Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)

La depresión es considerada una de las enfermedades más importantes a nivel mundial en cuanto a trastornos mentales, ya que en los últimos años se ha evidenciado un alto crecimiento en sus cifras de afectación. (OMS, 2018) Por esta razón, se crean fármacos antidepresivos con el fin de mitigar los ef...

Full description

Autores:
Naranjo Romero, Juan Pablo
Naranjo Romero, Juan Pablo
Salcedo Villadiego, Carlos Andrés
Salcedo Villadiego, Carlos Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad El Bosque
Repositorio:
Repositorio U. El Bosque
Idioma:
spa
OAI Identifier:
oai:repositorio.unbosque.edu.co:20.500.12495/2580
Acceso en línea:
http://hdl.handle.net/20.500.12495/2580
https://repositorio.unbosque.edu.co
Palabra clave:
ISRS
QSAR
Docking molecular
Depresión
610.28
Fluoxetina
Serotonina
Antidepresivos
SSRIs
QSAR
Molecular docking
Depression
Rights
openAccess
License
Acceso abierto
id UNBOSQUE2_b45c968dbce9d9f308759c333c0effc7
oai_identifier_str oai:repositorio.unbosque.edu.co:20.500.12495/2580
network_acronym_str UNBOSQUE2
network_name_str Repositorio U. El Bosque
repository_id_str
dc.title.spa.fl_str_mv Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
dc.title.translated.spa.fl_str_mv Molecular modeling of analogs to drug fluoxetine acting as selective inhibitor of recovery of serotonin (SSRIs) through quantitative structure -activity relationships (QSAR)
title Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
spellingShingle Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
ISRS
QSAR
Docking molecular
Depresión
610.28
Fluoxetina
Serotonina
Antidepresivos
SSRIs
QSAR
Molecular docking
Depression
title_short Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
title_full Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
title_fullStr Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
title_full_unstemmed Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
title_sort Modelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)
dc.creator.fl_str_mv Naranjo Romero, Juan Pablo
Naranjo Romero, Juan Pablo
Salcedo Villadiego, Carlos Andrés
Salcedo Villadiego, Carlos Andrés
dc.contributor.advisor.none.fl_str_mv Guevara Pulido, James
dc.contributor.author.none.fl_str_mv Naranjo Romero, Juan Pablo
Naranjo Romero, Juan Pablo
Salcedo Villadiego, Carlos Andrés
Salcedo Villadiego, Carlos Andrés
dc.contributor.orcid.none.fl_str_mv Guevara Pulido, James [0000-0001-9134-3719]
dc.subject.spa.fl_str_mv ISRS
QSAR
Docking molecular
Depresión
topic ISRS
QSAR
Docking molecular
Depresión
610.28
Fluoxetina
Serotonina
Antidepresivos
SSRIs
QSAR
Molecular docking
Depression
dc.subject.ddc.none.fl_str_mv 610.28
dc.subject.decs.spa.fl_str_mv Fluoxetina
Serotonina
Antidepresivos
dc.subject.keywords.spa.fl_str_mv SSRIs
QSAR
Molecular docking
Depression
description La depresión es considerada una de las enfermedades más importantes a nivel mundial en cuanto a trastornos mentales, ya que en los últimos años se ha evidenciado un alto crecimiento en sus cifras de afectación. (OMS, 2018) Por esta razón, se crean fármacos antidepresivos con el fin de mitigar los efectos que causa este trastorno; sin embargo, su efectividad en todos sus aspectos no es la suficiente generando así poca eficiencia y una gran cantidad de efectos secundarios. De aquí se da la creación de nuevos fármacos, en este caso antidepresivos de la clase ISRS (inhibidores selectivos de la recaptación de la Serotonina), los cuales buscan generar menos efectos secundarios y cómo su nombre lo dice, tener mayor selectividad para la recaptación de Serotonina. A pesar de esto, la creación de nuevos fármacos requiere una gran cantidad de gastos y de tiempo; requiriendo así de manera análoga, no solo la creación de nuevos fármacos, sino también la invención de nuevas metodologías para este proceso. Para esta investigación se utilizó la metodología QSAR, la cual tiene el fin último de diseñar teóricamente posibles futuros nuevos fármacos, a partir de la unión de conjuntos de técnicas computacionales; con el objetivo de hallar, un análogo de la clase ISRS el cual presente potencialmente una mayor afinidad por el sitio activo de SERT, proteína recaptadora de Serotonina. (Lozano & Scior, 2012) De aquí, se siguió todo el proceso que requería la metodología; la cual contempla un proceso de virtual screening y uno de machine learning; considerando diferentes técnicas in sílico de modelado molecular, datos de actividad biológica, propiedades fisicoquímicas, estadística y bioinformática; incorporadas entre en si para la creación teórica del nuevo fármaco de la clase ISRS con potencial mayor afinidad por su sitio de interacción.
