Halicin ( SU-3327 ) es un compuesto químico que actúa como inhibidor de la enzima c-Jun N-terminal quinasa (JNK). [1] [2] [3] Originalmente, se investigó para el tratamiento de la diabetes , [4] pero el desarrollo de esta aplicación no continuó debido a los malos resultados en las pruebas.
Datos clinicos | |
---|---|
Nombres comerciales | Halicina |
Estatus legal | |
Estatus legal |
|
Identificadores | |
| |
Número CAS | |
PubChem CID | |
CHEBI | |
CHEMBL | |
Tablero CompTox ( EPA ) | |
Datos químicos y físicos | |
Fórmula | C 5 H 3 N 5 O 2 S 3 |
Masa molar | 261,3 g · mol −1 |
Modelo 3D ( JSmol ) | |
| |
|
Posteriormente, la halicina fue identificada por investigadores de inteligencia artificial en la Clínica MIT Jameel en 2019 utilizando un enfoque de aprendizaje profundo in silico , como un probable antibiótico de amplio espectro . [5] [6] Esta probabilidad se verificó mediante pruebas de cultivo celular in vitro , seguidas de pruebas in vivo en ratones. [7] Mostró actividad contra cepas resistentes a los medicamentos de Clostridiodes difficile , Acinetobacter baumannii y Mycobacterium tuberculosis , con un mecanismo de acción inusual que implica el secuestro de hierro dentro de las células bacterianas, que por lo tanto interfiere con su capacidad para regular el equilibrio del pH a través de la membrana celular correctamente. Dado que este es un modo de acción diferente al de la mayoría de los antibióticos, la halicina retuvo la actividad contra las cepas bacterianas resistentes a muchos fármacos de uso común. [8]
Los estudios preliminares sugieren que la halicina mata las bacterias al interrumpir su capacidad para mantener un gradiente electroquímico a través de sus membranas celulares. Este gradiente es necesario, entre otras funciones, para producir ATP (moléculas que usan las células para almacenar energía), por lo que si el gradiente se rompe, las células mueren. Este tipo de mecanismo de muerte podría ser difícil para que las bacterias desarrollen resistencia. [6]
Referencias
- ^ Augustine C, Cepinskas G, Fraser DD (agosto de 2014). "La lesión traumática provoca la retracción de astrocitos humanos mediada por JNK in vitro". Neurociencia . 274 : 1-10. doi : 10.1016 / j.neuroscience.2014.05.009 . PMID 24838066 . S2CID 9498486 .
- ^ Jang S, Javadov S (2014). "La inhibición de JNK agrava la recuperación de corazones de rata después de la isquemia global: el papel de la JNK mitocondrial" . PLOS ONE . 9 (11): e113526. Código bibliográfico : 2014PLoSO ... 9k3526J . doi : 10.1371 / journal.pone.0113526 . PMC 4244102 . PMID 25423094 .
- ^ Jang S, Yu LR, Abdelmegeed MA, Gao Y, Banerjee A, Song BJ (diciembre de 2015). "Papel crítico de la proteína quinasa c-jun N-terminal en la promoción de la disfunción mitocondrial y la lesión hepática aguda" . Biología redox . 6 : 552–564. doi : 10.1016 / j.redox.2015.09.040 . PMC 4625008 . PMID 26491845 .
- ^ De SK, Stebbins JL, Chen LH, Riel-Mehan M, Machleidt T, Dahl R, et al. (Abril de 2009). "Diseño, síntesis y relación estructura-actividad de sustrato competitivo, selectivo e in vivo inhibidores de triazol y tiadiazol activos de la c-Jun N-terminal quinasa" . Revista de química medicinal . 52 (7): 1943–52. doi : 10.1021 / jm801503n . PMC 2667321 . PMID 19271755 .
- ^ "La inteligencia artificial produce un nuevo antibiótico" . La campaña del MIT por un mundo mejor . Consultado el 13 de noviembre de 2020 .
- ^ a b Trafton A (20 de febrero de 2020). "La inteligencia artificial produce un nuevo antibiótico" . Oficina de noticias del MIT .
- ^ Muestra I (20 de febrero de 2020). "Un antibiótico de gran alcance descubierto mediante el aprendizaje automático por primera vez" . The Guardian .
- ^ Stokes JM, Yang K, Swanson K, Jin W, Cubillos-Ruiz A, Donghia NM, et al. (Febrero de 2020). "Un enfoque de aprendizaje profundo para el descubrimiento de antibióticos" . Celular . 180 (4): 688–702.e13. doi : 10.1016 / j.cell.2020.01.021 . PMID 32084340 .
enlaces externos
- Aprendizaje automático para antibióticos