Médico General

El objetivo de este trabajo fue calibrar diversas relaciones cuantitativas estructura-actividad (QSAR) para la predicción de la actividad antiinflamatoria de alcaloides.La base de datos está compuesta por 58 moléculas activas y 42 inactivas. Su estructura molecular fue modelada por el método de mecánica molecular (MM+) y el método semiempírico PM3. Las estructuras optimizadas se utilizaron para calcular diversos descriptores moleculares, huellas dactilares moleculares y claves estructurales. Se aplicó el método de reducción de variables basado en el algoritmo de Wootton, Sergent, Phan-Tan-Luu (V-WSP) para reducir la presencia de ruido, multicolinealidad y redundancia en el grupo inicial de descriptores. Con la base de datos curada se desarrollaron diversos modelos del aprendizaje automático basados en clasificadores lineales y no lineales. Para la validación del modelo, la base de datos se dividió de forma aleatoria en conjuntos de calibración (70 %) y predicción (30 %), manteniendo la proporción de las clases. Para la selección supervisada de los descriptores, se acoplaron los algoritmos genéticos (GAs-VSS) con los diversos clasificadores. Durante la calibración de los modelos se aplicó la validación cruzada de ventanas venecianas con cinco grupos de exclusión para evitar la presencia de sobreajuste. El desempeño de los modelos se cuantificó mediante la tasa de aciertos (NER). Entre los once modelos calibrados, el clasificador kNN exhibió la mejor capacidad predictiva para todas las formas de representación molecular. Estos modelos cumplen con los principios establecidos por la Organización para la Cooperación y el Desarrollo Económicos.