Los servicios que ofrecemos en MolDrug AI Systems SL son los siguientes

Clasificación / ordenación de compuestos

propuesta de nuevas estructuras moleculares como potenciales fármacos, a partir de modelos computacionales, diseñados exclusivamente a través de algoritmos informáticos, sin necesidad de realizar ensayos de laboratorio tradicionales.

Diseño y manipulación de librerías virtuales

para la síntesis combinatoria (generadas in situ, comerciales, o propias de la empresa cliente).

Cribado computacional

basado en la estructura tridimensional del receptor (docking).

Abastecimiento de programas informáticos

específicos relacionados con las tareas mencionadas. Tanto programas genéricos como programas especialmente diseñados para procedimientos de investigación ligados a líneas de trabajo concretas de nuestras empresas clientes.

Dada la formación de nuestro personal técnico podemos proponer asimismo servicios de tratamiento de grandes bases de datos y gestión del uso de diversos métodos computacionales empleados en la modelación de diferentes tipos de compuestos químicos y materiales y, especialmente, nuevos fármacos, aspectos en los que tenemos amplia experiencia académica y profesional.

ESPECIALIDADES

Las especialidades de la empresa incluyen:

A. Modelización molecular

Las técnicas computacionales basadas en el conocimiento de la estructura tridimensional de un receptor o diana terapéutica que aplicamos en MOLDRUG son:

  • Modelización por homología (“homology modeling”): construcción de modelos 3D de dianas terapéuticas a partir de su secuencia aminoacídica y de las secuencias de estructuras tridimensionales determinadas experimentalmente de uno o varias proteínas homólogas relacionadas.
  • Modelización farmacofórica: los farmacóforos se definen como el conjunto de características estéricas y electrónicas de las moléculas que son necesarias para asegurar las interacciones supramoleculares óptimas con un target biológico específico para activar (o bloquear) una respuesta biológica. En MOLDRUG se desarrollan hipótesis farmacofóricas basadas en la estructura de ligandos o receptores, y con ellas hacemos un cribado de nuestras bases de datos computacionales de manera a encontrar candidatos con las características químicas que mejor se acoplan a dichas hipótesis.
  • Acoplamiento molecular (“docking”): determinación computacional de la conformación óptima y la orientación preferidas por una molécula (generalmente una molécula pequeña que se considera candidata) para unirse a una proteína receptora y generar un complejo estable en el que la energía libre del sistema completo se ve minimizada.
  • Dinámica molecular: simulación computacional de las interacciones moleculares durante cortos periodos de tiempo, que permite tener una visión aproximada del movimiento de proteínas y biomoléculas durante su interacción.
  • Cribado virtual (“virtual screening”): aplicación de los modelos computacionales (farmacofóricos o de docking) a colecciones de estructuras de moléculas para la identificación de aquellas que tienen una mayor probabilidad de ser activas. Las colecciones moleculares pueden ser de compuestos pertenecientes al cliente, quimiotecas comerciales, o incluso quimiotecas “virtuales” (p. ej. de estructuras novedosas que aún no han sido sintetizadas). En cualquier caso dichas colecciones pueden estar formadas por un número muy variable de estructuras, desde unas pocas decenas hasta miles o millones de ellas, gracias a la rapidez de los análisis computacionales.

B. Química-informática

Las técnicas computacionales basadas exclusivamente en el conocimiento de los compuestos con una determinada actividad, fundamentalmente sus estructuras químicas, y que nos sirven básicamente para el desarrollo de modelos quimio-informáticos, son las siguientes:

  • Filtrado de compuestos químicos en función de reglas prefijadas: en los estadios iniciales de los proyectos de química médica es frecuente que se determinen ciertas reglas estandarizadas como las conocidas “reglas de Lipinski” para la selección de compuestos “drug-like”, las “reglas de Oprea” para la selección de compuestos “lead-like” o la “regla de tres” para la selección de fragmentos. MOLDRUG dispone de los medios para calcular parámetros tales como el peso molecular, el número de dadores/aceptores de protones, el cLogP, el número de “rotatable bonds”, “polar surface area” (PSA), etc., que permiten clasificar compuestos en función de dichas reglas.
  • Análisis de similaridad y/o diversidad químicas: MOLDRUG puede caracterizar las moléculas mediante el uso de descriptores moleculares como las “llaves MACCS” y algoritmos estándar como el coeficiente de Tanimoto, así como seleccionar subsets de compuestos en función de su similaridad/diversidad estructurales.
  • Alineamiento de pequeñas moléculas: superposiciones 3D de ligandos potenciales y ligandos conocidos, tras un muestreo conformacional de ambos tipos de estructuras, de manera a deducir requerimientos estructurales para una determinada actividad biológica.
  • QSAR: construcción de modelos matemáticos relacionando la estructura “in silico” de moléculas con una propiedad o actividad biológica, mediante el uso de herramientas estadísticas. Una vez una correlación ha sido establecida, puede utilizarse posteriormente para predecir la propiedad o efecto biológico de nuevas estructuras.
  • Predicción por similitud química (“read-across” o “neighborhood behavior”): cuando no hay datos suficientes para construir modelos QSAR, alternativas más simples como el “read-across” son posibles. Este método se basa en el conocido principio de “similitud química”: los productos químicos con características estructurales comunes mostrarán propiedades físico-químicas y biológicas similares. Así, las sustancias que comparten similitudes estructurales pueden agruparse en una categoría química y una vez que se ha establecido un grupo, es posible utilizar la información de los miembros ricos en datos para completar la de elementos vacíos de datos.