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...
- 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
- 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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 |