Búsqueda de compuestos inhibidores de la enzima ...
Transcript of Búsqueda de compuestos inhibidores de la enzima ...
Búsqueda de compuestos inhibidores de la enzima dihidroorotato
deshidrogenasa de Leishmania spp a través de estrategias de mecánica
molecular.
Diego Alexander Guerra Arias
Universidad Nacional de Colombia
Facultad de Ingeniería, Departamento de Sistemas y Computación
Medelliín, Colombia
2018
Búsqueda de compuestos inhibidores de la enzima dihidroorotato
deshidrogenasa de Leishmania spp a través de estrategias de mecánica
molecular.
Diego Alexander Guerra Arias
Tesis o trabajo de investigación presentado como requisito parcial para optar al título de:
Magister en Bioinformática
Director:
Carlos Enrique Muskus López, Ph.D.
Codirector (a):
Emiliano Barreto Hernández, Ph.D.
Línea de Investigación:
Búsqueda in silico de medicamentos
Grupo de Investigación:
Programa de Estudio y Control de Enfermedades Tropicales - PECET
Universidad Nacional de Colombia
Facultad de Ingeniería, Departamento de Sistemas y Computación
Bogotá, Colombia
2018
La mayoría de los mortales nunca llegamos a
conocer nuestro verdadero destino;
simplemente somos atropellados por él. Para
cuando levantamos la cabeza y lo vemos
alejarse por la carretera ya es tarde, y el resto
del camino lo tenemos que hacer por la cuneta
de aquello que los soñadores llaman la
madurez. La esperanza no es más que la fe de
que ese momento no haya llegado todavía, de
que acertamos a ver nuestro verdadero
destino cuando se acerque y podamos saltar a
bordo antes de que la oportunidad de ser
nosotros mismos se desvanezca para siempre
y nos condene a vivir de vacío, añorando lo
que debió ser y nunca fue.
Carlos Ruiz Zafón
Agradecimientos
A mi familia por su apoyo incondicional
Al programa de estudio y control de enfermedades tropicales por acogerme como
estudiante, especialmente a los docentes Carlos Muskus López, coordinador de la unidad
de biología molecular y computacional (UBMC) y Rodrigo Ochoa Deossa, por su asesoría
y apoyo académico en este proceso formativo.
Agradezco a mis compañeros de la unidad de biología molecular y computacional del
PECET Didier Tirado, Christian Bustamante y Daniela Arboleda por su apoyo profesional
y personal.
Al Drug Discovery TACC por permitirme trabajar con su base de datos de compuestos
sintéticos.
A mis colegas de las líneas de investigación del PECET, Carol Mesa, Andrea Trujillo,
Gustavo Blandón, Jessica Tabares y Luisa Ortega por su apoyo personal.
Al Dr. Isaías Lans por su orientación académica.
Resumen y Abstract IX
Resumen
La leishmaniasis es una enfermedad infecciosa causada por protozoos del genero
Leishmania, los cuales son parásitos intracelulares obligados, siendo endémica en zonas
tropicales y subtropicales. Esta patología se presenta en tres formas clínicas,
leishmaniasis cutánea (LC), mucocutánea (LMC) y visceral (LV), donde la de más
incidencia a nivel mundial es LC, con un reporte de 1,3 millones de casos nuevos al año.
Como objetivo principal en esta investigación se pretende identificar inhibidores de la
enzima dihidroorotato deshidrogenasa de Leishmania spp. involucrada en la biosíntesis
de novo de pirimidinas. Esta proteína se incluyó en un tamizaje virtual empleando docking
molecular contra una librería de aproximadamente 642.000 compuestos sintéticos. Del
resultado del tamizaje virtual se encontraron moléculas que presentaron un buen puntaje
en el docking. De este grupo de moléculas con buen puntaje, se seleccionaron cinco en
base a su energía libre, para realizar simulaciones de dinámica molecular, lo cual permite
generar complejos con una mejor ubicación y cálculos de energía libre de interacción por
MM/PBSA. De los resultados obtenidos se dedujo que los complejos fueron estables
durante las simulaciones y que el mejor compuesto, nombrado como CM4, tuvo una
energía libre de unión de -93.180 KJ/mol, casi el doble del obtenido para dihidroorotato
(DHO), el cual es el sustrato natural de esta enzima, con un valor de -50.653 KJ/mol. A
partir de esta metodología se logra proveer 4 moléculas para posteriores evaluaciones
experimentales in vitro e in vivo que sea más efectiva y menos toxica como alternativas
para el tratamiento de la leishmaniasis.
.
Palabras clave: Leishmaniasis, Docking Molecular, Dinámica Molecular, dihidroorotato
deshidrogenasa, MM/PBSA
X Búsqueda de compuestos inhibidores de la dihidroorotato deshidrogenasa de Leishmania sp.
a través de estrategias de mecánica molecular
Abstract
Leishmaniasis is an infectious disease caused by protozoa of the genus Leishmania, which
are obligate intracellular parasites. Leishmaniasis is endemic in tropical and subtropical
regions. There are three clinical forms of leishmaniasis: cutaneous leishmaniasis (LC),
mucocutaneous (CML) and visceral (LV), wherein the most common worldwide is LC, with
an incidence of 1.3 million new cases a year. The main objective of this research was to
identify inhibitors of the enzyme dihydroorotate dehydrogenase (DHO) of Leishmania spp,
which is an enzyme involved in de novo biosynthesis of pyrimidines. In order to achieve
the aforementioned aim, it was run a molecular docking with a library of approximately
642,000 synthetic compounds. Then, based on the results of docking, five compounds were
selected for their energy to perform simulations of molecular dynamics. The analysis of
molecular dynamics allowed to generate complexes with a better location and calculations
of interaction-free energy by MM/PBSA. Given the results of the MM/PBSA, it was possible
to determine that the complexes were stable during the simulations and that the best
compound was CM4 with a binding free energy of -93,180 KJ / mol, that it was almost twice
of the obtained for the DHO substrate of the enzyme, with a value of -50,653. The used
methodology provided more effective and less toxic molecules that can subsequently be
evaluated in both, in vitro and in vivo assays as alternatives for leishmaniasis’ treatment.
Keywords: Leishmaniasis, molecular docking, molecular dynamics, dihydroorotate
dehydrogenase, MM/PBSA.
Contenido XI
Contenido
Pág.
Resumen ........................................................................................................................ IX
Lista de figuras ............................................................................................................ XIII
Lista de tablas ............................................................................................................. XIV
Lista de Símbolos y abreviaturas ................................................................................ XV
Introducción .................................................................................................................. 17
1. Leishmaniasis ........................................................................................................ 21 Generalidades leishmaniasis ......................................................................... 21
1.1.1 Ciclo de vida ....................................................................................... 21 1.1.2 Formas clínicas ................................................................................... 23 1.1.3 Tratamiento ......................................................................................... 24
2. Dihidroorotato deshidrogenasa ............................................................................ 25 Importancia de la DHODH ............................................................................. 26
2.1.1 Ciclo catalítico de la DHODH .............................................................. 27 2.1.2 Intermediario entre la oxidación y reducción. ...................................... 30 2.1.3 Mecanismo cinético de DHODH .......................................................... 30
3. Herramientas Computacionales ............................................................................ 32 Docking Molecular ......................................................................................... 32 Dinámica molecular ....................................................................................... 34
3.2.1 Campos de fuerza ............................................................................... 35 3.2.2 Minimización energética ...................................................................... 37 3.2.3 Acoplamiento de temperatura ............................................................. 38 3.2.4 Acoplamiento de la presión ................................................................. 39 3.2.5 Condiciones periódicas de frontera (CPF) ........................................... 40
MM/PB(GB)SA............................................................................................... 40
4. Objetivos ................................................................................................................. 44 Objetivo general: ............................................................................................ 44 Objetivos específicos: .................................................................................... 44
5. Materiales y Métodos ............................................................................................. 45 Selección de complejos DHODH-compuesto de alta afinidad ........................ 45 Topología de los compuestos ........................................................................ 45 Simulación de complejos por Dinámica Molecular ......................................... 46
XII Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular
Calculo de la energía de unión ...................................................................... 47 Análisis de datos ........................................................................................... 47
6. Resultados ............................................................................................................. 49 Complejos de alta afinidad por docking molecular ......................................... 49 Estabilidad de los complejos en la simulación ............................................... 52
6.2.1 Energía potencial y Temperatura del sistema ..................................... 52 6.2.2 RMSD y RMSF de los complejos ........................................................ 54 6.2.3 Comportamiento de la estructura secundaria de DHODH ................... 55
Interacciones energéticas .............................................................................. 56 6.3.1 Energías de Lennard-Jones y Coulomb .............................................. 56 6.3.2 Puentes de hidrogeno entre DHODH-ligandos ................................... 59 6.3.3 Energía libre de unión por el método PBSA ........................................ 60
Interacciones especificas .............................................................................. 62
7. Discusión ................................................................................................................ 68
8. Conclusiones ......................................................................................................... 75
9. Bibliografía ............................................................................................................. 77
10. Anexos ..................................................................................................................... 87
Contenido XIII
Lista de figuras
Figura 1. Representación del ciclo de vida del parásito Leishmania spp........................ 22
Figura 2. Metabolismo de pirimidina de leishmanis major. ............................................. 25
Figura 3. Metabolismo de pirimidina de Clostrisium oroticum. ....................................... 26
Figura 4. Reacción catalizada por CoDHODH ............................................................... 27
Figura 5. Ciclo catalítico de la enzima DHODH.............................................................. 28
Figura 6. Ilustración del potencial de Lennard-Jones. .................................................... 36
Figura 7. Comparación estructural del cristal 3GZ3. ...................................................... 50
Figura 8. Posición en el sitio activo del sustrato y los ligandos. ..................................... 51
Figura 9. Comportamiento de la temperatura del sistema durante la simulación. .......... 52
Figura 10. Energía potencial de los diferentes complejos simulados ............................. 53
Figura 11. Estabilidad de los complejos a partir de RMSD y RMSF. .............................. 54
Figura 12. Simulación de la estabilidad de la estructura secundaria de la proteína. ...... 55
Figura 13. Energías no enlazantes entre la proteína y los ligandos. .............................. 57
Figura 14. Comportamiento de las energías no enlazantes entre la proteína y el cofactor
FMN. .............................................................................................................................. 58
Figura 15. Comportamiento de las energías no enlazantes entre los ligandos y FMN. .. 59
Figura 16. Formación de los puentes de hidrógenos de los diferentes complejos .......... 60
Figura 17. Calculo de la energía libre de unión para cada ligando durante la simulación
de dinámica molecular .................................................................................................... 61
Figura 18. Promedio de la contribución energética de cada residuo a la energía libre de
unión con el ligando. ...................................................................................................... 62
Figura 19. Distancia entre átomos de CM1 y residuos de DHODH. ............................... 63
Figura 20. Distancia entre átomos de CM2 y residuos de DHODH ................................ 64
Figura 21. Distancia entre átomos de CM3 y residuos de DHODH. ............................... 65
Figura 22. Distancia entre átomos de CM4 y residuos de DHODH ................................ 66
Figura 23. Distancia entre átomos de CM5 y residuos de DHODH ................................ 67
Figura 24. Comparación del RMSF con la estructura proteica. ...................................... 70
XI
V
Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular
Lista de tablas
Tabla 1. .......................................................................................................................... 50
Tabla 2.. ......................................................................................................................... 61
Contenido XV
Lista de Símbolos y abreviaturas
DHODH: dihidroorotato deshidrogenasa
DHO: dihidroorotato
ORO: orotato
FMN: flavín mononucleotido
DM: Dinámica Molecular
MM: Mecánica Molecular
LC: Leishmaniasis cutánea
LM: Leishmaniasis mococutánea
LV: Leishmaniasis visceral
SD: steepest descent
GC: Gradiente conjugado
NVE: Conjunto microcanonico
NVT: Conjunto canónicos
CPF: Condiciones periódicas de frontera
PME: Particle-Mesh-Ewald
MM/PBSA: Molecular Mechanics/Poisson-Boltzmann Surface Are
GAFF: Campo de fuerza general de Amber
ME: minimización energética
O: Oxigeno
N: Nitrógeno
H: Hidrógeno
X
VI
Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular
Introducción
La leishmaniasis es una enfermedad infecciosa causada por protozoos del género
Leishmania. El parasito es trasmitido al hombre o reservorios animales, por la picadura de
insectos hembras del genero Phlebotomous en el Viejo Mundo y el género Lutzomyia en
el Nuevo Mundo ante la ingesta de sangre, la cual es necesaria para la maduración de sus
huevos [1]. Esta patología se presenta en tres formas clínicas, leishmaniasis cutánea que
es la forma más común de las tres presentaciones clínicas, se asocia con lesiones
ulcerativas principalmente, aunque en un porcentaje de pacientes se puede presentar
como lesiones nodulares que no se ulceran, lesiones verrugosas, o incluso en forma de
placas en piel. La leishmaniasis mucocutánea la cual genera lesiones que afectan las
mucosas de nariz, boca, garganta, y en el tejido circundante. El tejido y el cartílago de
estas mucosas se pueden destruir por la ulceración y la erosión que causa el parasito y
quizás por la respuesta inmune que se genera para contrarrestar la infección. Y finalmente
la leishmaniasis visceral, la cual afecta órganos profundos como bazo, hígado, medula
ósea y ganglios. Es la forma clínica más severa de la enfermedad y se caracteriza por
síntomas que incluyen fiebre, pérdida de peso, hepatomegalia y esplenomegalia, anemia
y si no es tratada oportuna y adecuadamente puede causar la muerte al paciente[1], [2].
Esta enfermedad es endémica en regiones tropicales y subtropicales [1], presentando una
incidencia anual de 1,3 millones de casos en aproximadamente 98 países al rededor del
mundo de todas las formas clínicas, convirtiéndola un problema de salud pública. Se
estima que cerca de 350 millones de personas están en riesgo a nivel mundial [3]. En
Colombia la leishmaniasis es una enfermedad endémica en la mayor parte del territorio
nacional y aproximadamente 11 millones de personas se encuentran en riesgo de contraer
la infección, principalmente en áreas rurales, aunque ya hay reportes de casos en algunas
ciudades [4].
18 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular
A pesar de los esfuerzos en la búsqueda de terapias para la leishmaniasis, actualmente
solo se cuenta con pocos medicamentos para tratar esta enfermedad , entre estos están
los compuestos a bases de antimonio pentavalente, la anfotericina B, isotianato de
pentamidina y la miltefosina [2], [5]. Estos fármacos presentan serias dificultades,
relacionadas con toxicidad, altos costos, resistencia incrementada del parásito a varios de
ellos [6], [7] y a la fecha no se dispone de nuevas terapias efectivas, menos toxicas para
la leishmaniasis ni de una vacuna para su prevención y control [7].
Entre las estrategias para el desarrollo y descubrimiento de nuevos fármacos para uso en
la quimioterapia de enfermedades parasitarias como la leishmaniasis se encuentra la
búsqueda o predicción de blancos moleculares en el parásito, empleando estrategias
genómicas, proteómicas o computacionales combinadas con el diseño o búsqueda en
librerías de compuestos, de potenciales inhibidores para las moléculas blanco específicas
y esenciales del parásito. Adicionalmente, se ha hecho la búsqueda o predicción de
actividad leishmanicida en análogos de agentes o compuestos existentes que se usan para
el tratamiento de otras patologías (segundos usos) [8], [9].
Las proteínas del metabolismo han sido relevantes a la hora de buscar potenciales blancos
terapéuticos para el diseño de nuevos fármacos. La ruta de biosíntesis de novo de
pirimidinas cumple un papel importante en el correcto funcionamiento celular ya que los
nucleótidos son necesarias para la síntesis de RNA, DNA, glicosilación de proteínas,
biosíntesis de lípidos de membrana y en reparación. La enzima dihidroorotato
deshidrogenasa (DHODH) participa en el cuarto paso de esta ruta, catalizando la oxidación
del (S)-dihidroorotato en orotato reduciendo el cofactor flavín mononucleotido (FMN) y en
el segundo paso de la reacción el fumarato es reducido a succinato y el cofactor FMN es
reoxidado, siendo este el único paso redox en esta ruta. La DHODH se divide en las
familias 1 y 2 de acuerdo a su ubicación subcelular y preferencia por aceptores de
electrones; donde la familia 1 se encuentra en el citoplasma y la familia 2 en la membrana.
