CAPÍTULO 21

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

405

USO DE BIBLIO TECAS QUÍMICAS BIBLIOTECAS VIRTU ALES P ARA EL DISEÑO VIRTUALES PARA DE MEDICAMENT OS MEDICAMENTOS NELIA LÓPEZ MARÍN1, ROLANDO RODRÍGUEZ FERNÁNDEZ1 1

Centro de Ingienería Genética y Biotecnología. Ave. 31 e/ 158 y 190, Playa. AP 6162, CP 10600, Ciudad de La Habana, Cuba.

INTRODUCCIÓN Uno de los objetivos esenciales de la química medicinal es el descubrimiento de nuevos agentes terapéuticos. Durante siglos, los químicos aislaron los principios activos de sus fuentes naturales como extractos y los estudiaron, lo que dio origen a esta nueva ciencia. Sin embargo, con el desarrollo de nuevos métodos de separación se demostró que, generalmente, un sólo compuesto presente en estos extractos era el responsable de la acción curativa. El alto nivel de integración entre la química, la física y la biología en los últimos tiempos, ha hecho que la búsqueda de compuestos con propiedades curativas se haga de manera más racional mediante el estudio más profundo de las bases moleculares de las enfermedades. Este fenómeno ha hecho posible la generación de medicamentos cada vez más específicos y con menos efectos colaterales. El estudio de las enfermedades a este nivel implica el conocimiento de los mecanismos metabólicos celulares y su interacción con todos los sistemas del organismo, para poder encontrar un paso sobre el cual se pueda trabajar y modificar el curso del proceso. Generalmente, se encuentra al final una proteína con una función determinada en este complejo sistema y es necesario regular su actividad biológica mediante la unión de un compuesto químico, el cual se convierte inmediatamente en el agente terapéutico. A esta proteína se le llama “blanco” puesto que hay que diseñar el compuesto para que se dirija y se una sólo a ella. Una vez identificado el blanco, uno de los pasos críticos del proceso es encontrar nuevos compuestos que se unan a él de forma muy selectiva. Históricamente, este descubrimiento era un proceso en serie en el que se evaluaban y optimizaban los compuestos uno a uno, a través de ensayos biológicos a partir de una biblioteca de compuestos químicos sintéticos atesorada por las compañías farmacéuticas durante años. Poseer una biblioteca de este tipo lo más grande

406

CAPÍTULO 21

posible, era el método que garantizaba la diversidad y variabilidad que permitía encontrar algún compuesto y utilizarlo para mejorar sus propiedades y comercializarlo. Este compuesto que sirve de punto de partida se conoce como compuesto líder. El surgimiento de nuevas tecnologías como la química combinatoria, que permite la síntesis química simultánea de cientos de miles de compuestos a un costo no muy alto, ha hecho que las bibliotecas se puedan generar para su utilización en un estudio específico, de manera que no sea necesario depender sólo de la biblioteca acumulada históricamente. A esta metodología se le unió otra tecnología conocida como tamizaje rápido (del inglés high throughput screening), que cambió de forma significativa la forma de enfrentar el problema. Este método consiste en la utilización de robots para ensayar varios cientos de miles de compuestos de forma simultánea. En la actualidad se han combinado robots para la síntesis de bibliotecas combinatorias con los que realizan los ensayos biológicos para hacer el proceso de forma cada vez más masiva. La generación y evaluación rápida de bibliotecas combinatorias es una tecnología ampliamente difundida que ha permitido seleccionar inhibidores potentes como candidatos potenciales de medicamentos [1-3]. La química combinatoria ha demostrado que es posible sintetizar bibliotecas de entre 1 000 y 100 000 compuestos. La Figura 21.1 muestra un ejemplo de biblioteca combinatoria de pirrolidina, así como los componentes a partir de los cuales se puede armar el esqueleto [4].

Figura 21.1. Ejemplo de una biblioteca combinatoria de pirrolidina.