publishDate 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2020-05-11T20:55:58Z
dc.date.available.none.fl_str_mv 2020-05-11T20:55:58Z
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coarversion.none.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12495/2580
dc.identifier.instname.spa.fl_str_mv instname:Universidad El Bosque
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad El Bosque
dc.identifier.repourl.none.fl_str_mv https://repositorio.unbosque.edu.co
url http://hdl.handle.net/20.500.12495/2580
https://repositorio.unbosque.edu.co
identifier_str_mv instname:Universidad El Bosque
reponame:Repositorio Institucional Universidad El Bosque
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.local.spa.fl_str_mv Acceso abierto
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.none.fl_str_mv 2019-06-05
rights_invalid_str_mv Acceso abierto
http://purl.org/coar/access_right/c_abf2
2019-06-05
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.program.spa.fl_str_mv Bioingeniería
dc.publisher.grantor.spa.fl_str_mv Universidad El Bosque
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
institution Universidad El Bosque
bitstream.url.fl_str_mv https://repositorio.unbosque.edu.co/bitstreams/adf8aa41-790a-4255-a912-3f90f3683f48/download
https://repositorio.unbosque.edu.co/bitstreams/dc1188da-a200-46d7-8359-67d96d6b3f94/download
https://repositorio.unbosque.edu.co/bitstreams/f97a56a5-22ca-4230-9e40-b887ea6d5ff5/download
https://repositorio.unbosque.edu.co/bitstreams/bbc58946-93ac-46cc-8d73-409abcbdb84a/download
https://repositorio.unbosque.edu.co/bitstreams/43b1099a-9d11-492f-8c3a-4e2cc72f5811/download
https://repositorio.unbosque.edu.co/bitstreams/142b9266-f8de-432c-9a76-e9eb769f047c/download
https://repositorio.unbosque.edu.co/bitstreams/ae170603-ce2f-4a4a-9c50-a4b0651a8c5b/download
https://repositorio.unbosque.edu.co/bitstreams/d812c383-92eb-4615-8b8e-9e912483e34f/download
https://repositorio.unbosque.edu.co/bitstreams/364a559a-db09-424a-9894-b3a57ee80ea3/download
https://repositorio.unbosque.edu.co/bitstreams/98e0ca48-00f4-42a4-86fd-8db920a4b0a2/download
bitstream.checksum.fl_str_mv bcded94152ab1938a9716d7a63d33725
11240fb44acc56486cc899c7d410907b
023d0450af0d9cae7d02b0166fe86bc2
8a4605be74aa9ea9d79846c1fba20a33
d73f9af068338c61a931ed5f17bc6d27
e3e13436428c4824fbe7d8223fbc1bb6
15f26fd1a4c2e6e14d73d854d761daf7
b6a7ee76ca9ed4ef82066453abebeec3
e993056f5c0a53a89d7cfeed4783d7e3
063984fa93ca5fd8236255e08df14e66
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad El Bosque
repository.mail.fl_str_mv bibliotecas@biteca.com
_version_ 1814100845208272896
spelling Guevara Pulido, JamesNaranjo Romero, Juan PabloNaranjo Romero, Juan PabloSalcedo Villadiego, Carlos AndrésSalcedo Villadiego, Carlos AndrésGuevara Pulido, James [0000-0001-9134-3719]2020-05-11T20:55:58Z2020-05-11T20:55:58Z2019http://hdl.handle.net/20.500.12495/2580instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquehttps://repositorio.unbosque.edu.coLa depresión es considerada una de las enfermedades más importantes a nivel mundial en cuanto a trastornos mentales, ya que en los últimos años se ha evidenciado un alto crecimiento en sus cifras de afectación. (OMS, 2018) Por esta razón, se crean fármacos antidepresivos con el fin de mitigar