Predicción de proteínas de novo mediante inteligencia artificial para la inhibición del factor NF-κB en el cáncer gástrico
No Thumbnail Available
Files
Date
2024-08
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ciencia e Ingeniería en Alimentos y Biotecnología. Carrera de Biotecnología
Abstract
In this research, highlights the limited effectiveness of current treatments for gastric cancer and the role of AI tools in the development of new personalized strategies, through the prediction of de novo proteins aimed at inhibiting the Nuclear Factor kappa-light-chain-enhancer of activated B cells (NF-κB) associated with this type of cancer. Thirty proteins were predicted, with a similar composition to those stored in standard and experimental databases. Their stability and folding capacity were analyzed based on the energies from intra and intermolecular interactions by molecular dynamics simulations. Furthermore, a molecular docking process was performed between several genes or transcription factors regulated by NF-κB and the predicted proteins, different thermodynamic variables such as Gibbs Free Energy, Dissociation Constant, Enthalpy, Heat Capacity, and Entropy were calculated and compared with respect to the complex of Inhibitor Alpha of kappa B and the protein composed of the p65 and p50 subunits of NF-κB to verify the affinity of their protein-protein interaction and structural conformation state. Finally, the affinity and selectivity of the resulting interactions were evaluated, concluding that the de novo proteins predicted by artificial intelligence are viable for the generation of new treatments and the design of new drugs to treat gastric cancer.
Description
En la presente investigación, se destaca la limitada capacidad de los actuales tratamientos contra el cáncer gástrico junto al rol de las herramientas de Inteligencia Artificial en el desarrollo de nuevas estrategias personalizadas, a través de la predicción de proteínas de novo destinadas a la inhibición del Factor Nuclear de las cadenas ligeras kappa de las células B activas (NF-κB) asociado con este tipo de cáncer. Se predijeron 30 proteínas con una composición similar a las que se encuentran almacenadas en bases de datos de tipo estándar y experimental. Se analizó su estabilidad y capacidad de plegamiento a partir del análisis de las energías provenientes de interacciones intra e intermoleculares mediante simulaciones de dinámica molecular. Así mismo, se efectuó un proceso de acoplamiento molecular entre varios genes o factores de transcripción regulados por NF-κB y las proteínas predichas, se calculó y comparó diferentes variables termodinámicas tales como: Energía Libre de Gibbs, Constante de disociación, Entalpía, Capacidad Calorífica y Entropía con respecto al complejo del Inhibidor Alpha de kappa B y la proteína compuesta por las subunidades p65 y p50 de NF-κB para verificar la afinidad de su interacción proteína-proteína y su estado de conformación estructural. Finalmente, se evaluó la afinidad y selectividad en las interacciones resultantes, concluyendo que las proteínas de novo predichas por inteligencia artificial son viables para la generación de nuevos tratamientos y el diseño de nuevos fármacos para tratar el cáncer gástrico.
Keywords
BIOMEDICINA, BIOINFORMÁTICA, INTELIGENCIA ARTIFICIAL, FACTOR NF-ΚB, PROTEÍNAS DE NOVO, DOCKING MOLECULAR, ACOPLAMIENTO MOLECULAR, CÁNCER GÁSTRICO