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

407

Sin embargo, cuando se evalúa este tipo de bibliotecas —aunque se trate de seleccionar de forma representativa— las posibilidades de éxito son muy bajas y muchas bibliotecas no han podido ser asociadas a alguna función biológica. Este hecho mostró la necesidad de diseñar bibliotecas combinatorias de forma racional, basado en los métodos que se han utilizado tradicionalmente para el diseño de compuestos aislados —esta vez de forma masiva— y se han desarrollado con éxito varios algoritmos de diseño estructural para evaluar y crear bibliotecas combinatorias con muy buenos resultados [5, 6]. A partir del conocimiento que se ha acumulado durante los tres últimos siglos acerca de la síntesis y análisis de los compuestos químicos, en la actualidad se dispone de bases de datos que recogen no sólo los compuestos, sino también una gran cantidad de propiedades físicas, químicas y farmacológicas de compuestos orgánicos e inorgánicos [7, 8]. Estas bases de datos de hecho constituyen bibliotecas virtuales que pueden ser utilizadas para el diseño de medicamentos sobre la base del análisis de la estructura, lo cual se ha probado que es un método potente para obtener ligandos posibles [9]. Por otra parte, se ha estimado que el número total de compuestos orgánicos con masa molecular menor que 750 unidades de masa atómica es de cerca de 10200, lo que hace evidente que las bibliotecas virtuales se deben reducir a bibliotecas más pequeñas que mantengan la mayor cantidad posible de compuestos activos en presencia de un blanco determinado [10].

CICL O DE DISEÑO DE MEDICAMENT OS CICLO MEDICAMENTOS La Figura 21.2 muestra el ciclo de diseño racional de medicamentos. Una vez identificado el blanco, el paso siguiente es la generación de series de compuestos que puedan ser sintetizados y ensayados. Para esto es de importancia vital el uso de la mayor cantidad de información disponible que permita reducir al máximo el espacio virtual. Entre la información importante a tener en cuenta se encuentran los datos de compuestos que interaccionan con el blanco o receptor, las características estructurales de esta interacción y las propiedades químicas o farmacológicas de los compuestos. Como se puede suponer, el mejor de los casos que se puede encontrar es aquel en el que se disponga de la estructura tridimensional de la proteína blanco en complejo con su ligando natural u otro compuesto. Esta estructura provee de información detallada acerca de la topología del sitio de unión y de las características fundamentales que deberán tener los compuestos a diseñar. Después de la selección inicial, alrededor de 1 000 compuestos deben pasar a la etapa de síntesis y ensayos biológicos. A partir de estos resultados se deben

408

CAPÍTULO 21

proponer decenas de ellos para ensayos in vivo posteriores, y de ahí los mejores pudieran ser patentados y llevados a modelos animales y ensayos clínicos. El diagrama es cíclico y en cualquiera de los pasos de ensayos biológicos, ensayos in vivo o ensayos clínicos, se obtiene información que se puede utilizar para refinar la selección inicial. Es importante reducir lo más posible el número de compuestos que pasen a las etapas posteriores de ensayos biológicos y clínicos, debido a que estos pasos son los más costosos.

Figura 21.2. Ciclo de diseño de medicamentos.

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

409

EV AL UACIÓN VIRTU AL EVAL ALU VIRTUAL El espacio total predicho de 10200 compuestos posibles a evaluar es muy grande. Si se procesa una molécula por minuto, en un mes se pueden procesar alrededor de 43 000 moléculas. Por ejemplo, si se usa +n 32 procesadores el número aumentaría a 1 400 000 al mes. Este número aún es muy inferior al total de compuestos posibles, por lo que es necesario reducir el espacio virtual. En primer lugar, los compuestos de la biblioteca tienen que ser sintetizables, mediante reacciones que funcionen en gran escala y con reaccionantes que puedan ser adquiridos o preparados de forma fácil y barata. Se debe tener en cuenta que el objetivo final es obtener un medicamento, por lo que en las moléculas de la biblioteca deben predominar propiedades como el tamaño y la solubilidad. Existen alrededor de 2 500 esqueletos de medicamentos conocidos y, como promedio, cada uno tiene 3 cadenas laterales de las aproximadamente 1 000 cadenas laterales diferentes [11]. Si se multiplican estos números tenemos: (10 000 esqueletos) x (1 000 grupos laterales)3 = 1013 compuestos. Aunque mucho menor que 10200, esta cantidad todavía es un gran problema para el análisis. Otra de las formas de simplificar más el problema es evitar la inclusión de todos los compuestos de una serie que pudieran tener características muy similares. Debido a la gran cantidad de moléculas, es necesario obtener la mayor cantidad de información posible de cada compuesto. Incluso, en los casos en que hace falta refinar los compuestos finales con cambios pequeños, no se sintetizan todos los compuestos concebibles y existen métodos para garantizar la variabilidad de los compuestos que emplean algoritmos evolutivos y métodos de agrupamiento. En general, la estrategia a seguir depende, en gran medida, de la información con que se cuente. Para cada problema específico, y aunque pudiera definirse una estrategia general, siempre existirá una solución diferente.