La familia 1 a su vez se subdivide en las subfamilias 1A y 1B debido a los aceptores de
electrones, fumarato y NAD+ respectivamente y la familia 2 requiere de quinonas para su
oxidación. Esta enzima ha mostrado ser importante en la supervivencia de
Trypanosomatidos, dado que experimentos de gene knock-out del gen que codifica por
esta proteína, hace que los parásitos de Trypanosoma cruzi, no sean viables. [10] [11]
Capítulo 1 19
Gracias al avance que se ha dado en la biología computacional, como la disponibilidad de
bases de datos, softwares y programas de libre acceso, se ha logrado un avance
importante en el desarrollo y la aplicación de nuevas estrategias en la búsqueda de
medicamentos para muchas enfermedades. Entre estos avances, se encuentran el
desarrollo de redes de interacción del proteoma de un microorganismo o célula, o incluso
de un set de proteínas involucradas en algunos procesos celulares, como proteínas del
metabolismo, proteínas asociadas con ciclo celular o las relacionadas con producción de
energías. Esta aproximación permite predecir o identificar proteínas esenciales en la
biología del microrganismo y por tanto evaluarlas luego como blanco de medicamentos o
vacunas e incluso en diagnóstico [12],[6]. Adicionalmente, se desarrollaron metodologías
para la detección de blancos moleculares y predicción de segundos usos de compuesto,
por análisis de homología,[13], predicción de potenciales inhibidores mediante docking
molecular [14], optimización de los inhibidores y estudio de interacción proteína-ligando a
partir de mecánica molecular. Todo esto permite lograr de una forma más eficiente el
descubrimiento y desarrollo de nuevos blancos y medicamentos.
Las estrategias in silico tiene como ventaja sobre los procedimientos experimentales, los
pocos o moderados recursos que se necesitan debido a que muchos de los programas
usados son de distribución libre y permiten seleccionar o diseñar moléculas o compuestos
con una muy buena probabilidad de éxito experimental, haciendo que el tiempo invertido
desde la predicción hasta la salida al mercado sea más corto [15].
Entre estos métodos bioinformáticos, la evaluación de la interacción ligando-proteína por
docking molecular se ha convertido en una herramienta muy útil en la búsqueda de nuevos
medicamentos. Lograr modelar las interacciones entre proteínas y pequeñas moléculas a
nivel atómico, permiten caracterizar el comportamiento de estas moléculas en el sitio activo
del blanco molecular así como procesos bioquímicos fundamentales [16]. Este método
envuelve dos pasos básicos, i) predicción de la conformación del ligando, así como su ii)
posición y orientación en el sitio activo y la evaluación de la afinidad de las uniones que se
dan[16]. Además, la existencia de librerías virtuales de pequeñas moléculas ha potenciado
la búsqueda de medicamentos por medio del docking molecular. Existe una gran variedad
de programas que realizan este proceso, entre los más destacados están las diferentes
versiones de AutoDock y AutoDock Vina[17].
20 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular
Debido a que las estructuras 3D de las proteínas son “fotografías estáticas” y el docking
molecular se realiza sobre estas, se hace necesario estudiar su comportamiento dinámico
para llegar a mejores aproximaciones. La Dinámica Molecular (DM) genera simulaciones
donde el potencial energético es calculado por métodos de Mecánica Molecular (MM)
donde estas son establecidas con base en campos de fuerza desarrollados y
estandarizados para diferentes tipos de átomos, permitiendo estudiar el movimiento físico
por medio de la interacción de los átomos y moléculas para ver la evolución dinámica del
sistema, la trayectoria es determinada por la solución de la ecuación de Newton [18].
También da información sobre la energía de interacción entre la proteína y el ligando, la
cual es importante para entender la relación estructura-función del blanco y la esencia de
la interacción proteína-ligando ayudando en el proceso de descubrimiento y diseño de
nuevos medicamentos. Debido a esto la DM ha sido aplicada amplia y exitosamente en el
descubrimiento moderno de medicamentos [19].
Capítulo 1 21
1. Leishmaniasis
Generalidades leishmaniasis
La leishmaniasis es causada por un parásito intracelular del género Leishmania. La
clasificación taxonómica del parásito se dá por sus características bioquímicas y
moleculares, dividiéndose de esta manera en dos subgéneros: Leishmania y Viannia [3].
El parasito Leishmania presenta dos estadios de desarrollo en la naturaleza: El
promastigote y el amastigote. El promastigote es móvil, elongado y flagelado, y se
desarrolla y multiplica en el vector invertebrado [20]. Este se clasifica como promastigote
procíclico – que se multiplican en el intestino del insecto vector, luego pasa por una serie
de formas intermedias, para finalmente terminar como promastigote metacíclico, que es la
forma infectante del parásito [21]. El estadio de amastigote, tiene forma redondeada u
ovalada, el cual es la forma intracelular obligada del parásito y se divide dentro de los
macrófagos y otras células del sistema retículo endotelial del huésped vertebrado [22], [23].
1.1.1 Ciclo de vida
Para Leishmania spp. se producen dos ciclos: un ciclo silvestre, el parásito circula entre
los reservorios naturales y mantiene el ciclo con la participación de los vectores de la zona
endémica; y un ciclo urbano, donde los vectores infectados involucran al humano y a los
animales domésticos. Los insectos vectores de Leishmania spp. pertenecen a los géneros
Lutzomiya (en el Nuevo Mundo) y Phlebótomus (en el Viejo Mundo) [3], [20]. El ciclo inicia
a partir de la ingesta de sangre por hembras del insecto vector a partir de un organismo
infectado e ingiere macrófagos infectados con amastigotes,[3]. Posterior a la alimentación
del insecto, el parásito sale de los macrófagos y se pasa al estadio promastigote procíclico
dividiéndose por fisión binaria longitudinal [20]. Algunos de estos quedan libres en el lumen
intestinal y otros se adhieren a este por medio de hemidesmosomas [21]. Posteriormente
los promastigotes procíclicos se diferencian a promastigotes metacíclicos, que migran
hasta la parte anterior del aparato picador del insecto, los cuales son transmitidos al
próximo hospedero vertebrado que sea picado para una nueva ingesta sanguínea. Cuando
el insecto vector pica un ser humano o hospedero vertebrado, el insecto inyecta
22 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular
promastigotes metacíclicos [21]; estos no entran inmediatamente a los macrófagos, si no
que permanecen en el espacio intercelular para activar el complemento por la vía
alternativa, iniciando la acumulación de macrófagos y neutrófilos, células que median la
destrucción de los parásitos; sin embargo, algunos al ser fagocitados resisten los
mecanismos destructivos y se logran diferenciar a amastigotes en un tiempo medio de 3-
4 horas, permaneciendo en fase estacionaria e iniciando su multiplicación a las 36 horas e
infectando a otros macrófagos y progresando de manera sucesiva el ciclo dentro del
huésped [3], [23].
Figura 1. Representación del ciclo de vida del parásito Leishmania spp. (tomada de https://www.cdc.gov/parasites/leishmaniasis/biology.html)
Capítulo 1 23
1.1.2 Formas clínicas
Las manifestaciones clínicas en que se presenta la leishmaniasis, están asociadas en gran
parte a la especie del parásito y a la respuesta inmunológica del huésped. Existen
básicamente tres presentaciones clínicas: la leishmaniasis cutánea (LC), con algunas
variantes, la leishmaniasis mucocutánea (LM), y la leishmaniasis visceral (LV) [3], [20]. La
leishmaniasis cutánea se caracteriza por la aparición de una o múltiples lesiones en piel
que aumentan de tamaño. Estas se localizan principalmente en regiones descubiertas del
cuerpo donde puede picar el insecto, como en las extremidades, superiores e inferiores y
la cabeza, normalmente cursa con linfadenopatía y lesiones satélites. Las especies del
parásito asociadas a estas lesiones son Leishmania mexicana, Leishmania braziliensis,
Leishmania guyanensis, Leishmania amazonensis, Leishmania peruviana, Leishmania
tropica, Leishmania aethiópica, y Leishmania major.
La leishmaniasis mucocutánea, la cual está presente en latinoamérica, puede ocurrir
meses o años después a la cicatrización de lesiones cutáneas, incluso sin el individuo estar
residiendo en zona endémica. Ocasionalmente se presenta conjuntamente con lesiones
activas en piel [3]. Esta lesión se caracteriza por inflamación granulomatosa de la mucosa
nasal, cavidad oral y faringe. Puede haber lugar a la destrucción del tabique nasal, y la
inflamación manifiesta del paladar genera el signo clínico conocido como “cruz palatina de
Escomel”. Las especies que pueden causar leishmaniasis mucocutánea son Leishmania
braziliensis, Leishmania panamensis, Leishmania guyanensis y Leishmania amazonensis
[24] .
La leishmaniasis visceral, la forma más complicada de la enfermedad, puede comprometer
la vida de las personas que la padecen, si esta no es diagnosticada a tiempo y tratada
adecuadamente. Las especies causantes de esta manifestación son Leishmania donovani,
Leishmania infantum y Leishmania chagasi. Clínicamente la leishmaniasis visceral se
caracteriza por la aparición de fiebre, hepato-esplenomegalia, linfadenopatía, pancitopenia
e hipergammaglobulinemia; y como consecuencia, existe deterioro progresivo del estado
general del huésped. [3], [24]
24 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular
1.1.3 Tratamiento
El tratamiento de esta enfermedad es un poco complejo debido a las diferentes formas
clínicas que manifiesta, a las diferentes especies que la causan, incluida la resistencia a
los tratamientos por parte de las diferentes especies del parásito, e incluso por la
inmunocompetencia del huésped. Los tratamientos de primera línea para las formas
clínicas son las sales de antimonio pentavalente: antimoniato de N-metil glucamina
(Glucantime®) y el estibogluconato de sodio (Pentostam®). Antes de administrar el
tratamiento, se debe realizar una evaluación clínica y paraclínica para descartar la
existencia de cualquier alteración cardiaca, hepática, pancreática o renal, dado que los
antimoniales están contraindicados en presencia de algunas de estas alteraciones [25],
[26]. Adicionalmente, la mayoría de los tratamientos para Leishmaniasis está
contraindicado en mujeres en embarazo [27]. Conforme a lo establecido por la
organización mundial de la salud, el tratamiento óptimo recomendado es una dosis única
diaria de antimonio pentavalente de 20 mg/Kg de peso/día durante 20 días, lo que
normalmente garantiza curación del 90-95% de los casos. El tratamiento de la
leishmaniasis visceral debe ser de forma sistémica, antimoniales como el estibogluconato
sódico o antimoniato de meglumina (20mg de antimonio/Kg/día vía IV o IM durante 28 días)
o Anfotericina B como desoxicolato (0.5 –1mg/ /Kg/día vía IV) una vez al día hasta 8
semanas o en formulación liposomal 3mg/Kg/día vía IV durante 5 días repitiendo la misma
dosis a los días 14 y 21. Como alternativa está el uso de pentamidina vía parenteral
4mg//Kg/día vía IV una vez al día con un máximo de 15-30 dosis. La duración del
tratamiento depende de la respuesta clínica y del estado de inmunocompetencia del
paciente [26], [27]. En algunos casos se puede administrar también miltefosina, el único
medicameno de administración oral. Este medicamento, ha mostrado ser eficaz contra
algunas especies de Leishmania, y cuando el tratamiento con antimoniales está
contraindicado.
Alternativamente se han usado, tratamientos basados en calor como la termoterapia
empleando aparatos especializados para esto [28], [29], o basados en frio como la
crioterapia [30], [31]
2. Dihidroorotato deshidrogenasa
La flavoenzima dihidroorotato deshidrogenasa (DHODH) cataliza la oxidación
esteroselectiva de (S)-dihidroorotato a orotato involucrada en el cuarto paso de la síntesis
de novo de pirimidinas (Figura 2). Esta enzima ha ganado gran interés tanto en
investigación básica como aplicada. La enzima DHODH es ampliamente usada como un
potencial blanco terapéutico en diferentes áreas como: oncología, reumatología y
enfermedades infecciosas y es un excelente modelo para el estudio de la catálisis
enzimática. [32]
Figura 2. Metabolismo de pirimidina de leishmanis major. En rojo se resalta la enzima
DHODH. Tomada de (https://www.genome.jp/kegg-bin/show_pathway?lma00240+LMJF_16_0530)
26 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Importancia de la DHODH
La existencia del ácido uracil-4carboxilo (ácido orótico) fue evidenciada en la leche en el
año 1905 por Biscaro y Belloni, sin embargo, hasta finales de 1940 y principios de 1950 se
realizaron los primeros estudios que dieron muestra experimental de la importancia de este
como precursor de la síntesis de pirimidinas. [32] Liberman y Kornenber realizaron los
primeros estudios del metabolismo del orotato a partir de la bacteria Clostrisium oroticum
la cual fermenta el ácido orótico, identificaron el L-dihidroorotato, carbamol-L-aspartato y
aspartato como parte de la síntesis del orotato (Figura 3). Analizando los extractos del
crecimiento de E. coli en ausencia de orotato, Pardee y Yates demostraron que la
conversión de carbamilfosfato a orotato era necesaria para la biosíntesis de pirimidinas.
[33]
L-aspartato L -ureidosuccinato L-dihidroorotato orotato
[33]
La formación del ácido orótico es catalizado por enzimas esteroselectivas, en especial, la
reducción reversible del ácido a L-dihidroorotato, el cual se encontró que es catalizada por
la enzima dihidroorotato deshidrogenasa. [32] La DHODH fue aislada por primera vez de
extractos de Clostridium oroticum (CoDHODH) en 1953, años después fue completamente
purificada y cristalizada por Friedmann y Vannesland. [34] La CoDHODH fue caracterizada
como una metaloflavoproteína que oxida el dihidroorotato con la reducción del NAD+. A
partir de la caracterización de la enzima se evidenció por primera vez que esta contenía
FMN, FAD (flavin adenine dinucleotide) y hierro. Los grupos flavin son enzimáticamente
activos y están involucrados directamente en la oxido-reducción catalizada por DHODH.
Taylor y Taylor en 1964 luego de purificar la DHODH de Escherichia coli (EcDHODH)
mostraron que las DHODHs podían diferir en su localización sub-celular y propiedades
catalíticas ya que se encontró que EcDHODH estaba en la membrana citoplasmática y no
usaba NAD+ como co-sustrato, como si ocurre en otras DHODH [35].
Figura 3. Metabolismo de pirimidina de Clostridium oroticum
Capítulo 2 27
L-dihidroorotato + NAD+ orotato + NADH + H+
La biosíntesis y metabolismo de pirimidinas es muy conservada entre todos los organismos
y por esto la flavoenzima DHODH, ha sido explorada como blanco para el desarrollo de
medicamentos, dado que la depleción de pirimidinas a través de la inhibición de esta
enzima ha mostrado ser una buena opción para uso terapéutico. Se ha demostrado que la
reducción de L-dihidroorotato en mamíferos esta acoplada a la reducción de ubiquinona,
lo cual muestra un enlace de la biosíntesis de pirimidina con la cadena de respiración de
la mitocondria. La actividad de la DHODH del citoplasma esta acoplada a la actividad de
la fumarato reductasa, proceso importante para el balance redox celular. [32]
2.1.1 Ciclo catalítico de la DHODH
Las flavoenzimas DHODH catalizan el cuarto y único paso redox en la biosíntesis de novo
de pirimidinas, a partir de la oxidación de L-dihidroorotato (DHO) a orotato (ORO) con la
reducción de FMN. Este proceso depende de FMN el cual se compone de dos reacciones
independiente. La primera reacción la enzima unida al FMN es reducida por el DHO, en la
segunda es oxidada, la forma oxidada de FMN es regenerada por un sustrato oxidante.
Las enzimas de clase 2 usan quinona para regenerar el FMN, las de clase 1A fumarato y
las de clase 1B NAD+, como se ve en la figura 4. [36]–[38]
F FH2
F FH2
DHODH
DHODH
Figura 4. Reacción catalizada por CoDHODH, donde F y FH2 representan la forma
oxidada y reducida del grupo Flavino, respectivamente. [32]
28 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Figura 5. Ciclo catalítico de la enzima DHODH. [32]
Capítulo 2 29
En la primera etapa de la reacción el DHO se une al sitio de unión de pirimidina presente
en todas las DHODH, la conversión de DHO a ORO se da junto con la reducción de la
enzima unida al FMN. La oxidación del DHO involucra una ruptura en el enlace entre CH.