los efectos que causa este trastorno; sin embargo, su efectividad en todos sus aspectos no es la suficiente generando así poca eficiencia y una gran cantidad de efectos secundarios. De aquí se da la creación de nuevos fármacos, en este caso antidepresivos de la clase ISRS (inhibidores selectivos de la recaptación de la Serotonina), los cuales buscan generar menos efectos secundarios y cómo su nombre lo dice, tener mayor selectividad para la recaptación de Serotonina. A pesar de esto, la creación de nuevos fármacos requiere una gran cantidad de gastos y de tiempo; requiriendo así de manera análoga, no solo la creación de nuevos fármacos, sino también la invención de nuevas metodologías para este proceso. Para esta investigación se utilizó la metodología QSAR, la cual tiene el fin último de diseñar teóricamente posibles futuros nuevos fármacos, a partir de la unión de conjuntos de técnicas computacionales; con el objetivo de hallar, un análogo de la clase ISRS el cual presente potencialmente una mayor afinidad por el sitio activo de SERT, proteína recaptadora de Serotonina. (Lozano & Scior, 2012) De aquí, se siguió todo el proceso que requería la metodología; la cual contempla un proceso de virtual screening y uno de machine learning; considerando diferentes técnicas in sílico de modelado molecular, datos de actividad biológica, propiedades fisicoquímicas, estadística y bioinformática; incorporadas entre en si para la creación teórica del nuevo fármaco de la clase ISRS con potencial mayor afinidad por su sitio de interacción.BioingenieroPregradoDepression is considered one of the most important diseases worldwide in terms of mental disorders, because since in recent years there has been a high growth in its digit of affectation. (OMS, 2018) For this reason, antidepressant drugs are created in order to mitigate the effects caused by this disorder; however, its effectiveness in all its aspects is not enough, thus generating little efficiency and a large number of side effects. This is where the creation of new drugs, in this case antidepressants of the SSRIs class (Selective serotonin reuptake inhibitors), which search to generate fewer side effects and as the name says, have greater selectivity for the reuptake of Serotonin In spite of this, the creation of new drugs requires a great amount of expenses and time; thus requiring analogously, not only the creation of new drugs, but also the invention of new methodologies for this process. For this research, the QSAR methodology was used, which has the ultimate goal of theoretically designing possible future new drugs, from the union of sets of computational techniques; with the aim of finding an analog of the SSRIs class which potentially presents a greater affinity for the active site of SERT, a serotonin reuptake protein. (Lozano & Scior, 2012) From here, the whole process that required the methodology was followed; which includes a process of virtual screening and one of machine learning; considering different molecular modeling techniques, biological activity data, physicochemical properties, statistics and bioinformatics; incorporated into each other for the theoretical creation of the new drug of the SSRIs class with potential greater affinity for its interaction