Desarrollo de modelos matemático-topológicos a partir de quinolonas para predecir actividad antibacteriana frente a Escherichia coli y Staphylococcus aureus resistente a meticilina (SARM). Búsqueda y obtención de nuevos antibacterianos

Resumen

Las resistencias antibacterianas se han convertido en una grave amenaza para la salud pública a nivel mundial debido al mal uso de los antibióticos. El uso indiscriminado de estos fármacos en animales y humanos, así como la interrupción temprana de los tratamientos ha dado lugar a la aparición de cepas bacterianas resistentes a todos los antibióticos disponibles en la actualidad. Además, la I+D farmacéutica ha abandonado el desarrollo de nuevos fármacos antibacterianos. Esto deja a la sociedad en un enfrentamiento con un enemigo creciente y un armamento empobrecido. Ante esta problemática, los métodos QSAR aparecen como una herramienta eficiente para la obtención de nuevos antibacterianos de forma rápida y económica. La presente tesis busca desarrollar modelos matemático-topológicos a partir de quinolonas utilizando métodos QSAR y topología molecular para la predicción de actividad antibacteriana frente a Escherichia coli y Staphylococcus aureus resistente a meticilina. Además, se han planteado otros objetivos secundarios que incluyen el desarrollo de una nueva metodología para la obtención de modelos de predicción empleando análisis lineal discriminante (ALD), el desarrollo de una nueva base de datos para el posible reposicionamiento de fármacos como antibacterianos y la puesta a punto del modelo de larvas de Galleria mellonella para su aplicación en ensayos de toxicidad in vivo. Se han obtenido 3 modelos de predicción de actividad antibacteriana. El primero de ellos, de predicción de actividad frente a E. coli, se ha desarrollado utilizando la metodología tradicional con ALD y, tras su optimización, muestra un acierto total para compuestos inactivos y del 78.5% para activos. Este modelo señala la existencia de una estrecha relación entre la actividad antibacteriana de un compuesto frente a E. coli y la complejidad estructural del mismo, medida a través del índice topológico Nclass. Además, muestra un 42% de acierto inicial al aplicar el modelo a la base de datos Index Merck. Los otros dos modelos, uno de predicción de actividad frente a E. coli y otro frente a SARM, se han desarrollado utilizando la nueva metodología jerárquica. Este nuevo enfoque para la obtención de modelos de predicción mediante ALD se basa en el estudio inicial de los índices con valores discretos y, tras determinar cuáles tienen una correlación marcada con la actividad de las moléculas, se pasa a desarrollar funciones discriminantes utilizando los índices continuos. Esto permite la creación de un árbol de decisión jerárquico, en el que primero se filtran los compuestos en función de sus valores para los índices discretos seleccionados y luego se les aplica una función discriminante u otra. Los modelos obtenidos señalan una clara dependencia entre la actividad frente a SARM y el número de átomos aceptores de hidrógenos y la superficie y volumen molecular, así como una clara dependencia entre el número de átomos aceptores de hidrógenos y la actividad frente a E. coli. Estos modelos han mostrado tener igual o mejor capacidad de predicción respecto a los modelos tradicionales. Para la búsqueda de nuevos antibacterianos se han seguido dos rutas. En primer lugar, se ha llevado a cabo el cribado farmacológico virtual de las bases de datos Index Merck y DrugBank, con el fin de validar los modelos y reposicionar moléculas que tienen otras aplicaciones comerciales. Por otra parte, se han aplicado los modelos a una biblioteca combinatoria virtual formada por 1000 quinolonas, con la intención de encontrar nuevas quinolonas activas teóricas que no hubieran sido descritas hasta ahora y abordar su síntesis. Finalmente, se seleccionaron 11 compuestos comerciales activos teóricos y se sintetizaron 2 quinolonas de la biblioteca combinatoria virtual para la validación de los modelos mediante su ensayo de actividad antibacteriana in vitro. Un compuesto comercial, la tiomorfolina, resultó ser activo, así como ambas quinolonas, que mostraron actividad antibacteriana comparable a la del ciprofloxacino. Estos resultados validan las predicciones de los modelos. Ante la buena actividad de las nuevas quinolonas de síntesis, se decidió estudiar su perfil de actividad antimicrobiana frente a bacterias Gram-positivas, Gram-negativas y Candida albicans. Ambas mostraron ser quinolonas de amplio espectro, con 1a7c8a mostrando cierta actividad frente a Candida albicans. Por último, se estudió la toxicidad de estas dos quinolonas in vivo utilizando el modelo de larvas de Galleria mellonella, para lo que hubo que diseñar un protocolo y estudiar la toxicidad de distintos disolventes. Finalmente, las dos quinolonas resultaron ser inocuas a las dosis más altas ensayadas, por lo que siguen siendo interesantes para posteriores estudios de actividad y toxicidad in vivo. A la vista de todos los resultados obtenidos, se puede concluir que la topología molecular y los métodos QSAR son herramientas potentes para la obtención de nuevos fármacos. Esto es especialmente relevante en el caso de los antibacterianos, ya que la creciente aparición de resistencias requiere de métodos rápidos y económicos para la ampliación inmediata del arsenal terapéutico.