esta enzima es suprimida por el colesterol derivado de la internalización y degradación de las lipoproteínas de baja densidad (LDL) a través del receptor de LDL. Los inhibidores competitivos de la reductasa inducen la expresión de los receptores de LDL en el hígado, lo que a su vez aumenta el catabolismo de las LDL plasmáticas y reduce la concentración plasmática de colesterol, un determinante importante de la aterosclerosis. Alternativamente, se han encontrado variantes de transcripción empalmadas que codifican diferentes isoformas para este gen.

La atorvastatina (Fig. 2) es un inhibidor selectivo y competitivo de la HMG-CoA reductasa, la enzima limitante responsable de la conversión del 3-hidroxi-3-metil-glutaril-coenzimaA a mevalonato, un precursor de los esteroles, incluyendo el colesterol.

[pic 3]

Figura 2. Estructura molecular de Atorvastatina

Estudios in Silico

La evaluación in silico emplea modelos computacionales avanzados para predecir cierto comportamiento potencial de una sustancia química rápidamente y sin la necesidad de realizar pruebas en animales. Las técnicas in silico mejoran a medida que aumenta la capacidad computacional, la información y los conocimientos científicos sobre sustancias químicas.

Cabe mencionar que los estudios realizados en este trabajo son meramente basados en estudios probabilísticos y, por consiguiente, resultados experimentales podrían ser distintos, aunque de esta manera ya se tiene una delimitación del problema o enfermedad a estudiar.

Swiss Target Prediction

En este sitio web (Fig. 3) introducimos nuestros Smiles aunque también tenemos la opción de dibujar una a una nuestras 25 moléculas base de trabajo y obtenemos estimaciones ordenadas en cuanto a la probabilidad de interacción con distintas proteínas dentro de esta base de datos. Esta base es muy amplia y por tanto obtendremos alrededor de 100 posibles interacciones, pero en este trabajo únicamente se tomaron los primeros 15 resultados arrojados en Swiss Target Prediction.

[pic 4]

Figura 3. Logo del sitio web utilizado en el primer análisis de este trabajo.

Es importante mencionar que todas las moléculas de nuestro trabajo presentan interacción con la proteína HMGCR (código Unit Prot: P04035), aunque se evaluó otras interacciones con proteínas distintas a HMGCR que podrían resultar de interés en este primer acercamiento.

En el Grafico 1 se muestran las interacciones de nuestras moléculas de trabajo con proteínas diferentes a HMGCR con una probabilidad mayor al 51%. En este primer estudio al notar interacciones con alta probabilidad con las proteínas, Unit Prot: P18031, P28845, P11511 y P05093, nos lleva a indagar más fondo sobre estas mismas ya que en un posible candidato a fármaco, al no estar interaccionando únicamente con una sola diana, podría significar la presencia de efectos secundarios o que alguna de nuestras moléculas propuestas pueda causar más prejuicios que beneficios. Aunque también podría significar algo positivo, ya que un posible fármaco multidiana también es importante para tratar distintas enfermedades, teniendo así un efecto mayor en su tratamiento, todo dependerá de como se lleven a cabo dichas interacciones.

Este primer análisis nos lleva a formar un campo mucho más pequeño ya que posteriormente en el análisis energético se deben hacer distintas repeticiones para tomar el mejor resultado.  

[pic 5]

Gráfico 1. Representación gráfica de posibles interacciones, de las 25 moléculas propuestas, con proteínas diferentes a HMGCR

Protein Data Bank

Previamente a realizar el Docking se deben escoger las proteínas con las que trabajaremos, en este caso se utilizó la página de Protein Data Bank (Fig. 4). Se toman ciertos parámetros para llevar a cabo la elección de proteínas como, por ejemplo, se busca que ya se haya cristalizado previamente, esto nos garantizará un mejor resultado, por lo general los resultados se muestran en orden de prioridad, por lo tanto, las primeras proteínas arrojadas generalmente son las mejores opciones.

[pic 6]

Figura 4. Logo de la página Protein Data Bank, utilizada en este estudio.

Otro parámetro importante para la elección de proteína es los “Rangos Percentiles” (Fig. 5), observamos dos colores: azul y rojo; generalmente es mejor que la mayoría de los valores se encuentren dentro del rango azul.

Cabe mencionar que dichas proteínas se buscan mediante los códigos Unit Prot (presentados en el Gráfico 1), obtenido en el análisis previo en la plataforma Swiss Target Prediction.

Así finalmente siguiendo este procedimiento llevamos a cabo la elección de nuestras proteínas de trabajo.  

...