site.application/pdfspaISRSQSARDocking molecularDepresión610.28FluoxetinaSerotoninaAntidepresivosSSRIsQSARMolecular dockingDepressionModelamiento molecular de análogos al fármaco fluoxetina que actúa como inhibidor selectivo de recaptación de serotonina (ISRS) mediante relaciones cuantitativas estructura - actividad (QSAR)Molecular modeling of analogs to drug fluoxetine acting as selective inhibitor of recovery of serotonin (SSRIs) through quantitative structure -activity relationships (QSAR)BioingenieríaUniversidad El BosqueFacultad de IngenieríaTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Acceso abiertoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf22019-06-05ORIGINALNaranjo_Romero_Juan_Pablo_2019.pdfNaranjo_Romero_Juan_Pablo_2019.pdfapplication/pdf3343019https://repositorio.unbosque.edu.co/bitstreams/adf8aa41-790a-4255-a912-3f90f3683f48/downloadbcded94152ab1938a9716d7a63d33725MD51Naranjo_Romero_Juan_Pablo_2019_anexos.pdfNaranjo_Romero_Juan_Pablo_2019_anexos.pdfapplication/pdf74875https://repositorio.unbosque.edu.co/bitstreams/dc1188da-a200-46d7-8359-67d96d6b3f94/download11240fb44acc56486cc899c7d410907bMD52Naranjo_Romero_Juan_Pablo_2019_carta_de_autorización.pdfNaranjo_Romero_Juan_Pablo_2019_carta_de_autorización.pdfapplication/pdf356497https://repositorio.unbosque.edu.co/bitstreams/f97a56a5-22ca-4230-9e40-b887ea6d5ff5/download023d0450af0d9cae7d02b0166fe86bc2MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unbosque.edu.co/bitstreams/bbc58946-93ac-46cc-8d73-409abcbdb84a/download8a4605be74aa9ea9d79846c1fba20a33MD54THUMBNAILNaranjo_Romero_Juan_Pablo_2019.pdf.jpgNaranjo_Romero_Juan_Pablo_2019.pdf.jpgIM Thumbnailimage/jpeg5303https://repositorio.unbosque.edu.co/bitstreams/43b1099a-9d11-492f-8c3a-4e2cc72f5811/downloadd73f9af068338c61a931ed5f17bc6d27MD55Naranjo_Romero_Juan_Pablo_2019_anexos.pdf.jpgNaranjo_Romero_Juan_Pablo_2019_anexos.pdf.jpgIM Thumbnailimage/jpeg6651https://repositorio.unbosque.edu.co/bitstreams/142b9266-f8de-432c-9a76-e9eb769f047c/downloade3e13436428c4824fbe7d8223fbc1bb6MD56Naranjo_Romero_Juan_Pablo_2019_carta_de_autorización.pdf.jpgNaranjo_Romero_Juan_Pablo_2019_carta_de_autorización.pdf.jpgIM Thumbnailimage/jpeg9840https://repositorio.unbosque.edu.co/bitstreams/ae170603-ce2f-4a4a-9c50-a4b0651a8c5b/download15f26fd1a4c2e6e14d73d854d761daf7MD57TEXTNaranjo_Romero_Juan_Pablo_2019.pdf.txtNaranjo_Romero_Juan_Pablo_2019.pdf.txtExtracted texttext/plain101647https://repositorio.unbosque.edu.co/bitstreams/d812c383-92eb-4615-8b8e-9e912483e34f/downloadb6a7ee76ca9ed4ef82066453abebeec3MD58Naranjo_Romero_Juan_Pablo_2019_anexos.pdf.txtNaranjo_Romero_Juan_Pablo_2019_anexos.pdf.txtExtracted texttext/plain368https://repositorio.unbosque.edu.co/bitstreams/364a559a-db09-424a-9894-b3a57ee80ea3/downloade993056f5c0a53a89d7cfeed4783d7e3MD59Naranjo_Romero_Juan_Pablo_2019_carta_de_autorización.pdf.txtNaranjo_Romero_Juan_Pablo_2019_carta_de_autorización.pdf.txtExtracted texttext/plain15122https://repositorio.unbosque.edu.co/bitstreams/98e0ca48-00f4-42a4-86fd-8db920a4b0a2/download063984fa93ca5fd8236255e08df14e66MD51020.500.12495/2580oai:repositorio.unbosque.edu.co:20.500.12495/25802024-02-07 13:17:26.124open.accesshttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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