El Carbono 5 (C5) de DHO es desprotonado, y tanto para la serina en la clase 2 como la
cisteína en la clase 1 se transfiere un equivalente de hidruro de C6 del DHO al N5 de la
isoaloxazina. Se pueden dar dos mecanismos por el cual se oxida el DHO, uno en el que
los enlaces se rompen simultáneamente y otro en el que los enlaces se rompen por pasos.
Diferentes estudios han mostrado que las enzimas clase 2 de homo sapiens y E. coli
emplean el mecanismo por pasos, mientras que las de clase 1A de L. lactis usa el
rompimiento simultáneo para la oxidación del DHO. Estos estudios muestran que ambas
clases de DHODH difieren en el mecanismo para realizar la misma reacción química [39].
A pesar que las enzimas de clase 1A y clase 2 difieren en el residuo catalítico, los cristales
de estas mostraron una alta conservación del bolsillo de unión del FMN y del sitio de unión
de la pirimidina. Las DHOHO’s comparten muchos residuos conservados que forman
puentes de hidrogeno con el sustrato y el producto en la biosíntesis de novo de pirimidinas.
Sin embargo, dos asparaginas se han reportado ser un sitio conservado e importante para
estabilizar el intermediario generado durante la reacción catalítica en las enzimas de clase
2. Mutantes de EcDHODH y LlDHODH de estos residuos han mostrado un impacto en la
reducción del FMN afectando la taza de este paso de la reacción [40].
El segundo paso en la reacción ha sido poco estudiado debido a que el sustrato de
oxidación de las DHODH’s clase ubiquinona es insoluble en agua, por lo cual se han
empleado análogos de la quinona. En este paso la catálisis cambia para las diferentes
DHODH’s; se han propuesto dos mecanismos para la oxidación de la flavina por la
ubiquinona: transferencia directa de un hidruro de la flavina a la quinona, o transferencia
de un solo electrón a través de una semiquinona-flavina. El N5 de la flavina es el sitio de
reacción donde se da la transferencia del hidruro, sin embargo, este no es accesible a la
quinona, por lo cual la oxidación debe ocurrir en dos transferencias de un electrón a pesar
de que no hay evidencia de un intermediario semiquinona-flavina. En las DHODH’s de
clase 1B las cuales no solo contienen FMN sino también FAD y como aceptor final de
electrones NAD+, se inicia la transferencia en el sitio de unión de FMN, pasa a través de
un grupo hierro-azufre a FAD y alcanza a NAD+. [41]–[43]
30 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
2.1.2 Intermediario entre la oxidación y reducción.
A pesar de la similitud en el sitio de unión de ORO entre las clases 1A y clase 2 de DHODH,
comparaciones a partir de ensayos de cinética ambas clases difieren en el mecanismo de
disociación del complejo DHODH-ORO. En la clase 2 la disociación de ORO del FMN
reducido es muy lenta para ser este el determinante en la tasa global del proceso catalítico.
De hecho, se predice que en las DHODH’s de clase 2 en la etapa de oxidación las quinona
se une al complejo reducido enzima-orotato en un sitio diferente al sitio de unión del ORO.
Por otro lado, la enzima LmDHODH de clase 1A ambos sustratos comparte el mismo sitio
activo. [44]
Esto se puede explicar debido a las diferencias estructurales relacionado a la flexibilidad
del loop catalítico para las clases 1A y 2. Las DHODH 1A, el movimiento del loop activo
juega un papel importante en el control del acceso al sitio activo tanto de DHO como del
aceptor de los electrones. En las de clase 2 no se requiere de este movimiento ya que hay
dos sitios de reducción, el sitio de unión para el agente oxidante y el sitio de unión para el
DHO [45].
2.1.3 Mecanismo cinético de DHODH
La cinética de las DHODH’s consiste en una reacción de doble desplazamiento, lo cual
genera una enzima temporalmente modificada luego del primer paso de la reacción. [46],
[47] En la primera fase de reducción, el DHO se une al sitio de unión de pirimidina el cual
se encuentra en todas las DHODH’s, y es convertido en ORO con la reducción del FMN
unido a la enzima. Este primer producto ORO debe ser liberado antes de que el segundo
sustrato esté listo para unirse. El FMN es regenerado en la segunda etapa de la reacción
la cual es diferente entre las clases 1 y 2. [48]–[51]
Análisis cinéticos de LmDHODH mostraron un comportamiento de cooperatividad positiva
para la unión de DHO un coeficiente de Hill de aproximadamente 2. Por otro lado, las de
Capítulo 2 31
clase 2 muestran un comportamiento tipo Michaelis-Menten para la unión de DHO,
independiente del agente oxidante empleado. Las medidas en la cinética realizadas a
LmDHODH indican que el producto de la primera etapa de la reacción el ORO, es un
inhibidor competitivo del DHO, y modula el grado de cooperatividad de la unión de DHO.
El comportamiento cooperativo de las enzimas de clase 1A se cree que depende de una
comunicación entre los sitios activos, a través del movimiento del bucle en el sitio activo lo
cual resulta en un re-arreglo de la interface dimérica. [52]–[55]
32 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
3. Herramientas Computacionales
Docking Molecular
El docking molecular es un método computacional para ubicar ligandos en el sitio activo
de un receptor, estos algoritmos y funciones de puntaje pueden generar complejos
estructurales proteína-ligando, generar una clasificación de compuestos, y estimar la
energía de unión [17].
Las interacciones proteína-ligando están descritas por combinación de diferentes fuerzas
intermoleculares como las electrostáticas, Van der Wals e hidrofóbicas. [56], [57] La
estructura del complejo proteína-ligando es de importancia para estudiar las interacciones;
métodos como Dock [58], Autodock [59], Gold [60] y Glide [61], son capacees de estimar
la posición más favorable energéticamente del ligando en el bolsillo de unión de la proteína.
[56] El docking molecular puede ser descrito como un modelo de llave-cerradura el cual
predice las conformaciones del ligando y la afinidad de unión por medio de uniones no
covalentes. Esta metodología ha sido empleada con éxito en diferentes áreas de
investigación. [57] La predicción de la unión de moléculas a proteínas cobra importancia
en la medida que permite realizar la búsqueda de compuestos con potencial para el
desarrollo de medicamentos en librerías de moléculas tipo fármaco.
Modelar las interacciones proteína-ligando requiere de dos pasos, la pose (modo de unión)
el cual predice la posición más favorable del ligando en el bolsillo de unión de la proteína
y estimar la afinidad de unión donde se calcula la energía de unión libre del ligando con la
proteína. Esta técnica ha sido exitosa en la predicción de la pose de unión, pero las
funciones de puntaje empleadas en la predicción de la afinidad de unión tienen un
rendimiento bajo y representan la mayor deficiencia en las aproximaciones por docking
molecular. La energía libre de unión es de mucha utilidad ya que mide que tan fuerte es la
interacción proteína-ligando; debido a lo costoso en tiempo y recursos que resulta medir
Capítulo 2 33
experimentalmente la afinidad de unión, el desarrollo de metodologías computacionales
con una mayor precisión es necesaria para estudios computacionales. [57] [62]
Esta herramienta ha jugado un papel importante en el diseño de medicamentos basado en
la estructura de proteínas. En este esquema se deben de considerar la precisión en la
predicción y la eficiencia del cálculo. Debido a que se debe evaluar la energía rápidamente,
se pre-calculan los potenciales de afinidad para cada átomo del ligando. [63] [64]
La proteína y el ligando inician a partir de una conformación donde no interactúan y
posterior al docking forman un complejo. La energía libre de unión (∆G) se calcula:
∆𝐺 = (𝑉𝑏𝑜𝑢𝑛𝑑𝐿−𝐿 − 𝑉𝑢𝑛𝑏𝑜𝑢𝑛𝑑
𝐿−𝐿 ) + (𝑉𝑏𝑜𝑢𝑛𝑑𝑃−𝑃 − 𝑉𝑢𝑛𝑏𝑜𝑢𝑛𝑑
𝑃−𝑃 )
+ (𝑉𝑏𝑜𝑢𝑛𝑑𝑃−𝐿 − 𝑉𝑢𝑛𝑏𝑜𝑢𝑛𝑑
𝑃−𝐿 + ∆𝑆𝑐𝑜𝑛𝑓) (Ec. 3.0)
Donde V representa la energía potencial, P la proteína, L el ligando, y ∆Sconf es el cambio
en la entropía sobre la unión del ligando. Cada termino de energía potencial incluye fuerzas
de Van der Waals, puentes de hidrogeno, electrostáticas y de solvatación:
𝑉 = 𝑊𝑣𝑑𝑊 ∑ (𝐴𝑖,𝑗
𝑟𝑖,𝑗12 −
𝐵𝑖,𝑗
𝑟𝑖,𝑗6 )𝑖,𝑗 + 𝑊ℎ𝑏𝑜𝑛𝑑 ∑ 𝐸(𝑡) (
𝐶𝑖,𝑗
𝑟𝑖,𝑗12 −
𝐷𝑖,𝑗
𝑟𝑖,𝑗10 )𝑖,𝑗 (Ec. 3.1)
+ 𝑊𝑒𝑙𝑒𝑐 ∑𝑞𝑖𝑞𝑗
휀(𝑟𝑖𝑗)𝑟𝑖𝑗
+ 𝑊𝑠𝑜𝑙 ∑(𝑆𝑖𝑉𝑗 + 𝑆𝑗𝑉𝑖)𝑒𝑥𝑝 (−𝑟𝑖𝑗
2
2𝜎2)
𝑖,𝑗𝑖,𝑗
Las cargas Wvdw, Whbond, Welec y Wsol se obtienen a partir de datos experimentales.
El primer término es 12-6 de la energía potencial de Lennard-Jones, Aij y Bij son
parámetros para las interacciones de repulsión y dispersión. El segundo término es la
34 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
interacción potencial de los puentes de hidrogeno, Cij y Dij, que se obtienen a partir de
datos experimentales de puentes de hidrogeno. E(t) representa la dirección de los puentes
de hidrogeno, y t es la desviación del puente de hidrógeno ideal. El tercer término es el
potencial electrostático con una constante dieléctrica E(rij). El ultimo termino es un cálculo
empírico de la desolvatacion usando el volumen (V) que rodea cada átomo, un promedio
de solvatación (S), y un factor de distancia promediado r.
Por último, los cambios de la entropía debidos a la unión del ligando (Sconf) se pueden
estimar por el número de torsiones activas en el ligando (Ntors) con un parámetro empírico
Wconf
∆𝑆𝑐𝑜𝑛𝑓 = 𝑊𝑐𝑜𝑛𝑓𝑁𝑡𝑜𝑟𝑠 (Ec. 3.2)
Dinámica molecular
La dinámica molecular (DM) son simulaciones in silico que estudian el movimiento de las
partículas, a partir de la solución paso por paso de la ecuación de movimiento de Newton.
Este método computacional permite calcular el comportamiento del sistema molecular en
función del tiempo, lo cual genera información de los cambios conformacionales del
sistema [65]. En una simulación de DM, las partículas pueden interactúan en un periodo
especifico de tiempo, esto produce una trayectoria que permite ver el comportamiento
dinámico del sistema. [66]–[68] Esta técnica permite simular cientos de átomos de un
sistema biológico, incluyendo proteínas completas en solventes, embebidas en
membranas o complejos macromoleculares como nucleosomas o ribosomas.
Capítulo 2 35
3.2.1 Campos de fuerza
En los modelos moleculares, la función de los campos de fuerza es modelar la energía
potencial del sistema. Incluye las formas funcionales de la energía potencial, un conjunto
de parámetros y es capaz de relacionar estructuras químicas o sus conformaciones con la
energía potencial. La forma funcional puede ser obtenida con métodos analíticos o
empíricos y los parámetros de los campos de fuerza, como las constantes de fuerza y
valores de equilibrio, se pueden obtener reproduciendo los datos experimentales o a partir
de cálculos de química cuántica. Los campos de fuerza más populares en su mayoría son
de forma par-aditivos, y el total de la energía potencial es la suma de los términos
energéticos de unión y no unión. [69]
En estas simulaciones de sistemas biomoleculares se pueden emplear diferentes tipos de
campos de fuerza, siendo los más populares CHARMM [70], AMBER [71], OPLS [72] y
GROMOS [73].
Para el campo de fuerza AMBER (ff99SB, ff99SB-ildn, ff03, ff14SB, etc.) [74], la energía
potencial V se calcula a partir de la ecuación:
𝑉 = ∑ 𝑘𝑏(𝑏 − 𝑏0)2
𝑏𝑜𝑛𝑑𝑠
+ ∑ 𝑘𝜃(𝜃 − 𝜃0)2 + ∑1
2𝑉𝑛[1 + cos (𝑛∅ − 𝛿]
𝑑𝑖ℎ𝑒𝑑𝑟𝑎𝑙𝑠𝑎𝑛𝑔𝑙𝑒𝑠
+ ∑ 𝑘𝜔(𝜔 − 𝜔0)2
𝑖𝑚𝑝𝑟𝑜𝑝𝑒𝑟𝑠
+ ∑ 휀𝑖𝑗 [(𝑅𝑚𝑖𝑛,𝑖𝑗
𝑟𝑖𝑗)
12
− 2 (𝑅𝑚𝑖𝑛,𝑖𝑗
𝑟𝑖𝑗)
6
𝑛𝑜𝑛𝑏𝑜𝑛𝑑𝑒𝑑
] + ∑𝑞𝑖𝑞𝑗
4𝜋휀0𝑟𝑖𝑗𝑛𝑜𝑛𝑏𝑜𝑛𝑑𝑒𝑑
(Ec. 3.3)
36 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Los términos con el subíndice 0 son valores de equilibrio y kx (x=b, θ, ϕ y ω) son las
constates de fuerza para cada tipo de interacción.
El termino 1 explica la interacción de estiramiento utilizando el potencial armónico, donde
b es la longitud del enlace.
El termino 2 explica el potencial armónico del ángulo del enlace, donde θ es el ángulo de
enlace.
El termino 3 explica el potencial del ángulo diedro apropiado para cada periodo, donde n
es la multiplicidad, ϕ es el ángulo diedro y es el cambio de fase.
El termino 4 explica el ángulo diedro impropio para cada armónico, donde ω es el ángulo
diedro impropio.
El termino 5 explica el potencial de van der Waals (vdW) utilizando una función potencial
estándar de repulsión/dispersión 12-6 de Lennard-Jones (LJ). Como muestra la Figura 6,
εij es el potencial minimo, rij es la distancia entre particular, Rmin,ij es la distancia en la que
el potencial tiene el valor minimo y σ es el valor donde el potencial de LJ es cero.
Figura 6. Ilustración del potencial de Lennard-Jones.
Capítulo 2 37
El termino 6 explica la energía electrostática con un potencial Culumbico, qi y qj son cargas
parciales de las partículas i y j, respectivamente, rij es la distancia entre partículas y ɛ0 es
la permisividad eléctrica del espacio libre.
La mayoría de los campos de fuerza empleados en simulaciones biomoleculares solo
contienen los parámetros para proteínas, ácidos nucleicos y polisacáridos, así como
moléculas pequeñas, como ADP, ATP, NADP, entre otras. Los parámetros para los
campos de fuerza de moléculas orgánicas (ligandos) casi siempre están ausentes en
fuérzalos campos parametrizados para macromoléculas como proteínas, DNA y RNA. Por
lo cual, se necesitan herramientas adicionales para generar los campos de fuerza de estos
ligandos, para poder ser empleados en simulaciones proteína-ligando. El campo de fuerza
general de AMBER (GAFF) [75] se emplea para generar los parámetros de los ligandos.
3.2.2 Minimización energética
La minimización energética es el proceso que busca la disposición en el espacio de un
grupo de átomos, donde a partir de un modelo computacional la fuerza neta inter-atómica
de cada átomo es cercana a cero y la posición en la superficie de energía potencial es un
punto estacionario. Realizar una optimización geométrica de un sistema permite obtener
una estructura con una relevancia física, ya que estas optimizaciones a menudo se acercan
a un sistema tal como se encuentra en la naturaleza y la geometría de esta estructura
puede emplearse en diferentes estudios experimentales y teóricos [76].