CONSTRUCCIÓN DE LA MOLÉCULA Existen dos formas de construir la biblioteca en la computadora. Una consiste en usar reaccionantes y reacciones como las que se muestran en la Figura 20.3. Para limitar la cantidad de compuestos se fija el número de reaccionantes y reacciones permitidos para cada molécula y se seleccionan los reaccionantes disponibles comercialmente o que se puedan sintetizar con un costo bajo. También es posible ir generando un número elevado de moléculas a partir de esqueletos y cadenas laterales, y después utilizar programas de síntesis orgánica asistida por computadora que permiten determinar qué moléculas se pueden sintetizar. La Figura 21.1 ilustra un ejemplo de este tipo de bibliotecas.

410

CAPÍTULO 21

Figura 21.3. Ejemplo de una biblioteca combinatoria formada por reacciones y reaccionantes.

SIMILITUD

Y DIVERSIDAD

La estrategia general del diseño depende del problema específico. Cuando se desea refinar un líder de síntesis, el tamaño de la biblioteca se puede reducir si se seleccionan solamente los compuestos similares a él. Existen descriptores o características de las moléculas que se pueden calcular a partir de la estructura bidimensional de los compuestos, y se han desarrollados varios métodos que se pueden emplear en esos cálculos [12]. Muchos de los métodos son muy rápidos y permiten procesar gran cantidad de estructuras. Cuando se busca por primera vez un líder de síntesis, la biblioteca virtual debe incluir la mayor variedad de compuestos posible. En estos casos, el concepto de diversidad y su instrumentación en algoritmos específicos es muy importante. Una forma de hacerlo es mediante el agrupamiento de los compuestos de la

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

411

base de datos y crear varios grupos en los que los compuestos sean similares entre sí —dentro de cada grupo—, mientras que los compuestos de grupos diferentes no guarden ninguna similitud entre ellos [13]. Otros procedimientos que usan algoritmos genéticos y de enfriamiento lento simulado (en inglés, simulated annealing) se están instrumentando con éxito para estos fines [14, 15].

Figura 21.4. Algunos grupos funcionales no deseados en los medicamentos.

412

CAPÍTULO 21

APLICACIÓN

DE FIL TROS FILTROS

Debido a la gran cantidad de moléculas a analizar, es necesario emplear métodos que permitan identificar y eliminar de forma rápida los compuestos no deseados. Es preciso identificar esos compuestos en etapas tempranas del proceso para no aplicarles aquellos análisis que consumen más tiempo y recursos computacionales, como la generación de las estructuras 3D y el acoplamiento. En estos casos se deben aplicar filtros a la biblioteca virtual, que eliminan, por ejemplo, todas las moléculas que contienen grupos funcionales muy reactivos o tóxicos. Es bueno también tener en cuenta características como el peso molecular, la hidrofilicidad y la flexibilidad, ya que no es conveniente tener moléculas muy grandes, muy hidrofóbicas o extremadamente flexibles (Figura 21.4), que además de ser impedimentos para la síntesis química, son propiedades no muy comunes en las bases de datos de medicamentos conocidos [16]. En los últimos años ha habido un aumento en el desarrollo de métodos automáticos que permiten predecir otras propiedades fisicoquímicas de las medicamentos, como la absorción oral, la solubilidad y la permeabilidad a través de membranas biológicas, entre otras [17]. También han surgido estrategias que, partiendo del análisis de bases de datos de medicamentos conocidos, extraen información de ciertas propiedades y crean índices que permiten calcular cuánto se parece una molécula a un medicamento. [18, 19].

