Palabras clave
β-1,3-glucano sintasa
Reposicionamiento de fármacos
Dinámica molecular
Antifúngicos
Cómo citar
Copyright © | Todos los derechos reservados.
La revista posee los derechos de autor exclusivos para la publicación de este artículo en los términos de la ley brasileña 9610/98.
Reproducción parcial
El uso de partes de los textos, figuras y cuestionario del artículo es libre, siendo obligatoria la citación de los autores y revista.
Reproducción total
Está expresamente prohibido y debe ser autorizado por la revista.
Resumen
Objetivo: Identificar posibles inhibidores de la enzima β-1,3-glucano sintasa de Candida albicans mediante enfoques in silico, con el objetivo de reposicionar fármacos aprobados por la FDA como una alternativa para el desarrollo de nuevos agentes antifúngicos. Métodos: El modelado por homología de la enzima se realizó basándose en la estructura de Saccharomyces cerevisiae, mostrando el 93,45% de los residuos en regiones favorables del gráfico de Ramachandran. El cribado virtual se llevó a cabo en el servidor MTiOpenScreen utilizando la biblioteca Drugs-lib, seguido de acoplamiento molecular y simulaciones de dinámica molecular de 100 ns en el software AMBER 2024. Las energías libres de unión se calcularon mediante los métodos MMGBSA y MMPBSA. Resultados: Entre los compuestos evaluados, Elbasvir presentó la energía de unión más favorable (–62,4 kcal/mol), estabilidad conformacional e interacciones consistentes con los residuos del sitio activo de la enzima, destacándose como el mejor candidato. El itraconazol también mostró buena afinidad y un posible doble mecanismo de acción, actuando tanto sobre la lanosterol 14α-desmetilasa como sobre la β-1,3-glucano sintasa. Conclusión: El estudio confirmó el potencial del reposicionamiento de fármacos como una estrategia eficaz para el descubrimiento de nuevos antifúngicos. Elbasvir se destacó como un fuerte candidato para la validación experimental y posible aplicación terapéutica contra C. albicans.
Referencias
ANANDAKRISHNAN R, et al. H++ 3.0: automation of pK prediction and preparation of biomolecular structures for molecular modeling and atomistic simulations. NucleicAcids Res. 2012;40(Web Server issue):W537–41.
BARDI T, et al. COVID-19-associated nosocomial infections in the intensive care unit: clinical characteristics and outcomes. Eur J ClinMicrobiolInfectDis. 2021;40(3):495–502.
BELL AM, et al. Elbasvir/Grazoprevir: a review of the latest agent in the fight against hepatitis C. Int J Hepatol.2016;2016:3852126.
Bienvenu AL, et al. Impact of COVID-19 pandemic on antifungal consumption: a multicenter retrospective analysis. Crit Care. 2022;26(1):
CADA DJ, et al. Elbasvir/Grazoprevir. HospPharm. 2016;51(8):665–86.
CASE DA, et al. AmberTools. J ChemInfModel. 2023;63(20):6183–91.
COSTA-DE-OLIVEIRA S, RODRIGUES AG. Antifungal resistance and tolerance of Candida albicans in bloodstream infections: the yeast-host-antifungal triad. Microorganisms. 2020;8(2):154.
D’ENFERT C, et al. The impact of fungus-host-microbiota interaction in Candida albicans infections: current knowledge and new perspectives. FEMS Microbiol Rev. 2021;45(3):fuaa060.
DICHTL K, et al. Signaling of cell wall integrity in human pathogenic fungi. Cell Microbiol. 2016;18(9):1228–38.
HAJ HÁ, et al. Virtual screening of azole libraries: the search for potential antimucormycotic agents using computational tools. NetwModel Anal Health InformBioinform. 2025;14(1):23.
HALL IH, et al. Effects of alatrofloxacin, the parent prodrug of trovafloxacin, on phagocytic, anti-inflammatory, and immunomodulatory events of human THP-1 monocytes. BiomedPharmacother. 2003;57(8):359–65.
HU X, et al. Structural and mechanistic insights into fungal β-1,3-glucan synthase FKS1. Nature. 2023;616(7955):190–8.
INCERT MK, et al. Repurposing drugs for COVID-19: an overview. Health (Santa Maria). 2022;E67893.
IZADI S, et al. Building water models: a different approach. J PhysChemLett. 2014;5(21):3863–71.
JEFFERY-SMITH A, et al. Candida auris: a review of the literature. ClinMicrobiol Rev. 2018;31(1):e00029–17.
KEATING GM. Elbasvir/Grazoprevir: first global approval. Drugs. 2016;76(5):617–24.
LEE Y, et al. Antifungal drug resistance: molecular mechanisms in Candida albicans and beyond. Chem Rev. 2021;121(6):3390–411.
LEE Y, et al. Molecular mechanisms governing antifungal drug resistance. NPJ Antimicrob Resist. 2023;1(1):5.
LOSCHWITZ J, et al. AMBER force field parameter dataset for drugs, natural products, and steroids for simulations using GROMACS. Data Brief. 2021;35:106948.
MEDEIROS CIS. Evaluation of the antifungal activity of linalool on Candida albicans from vulvovaginal secretions [Final Course Project – Biological Sciences]. João Pessoa: Federal University of Paraíba; 2023.
PARAMBATH S, et al. Candida albicans – a systematic review to inform the World Health Organization’s list of priority fungal pathogens. Med Mycol. 2024;62(6):myae045.
PYLKKÄNEN R, et al. Correction: synthesis of β-1,3-glucan, new supramolecular self-assembly, characterization, and application. Nanoscale. 2022;14(41):15542.
REBOUÇAS KL, et al. Recent trends in antifungal therapy: mechanisms of action and emerging challenges. Rev Foco. 2024;9:e6204.
ROCHA APS, et al. Epidemiological profile of systemic yeast infections in intensive care units of public hospitals in Recife, Brazil. Braz J Health Rev. 2020;6:19098–111.
ROSE GD. Ramachandran maps for side chains in globular proteins. Proteins. 2019;87(5):357–64.
SALOMON-FERRER R, et al. An overview of the Amber biomolecular simulation package. WIREs Comput Mol Sci. 2013;3(2):198–210.
SHAFIEI M, et al. History of the development of antifungalazoles: a review of structures, SAR, and mechanism of action. Bioorg Chem. 2020;104:104240.
SILVA JF. Metabolic and structural targets of Candida albicans: production of support for targeted growth of Candida albicans [Final Course Project – Biological Sciences: Biotechnology]. Duque de Caxias: Federal University of Rio de Janeiro; 2023.
SINGH S, et al. Review on analytical methods for estimation of itraconazole in bulk and pharmaceutical dosage form. Int J Res Rev. 2021;8(5):30–7.
TIAN C, et al. Ff19SB: amino acid-specific protein structure parameters trained against quantum mechanical energy surfaces in solution. J ChemTheoryComput. 2020;16(1):528–52.
WAGENER J, et al. Synthesis and remodeling of α- and β-1,3-glucan. Curr Top MicrobiolImmunol. 2020;425:53–82.
WANG C, et al. Recent developments and applications of the MMPBSA method. Front Mol Biosci. 2018;4:87.
WAYMENT-STEELE HK, et al. Deep learning models to predict RNA degradation via double crowdsourcing. Nat Mach Intell. 2022;4(12):1174–84.
ZHAO CR, et al. Structure of a fungal 1,3-β-glucan synthase. Sci Adv. 2023;9(37):eadh7820.