«`html
Una nueva molécula prometedora contra el cáncer de pulmón que apunta al EGFR
El cáncer de pulmón sigue siendo una de las principales causas de mortalidad relacionada con el cáncer en el mundo, siendo el cáncer de pulmón de células no pequeñas la forma más extendida. Entre los factores clave de su desarrollo, las mutaciones del receptor del factor de crecimiento epidérmico, o EGFR, desempeñan un papel central. Este receptor, involucrado en la regulación del crecimiento y la supervivencia celular, puede, al estar mutado, provocar una proliferación incontrolada de células, favoreciendo así la progresión tumoral.
Los tratamientos actuales dirigidos al EGFR, como el gefitinib, han mejorado los resultados clínicos para los pacientes portadores de estas mutaciones. Sin embargo, la aparición de resistencias y efectos secundarios limita su eficacia a largo plazo. Ante este escenario, la búsqueda de nuevas moléculas capaces de bloquear específicamente la actividad del EGFR mutado se convierte en una prioridad.
Un avance reciente ha permitido descubrir una nueva familia de compuestos, las quinolina-sulfonamidas, gracias a un enfoque innovador que combina la inteligencia artificial y la validación experimental. Este método utiliza modelos generativos basados en el aprendizaje por refuerzo para explorar el espacio químico e identificar moléculas prometedoras. Entre ellas, una molécula llamada Hit1 se ha destacado por su eficacia.
Hit1 ha demostrado una fuerte capacidad para inhibir la actividad quinasa del EGFR, con una concentración inhibitoria mediana de 21,2 nanomoles por litro. Aunque menos potente que el gefitinib, esta molécula ha mostrado una marcada actividad antiproliferativa contra células de cáncer de pulmón de células no pequeñas portadoras de mutaciones del EGFR, como las líneas PC9 y HCC827. En cambio, su efecto sobre las células salvajes, como A549, es mucho menor, lo que sugiere una mayor selectividad hacia las células mutadas.
Las simulaciones de dinámica molecular han revelado que Hit1 se une eficientemente al EGFR estableciendo enlaces de hidrógeno con un residuo clave, la lisina 745, y ocupando una cavidad hidrofóbica ubicada cerca de la valina 726. Estas interacciones estabilizan la molécula en el sitio de unión del ATP, impidiendo así la activación del receptor. Además, Hit1 ha presentado un perfil farmacocinético equilibrado, con una buena solubilidad y una permeabilidad membranal favorable, lo que la convierte en una candidata seria para un desarrollo posterior.
Este descubrimiento ilustra el potencial de los enfoques híbridos, que combinan inteligencia artificial y validación experimental, para acelerar el diseño de nuevos fármacos. Hit1, con su estructura accesible y sus propiedades dirigidas, abre el camino a una nueva generación de inhibidores del EGFR, más selectivos y mejor tolerados.
«`
Sources et crédits
Étude source
DOI : https://doi.org/10.1007/s11030-026-11625-z
Titre : Integrating machine learning-based molecular design with experimental validation for the discovery of EGFR inhibitors in lung cancer
Revue : Molecular Diversity
Éditeur : Springer Science and Business Media LLC
Auteurs : Hailing Qie; Liyuan Wang; Ce Li; Chen Wu; Yong Wang; Kuo Xiao; Lili Diao