GENERACIÓN DE LAS CONFORMACIONES Una vez creada la biblioteca virtual y eliminados los grupos no deseados, el próximo paso es generar una o varias conformaciones tridimensionales para cada una de las moléculas. Existen varios programas comerciales que convierten la tabla de conexiones 2D en una estructura tridimensional, como CORINA [20], CONCORD (Tripos), CONVERTER (Molecular Simulations, Inc.), entre otros.

ACOPLAMIENT O COPLAMIENTO

TRIDIMENSIONAL Y PUNTU ACIÓN PUNTUACIÓN

Para los análisis tridimensionales es necesario contar con la estructura tridimensional de la proteína blanco. Lamentablemente, estos datos no están disponibles en muchos casos. Con el desarrollo de la proteómica y la genómica, se están uniendo esfuerzos para disponer de estructuras cristalográficas de alta resolución de las diferentes familias de proteínas. De esta manera, para cada blanco se pudiera contar con una estructura relacionada al menos y construir un modelo por homología de la proteína de interés.

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

413

Los métodos de acoplamiento de una proteína a un ligando son en general los que más tiempo de máquina consumen. Por lo tanto, es de vital importancia que a este proceso se lleven sólo aquellas moléculas realmente de interés. Incluso, en muchos casos se aplican sólo cuando se sabe que una serie determinada de compuestos ya tiene actividad biológica demostrada [16]. En general el acoplamiento consta de tres partes. La primera consiste en identificar el sitio de la proteína blanco al que se unen los ligandos; la segunda es la búsqueda de las posibles configuraciones que puede adoptar el ligando en el sitio activo de la proteína; y la tercera, la evaluación o puntuación de esta interacción, para predecir cuál de las posibles soluciones es la mejor. En muchos casos se conoce cuál es la región de la proteína a la que se une el ligando, ya sea por la disponibilidad de la estructura tridimensional de la proteína unida a otro ligando, por homología con otras proteínas de la familia o por experimentos biológicos en los que se determinan los aminoácidos implicados en la interacción. Si se tiene la proteína y no se sabe cuál es el sitio activo, existen programas mediante los cuales se puede predecir. Por ejemplo, el programa WHAT_IF [21], permite calcular las cavidades o zonas de la proteína con un “espacio vacío” que puede ser ocupado por un ligando. En sus inicios, estos métodos acoplaban a la proteína una sola conformación del ligando [22], pero se ha visto que la mayoría de las moléculas son flexibles y, por lo tanto, una sola conformación no describe adecuadamente el conjunto de todas las formas posibles en que los ligandos se unen a las proteínas. Por esta razón, se han encaminado los esfuerzos al desarrollo del acoplamiento flexible o del acoplamiento de varias conformaciones. En el acoplamiento de varias conformaciones, se generan entre 10 y 50 conformaciones para cada ligando y cada uno de estos confórmeros se acopla a la proteína blanco como una molécula rígida. En estos momentos es posible adicionar información del sitio activo a los procedimientos de acoplamiento, lo que los hace más efectivos. El programa DOCK [23], permite asignar colores a determinadas zonas en el receptor, de forma que sólo determinados grupos funcionales con ciertas propiedades —por ejemplo, donantes en enlaces de hidrógeno— puedan ocupar esas posiciones. Es posible realizar búsquedas de farmacóforos antes del acoplamiento, para asegurar que ciertos patrones geométricos de grupos funcionales estén presentes. Por ejemplo, cada conformación se puede análizar buscando si hay dos donantes en enlaces de hidrógeno separados 7 Å y sólo acoplar aquellas que cumplan la condición. Existen varios programas que permiten acoplar ligandos flexibles. Algunos de ellos usan algoritmos genéticos, en los que las propiedades evolutivas son traslaciones rígidas y rotaciones alrededor de los ángulos diédricos [24]. Otro