La estructura inicial de un sistema molecular utilizado en las simulaciones puede tener
malas interacciones. Por ejemplo, dos átomos demasiado cerca pueden generar una gran
interacción repulsiva. Es necesario correr una minimización energética en la estructura
para remover los malos contactos antes de someter el sistema a una simulación de
38 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
dinámica molecular. En los sistemas biomoleculares se emplean generalmente dos
métodos para realizar una minimización energética el método del gradiente (steepest
descent, SD) y gradiente conjugado (GC). Para la mayoría de los procesos de minimización
el algoritmo SD es suficiente. SD en un algoritmo eficiente y robusto para la minimización
energética y el sencillo de implementar. Este algoritmo utiliza el potencial de energía y las
fuerzas para actualizar la posición de las partículas de forma interactiva y se detiene
cuando ha realizado un numero de iteraciones determinadas por el investigador, o cuando
la fuerza máxima es más pequeña que el valor especifico. GC comparado con SD es más
eficiente cuando el sistema está cerca al mínimo energético. [77]
3.2.3 Acoplamiento de temperatura
La implementación directa de una simulación de dinámica molecular para un sistema
aislado produce un conjunto microcanonico (NVE). Sin embargo, muchas cantidades en
las que se está interesado corresponden a conjuntos canónicos (NVT). Hay varios
esquemas de acoplamiento de temperatura, Berendsen, velocidades por cambio de
escala, Andersen y el termostato de Nosé-Hoover.
EL algoritmo de Berendsen fue propuesto inicialmente en 1984 por Berendsen. [78] En
este esquema, la desviación de temperatura del valor de referencia To es corregido por la
ecuación:
𝑑𝑇
𝑑𝑡=
𝑇0−𝑇
𝑡 (Ec. 3.4)
Donde Ƭ es el parámetro de acoplamiento.
Capítulo 2 39
El algoritmo de Berendsen es simple y fácil de implementar en muchos códigos de DM. Sin
embargo, la fluctuación de la energía cinética es suprimida en el termostato de Berendsen,
lo cual significa que no se genera un correcto conjunto canónico. [68]
El termostato de velocidades por cambio de escala es una versión mejorada del termostato
Berendsen. En este esquema, un término estocástico adicional es incluido, lo cual genera
una distribución energética cinética correcta y se produce un conjunto canónico correcto.
[79] El termostato de Andersen mantiene un conjunto termostable tomando un conjunto
NVE y reevalúa periódicamente las velocidades de los átomos que son generadas por la
distribución de Maxwell-Boltzmann [80]. El termostato Nosé-Hoover [81], [82] también es
adecuado para simulaciones de conjuntos canónicos. En este esquema el hamiltoniano
del sistema es extendido por el acoplamiento de un deposito térmico (Q) y por la adición
del termino de fricción (ξ):
𝐻 = ∑𝑝𝑖
2
2𝑚𝑖+ 𝑈(𝑟1, 𝑟2, … , 𝑟𝑁) +
𝑝ξ2
2𝑄+ 𝑁𝑓𝑘𝑇ξ
𝑁
𝑖=1
(Ec. 3.5)
3.2.4 Acoplamiento de la presión
Como en el punto anterior del acoplamiento de temperatura, la presión del sistema se
puede controlar utilizando un baróstato. El algoritmo de Berensen escala los vectores y las
coordinadas atómicas cada paso, el baróstato de Parrinello-Rahman utiliza un conjunto
extendido como en el termostato de Nosé-Hoover [83], y el método de MTTK (Martyna-
Tuckerman-Tobias-Klein) que se emplea especialmente en el algoritmo de integración
paras las velocidades de Verlet. [84]
40 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
3.2.5 Condiciones periódicas de frontera (CPF)
Los efectos de frontera (la interface con el vació) de un sistema finito en simulación de DM
pueden ser minimizados por las condiciones periódicas de frontera (CPF). CPF siempre
se implementa con convención de imágenes mínima, esto regula que solo la imagen más
cercana de la partícula sea seleccionada para calcular las interacciones cercanas y no
enlazantes con otras partículas, donde se establece un punto de corte para las
interacciones cercanas. Las interacciones lejanas como las de van der Waals más allá del
punto de corte son ignoradas, mientras que las interacciones electrostáticas se recuperan
usualmente con el método Particle-Mesh-Ewald (PME). Cuando se emplea CPF el sistema
se pone dentro de una caja, la cual es copiada en cada dirección para llenar el espacio
vació. Las cajas más empleadas con cubos, dodecaedros y octaedros. [85], [86]
MM/PB(GB)SA
Describir el efecto del solvente en las simulaciones biomoleculares es importante. En DM
las moléculas de agua usualmente son representadas de forma explícita por modelos como
TIP3P, SPC, SPC/E [87] [88]. Aunque la representación explicita del solvente es realística
y precisa para simular los efectos del solvente tiene algunas deficiencias. Es difícil simular
sistemas que pueden tener transiciones estructurales significativas, como el plegamiento
de proteínas, esto debido a las altas barreras energéticas entre los diferentes mínimos
conformacionales.
MM/PBSA (Molecular Mechanics/Poisson-Boltzmann Surface Area) y MM/GBSA
(Molecular Mechanics/Generalized Born Surface Area) son métodos que en la última
década se han vuelto más empleados. En estos métodos se combinan campos de fuerza
clásicos y modelos de solvatación continua para calcular la energía libre de unión en
sistemas moleculares grandes. Los métodos MM/PB(GB)SA permiten descomponer la
Capítulo 2 41
energía libre de unión en componentes que provienen de diferentes tipos de interacción.
[89]
La energía libre de unión de la interacción de una proteína (P) y un ligando (L) se calcula
a partir de las siguientes ecuaciones:
ΔGbind = G(PL) – G(P) – G(L). (Ec. 3.6)
Donde PL es el complejo entre proteína-ligando:
G(PL) = EMM(PL) + Gsolv(PL) – TS(PL). (Ec. 3.7)
EMM(PL) = Ebonded(PL) + Enonbonded(PL). (Ec. 3.8)
Ebonded(PL) = Ebond(PL) + Eangle(PL) + Edihedral(PL). (Ec. 3.9)
Enonbonded(PL) = Eelectrostatics(PL) + EvdW(PL). (Ec. 3.10)
ΔGbind = ΔEMM + ΔGsolv + TΔS. (Ec. 3.11)
ΔEMM = ΔEbonded + ΔEelectrostatics + ΔEvdW. (Ec. 3.12)
ΔGsolv = ΔGcav + ΔGvdW + ΔGelec = ΔGSASA + ΔGPB/GB. (Ec. 3.13)
ΔGSASA = γ . SASA + β. (Ec. 3.14)
Donde EMM es la energía total en el vació, la cual tiene presente las energías enlazantes
(Ebonded) y no enlazantes (Enonbonded). Las energías enlazantes constan de la energía de
enlace (Ebond), ángulo (Eangle) y diedro (Edihedral), y las no enlazantes constan de las energías
electrostáticas (Eelectrostatics) y de van der Waals (EvdW). T es la temperatura en Kelvin, S es
la entropía conformacional, Gsolv es la energía de solvatación esta consiste de tres
componentes; Gcav genera una cavidad en el solvente para el soluto, la energa de van der
42 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Waals (GvdW) entre el solvente y el soluto, y la energía de interacción electrostática (Gelec).
Para cálculos prácticos, los primeros dos contribuciones se aproximan como un
componente (GSASA), la cual se estima por una combinación del área superficial accesible
al solvente (SASA) y dos parámetros empíricos γ y β. La contribución electrostática se
obtiene a partir de los modelos PB o GB.
En el modelo PB el potencial electrostático se calculó a partir de la siguiente ecuación [90]:
∇[휀(𝑟)∇∅(𝑟)] = −4𝜋𝜌(𝑟) − 4𝜋λ(r) ∑ 𝑧𝑖𝑐𝑖𝑒𝑥𝑝 (−𝑧𝑖∅(𝑟)
𝑘𝐵𝑇)
𝑖
(Ec. 3.15)
Donde ε(r) es la constante dieléctrica, y ϕ(r) es el potencial electrostático, λ(r) es la función
de capa de enmascaramiento de Stern, kB es la constante de Boltzmann, y T es la
temperatura del sistema.
En el modelo GB la contribución electrostática de solvatación de la energía libre se calcula
[91]:
∇𝐺𝐺𝐵 = −1
2(1 −
1
휀) ∑
𝑞𝑖𝑞𝑗
√𝑟𝑖𝑗2 + 𝑅𝑖𝑅𝑗exp (−𝛾
𝑟𝑖𝑗2
𝑅𝑖𝑅𝑗
𝑖,𝑗
(Ec. 3.16)
Capítulo 2 43
Donde ε es la constante dieléctrica, qi es la carga parcial atómica de la partícula i, rij es la
distancia entre partículas, Ri es el efecto Born en el radio del átomo i, y γ es una constante
empírica que generalmente tiene el valor ¼.
Cuando se emplea el método MM/PB(GB)SA para calcular la energía libre de la interacción
proteína-ligando, la conformación de la proteína, el ligando y el complejo se generan a
partir de simulaciones de DM utilizando solvente explícito. [92]
44 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
4. Objetivos
Objetivo general:
Identificar potenciales inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp., a través de la caracterización de las interacciones proteína-ligando por
métodos computacionales.
Objetivos específicos:
1. Priorizar complejos de alta afinidad DHODH-compuesto a partir de los resultados
de docking molecular.
2. Refinar interacciones moleculares de los compuestos contra la DHODH de
Leishmania spp. para el filtro de las mejores moléculas a través de la predicción de
energías de unión por Dinámica Molecular.
3. Determinar los mejores complejos de alta afinidad a partir del cálculo de la energía
libre de unión por medio MM/PBSA.
Capítulo 2 45
5. Materiales y Métodos
Selección de complejos DHODH-compuesto de alta afinidad
A partir del docking molecular entre la enzima DHODH y su sustrato natural, el
dihidroorotato (DHO) se determinó el punto de corte del score para la selección de ligandos
de alta afinidad. Se realizó un docking masivo contra la proteína DHODH de Leishmania
major, cuyo cristal fue obtenido del Protein Data Bank con código 3TQ0, empleando el
servidor Drug Discovery TACC del centro de computo avanzado de Texas, el cual contiene
una librería de 642000 compuestos sintéticos extraída de la base de datos ZINC, la cual
solo contiene compuestos comercialmente disponibles. En el TACC se subió el archivo
pdbqt de la proteína el cual fue preparado en autodockTools. Utilizando los mejores
resultados según el cálculo energético dado por autodock-vina el cual emplea este servidor
con un error estándar de 2.75 Kcal/mol [17] y teniendo en cuenta la energía obtenida para
el sustrato natural, se seleccionaron las mejores moléculas dadas por el docking. Con el
fin de validar el programa se realizó una comparación estructural del cristal 3GZ3 el cual
contiene ORO con el resultado del docking para el DHO. Las mejores interacciones de los
complejos seleccionados generadas entre la enzima DHODH y el respectivo compuesto
(con fines de filtrado) se realizaron empleando paquetes como autodock Tools y Pymol.
Topología de los compuestos
Para la simulación por dinámica molecular se generaron las topologías y parámetros de
los compuestos empleando el servidor web ACPYPE [93] el cual se basa en
ANTECHAMBER de Amber. Los compuestos fueron parametrizados con el campo de
fuerza GAFF (Campo de fuerza general de Amber) y las cargas fueron calculadas
empleando AM1-BCC, una aproximación semi-empirica disponible en Antechamber. Para
parametrizar todas las moléculas se cargaron los archivos pdb en el servidor de ACPYPE
46 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
especificando el campo de fuerza y el modelo semi-empirico AM1-BCC, el resultado fueron
los diferentes archivos necesarios para la simulación por dinámica molecular.
Simulación de complejos por Dinámica Molecular
Posterior a la parametrización energética de cada compuesto se tomó el complejo y se
realizaron simulaciones de dinámica molecular en condiciones isobáricas/isotérmicas
empleando el software GROMACS. Como primer paso de la simulación se creó la
topología de la proteína con el campo de fuerza AMBER99SB, posterior a esto se generó
el archivo que contenía el complejo proteína-ligando y se unieron las topologías de la
proteína, inhibidor y FMN. A partir de estos archivos se agregó como solvente al complejo
moléculas de agua en una estructura geometría dodecaedro y se agregaron iones CL y
NA para neutralizar la carga del sistema, generando así sistemas con un promedio de
40000 átomos. Ya con el sistema finalmente construido se verifico que este no presentara
una geometría inapropiada o problemas estéricos, por lo cual se sometió a un proceso de
relajación conocido como minimización energética (ME). Para esto se empleó la
minimización por el método del gradiente en 50000 pasos, para evaluar si la ME fue exitosa
se tuvieron presentes dos factores, el primero fue que el potencial energético fuera
negativo y el segundo que la fuerza máxima no fuera más grande que 1000 KJ mol-1 nm-1.
El siguiente paso fue equilibrar a 310K el solvente y los iones alrededor de la proteína,
manteniendo el número de partículas, volumen y temperatura constante (NVT), proceso
llamado isotérmico-isocórico. Este equilibrio se realizó en 100 ps, utilizando el termostato
modificado de Berendsen (V-rescale), para luego de estabilizar la temperatura del sistema
se procedió a estabilizar la presión y la densidad, el equilibrio se condujo bajo la premicia
NPT (Número de partículas, presión y temperatura son constantes) llamado isotérmico-
isobárico. El equilibrio se realizó en 100 ps a 1.05 bar y una densidad aproximada de 998.3
Kg m-3, empleando el baróstato Parrinello-Rahman. Finalizadas las dos etapas de
equilibrio, estando el sistema a la temperatura y presión adecuadas, se ejecutó una
simulación de dinámica molecular por 50 ns. En los Anexos 1-5 se muestran todos los
archivos mdp los cuales contienen el total de las condiciones de la simulación de los
sistemas en las diferentes etapas de preparación. Las estructuras promediadas en el
Capítulo 2 47
tiempo fueron utilizadas para suministrar correlaciones de MM/PBSA para la estimación
del cambio de energía libre de unión proteína-ligando [34].
Calculo de la energía de unión
A partir de la simulación obtenida por GROMACS se realizó el cálculo de la energía de
unión de los complejos. Este cálculo se realizó por el método Mecánica Molecular/Área de
superficie Poisson-Boltzmann (MM-PBSA). Para esto son necesarios tres archivos
generados en la simulación: el xtc el cual contiene las trayectorias, tpr que contiene la
estructura inicial de la simulación, la topología y todos los parámetros moleculares y ndx
contiene el conjunto de átomos del complejo, a partir de estos archivos se realizaron los
cálculos en el vacío entre la proteína y el ligando, el archivo final contiene la energía de
van der Waals, interacciones electrostáticas y la energía potencial neta de no unión.
También se calculó la energía polar de solvatación para la proteína, los compuestos y el
complejo, y por último se calculó la energía apolar de la proteína, los compuestos y el
complejo. A partir de estos tres cálculos se obtuvo la energía libre de unión empleando el
algoritmo g_mmpbsa [94], [95].
Análisis de datos
A partir de las trayectorias arrojadas por gromacs, se realizaron análisis de la estabilidad
de los complejos por RMSD de los carbonos alfa usando como punto de partida la
estructura inicial, se evaluó la fluctuación de los residuos por RMSF a partir de los carbonos
alfa de cada residuo y el comportamiento de las estructuras secundarias (hélices, laminas-
B y giros) durante los 50 ns de simulación; se determinó la variación de los puentes de
hidrógeno generados entre la proteína y los ligandos graficando el número de estos en
cada punto de la simulación, para esto se tuvo como punto de corte una distancias máxima
48 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
de 3.5 A° y el ángulo entre el donador y el aceptor se restringió a un máximo de 30°, estos
análisis se realizaron empleando GROMACS y GRACE.
