3DFrag-MCP: Método basado en Propiedad Máxima Común para obtener Fragmentos Relevantes a una actividad biológica.

Abstract

El establecimiento de relaciones estructura-actividad y la identificación de similitud molecular es un ejercicio muy frecuente en la química-medicinal. La cuantificación de la similitud, caracteriza el grado de semejanza entre pares de moléculas. Existen múltiples métodos de similitud molecular entre pares de moléculas pequeñas en 3D, la mayoría de los cuales demandan mucho procesamiento de cálculo por utilizar la superposición de grafos, lo que los hace ineficientes frente a volúmenes de datos muy grandes. Tampoco permiten obtener diferencias en propiedades locales y globales pues no emplean propiedades químico-físicas. Por lo tanto, es aconsejable desarrollar un método de similitud molecular que esté basado en descriptores atómicos topográficos híbridos ya que poseen mayor contenido de información al estar ponderados por propiedades químico-físicas lo que les permite identificar estructuras diferentes con propiedades similares y viceversa. En la presente tesis se propone el concepto de Propiedad Máxima Común (MCPhd) como nuevo enfoque para cuantificar la similitud molecular utilizando descriptores grafo-teóricos topográficos híbridos que derivaron hacia un nuevo método de similitud molecular entre ligandos basado en el concepto de MCPhd para cuantificar la similitud entre dos compuestos. Esto es extensible a la similitud de subgrafos de grafos moleculares para obtener fragmentos relevantes a una actividad biológica denominado 3DFrag-MCP. Teniendo en cuenta que resulta frecuente el tener que trabajarcon series de datos numerosas y desbalanceadas, se propone una nueva forma de reducción del grafo químico denominada Grafo Reducido Híbrido (HRG), basada en centro descriptores ponderados por las propiedades químico-físicas y la distancia entre ellos. Todos los métodos propuestos se validaron con otros reportados en la literatura con resultados más ventajosos.

The establishment of structure-activity relationships and the identification of molecular similarity is a very frequent exercise in medicinal chemistry. Similarity quantification characterizes the degree of similarity between pairs of molecules. There are multiple methods of molecular similarity between pairs of small molecules in 3D, most of which require a lot of computational processing because they use the superposition of graphs, which makes them inefficient in the face of very large volumes of data. They also do not allow obtaining differences in local and global properties because they do not use chemical-physical properties. Therefore, it is advisable to develop a molecular similarity method based on hybrid atomic topographic descriptors since they have a higher information content as they are weighted by chemical-physical properties, which allows them to identify different structures with similar properties and vice versa. In the present thesis, the Maximum Common Property (MCPhd) concept is proposed as a new approach to quantify molecular similarity using hybrid grapho-theoretic topographic descriptors that derived towards a new method of molecular similarity between ligands based on the MCPhd concept to quantify the similarity between two compounds. This is extensible to the similarity of subgraphs of molecular graphs to obtain fragments relevant to a biological activity called 3DFrag-MCP. Considering the frequent need to work with large and unbalanced data sets, a new form of chemical graph reduction called Hybrid Reduced Graph (HRG) is proposed, based on descriptor centers weighted by chemical-physical properties and the distance between them. All the proposed methods were validated with others reported in the literature with more advantageous results.