414

CAPÍTULO 21

enfoque para la solución del acoplamiento flexible es el que utiliza un fragmento principal como punto de anclaje y después hace una búsqueda conformacional en el sitio activo [25]. A pesar de que el acoplamiento flexible es muy prometedor, la mayoría de los métodos disponibles hasta el momento se demoran varios minutos en cada ligando, por lo que se usan fundamentalmente para evaluar cantidades pequeñas de moléculas. Se han desarrollado estrategias de acoplamiento diseñadas específicamente para evaluar bibliotecas combinatorias [10]. Estos programas van agregando una serie de cadenas laterales a un esqueleto que se había definido y evaluado con anterioridad. Luego de la adición de cada cadena lateral se evalúa cuál de las posibles soluciones es la mejor. Independientemente de cómo se realicen los cálculos de la posición de los ligandos en el sitio activo de la proteína, es importante poder evaluar cuál de las posiciones que se predijeron es la más adecuada. Para esto se utilizan funciones que dan una puntuación determinada a cada complejo proteína-ligando, y así se determina, en primer lugar, cuáles de las posibles configuraciones de un ligando en la proteína es la mejor y qué ligandos de la biblioteca virtual se une con mayor afinidad.

FARMACÓFOROS Aquella parte de la molécula que en sí misma se considera responsable de la actividad medicinal se conoce como farmacóforo. Un farmacóforo de tres puntos se define por tres características moleculares (ácido, átomos de nitrógeno básicos, hidrofóbico, centros de anillos aromáticos, donantes de enlaces hidrógeno, aceptores de enlace de hidrógeno) y las tres distancias entre estas características. Cuatro características y las seis distancias que las describen definirían uno de cuatro puntos (Figura 21.5).

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

415

Figura 21.5. Ejemplos de farmacóforos. A) Farmacóforo de 3 puntos. b) Farmacóforo de 4 puntos.

La metodología que permite el estudio y definición de los grupos farmacóforos se denomina SAR (del inglés Structure-Activity Relationship). También se han desarrollado algoritmos que, mediante un análisis estadístico de estos grupos y los datos de ensayos de actividad, permiten relacionar las propiedades, distancias y posiciones relativas de otros sustituyentes, con una medida cuantitativa de esta actividad. Esto se conoce como QSAR (del inglés Quantitative SAR). En aquellos casos en los que no contamos con la estructura tridimensional de la proteína blanco, un modelo de farmacóforo puede ser de gran utilidad. Incluso, en aquellos casos en que se cuenta con información de la estructura, es de gran valor aplicar filtros usando los farmacóforos para reducir la cantidad de compuestos propuestos para la fase de acoplamiento. Estos análisis son muy rápidos; por ejemplo, chequear una biblioteca de un millón de confórmeros contra un modelo de farmacóforo de tres puntos se puede hacer en una computadora personal en varios minutos. Por supuesto, es necesaria la previa generación de todas las conformaciones posibles, proceso que sí consume tiempo.

PERSPECTIV AS DE LA EV AL UACIÓN VIRTU AL PERSPECTIVAS EVAL ALU VIRTUAL Se ha demostrado la gran utilidad del uso de estas bibliotecas químicas virtuales para el diseño de nuevos ligandos. No obstante, la gran cantidad de información hace casi impracticable la evaluación exhaustiva de las bibliotecas. Para la reducción del espacio virtual se está evaluando un gran número de métodos nuevos que permiten definir grupos de compuestos que garanticen una buena representatividad de los diferentes grupos, sin perder la diversidad de estructuras de la biblioteca [13]. También se está desarrollando una gran cantidad de