6. Resultados
Complejos de alta afinidad por docking molecular
El docking molecular fue realizado en el sitio activo de la enzima (ver Figura 2) y los
parámetros de la caja de simulación fueron: coordenadas x,y,z -43.014, -35.01 y 15.233
respectivamente y un tamaño de 18 x 18 x 18 Ao para cada eje. El docking realizado al
sustrato natural se comparó con el cristal 3GZ3 con el fin de evaluar si el programa y los
parámetros empleados se ajustaban al sistema a trabajar. En la Figura 7 se ve la
comparación estructural donde se aprecia que el docking se ajusta al cristal y el RMSD
calculado es de 0.259. Empleando estos parámetros, el docking molecular se ejecutó en
los servidores de Drug Discovery TACC a partir de una de las librerías de compuestos
sintéticos disponibles en este clúster y que contiene 642.000 compuestos
aproximadamente, proceso cuyo resultado arrojó un ranking con los mejores 1000
compuestos basado en su interacción energética. De estos se tomaron los mejores cinco
compuestos predichos por el docking, cuyas propiedades fisicoquímicas y energías de
unión a la enzima se muestran en la tabla 1, destacándose que cada uno de ellos presenta
teóricamente una mayor afinidad que el sustrato natural. Todos los compuestos cumplen
la regla de Lipinski a pH fisiológico. Los ID de estos se tomaron de la base de datos ZINC,
un repositorio no comercial, de aproximadamente 35 millones de compuestos. Se encontró
que los complejos podían formar varios puentes de hidrogeno dándole estabilidad. En la
Figura 8 se muestra la posición del sustrato natural y de los compuestos 1 al 5 en el sitio
activo evidenciando las posibles interacciones polares que forman.
50 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Figura 7. Comparación estructural del cristal 3GZ3 (café) con el resultado de Autodock vina para
DHO (Azul).
Tabla 1. Los mejores compuestos arrojados por Autodock Vina en el servidor del Drug Discovery
TACC
Compuesto score Ki – nM Átomos Donador H Aceptor H MW (g/mol)
DHO -4,2 - 11 3 6 158,112
Compuesto 1 -7 7944,774495 11 3 6 152,113
Compuesto 2 -6,9 9395,881962 11 2 6 155,089
Compuesto 3 -6,9 9395,881962 11 3 7 157,085
Compuesto 4 -6,8 11112,03318 11 1 5 153,093
Compuesto 5 -6,8 25708,30343 11 1 6 150,121
Capítulo 6 51
Figura 8. Posición en el sitio activo del sustrato y los ligandos, en naranjado se muestran las
interacciones polares, A) DHO, B) Compuesto 1 (CM1), C) Compuesto 2 (CM2), D) Compuesto 3 (CM3), E) Compuesto 4 (CM4), F) Compuesto 5 (CM5).
52 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Estabilidad de los complejos en la simulación
6.2.1 Energía potencial y Temperatura del sistema
Se examinó la estabilidad del complejo durante la simulación, donde inicialmente se evaluó
la energía potencial y la temperatura de los sistemas en función del tiempo; la temperatura
presenta una variación de 10 Kelvin (K) cerca al valor deseado de 310K y la energía
potencial no varía significativamente en el tiempo, asegurando una simulación estable
muestran el comportamiento de ambos parámetros (Figuras 9 y 10).
Figura 9. Comportamiento de la temperatura del sistema durante la simulación, la temperatura
se da en Kelvin a) DHO, b) Compuesto 1, c) Compuesto 2, d) Compuesto 3, e) Compuesto 4, f) Compuesto 5.
Capítulo 6 53
Figura 10. Energía potencial de los diferentes complejos simulados, la energía se da en KJ/mol A)
DHO, B) Compuesto 1, C) Compuesto 2, D) Compuesto 3, E) Compuesto 4, F) Compuesto 5.
54 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
6.2.2 RMSD y RMSF de los complejos
Otro indicador de la estabilidad de los complejos durante la simulación es el RMSD. La
figura 11 muestra el comportamiento del RMSD para cada complejo en función del tiempo.
Para las seis simulaciones el estado inicial se cambia rápidamente, mostrando un aumento
del RMSD de 0,1 a 0,15 nm en los primeros 5 ns. Luego se dá una fluctuación del RMSD
para el complejo DHO-DHODHD entre 0,15 y 0,2 nm, donde se observa una tendencia a
estabilizarse. Sin embargo, para tener seguridad de que el complejo permanecía estable,
se corrió una simulación de 100ns que evidenció que el complejo se mantiene estable de
acuerdo con los valores de RMSD después de los 50ns (ver Anexo 6). Para todos
compuestos se mantiene un RMSD de 0,1 a 0,15 nm excepto por el compuesto 4 que
presenta una variación a los 40 ns que alcanzó un RMSD de 0,175. Estas pequeñas
variaciones en el RMSD para los seis complejos indican simulaciones estables.
Figura 11. Estabilidad de los complejos a partir de RMSD en función del tiempo y RMSF para cada
residuo.
Capítulo 6 55
6.2.3 Comportamiento de la estructura secundaria de DHODH
Evaluar la estabilidad de las diferentes estructuras secundarias da evidencia de la
estabilidad de la proteína cuando interactúa con diferentes ligandos. En la figura 12 se
evalúa el comportamiento de hélices, laminas y giros. Durante la simulación para cada
complejo se evidenció que los cinco compuestos y el DHO no alteran el comportamiento
de las estructuras secundarias de la proetína, por lo cual la estructura proteica se mantuvo
estable durante los 50 ns simulados.
Figura 12. Simulación de la estabilidad de la estructura secundaria de la proteína acomplejada
con el sustrato natural y cada uno de los 5 compuestos. a) DHO; b) Compuesto 1; c) Compuesto 2; d) Compuesto 3; e) Compuesto 4 y f) Compuesto 5.
56 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Interacciones energéticas
6.3.1 Energías de Lennard-Jones y Coulomb
Para comprobar si los diferentes ligandos y el co-factor FMN están unidos de forma estable
a la proteína, se evaluaron las energías de interacción entre los ligandos, la proteína y el
co-factor FMN. En la figura 13 se muestra el comportamiento energético para cada ligando
y la proteína, en la figura 14 se ve el comportamiento de las interacciones del FMN y la
proteína en presencia de los diferentes ligandos y finalmente en la figura 15 se muestra
las interacciones entre los ligandos y el FMN. En su mayoría se observa un
comportamiento estable, exceptuando el complejo con el compuesto 2, que presenta un
comportamiento variable tanto en la energía de Lennard-Jones como para Coulomb.
En la figura 13, CM2 presenta valores cercanos a cero para ambas energías indicando
inestabilidad en la interacción DHODH-CM2. Para el complejo formado con el DHO, se
presenta un cambio a los 5 ns aproximadamente en las energías de Coulomb, pero luego
alcanza una nueva conformación estable que se conserva durante el resto de la
simulación. El compuesto 3 presenta una variación en las energías de Coulomb a los 7.5
ns alcanzando estabilidad, la cual nuevamente entre los 30 y 40 ns presenta variación,
para posteriormente volver a un estado estable.
Para las interacciones FMN-DHODH todos los complejos muestran energías negativas
tanto para Lennar-Jones como para Coulomb. El complejo que interactúa con CM1 tiene
un leve periodo de inestabilidad en la energía Coulomb en el inicio de la simulación
alrededor de los 7.5 ns, alcanzando luego un estado estable que conserva durante toda la
simulación. Para el complejo del DHO se observa un comportamiento similar al CM1 donde
en el inicio de la dinámica muestra inestabilidad de la energía de Coulomb y posterior a los
Capítulo 6 57
10 ns alcanza un estado estable que mantiene durante el resto de la simulación como se
ve en la figura 14.
En las interacciones de los ligandos y el FMN (Figura 15) se ven variaciones para DHO,
CM1, CM2, CM3 y CM4. EN DHO se observa una disminución en la energía coulomb en
los primeros 5 ns después de lo cual conserva interacciones estables, comportamiento
similar al de CM1, aunque este alcanza la estabilidad a los 3 ns. CM3 conserva un
comportamiento estable en Lennerad-Jones hasta los 27 ns donde presenta un aumento
de la energía por 10 ns recuperando estabilidad a los 40 ns y para CM2 ambas energías
presentan un valor de cero hasta los 26 ns donde por un periodo de 10 ns muestra
inestabilidad en ambas energías para posteriormente volver a un valor de cero hasta el
final de la simulación.
Figura 13. Energías no enlazantes entre la proteína y los ligandos, en negro se grafica la energía
de Lennard-Jones y en rojo la de Coulmb, a) DHO, b) Compuesto 1, c) Compuesto 2, d) Compuesto 3, e) Compuesto 4, f) Compuesto 5.
58 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Figura 14. Comportamiento de las energías no enlazantes entre la proteína y el cofactor FMN, en
negro se grafica la energía de Lennard-Jones y en rojo la de Coulmb. a) DHO, b) Compuesto 1, c) Compuesto 2, d) Compuesto 3, e) Compuesto 4, f) Compuesto 5.
Capítulo 6 59
Figura 15. Comportamiento de las energías no enlazantes entre los ligandos y FMN, en negro se
grafica la energía de Lennard-Jones y en rojo la de Coulmb. a) DHO, b) Compuesto 1, c) Compuesto 2, d) Compuesto 3, e) Compuesto 4, f) Compuesto 5.
6.3.2 Puentes de hidrogeno entre DHODH-ligandos
Entender como los ligandos se unen al sitio activo y que tipo de interacciones se dan ayuda
a determinar que compuesto es mejor para ensayos in vitro. La presencia o ausencia de
estos enlaces se infiere por la distancia entre el aceptor y el donador y el ángulo del
Hidrógeno (H). Los grupos OH y NH son donadores mientras que oxígeno (O) y Nitrógeno
(N) aceptores en la formación de los puentes de hidrógeno [96] [62]. El comportamiento de
los puentes de H entre los ligandos y la proteína en la simulación de cada complejo es
representado en la figura 16, donde se puede observar como el DHO inicialmente forma
entre 6 a 8 puentes, y que alrededor de los 5 ns cambia a una conformación donde
mantiene entre 1 y 3 puentes de H (figura 16a). Los compuestos que más puentes de H
forman durante su simulación son CM3 y CM4 (Figuras 16d y figura 16e, respectivamente),
alcanzando puntos de hasta 8 puente de H, sobre todo con CM3. En la mayoría de la
60 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
simulación estos compuestos presentan entre 4 a 6 puentes de H. Por el contrario, el
compuesto CM5 es el que durante la dinámica mantiene un comportamiento más bajo en
el número de puentes de H que forma en promedio 2 (Figura 16f).
Figura 16. Formación de los puentes de hidrógenos de los diferentes complejos, se tomó un punto
cada 100 ps. a) DHO, b) Compuesto 1, c) Compuesto 2, d) Compuesto 3, e) Compuesto 4, f) Compuesto 5
6.3.3 Energía libre de unión por el método PBSA
Por último, se determinó la energía libre de unión de cada ligando con DHODH, para esto
se empleó el método MM/PBSA. La figura 17 muestra el comportamiento de esta energía
en cada paso de la simulación para cada ligando, evidenciando que la menor energía la
presenta el compuesto 4 (Figura 17e) y la mayor energía el compuesto 2 (Figura 17c).
Capítulo 6 61
Figura 17. Calculo de la energía libre de unión para cada ligando durante la simulación de
dinámica molecular. a) DHO, b) Compuesto 1, c) Compuesto 2, d) Compuesto 3, e) Compuesto 4, f) Compuesto 5
En la tabla 2 se muestra el promedio calculado en los 50 ns de simulación de la energía
libre de unión, van der Waals y electrostática, comprobando que durante la simulación CM4
es el ligando más estable energéticamente.
Tabla 2. Energía libre de unión, de van der Waals y electrostática de los ligandos en KJ/mol.
Ligando Energía libre de unión Van der Waals Electrostática
DHO -50.653 +/- 10.188 -78.761 +/- 9.203 -24.736 +/- 10.899
Compuesto 1 -62.805 +/- 7.782 -80.976 +/- 7.070 -13.061 +/- 3.237
Compuesto 2 -36.521 +/- 11.959 -70.587 +/- 11.340 -48.034 +/- 8.962
Compuesto 3 -78.440 +/- 19.947 -88.093 +/- 13.800 -304.333 +/- 51.017
Compuesto 4 -93.180 +/- 15.830 -80.418 +/- 9.838 -325.150 +/- 22.740
Compuesto 5 -55.721 +/- 31.163 -80.870 +/- 28.834 -12.620 +/- 5.968
62 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
A partir del cálculo de las diferentes energías por MM/PBSA, se graficó la contribución de
cada residuo de la enzima a la energía libre de unión. La grafica 18 muestra esta energía
para cada complejo simulado, donde los compuestos CM3 y CM4 (Figuras 18d y 18e),
respectivamente, evidencia que son los compuestos que generan una mayor estabilidad
energética en el sitio activo, ya que la contribución de los residuos en estos son las
menores, alcanzando valores de – 31 KJ/mol.
Interacciones especificas
A partir de las trayectorias generadas para cada complejo se determinó el comportamiento
de los átomos que podían formar interacciones de los compuestos con respecto a átomos
Figura 18. Contribución energética de cada residuo a la energía libre de unión con el ligando. a)
DHO, b) Compuesto 1, c) Compuesto 2, d) Compuesto 3, e) Compuesto 4, f) Compuesto 5.
CM1 CM2
CM3 CM4 CM5
CYS131 PRO132
ASN68
MET70
CYS131
LYS44
MET70
ASN68
LEU72
LYS165
GLU126
ASN68
ASN133
LYS44
LYS165
GLU126
ASN133
CYS131
ASN133
PRO132
CYS131
LYS44
LYS165
GLU126
LEU72
DHO
LEU72
a b c
d e f
Capítulo 6 63
de la proteína. Esto se evaluó mirando la variación en la distancia entre estos átomos,
permitiendo establecer que tan estable puede ser la interacción presentada. Para el CM1
se tomaron 3 átomos, CM2 4 átomos, CM3 1 átomo, CM4 5 átomos y para CM5 4 átomos,
átomos que probablemente podrían formar puentes de hidrogeno, donde el oxígeno es O,
hidrógeno H y nitrógeno N. Las figuras 19 a la 23 muestran la variación en la distancia de
estos átomos.
Figura 19. Distancia entre los residuos ASN68, ASN128, CYS131, ASN133 Y ASN195 a CM1. Se evaluó la distancia entre los residuos y átomos específicos de CM1, las flechas rojas indican que la distancia entre esos átomos es lo suficientemente grande para que no se formen puentes de hidrogeno, las flechas azules indican que la distancia entre esos átomos permitiría la formación de puentes de hidrogeno.
64 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Figura 20. Distancia entre los residuos GLY71, LEU72, ASN128, ASN133 Y ASN195 a CM2. Se evaluó la distancia entre los residuos y átomos específicos de CM2, las flechas rojas indican que la distancia entre esos átomos es lo suficientemente grande para que no se formen puentes de hidrogeno, las flechas azules indican que la distancia entre esos átomos permitiría la formación de puentes de hidrogeno
Capítulo 6 65
Figura 21. Distancia entre los residuos LYS44, GLY71, LEU71, ASN68, ASN128 Y ASN195 a CM3. Se evaluó la distancia entre los residuos y átomos específicos de CM3, las flechas rojas indican que la distancia entre esos átomos es lo suficientemente grande para que no se formen puentes de hidrogeno, las flechas azules indican que la distancia entre esos átomos permitiría la formación de puentes de hidrogeno.
66 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
Figura 22. Distancia entre los residuos LYS44, MET70, GLY71, LEU72, ASN128, CYS131, ASN133 Y ASN195 a CM4. Se evaluó la distancia entre los residuos y átomos específicos de CM4, las flechas rojas indican que la distancia entre esos átomos es lo suficientemente grande para que no se formen puentes de hidrogeno, las flechas azules indican que la distancia entre esos átomos permitiría la formación de puentes de hidrogeno.
Capítulo 6 67
Figura 23. Distancia entre los residuos ASN68, ASN133 Y ASN195 a CM5. Se evaluó la distancia entre los residuos y átomos específicos de CM5, las flechas rojas indican que la distancia entre esos átomos es lo suficientemente grande para que no se formen puentes de hidrogeno, las flechas azules indican que la distancia entre esos átomos permitiría la formación de puentes de hidrogeno.
