Page 20 - 79_04

Perspectiva
general
sobre
el
proceso
de
desarrollo
de
fármacos…

cribado
virtual
basados
en
ligandos,
en
oposición
al
enfoque
anterior
basado
en
la

estructura
del
blanco.
Alternativamente,
el
conjunto
de
compuestos
activos
puede

usarse
para
derivar
un
modelo
farmacóforo
que
puede
usarse
como
un
filtro
para

eliminar
aquellos
compuestos
que
no
cumplan
con
las
condiciones
de
actividad

necesarias
(22).

Una
de
las
herramientas
más
simples
y
populares
del
cribado
virtual
de

conjuntos
de
datos
quimio(bio)informáticos
lo
constituye
la
búsqueda
de
similitud,

la
cual
es
ampliamente
utilizada
en
las
etapas
más
tempranas
de
los
programas
de

descubrimiento
de
líderes.
Su
función
principal
es
identificar
los
compuestos

activos
que
más
se
asemejan
a
la
estructura
de
referencia
que
luego
pueden
servir

de
base
para
más
estudios
detallados
de
cribado
virtual
que
emplean
técnicas
más

refinadas
(23).
Dentro
de
las
técnicas
más
usadas
en
el
análisis
de
diversidad
de

bibliotecas
de
cribado
y
combinatorias
se
encuentran
los
algoritmos
de

agrupamiento,
cuya
idea
esencial
consiste
en
subdividir
el
conjunto
de
moléculas

en
grupos
o
clústeres
de
modo
que
la
similitud
intra
cluster
sea
máxima
mientras

que
la
similitud
inter
clúster
sea
mínima;
los
algoritmos
de
partición,
que
consisten

en
subdividir
el
rango
de
valores
de
un
pequeño
grupo
de
características,

relevantes
a
la
unión
del
ligando
al
receptor
y
previamente
identificadas
por
el

investigador,
en
sub
rangos,
cuya
combinación
genera
una
malla
n-­-dimensional
de

celdas
a
las
cuales
son
asignadas
las
moléculas
del
repositorio,
de
modo
que
los

valores
de
las
características
estudiadas
en
las
mismas
concuerden
con
aquellos

“encerrados”
en
una
celda
específica;
los
algoritmos
basados
en
disimilitud,
que
a

diferencia
de
los
anteriores
buscan
identificar
directamente
un
subconjunto

diverso
mediante
la
selección
iterativa
de
compuestos
que
son
lo
más
diferentes

posible
a
aquellos
que
han
sido
seleccionados
previamente;
y
los
algoritmos

basados
en
optimización,
que
parten
de
definir
una
medida
de
diversidad

cuantitativa
y
entonces
la
selección
del
conjunto
más
diverso
posible
se
formula
en

términos
de
los
problemas
de
optimización
combinatoria
(24).

Algunos
estudios
previos
sugieren
que
los
algoritmos
de
agrupamiento

brindan
un
mejor
balance
entre
representatividad
y
diversidad
que
otras
técnicas

basadas
en
disimilitud
para
el
análisis
de
diversidad
(25,26).
Un
estudio
muy

reciente
que
aborda
la
comparación
de
varios
de
los
algoritmos
de
agrupamiento

más
exitosos
en
Quimioinformática
(i.e.,
la
clase
de
los
algoritmos
no
superpuestos,

jerárquicos,
aglomerativos,
secuenciales
y
combinatorios,
CSAHN)
puede

encontrarse
en
(27).
En
este
contexto,
atención
especial
merecen
las
técnicas

rápidas
de
tendencia
al
agrupamiento
que
permiten
obtener
una
evaluación
de
la

“predisposición”
de
los
datos
químicos
a
ser
agrupados
antes
de
ejecutarse
la

técnica
de
agrupamiento
en
sí.
La
importancia
práctica
de
estas
técnicas
radica
en

evitar
formarse
una
idea
errónea
acerca
de
la
organización
de
los
datos
como

estructurados
en
clústeres
cuando
en
realidad
provienen
de
una
única
población

537