416

CAPÍTULO 21

algoritmos nuevos para la predicción de propiedades moleculares de diversos tipos, que aunque ya disponibles, se deben mejorar para comenzar a utilizarlos ampliamente en los próximos años. Esto permitirá realizar un mejor filtrado a la cantidad de compuestos que se desea incluir en las bibliotecas en todas las etapas, teniendo en cuenta características como la toxicología, la absorción en las mucosas, el paso de barreras biológicas como la hematoencefálica, y otras relacionadas con la farmacodinamia, que hoy sólo se pueden evaluar en ensayos clínicos [17]. Los métodos de SAR y QSAR se están sometiendo a una gran revisión y se están desarrollando algoritmos nuevos a los cuales se les está incorporando el uso de la información tridimensional (QSAR 3D). Disponer de nuevos algoritmos más potentes de QSAR para evaluar los experimentos de pesquizaje de alto flujo, ayudará a aumentar la información acerca de farmacóforos conocidos y la definición de muchos nuevos [26]. Durante el acoplamiento de los compuestos de la biblioteca virtual a las estructuras de los blancos, generalmente se trata el blanco como un cuerpo rígido. Sin embargo, las proteínas no son rígidas y las formas de resolver el problema no son claras: por una parte se podría tratar el sistema completo de forma dinámica o se podrían encontrar varios modelos estáticos. La variante dinámica sería la más exacta, pero los métodos de dinámica molecular consumen mucho tiempo y se haría impracticable. El modelo estático podría ser una alternativa razonable siempre que el número estático de estados sea pequeño. Los estados se pueden obtener por varios métodos: una serie de trayectorias de una simulación de dinámica molecular, varias de las estructuras en un experimento de resonancia magnética nuclear, o algunas estructuras resueltas por difracción de rayos X usando diferentes cristales o diferentes ligandos. Por el momento ninguna de estas estrategias se utiliza debido a que requieren tiempo extra. Si se considera que la gran mayoría de los organismos vivos contiene una gran cantidad de agua como medio en que se desarrollan los procesos biológicos, puede parecer obvio que las moléculas de agua desempeñan un papel fundamental en la unión de los ligandos a las proteínas. Sin embargo, los programas actuales de acoplamiento no han podido resolver el problemas de la incorporación de las moléculas de agua de forma eficiente, aunque se han instrumentado algunas variantes [25]. Se ha demostrado que las funciones de puntuación son uno de los pasos más débiles en los programas de acoplamiento. En muchos casos, los programas predicen correctamente la estructura del ligando unido a la proteína blanco, pero pierden precisión al evaluar esta interacción y lograr predecir qué compuesto se puede unir con más fortaleza que otro. Esto constituye otro de los campos de desarrollo actual [27].

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

417

Junto con el desarrollo de métodos y algoritmos nuevos cada vez más eficientes, en los últimos años ha habido un desarrollo notable en el equipamiento de computación, que ha sido, en muchos de los casos, el que ha permitido la aplicación de los métodos de análisis masivo ya existentes. La capacidad de cálculo se puede aumentar notablemente con el uso de computadoras configuradas a través de una red aislada para el procesamiento paralelo o distribuido. El costo de un sistema como éste, que puede alcanzar la misma capacidad que muchas de las supercomputadoras disponibles comercialmente [28], es, sin embargo, menor en varios órdenes de magnitud, lo que ha hecho que hasta los fabricantes de supercomputadoras hayan añadido este tipo de configuración a sus productos [29]. A pesar de que este capítulo ha estado centrado en el diseño de medicamentos —también sucede lo mismo cuando se revisa la literatura sobre el tema—, los métodos se pueden aplicar del mismo modo exactamente al diseño de compuestos para otras ramas de la industria. Ejemplos de esto lo pueden constituir el desarrollo racional de plaguicidas e insecticidas muy selectivos y biodegradables que afecten lo menos posible al medio ambiente. Otros grupos de investigadores se dedican al diseño de nuevos tipos de fertilizantes que activen mecanismos en las plantas para utilizar con mayor eficiencia los nutrientes del suelo, o para adaptarlas a condiciones adversas. En la industria alimentaria se está trabajando para crear nuevos estabilizadores, colorantes, edulcorantes y otros aditivos mas parecidos a los compuestos naturales, sin efectos colaterales en el hombre. De forma general, en la industria química existe hoy en día una gran cantidad de regulaciones que hacen aplicable estas técnicas, para poder contar con compuestos biodegradables o fácilmente reciclables y de esa forma proteger el medio ambiente.

REFERENCIAS 1. Gallop MA, Barrett RW, Dower WJ, Fodor SP, Gordon EM. Applications of combinatorial technologies to drug discovery. 1. Background and peptide combinatorial library. J Med Chem 1994;37:1233-51. 2. Gordon EM, Barrett RW, Dower WJ, Fodor SP, Gallop MA. Applications of combinatorial technologies to drug discovery. 2. Combinatorial organic synthesis, library screening strategies, and future directions. J Med Chem 1994;37:1385-401. 3. Warr WA. Combinatorial chemistry and molecular diversity. An overview. J Chem Inf Comp Sci 1997;37:134-40. 4. Ellman J, Stoddard B, Wells J. Combinatorial thinking in chemistry and biology. Proc Natl Acad Sci 1997; 94:2779-82.