68 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
7. Discusión
La enzima DHODH cumple un rol importante en la biosíntesis de novo de pirimidinas,
participando en el cuarto paso de esta ruta metabólica, la oxidación mediada de ubiquinona
de dihidroorotato a orotato. Diferentes estudios han mostrado lo crucial de esta proteína
en la supervivencia de los tripanosomas entre ellos Leishmania y Trypanosoma, e incluso
en otros parásitos; en experimentos donde se realizó gen knockout, se observa la perdida
de la capacidad de infección in vitro e in vivo de Trypanosoma cruzi y Plasmodium
falciparum [11], [97]
Dada la importancia o esencialidad de esta proteína en el parasito Leishmania, ésta fue
incluida en un tamizaje masivo de moléculas empleando docking. Los resultados del
docking inicial mostraron que muchas moléculas se unían con unos buenos valores de
energía libre. Sin embargo, aunque el docking ha sido una herramienta importante en el
descubrimiento de muchas moléculas que hoy día se comercializan para el tratamiento de
varias enfermedades [19], [98], [99], se conoce que la función de asignación de puntaje
aún tiene inconvenientes [17]. Por eso en este proyecto se pretendió priorizar o refinar
aún más cuales moléculas de las obtenidas por docking y que se unían a DHODH podrían
tener mejor energía de unión empleando mecánica molecular para ser evaluadas en
ensayos in vitro e in vivo. El docking en nuestro caso se corrió manteniendo el cofactor
FMN, en el sitio activo ya que este es necesario para la reacción en condiciones biológicas
[32] [10]. Debido a que el cristal de la proteína traía el cofactor, se procedió a preparar la
estructura de la proteína para el docking sin eliminar este cofactor. Esto ayudo a buscar
un inhibidor más específico para esta proteína ya que solo un limitado grupo de ligandos
con estructura similar a pirimidinas o purinas es capaz de entrar al sitio activo [10], [32].
Con base en los valores de energía de unión se seleccionaron los mejores ligandos, los
cuales tienen un peso molecular bajo y estructuras similares a las pirimidinas y purinas
(Figura 8). La energía calculada por Autodock Vina para el sustrato natural, el DHO, fue
de -4.2 Kcal/mol y esta se usó como referente para el filtro de los compuestos. Los
compuestos obtuvieron energía más negativa que el sustrato (Tabla 1) indicando una
Capítulo 6 69
mayor afinidad por la enzima, haciéndolos buenos candidatos para competir por el sitio
activo e inhibir la actividad enzimática de la DHODH.
Con el fin de asegurar un buen cálculo de la energía libre de unión entre los ligandos y la
proteína se evaluó la estabilidad de la simulación. Para asegurar que el sistema presentaba
una buena estabilidad se evaluaron varios parámetros como la energía potencial y
temperatura del sistema, el comportamiento de las estructuras secundarias durante la
simulación, el RMSD y RMSF, normalmente empleados en estos análisis [68]. La energía
potencial fue graficada para cada complejo en función del tiempo y como se muestra en la
figura 10, esta no varía significativamente para ninguno de los complejos. La temperatura
del sistema se estableció a 310K para la simulación, y se observó una variación de +/- 5 K
siendo una fluctuación mínima durante la dinámica molecular como se observa en la figura
9. Ambas mediciones presentaron un comportamiento deseable para el sistema,
asegurando inicialmente una simulación estable de los complejos, lo cual permite
establecer las condiciones iniciales adecuadas para el sistema en el procesos de
simulación[19], [88].
Antes de proceder con los análisis de interacción proteína-ligando se realizaron medidas
de estabilidad del sistema durante la simulación, que permitieron una depuración más
eficiente de los datos obtenidos para los complejos [68]. Como indicador de la estabilidad
de la proteína durante la dinámica molecular se evaluó el RMSD y RMSF en función del
tiempo (Figura 11). El RMSD en los seis complejos deja el estado inicial rápidamente
viéndose un aumento entre 0,1 a 0,125 nm para todos los complejos en los primeros 2 ns.
La conformación para el complejo con DHO es el que más variación presenta con un
comportamiento ente 0,15 a 0,2 nm, aunque simulación hasta los 100ns mostró que la
interacción de la DHO con la proteína se estabilizó. Para los cinco complejos, DHODH-
compuestos, el comportamiento fluctuó entre 0,1 y 0,15 nm con un incremento a los 40 ns
por encima de 0,15 nm para el complejo 4. Sin embargo, estas variaciones son mínimas e
indican que la proteína se mantiene estable durante la dinámica molecular con los
diferentes ligandos, lo cual indica que los complejos formados no se disocian durante la
simulación, mostrando una alta afinidad de los ligandos en el sitio activo, como sea
verificado en diferentes estudios de simulaciones proteína-ligando [100], [101].
70 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
La figura 11b muestra la flexibilidad de cada residuo durante los 50 ns simulados, indicando
cuales presentan un mayor desplazamiento. La mayor flexibilidad la presentan los residuos
del 50 a 60, 100 a 110, 130 a 140 y del 200 al 210. Esto concuerda con los resultados
mostrados en la figura 24, donde se puede observar que estas regiones son poco
estructuradas en la proteína, explicando este desplazamiento en estos residuos, como se
ha mencionado en estudios relacionados a proteínas con regiones poco estructuradas,
donde estas muestran una mayor tasa de desplazamiento durante la simulación [101]. Dos
de estas zonas flexibles contienen residuos que interactúan en el sitio activo con los
ligandos, lo cual puede estar asociado a variaciones energéticas en algunos complejos.
Aunque se presentan regiones flexibles, la enzima muestra un comportamiento estable de
los residuos en la dinámica molecular para cada complejo.
Figura 24. Comparación del RMSF con la estructura proteica, evidenciando que las regiones más
flexibles pertenecen a zonas no estructuradas de la enzima.
Capítulo 6 71
A partir de las interacciones de Lennard-Jones (LJ) y Coulomb se evaluó la estabilidad
energética entre los ligandos, la proteína y el FMN, lo cual permitió realizar optimizaciones
en los ligandos mejorando su capacidad inhibidora como se mostró en la búsqueda de
inhibidores para CDK2 [102]. Las figuras 13, 14 y 15 muestran que el total de las energías
fueron negativas con fluctuaciones en algunos casos. La energía coulombica es más
negativa para los complejos CM3 y CM4 figura 13 (d, e) respectivamente, indicando que
estos ligandos están más cerca de los residuos del sitio activo, aunque para CM3 se ven
fluctuaciones que pueden darse debido a la movilidad que presenta el residuo ASN133
como se ve en la figura 17a. Para CM4 la variación solo se presenta al inicio de la
simulación, lo puede sercausado por el residuo Lys44 al moverse a una nueva
configuración estable, residuo que ha mostrado ser importante en las interacciones de
ligandos con DHODH [10]. Para el DHO la energía coulomb inicia siendo más negativa que
LJ perdiendo energía de interacción a los 5 ns de la simulación (figura 13A), posiblemente
debido al residuo Cys131 que cambia su conformación alejándose de DHO, y se conserva
durante el resto de la simulación. CM2 presenta las interacciones más inestables ya que
durante la mayoría de la simulación tanto la energía de Lennard-Jones y Coulomb se
mantienen muy cerca a cero y de los 35 a 40 ns son cero, esto puede darse a causa de
que los residuos Met70, Cys131 y Asn133 se alejan de CM2, indicando que las
fluctuaciones en estos residuos generan inestabilidad en las interacciones. Para CM1 y
CM5 no hay fluctuaciones significativas mostrando que las interacciones en el sitio activo
se mantienen estables durante la simulación.
La Figura 14 muestra el comportamiento de las energías entre el FMN y la proteína en
presencia de los diferentes ligandos. La fluctuación en los primeros 7 ns del FMN en
complejo con CM1 (Figura 14b) puede deberse a los cambios geométricos que presentaron
los residuos MET70, SER45, THR273 y TYR59. Para el CM4 la fluctuación se presenta
después de los 5 ns (Figura 14e); este cambio energético puede darse a causa de una
reorganización del ligando en el sitio activo cambiando las interacciones con la Ser100 y
la Cys131 a un nuevo estado geométrico estable.
72 Búsqueda de compuestos inhibidores de la enzima dihidroorotato deshidrogenasa de
Leishmania spp a través de estrategias de mecánica molecular.
En la figura 15 se ve el comportamiento energético de la interacción de los ligandos con el
co-factor FMN, donde la interacción más inestable la presenta el CM2, la cual durante la
mayoría de la simulación toma valores energéticos de cero, comportamiento que es debido
probablemente a la distancia entre las dos moléculas, la cual es suficiente para que no se
generen interacciones energéticas entre ellas, aunque por un corto periodo de tiempo
(entre los 26 y 36 ns) se logran acercar mostrando una interacción inestable que se pierde
antes de los 40 ns, volviendo a la configuración inicial. CM3 y FMN muestra una fluctuación
en su interacción energética entre los 30 y 36 ns, esto debido a que el compuesto se mueve
alejándose del FMN haciendo que se pierdan interacciones entre ellos.
Como parte del análisis de las diferentes interacciones entre el ligando y la proteína se
evaluó el comportamiento de los puentes de hidrogeno formados entre estos. Como se
observa en la figura 16, los diferentes ligandos presentan variaciones en el número de
puentes que forman con la proteína. El CM4 es el compuesto con más interacciones a lo
largo de la simulación, mientras que los que menos presentan son el DHO, CM1 y el CM5
como se ve en la figura 16a, 16b y 16f, respectivamente. Este comportamiento en estas
interacciones ayuda a explicar las variaciones de las energías no enlazantes, ya que en
los tres últimos ligandos mencionados antes los valores energéticos son los más altos,
comportamiento similar al mostrado en otros estudios de DHODH, donde los ligandos que
interactúan por medio de puentes de hidrógeno con los residuos principales en el sitio
activo, dan una mayor estabilidad a los complejos [10], [44]. El CM3 muestra una
disminución entre los 30 y 40 ns, lo cual lo explica la variación que se presenta en la
energía de coulomb (Figura 13d). CM2 a pesar de las inestables interacciones no
enlazantes mencionadas anteriormente mantiene en la mayoría de la simulación entre 3 a
4 puentes de hidrógeno.
A partir de las trayectorias de los complejos se realizó un análisis de la estabilidad en las
interacciones entre los átomos de los compuestos con residuos específicos de la proteína,
lo cual permitió dar una visión más específica del comportamiento y estabilidad estructural
de estos en el sitio activo. Las figuras 19 a la 23 muestran este análisis para cada
compuesto, evidenciando la importancia de los residuos N68, N133 N195 y K44, ya que la
Capítulo 6 73
mayoría de los compuestos interactúan con ellos, mostrando estabilidad en la distancia a
lo largo de la simulación, residuos que ademas han sido reportados como relevantes en la
búsqueda y diseño de inhibidores para DHODH en Leishmania [10]. Estos resultados
permitiran proponer modificaciones en los diferentes compuestos con el fin de optimizar su
interacción en el sitio activo, para volverlos más afines a la enzima y así obtener una mayor
capacidad inhibidora. Estas modificaciones que se pueden realizar en los compuestos no
solo se limitan a estos cuatro residuos ya que el sitio activo dispone de otros residuos como
L72, N128, C131 y G71 que permiten optimizar la capacidad inhibidora de estos [10], [32].
Finalmente, se implementó la metodología MM/PBSA a las trayectorias arrojadas por la
dinámica molecular para calcular la energía libre de unión de los diferentes complejos, y
predecir cuál de los compuestos tiene mejor interacción con DHODH. Esta metodología ha
permitido realizar un cálculo más preciso en las interacciones proteína-ligando en la
búsqueda de inhibidores contra otros agentes infecciosos como Plasmodium falciparum
[99]. Las energías predichas por esta metodología muestran discordancia en el rango dado
por el docking, comparando los compuestos con el DHO. Como se ve en la tabla 2, el
compuesto con mejor energía es el CM4 con un valor de -93.180 KJ/mol y el único que
presenta una energía mayor al DHO (-50.653 KJ/mol) es el CM2 con -36.521 KJ/mol. Como
muestra la figura 17e, CM4 presenta la mayor contribución energética entre los residuos
del sitio activo y el compuesto, lo que explica la alta afinidad de este por DHODH y lo hace
un buen candidato para el diseño de un inhibidor. Por el contrario, de los cinco compuestos
evaluados, CM2 que es el que mayor energía presenta (figura 17c), es el compuesto con
menos interacciones favorables con el sitio activo, haciéndolo el menos indicado para
evaluarlo como un potencial inhibidor de la DHODH.
Esta metodología permitió generar un nuevo ranking entre los ligandos, lo cual aumenta la
probabilidad de éxito en la búsqueda de inhibidores, como se ha visto en otros estudios en
diferentes sistemas [103][104][105][106][107].
8. Conclusiones
A partir de la metodología implementada en esta tesis se logró estudiar las interacciones
generadas entre los ligandos y DHODH junto al cofactor FMN. Esto generó un ranking de
los compuestos del más efectivo al menos efectivo: CM4 > CM3 > CM1 > CM5 > CM2,
permitiendo determinar que de los cinco complejos estudiados solo el ligando CM2 no
mostró una afinidad favorable descartándolo como potencial inhibidor. Por el contrario CM4
es el compuesto con mejor comportamiento energético en el sitio activo haciéndolo viable
para el diseño de un nuevo inhibidor. Este estudio también logro identificar los residuos
más relevantes en el sitio activo, lo cual amplía las posibilidades de diseñar nuevos
inhibidores más efectivos para esta enzima la cual es esencial para la supervivencia del
parasito.
9. sugerencias
Como proyecciones de este trabajo se sugiere realizar simulaciones de permeabilidad de
las moléculas. También realizar simulaciones de dinámica molecular y MM/PBSA a más
compuestos de los arrojados por el servidor TACC. Con el fin de validar los resultados acá
obtenidos se sugiere evaluar in vitro los cinco compuesto como potenciales inhibidores de
DHODH.
10. Bibliografía
[1] E. K. Elmahallawy et al., “Diagnosis of leishmaniasis,” J. Infect. Dev. Ctries., vol. 8,
no. 8, pp. 961–972, 2014.
[2] P. Mitropoulos, P. Konidas, and M. Durkin-Konidas, “New World cutaneous
leishmaniasis: Updated review of current and future diagnosis and treatment,” J.
Am. Acad. Dermatol., vol. 63, no. 2, pp. 309–322, 2010.
[3] P. Zambrano and M. Mercado, “Leishmaniasis,” Protoc. Vigil. en Salud Pública -
INS, pp. 1–29, 2014.
[4] C. del P. Zambrano Hernandez et al., “Brote urbano de leishmaniasis visceral en
Neiva (Huila), 2012,” Rev. Salud Pública, vol. 17, no. 4, pp. 514–527, 2015.
[5] T. P. C. Dorlo, M. Balasegaram, J. H. Beijnen, and P. J. de Vries, “Miltefosine: a
review of its pharmacology and therapeutic efficacy in the treatment of
leishmaniasis,” J. Antimicrob. Chemother., vol. 67, no. 11, pp. 2576–2597, 2012.
[6] A. F. Flórez et al., “Protein network prediction and topological analysis in
Leishmania major as a tool for drug target selection.,” BMC Bioinformatics, vol. 11,
no. 1, p. 484, 2010.
[7] R. Nagill and S. Kaur, “Vaccine candidates for leishmaniasis: A review,” Int.
Immunopharmacol., vol. 11, no. 10, pp. 1464–1488, 2011.
[8] P. J. Rosenthal, “Antimalarial drug discovery: old and new approaches,” J. Exp.
Biol., vol. 206, no. 21, pp. 3735–3744, 2003.
[9] K. Jain and N. K. Jain, “Novel therapeutic strategies for treatment of visceral
leishmaniasis,” Drug Discov. Today, vol. 18, no. 23–24, pp. 1272–1281, 2013.
[10] J. Cheleski et al., “Novel insights for dihydroorotate dehydrogenase class 1A
inhibitors discovery,” Eur. J. Med. Chem., vol. 45, no. 12, pp. 5899–5909, 2010.
[11] M. P. Pinheiro, F. da S. Emery, and M. C. Nonato, “Target sites for the design of
anti-trypanosomatid drugs based on the structure of dihydroorotate
dehydrogenase.,” Curr. Pharm. Des., vol. 19, no. 14, pp. 2615–2627, 2013.
[12] A. K. Chavali, J. D. Whittemore, J. A. Eddy, K. T. Williams, and J. A. Papin,
78 Título de la tesis o trabajo de investigación
“Systems analysis of metabolism in the pathogenic trypanosomatid Leishmania
major,” Mol. Syst. Biol., vol. 4, no. 177, p. 177, 2008.
[13] M. A. Doyle, R. B. Gasser, B. J. Woodcroft, R. S. Hall, and S. A. Ralph, “Drug
target prediction and prioritization: Using orthology to predict essentiality in parasite
genomes,” BMC Genomics, vol. 11, no. 1, 2010.
[14] C. A. M??ndez-Cuesta, O. M??ndez-Lucio, and R. Castillo, “Homology modeling,
docking and molecular dynamics of the Leishmania mexicana arginase: A
description of the catalytic site useful for drug design,” J. Mol. Graph. Model., vol.
38, pp. 50–59, 2012.
[15] H. Kitano, “Computational systems biology,” Nature, vol. 420, no. 6912, pp. 206–
210, 2002.
[16] and M. C. Xuan-Yu Meng, Hong-Xing Zhang, Mihaly Mezei, “Molecular Docking: A
powerful approach for structure-based drug discovery,” vol. 7, no. 2, pp. 146–157,
2011.
[17] O. Trott and A. Olson, “AutoDock Vina: improving the speed and accuracy of
docking with a new scoring function, efficient optimization and multithreading,” J.
Comput. Chem., vol. 31, no. 2, pp. 455–461, 2010.
[18] R. Gherib, H. M. Dokainish, and J. W. Gauld, “Multi-scale computational
enzymology: Enhancing our understanding of enzymatic catalysis,” Int. J. Mol. Sci.,
vol. 15, no. 1, pp. 401–422, 2013.
[19] J. D. Durrant and J. A. McCammon, “Molecular dynamics simulations and drug
discovery,” BMC Biol., vol. 9, no. 00, pp. 1–15, 2011.
[20] L. Sanchez-Saldaña et al., “L Eishmaniasis,” Dermatologia Peru., vol. 14, no. 2, pp.
82–98, 2004.
[21] J. M. Ríos Yuil and O. Sousa, “Inmunología en la infección por Leishmania.
Conceptos actuales,” Rev. med. cient., vol. 23, no. 1, pp. 19–31, 2010.
[22] D. Pace, “Leishmaniasis,” J. Infect., vol. 69, no. S1, pp. S10–S18, 2014.
[23] M. Olivier, D. J. Gregory, and G. Forget, “Subversion Mechanisms by Which
Leishmania Parasites Can Escape the Host Immune Response : a Signaling Point
of View Subversion Mechanisms by Which Leishmania Parasites Can Escape the
Host Immune Response : a Signaling Point of View,” Clin. Microbiol. Rev., vol. 18,
no. 2, pp. 293–305, 2005.
[24] P. Desjeux, “Leishmaniasis: Current situation and new perspectives,” Comp.
Bibliografía 79
Immunol. Microbiol. Infect. Dis., vol. 27, no. 5, pp. 305–318, 2004.
[25] S. Singh and R. Sivakumar, “Challenges and new discoveries in the treatment of
leishmaniasis,” J. Infect. Chemother., vol. 10, no. 6, pp. 307–315, 2004.
[26] S. L. Croft and G. H. Coombs, “Leishmaniasis - Current chemotherapy and recent
advances in the search for novel drugs,” Trends Parasitol., vol. 19, no. 11, pp.
502–508, 2003.
[27] O. L. S. Almeida and J. B. Santos, “Advances in the treatment of cutaneous
leishmaniasis in the new world in the last ten years: a systematic literature review,”
An. Bras. Dermatol., vol. 86, no. 3, pp. 497–506, 2011.
[28] L. Lopez, M. Robayo, M. Vargas, and I. D. Velez, “Thermotherapy. An alternative
for the treatment of American cutaneous leishmaniasis.,” Trials, vol. 13, no. Ml, p.
58, 2012.
[29] J. A. Cardona-Arias, I. Darío Vélez, and L. López-Carvajal, “Efficacy of
thermotherapy to treat cutaneous leishmaniasis: A meta-analysis of controlled
clinical trials,” PLoS One, vol. 10, no. 5, pp. 1–15, 2015.
[30] F. Handjani, “Interleukin-10 and Interferon-γ Levels in Patients with Cutaneous
Leishmaniasis Treated with Cryotherapy,” vol. 42, no. 5, 2017.
[31] M. M. Parvizi et al., “Efficacy of cryotherapy plus topical Juniperus excelsa M. Bieb
cream versus cryotherapy plus placebo in the treatment of Old World cutaneous
leishmaniasis: A triple-blind randomized controlled clinical trial,” PLoS Negl. Trop.
Dis., vol. 11, no. 10, pp. 1–23, 2017.
[32] R. A. G. Reis, F. A. Calil, P. R. Feliciano, M. P. Pinheiro, and M. C. Nonato, “The
dihydroorotate dehydrogenases: Past and present,” Arch. Biochem. Biophys., vol.
632, pp. 175–191, 2017.
[33] B. Y. Richard, “Pyrimidine biosynthesis I,” vol. 3, no. 1, p. 52, 1992.
[34] L. I and K. A., “Enzymic synthesis and breakdown of a pyrimidine, orotic acid. I.
Dihydro-orotic dehydrogenase,” vol. 12, pp. 223–234, 1953.
[35] W. H. Taylor and G. D. Novelli, “Enzymes of the Pyrimidine Pathway in Escherichia
Coli. I. Synthesis By Cells and Spheroplasts.,” J. Bacteriol., vol. 88, no. 1, pp. 99–
104, 1964.
[36] R. L. Fagan, M. N. Nelson, P. M. Pagano, and B. A. Palfey, “Mechanism of flavin
reduction in class 2 dihydroorotate dehydrogenases,” Biochemistry, vol. 45, no. 50,
pp. 14926–14932, 2006.
80 Título de la tesis o trabajo de investigación
[37] M. Nagy, F. Lacroute, and D. Thomas, “Divergent evolution of pyrimidine
biosynthesis between anaerobic and aerobic yeasts.,” Proc. Natl. Acad. Sci. U. S.
A., vol. 89, no. October, pp. 8966–8970, 1992.
[38] M. E. Jones, “Pyrimidine nucleotide biosynthesis in animals: genes, enzymes, and
regulation of ump biosynthesis,” Ann. Rev. Biochem., vol. 49, pp. 253–79, 1980.
[39] R. L. Fagan, K. F. Jensen, O. Björnberg, and B. A. Palfey, “Mechanism of flavin
reduction in the class 1A dihydroorotate dehydrogenase from Lactococcus lactis,”
Biochemistry, vol. 46, no. 13, pp. 4028–4036, 2007.
[40] R. L. Fagan and B. A. Palfey, “Roles in binding and chemistry for conserved active
site residues in the class 2 dihydroorotate dehydrogenase from Escherichia coli,”
Biochemistry, vol. 48, no. 30, pp. 7169–7178, 2009.
[41] S. Liu, E. a Neidhardt, T. H. Grossman, T. Ocain, and J. Clardy, “Structures of
human dihydroorotate dehydrogenase in complex with antiproliferative agents.,”
Structure, vol. 8, no. 1, pp. 25–33, 2000.
[42] B. A. Palfey, O. Björnberg, and K. F. Jensen, “Insight into the chemistry of flavin
reduction and oxidation in Escherichia coli dihydroorotate dehydrogenase obtained
by rapid reaction studies,” Biochemistry, vol. 40, no. 14, pp. 4381–4390, 2001.
[43] P. Rowland, S. Nørager, K. F. Jensen, and S. Larsen, “Structure of dihydroorotate
dehydrogenase B: Electron transfer between two flavin groups bridged by an iron-
sulphur cluster,” Structure, vol. 8, no. 12, pp. 1227–1238, 2000.
[44] R. A. G. Reis, P. Ferreira, M. Medina, and M. C. Nonato, “The mechanistic study of
Leishmania major dihydro-orotate dehydrogenase based on steady- and pre-
steady-state kinetic analysis,” Biochem. J., vol. 473, no. 5, pp. 651–660, 2016.
[45] D. K. Inaoka et al., “Structures of Trypanosoma cruzi dihydroorotate
dehydrogenase complexed with substrates and products: Atomic resolution
insights into mechanisms of dihydroorotate oxidation and fumarate reduction,”
Biochemistry, vol. 47, no. 41, pp. 10881–10891, 2008.
[46] O. Björnberg, D. B. Jordan, B. A. Palfey, and K. F. Jensen, “Dihydrooxonate is a
substrate of dihydroorotate dehydrogenase (DHOD) providing evidence for
involvement of cysteine and serine residues in base catalysis,” Arch. Biochem.
Biophys., vol. 391, no. 2, pp. 286–294, 2001.
[47] V. Hines and M. Johnston, “Mechanistic studies on the bovine liver mitochondrial
dihydroorotate dehydrogenase using kinetic deuterium isotope effects,”
Bibliografía 81
Biochemistry, vol. 28, no. 3, pp. 1227–34, 1989.
[48] P. Rowland, O. Bjornberg, F. S. Nielsen, K. a J. F. Jensen, and S. Larsen, “The
crystal structure of Lactococcus Zactis dihydroorotate dehydrogenase A complexed
with the enzyme reaction product throws light on its enzymatic function,” Protein
Sci., vol. 7, pp. 1269–1279, 1998.
[49] M. Hansen et al., “Inhibitor binding in a class 2 dihydroorotate dehydrogenase
causes variations in the membrane-associated N-terminal domain.,” Protein Sci.,
vol. 13, no. 4, pp. 1031–1042, 2004.
[50] D. E. Hurt, J. Widom, and J. Clardy, “Structure of Plasmodium falciparum
dihydroorotate dehydrogenase with a bound inhibitor,” Acta Crystallogr. Sect. D
Biol. Crystallogr., vol. 62, no. 3, pp. 312–323, 2006.
[51] P. R. Feliciano, A. T. Cordeiro, A. J. Costa-Filho, and M. C. Nonato, “Cloning,
expression, purification, and characterization of Leishmania major dihydroorotate
dehydrogenase,” Protein Expr. Purif., vol. 48, no. 1, pp. 98–103, 2006.
[52] J. Shi, J. Dertouzos, A. Gafni, D. Steel, and B. A. Palfey, “Single-molecule kinetics
reveals signatures of half-sites reactivity in dihydroorotate dehydrogenase A
catalysis.,” Proc. Natl. Acad. Sci. U. S. A., vol. 103, no. 15, pp. 5775–80, 2006.
[53] S. Nørager et al., “Lactococcus lactis dihydroorotate dehydrogenase A mutants
reveal important facets of the enzymatic function,” J. Biol. Chem., vol. 278, no. 31,
pp. 28812–28822, 2003.
[54] S. Nørager, M. B. Ottosen, O. Bjo, S. Larsen, B. A. Palfey, and K. A. J. F. Jensen,
“The dimeric dihydroorotate dehydrogenase A from Lactococcus lactis dissociates
reversibly into inactive monomers METTE,” Protein Sci., vol. 11, pp. 1–9, 2002.
[55] A. T. Cordeiro, P. R. Feliciano, M. P. Pinheiro, and M. C. Nonato, “Crystal structure
of dihydroorotate dehydrogenase from Leishmania major,” Biochimie, vol. 94, no.
8, pp. 1739–1748, 2012.
[56] N. S. Pagadala, K. Syed, and J. Tuszynski, “Software for molecular docking: a
review,” Biophys. Rev., vol. 9, no. 2, pp. 91–102, 2017.
[57] X. Du et al., “Insights into Protein–Ligand Interactions: Mechanisms, Models, and
Methods,” Int. J. Mol. Sci., vol. 17, no. 2, p. 144, 2016.
[58] C. M. Venkatachalam, X. Jiang, T. Oldfield, and M. Waldman, “LigandFit: A novel
method for the shape-directed rapid docking of ligands to protein active sites,” J.
Mol. Graph. Model., vol. 21, no. 4, pp. 289–307, 2003.
82 Título de la tesis o trabajo de investigación
[59] G. Morris and R. Huey, “AutoDock4 and AutoDockTools4: Automated docking with
selective receptor flexibility,” J. …, vol. 30, no. 16, pp. 2785–2791, 2009.
[60] G. Jones, P. Willett, R. C. Glen, A. R. Leach, and R. Taylor, “Development and
validation of a genetic algorithm for flexible docking 1 1Edited by F. E. Cohen,” J.
Mol. Biol., vol. 267, no. 3, pp. 727–748, 1997.
[61] R. A. Friesner et al., “Glide: A New Approach for Rapid, Accurate Docking and
Scoring. 1. Method and Assessment of Docking Accuracy,” J. Med. Chem., vol. 47,
no. 7, pp. 1739–1749, 2004.
[62] G. Kuang, Theoretical Studies of Protein-Ligand Interactions. 2016.
[63] M. D. Eldridge, C. W. Murray, T. R. Auton, G. V Paolini, and R. P. Mee, “Empirical
scoring functions: I. The development of a fast empirical scoring function to
estimate the binding affinity of ligands in receptor complexes.,” J. Comput. Aided.
Mol. Des., vol. 11, no. 5, pp. 425–445, 1997.
[64] D. S. G. Ruth Huey, Garrett M. Morris, Arthur J. Olson, “Software News and
Update A Semiempirical Free Energy Force Field with Charge-Based Desolvation,”
J. Comput. Chem., vol. 28, no. 1, pp. 73–86, 2009.
[65] D. Press, “Molecular dynamics simulations : advances and applications,” pp. 37–
47, 2015.
[66] H. J. C. Berendsen, D. van der Spoel, and R. van Drunen, “GROMACS: A
message-passing parallel molecular dynamics implementation,” Comput. Phys.
Commun., vol. 91, no. 1–3, pp. 43–56, 1995.
[67] S. Pronk et al., “GROMACS 4.5: A high-throughput and highly parallel open source
molecular simulation toolkit,” Bioinformatics, vol. 29, no. 7, pp. 845–854, 2013.
[68] M. J. Abraham et al., “Gromacs: High performance molecular simulations through
multi-level parallelism from laptops to supercomputers,” SoftwareX, vol. 1–2, pp.
19–25, 2015.
[69] J. Ponder and D. Case, “Force Fields for Protein Simulations BT - Protein
Simulations,” Protein Simulations, vol. 66, pp. 27–85, 2003.
[70] B. R. Brooks, R. E. Bruccoleri, B. D. Olafson, D. J. States, S. Swaminathan, and M.
Karplus, “CHARMM: A program for macromolecular energy, minimization, and
dynamics calculations,” J. Comput. Chem., vol. 4, no. 2, pp. 187–217, 1983.
[71] S. J. Weiner et al., “A New Force Field for Molecular Mechanical Simulation of
Nucleic Acids and Proteins,” J . Am. Chem. SOC, vol. 106, no. 17, pp. 765–784,
Bibliografía 83
1984.
[72] W. L. Jorgensen and J. Tirado-rives, “The OPLS Potential Functions for Proteins.
Energy Minimizations for Crystals of Cyclic Peptides and Crambin,” J. Am. Chem.
Soc., vol. 110, no. 4, pp. 1657–1666, 1988.
[73] M. Christen et al., “The GROMOS software for biomolecular simulation:
GROMOS05,” J. Comput. Chem., vol. 26, no. 16, pp. 1719–1751, 2005.
[74] D. A. Case et al., “Amber 2017,” Univ. California, San Fr., p. AMBER 2017,
University of California, San Francisc, 2017.
[75] J. Wang, R. M. Wolf, J. W. Caldwell, P. A. Kollman, and D. A. Case, “Development
and testing of a general Amber force field,” J. Comput. Chem., vol. 25, no. 9, pp.
1157–1174, 2004.
[76] J. Rydzewski, R. Jakubowski, W. Nowak, J. Rydzewski, R. Jakubowski, and W.
Nowak, “Communication : Entropic measure to prevent energy over-minimization in
molecular dynamics simulations Communication : Entropic measure to prevent
energy over-minimization in molecular dynamics simulations,” vol. 171103, 2015.
[77] A. C. Z. Richard H. Byrd, Peihuang Lu, Jorge Nocedal, “A limited memory algorithm
for bound constrained optimization,” Soc. Ind. Appl. Math., vol. 16, no. 5, pp. 1190–
1208, 1995.
[78] H. J. C. Berendsen, J. P. M. Postma, W. F. Van Gunsteren, A. Dinola, and J. R.
Haak, “Molecular dynamics with coupling to an external bath,” J. Chem. Phys., vol.
81, no. 8, pp. 3684–3690, 1984.
[79] G. Bussi, D. Donadio, and M. Parrinello, “Canonical sampling through velocity
rescaling,” J. Chem. Phys., vol. 126, no. 1, 2007.
[80] H. C. Andersen, “Molecular dynamics simulations at constant pressure and/or
temperature,” J. Chem. Phys., vol. 72, no. 4, pp. 2384–2393, 1980.