418

CAPÍTULO 21

5. Sun Y, Ewing TJA, Skillman AG, Kuntz ID. CombiDOCK: structure-based combinatorial docking and library design. J Comp Aided Mol Design 1998;12:597-604. 6. Bohm HJ, Stahl M. Structure-based library design: molecular modelling merges with combinatorial chemistry. Curr Opin Chem Biol 2000;4:283-6. 7. Beilstein Data: Copyright© 1988-2001 Beilstein-Institut zur Förderung der Chemischen Wissenschaften licenced to Beilstein Chemiedaten und Software GmbH and MDL Information Systems GmbH. 8. Gmelin Data: Copyright 2000-2001 Gesellschaft Deutscher Chemiker licensed to MDL Information Systems GmbH; 1988-1999: Gmelin Institut für Anorganische Chemie und Grenzgebiete der Max-Planck-Gesellschaft zur Förderung der Wissenschaften. 9. Amzel LM. Structure-based drug design. Curr Opin Biotechnol 1998;9:366-9. 10. Kick EK, Roe DC, Skillman AG, et al. Structure based design and combinatorial chemistry yield low nanomolar inhibitors of cathepsin D. Chem Biol 1997;4:297-307. 11. Walter WP, Stahl MT, Murcko MA. Virtual screening - an overview. Drug Discovery Today 1998;3:160-78. 12. Willett P, Barmard JM, Downs GM. Chemical similarity searching. J Chem Inf Comp Sci 1998;38:983-96. 13. Willet P. Chemoinformatics-similarity and diversity in chemical libraries. Curr Opin Biotechnol 2000;11:85-8. 14. Gobbi A, Poppinger D. Genetic optimization of combinatorial libraries. Biotech Bioeng (Com Chem) 1998;61:47-54. 15. Agrafiotis DK. Stochastic algorithms for maximising molecular diversity. J Chem Inform Comput Sci 1997;37:841-51. 16. Leach AR, Hann MM. The in silico world of virtual libraries. Drug Discovery Today 2000;5:326-36. 17. James FB. Chemoinformatics–predicting the physicochemical properties of “drug-like” molecules. Curr Opin Biotechnol 2000;11:104-7. 18. Sadowski J, Kubinyi H. A scoring scheme for discriminating between drugs and nondrugs. J Med Chem 1998;41:3325-9. 19. Xu J, Stevenson J. Drug-like index: a new approach to measure drug-like compounds and their diversity. J Chem Inf Comp Sci 2000;40:1177-87. 20. Vriend G, WHAT IF. A molecular modelling and drug design program. J Mol Graph 1990;8:52-6. 21. Kuntz ID, Blaney JM, Oatley SJ, Langridge R, Ferrin TE. A geometric approach to macromolecule-ligand interactions. J Mol Biol 1982;161:269-88. 22. Ewing TJA, Kuntz ID. Critical evaluation of search algorithms for automated molecular docking and database screening. J Comp Chem 1997;18:1175-89. 23. Gasteiger J, Rudolph C, Sadowski J. Automatic Generation of 3D-Atomic Coordinates for Organic Molecules. Tetrahedron Comp Method 1990;3:537-47. 24. Jones G, Willett P, Glen RC, Leach AR, Taylor R. Development and validation of a genetic algorithm for flexible docking. J Mol Biol 1997;267:727-48. 25. Rarey M, Kramer B, Lengauer T, Klebe G. A fast flexible docking method using an incremental construction algorithm. J Mol Biol 1996;261:470-89.

USO DE BIBLIOTECAS QUÍMICAS VIRTUALES PARA EL DISEÑO DE MEDICAMENTOS

419

26. Hopfinger AJ, Duca JS. Extraction of pharmacophore information from high-throughput screens. Curr Opin Biotechnol 2000;11:97-103. 27. Bissantz C, Folkers G, Rognan D. Protein-based virtual screening of chemical databases. 1. Evaluation of different docking/scoring combinations. J Med Chem 2000;43:4759-67. 28. SGI. Life and chemical sciences: Computational chemistry applications reports. SGI publications; 2000. 29. SGI. Life and chemical sciences: Linux cluster for bioinformatics and chemistry. SGI publications; 2001.