[81] S. Nosé, “A molecular dynamics method for simulations in the canonical
ensemble,” Mol. Phys., vol. 52, no. 2, pp. 255–268, 1984.
[82] W. G. Hoover, “Canonical dynamics: Equilibrium phase-space distributions,” Phys.
Rev. A, vol. 31, no. 3, pp. 1695–1697, 1985.
[83] M. Parrinello and A. Rahman, “Polymorphic transitions in single crystals: A new
molecular dynamics method,” J. Appl. Phys., vol. 52, no. 12, pp. 7182–7190, 1981.
[84] G. J. Martyna, M. E. Tuckerman, D. J. Tobias, and M. L. Klein, “Molecular Physics:
An International Journal at the Interface Between Chemistry and Physics Explicit
84 Título de la tesis o trabajo de investigación
reversible integrators for extended systems dynamics Explicit reversible integrators
for extended systems dynamics,” Mol. Phys. An Int. J. Interface Between Chem.
Phys. Mol. Phys., vol. 87, no. 5, pp. 1117–1157, 1996.
[85] E. P. P, “Evaluation of optical and electrostatic lattice potentials,” vol. 64, pp. 253–
287, 1921.
[86] T. Darden, D. York, and L. Pedersen, “Particle mesh Ewald: An N·log(N) method
for Ewald sums in large systems,” J. Chem. Phys., vol. 98, no. 12, pp. 10089–
10092, 1993.
[87] H. J. C. Bereadsea, “The Missing Term In Effectlve Pair Potentlals,” J. Phys.
Chem, vol. I, no. 11, pp. 12–14, 1987.
[88] W. L. Jorgensen, J. Chandrasekhar, J. D. Madura, R. W. Impey, and M. L. Klein,
“Comparison of simple potential functions for simulating liquid water,” J. Chem.
Phys., vol. 79, no. 2, pp. 926–935, 1983.
[89] M. S. Giulio Rastelli, Alberto Del Rio, Gianluca Degliesposti, “Fast and Accurate
Predictions of Binding Free Energies Using MM-PBSA and MM-GBSA,” J. Comput.
Chem., vol. 28, no. 1, pp. 73–86, 2009.
[90] F. Fogolari, A. Brigo, and H. Molinari, “The Poisson-Boltzmann equation for
biomolecular electrostatics: A tool for structural biology,” J. Mol. Recognit., vol. 15,
no. 6, pp. 377–392, 2002.
[91] W. Clark Still, A. Tempczyk, R. C. Hawley, and T. Hendrickson, “Semianalytical
Treatment of Solvation for Molecular Mechanics and Dynamics,” J. Am. Chem.
Soc., vol. 112, no. 16, pp. 6127–6129, 1990.
[92] B. R. Miller, T. D. McGee, J. M. Swails, N. Homeyer, H. Gohlke, and A. E. Roitberg,
“MMPBSA.py: An efficient program for end-state free energy calculations,” J.
Chem. Theory Comput., vol. 8, no. 9, pp. 3314–3321, 2012.
[93] A. W. Sousa and W. F. Vranken, “Open Access ACPYPE - AnteChamber PYthon
Parser interfacE,” pp. 1–8, 2012.
[94] R. Kumari, R. Kumar, A. Lynn, and A. Lynn, “g_mmpbsa —A GROMACS Tool for
High-Throughput MM-PBSA Calculations,” J. Chem. Inf. Model., vol. 54, no. 7, pp.
1951–1962, 2014.
[95] N. A. Baker, D. Sept, S. Joseph, M. J. Holst, and J. A. McCammon, “Electrostatics
of nanosystems: Application to microtubules and the ribosome,” Proc. Natl. Acad.
Sci., vol. 98, no. 18, pp. 10037–10041, 2001.
Bibliografía 85
[96] M. Henzgen, “Characterizing the murine Guanylate Binding Protein 2 by molecular
modeling Characterizing by.”
[97] M. Maetani et al., “Discovery of Antimalarial Azetidine-2-carbonitriles That Inhibit P.
falciparum Dihydroorotate Dehydrogenase,” ACS Med. Chem. Lett., vol. 8, no. 4,
pp. 438–442, 2017.
[98] R. E. Amaro et al., “Ensemble Docking in Drug Discovery,” Biophys. J., vol. 114,
no. 10, pp. 2271–2278, 2018.
[99] M. Thillainayagam, K. Malathi, and S. Ramaiah, “In-Silico molecular docking and
simulation studies on novel chalcone and flavone hybrid derivatives with 1, 2, 3-
triazole linkage as vital inhibitors of Plasmodium falciparum dihydroorotate
dehydrogenase,” J. Biomol. Struct. Dyn., vol. 1102, no. November, pp. 1–17, 2017.
[100] H. Mohamadnejhadi, A. Beiramzadeh, M. Shadman Lakmehsari, K. Khalifeh, and
E. Heshmati, “Temperature dependent dynamics in highly homologous adenylate
kinases,” J. Biomol. Struct. Dyn., vol. 0, no. 0, pp. 1–24, 2018.
[101] M. Pola, S. B. Rajulapati, C. Potla Durthi, R. R. Erva, and M. Bhatia, “In silico
modelling and molecular dynamics simulation studies on L-Asparaginase isolated
from bacterial endophyte of Ocimum tenuiflorum,” Enzyme Microb. Technol., vol.
117, no. June, pp. 32–40, 2018.
[102] V. Bazgier, K. Berka, M. Otyepka, and P. Banáš, “Exponential repulsion improves
structural predictability of molecular docking,” J. Comput. Chem., vol. 028, pp.
2485–2494, 2016.
[103] L. C. Martins, P. H. M. Torres, R. B. de Oliveira, P. G. Pascutti, E. A. Cino, and R.
S. Ferreira, “Investigation of the binding mode of a novel cruzain inhibitor by
docking, molecular dynamics, ab initio and MM/PBSA calculations,” J. Comput.
Aided. Mol. Des., vol. 32, no. 5, pp. 591–605, 2018.
[104] P. Pandey, A. M. Lynn, and P. Bandyopadhyay, “Identification of inhibitors against
α-Isopropylmalate Synthase of Mycobacterium tuberculosis using docking-
MM/PBSA hybrid approach,” Bioinformation, vol. 13, no. 05, pp. 144–148, 2017.
[105] Z. Yang, F. Wu, X. Yuan, L. Zhang, and S. Zhang, “Novel binding patterns between
ganoderic acids and neuraminidase: Insights from docking, molecular dynamics
and MM/PBSA studies,” J. Mol. Graph. Model., vol. 65, pp. 27–34, 2016.
[106] Y. Xu, T. Zhang, and M. Chen, “Combining 3D-QSAR, docking, molecular
dynamics and MM/PBSA methods to predict binding modes for nonsteroidal
86 Título de la tesis o trabajo de investigación
selective modulator to glucocorticoid receptor,” Bioorganic Med. Chem. Lett., vol.
19, no. 2, pp. 393–396, 2009.
[107] S. Genheden and U. Ryde, “The MM/PBSA and MM/GBSA methods to estimate
ligand-binding affinities,” Expert Opin. Drug Discov., vol. 10, no. 5, pp. 449–461,
2015.
Bibliografía 87
10. Anexos
10.1 Anexo 1
; ions.mdp - used as input into grompp to generate ions.tpr
; Parameters describing what to do, when to stop and what to save
integrator = steep ; Algorithm (steep = steepest descent
minimization)
emtol = 1000.0 ; Stop minimization when the maximum force <
1000.0 kJ/mol/nm
emstep = 0.01 ; Energy step size
nsteps = 50000 ; Maximum number of (minimization)
steps to perform
; Parameters describing how to find the neighbors of each atom and
how to calculate the interactions
nstlist = 1 ; Frequency to update the neighbor list
and long range forces
ns_type = grid ; Method to determine neighbor
list (simple, grid)
rlist = 1.0 ; Cut-off for making neighbor list (short
range forces)
coulombtype = PME ; Treatment of long range electrostatic
interactions
rcoulomb = 1.0 ; Short-range electrostatic cut-off
rvdw = 1.0 ; Short-range Van der Waals cut-off
pbc = xyz ; Periodic Boundary Conditions (yes/no)
Parámetros para generar una descripción atómica del sistema y obtener los
archivos necesarios para la simulación.
88 Título de la tesis o trabajo de investigación
10.2 Anexo 2
; minim.mdp - used as input into grompp to generate em.tpr
; Parameters describing what to do, when to stop and what to save
integrator = steep ; Algorithm (steep = steepest descent
minimization)
emtol = 1000.0 ; Stop minimization when the maximum force <
1000.0 kJ/mol/nm
emstep = 0.01 ; Energy step size
nsteps = 50000 ; Maximum number of (minimization)
steps to perform
; Parameters describing how to find the neighbors of each atom and
how to calculate the interactions
nstlist = 1 ; Frequency to update the neighbor list
and long range forces
ns_type = grid ; Method to determine neighbor
list (simple, grid)
rlist = 1.0 ; Cut-off for making neighbor list (short
range forces)
coulombtype = PME ; Treatment of long range electrostatic
interactions
rcoulomb = 1.0 ; Short-range electrostatic cut-off
rvdw = 1.0 ; Short-range Van der Waals cut-off
pbc = xyz ; Periodic Boundary Conditions (yes/no)
Parámetros establecidos para la minimización energética del sistema, empleando
el algoritmo steepest descent.
10.3 Anexo 3
title = termostato
define = -DPOSRES ; position restrain the protein
; Run parameters
integrator = md ; leap-frog integrator
nsteps = 50000 ; 2 * 50000 = 100 ps
dt = 0.002 ; 2 fs
; Output control
nstxout = 100 ; save coordinates every 0.2 ps
nstvout = 100 ; save velocities every 0.2 ps
Bibliografía 89
nstenergy = 100 ; save energies every 0.2 ps
nstlog = 100 ; update log file every 0.2 ps
; Bond parameters
continuation = no ; first dynamics run
constraint_algorithm = lincs ; holonomic constraints
constraints = all-bonds ; all bonds (even heavy atom-H
bonds) constrained
lincs_iter = 1 ; accuracy of LINCS
lincs_order = 4 ; also related to accuracy
; Neighborsearching
ns_type = grid ; search neighboring grid cells
nstlist = 5 ; 10 fs
rlist = 1.0 ; short-range neighborlist cutoff (in nm)
rcoulomb = 1.0 ; short-range electrostatic cutoff (in nm)
rvdw = 1.0 ; short-range van der Waals cutoff (in nm)
; Electrostatics
coulombtype = PME ; Particle Mesh Ewald for long-range
electrostatics
pme_order = 4 ; cubic interpolation
fourierspacing = 0.16 ; grid spacing for FFT
; Temperature coupling is on
tcoupl = V-rescale ; modified Berendsen thermostat
tc-grps = Protein Non-Protein ; two coupling groups - more
accurate
tau_t = 0.1 0.1 ; time constant, in ps
ref_t = 300 300 ; reference temperature, one for each
group, in K
; Pressure coupling is off
pcoupl = no ; no pressure coupling in NVT
; Periodic boundary conditions
pbc = xyz ; 3-D PBC
; Dispersion correction
DispCorr = EnerPres ; account for cut-off vdW scheme
; Velocity generation
gen_vel = yes ; assign velocities from Maxwell
distribution
gen_temp = 300 ; temperature for Maxwell distribution
gen_seed = -1 ; generate a random seed
Parámetros empleados en el acoplamiento de temperatura empleando el
termostato modificado de Berendsen
90 Título de la tesis o trabajo de investigación
10.4 Anexo 4
title = barostato
define = -DPOSRES ; position restrain the protein
; Run parameters
integrator = md ; leap-frog integrator
nsteps = 50000 ; 2 * 50000 = 100 ps
dt = 0.002 ; 2 fs
; Output control
nstxout = 100 ; save coordinates every 0.2 ps
nstvout = 100 ; save velocities every 0.2 ps
nstenergy = 100 ; save energies every 0.2 ps
nstlog = 100 ; update log file every 0.2 ps
; Bond parameters
continuation = yes ; Restarting after NVT
constraint_algorithm = lincs ; holonomic constraints
constraints = all-bonds ; all bonds (even heavy atom-H
bonds) constrained
lincs_iter = 1 ; accuracy of LINCS
lincs_order = 4 ; also related to accuracy
; Neighborsearching
ns_type = grid ; search neighboring grid cells
nstlist = 5 ; 10 fs
rlist = 1.0 ; short-range neighborlist cutoff (in nm)
rcoulomb = 1.0 ; short-range electrostatic cutoff (in nm)
rvdw = 1.0 ; short-range van der Waals cutoff (in nm)
; Electrostatics
coulombtype = PME ; Particle Mesh Ewald for long-range
electrostatics
pme_order = 4 ; cubic interpolation
fourierspacing = 0.16 ; grid spacing for FFT
; Temperature coupling is on
tcoupl = V-rescale ; modified Berendsen thermostat
tc-grps = Protein Non-Protein ; two coupling groups - more
accurate
tau_t = 0.1 0.1 ; time constant, in ps
ref_t = 300 300 ; reference temperature, one for each
group, in K
; Pressure coupling is on
pcoupl = Parrinello-Rahman ; Pressure coupling on in
NPT
pcoupltype = isotropic ; uniform scaling of box vectors
tau_p = 2.0 ; time constant, in ps
ref_p = 1.0 ; reference pressure, in bar
compressibility = 4.5e-5 ; isothermal compressibility of water,
bar^-1
refcoord_scaling = com
; Periodic boundary conditions
pbc = xyz ; 3-D PBC
Bibliografía 91
; Dispersion correction
DispCorr = EnerPres ; account for cut-off vdW scheme
; Velocity generation
gen_vel = no ; Velocity generation is off
Parámetros empleados en el acoplamiento de presión empleando el baróstato de Parrinello-Rahman
10.5 Anexo 5
title = OPLS Lysozyme MD
; Run parameters
integrator = md
tinit = 0 ; Starting time
dt = 0.002 ; 2 femtosecond time step for
integration
nsteps = 25000000 ; Make it 10 ns
; Output control
nstxout = 100000 ; Writing full precision
coordinates every nanosecond
nstvout = 100000 ; Writing velocities every
nanosecond
nstxtcout = 1000 ; Writing coordinates every 5
ps
nstenergy = 1000 ; Writing out energy
information every step
nstlog = 1000 ; Writing to the log file every
step
energygrps = a_1-3307 a_3308-3580
; Bond parameters
continuation = yes ; Restarting after NPT
constraint_algorithm = lincs ; holonomic constraints
constraints = all-bonds ; all bonds (even heavy atom-H
bonds) constrained
lincs_iter = 1 ; accuracy of LINCS
lincs_order = 4 ; also related to accuracy
; Neighborsearching
ns_type = grid ; search neighboring grid cells
nstlist = 5 ; 10 fs
rlist = 1.0 ; short-range neighborlist cutoff (in nm)
92 Título de la tesis o trabajo de investigación
rcoulomb = 1.0 ; short-range electrostatic cutoff (in nm)
rvdw = 1.0 ; short-range van der Waals cutoff (in nm)
; Electrostatics
coulombtype = PME ; Particle Mesh Ewald for long-range
electrostatics
pme_order = 4 ; cubic interpolation
fourierspacing = 0.16 ; grid spacing for FFT
; Temperature coupling is on
tcoupl = V-rescale ; modified Berendsen thermostat
tc-grps = Protein Non-Protein ; two coupling groups - more
accurate
tau_t = 0.1 0.1 ; time constant, in ps
ref_t = 300 300 ; reference temperature, one for each
group, in K
; Pressure coupling is on
pcoupl = Parrinello-Rahman ; Pressure coupling on in
NPT
pcoupltype = isotropic ; uniform scaling of box vectors
tau_p = 2.0 ; time constant, in ps
ref_p = 1.0 ; reference pressure, in bar
compressibility = 4.5e-5 ; isothermal compressibility of water,
bar^-1
; Periodic boundary conditions
pbc = xyz ; 3-D PBC
; Dispersion correction
DispCorr = EnerPres ; account for cut-off vdW scheme
; Velocity generation
gen_vel = no ; Velocity generation is off
comm_grps = protein
Parámetros empleados para ejecutar una simulación de 50 ns de los 6 sistemas.
Bibliografía 93
10.6 Anexo 6
Simulación por 100 ns del complejo con el sustrato natural. Se comprueba que el
complejo alcanza la estabilidad a los 50 ns.