RESUMEN
Abstract Tetrahydroquinoline derivatives are interesting structures exhibiting a wide range of biological activities, including antitumor effects. In this investigation, the effect of the synthesized tetrahydroquinolines JS-56 and JS-92 on apoptosis, intracellular Ca2+ concentration ([Ca2+]i), and the sarco(endo)plasmic reticulum Ca2+-ATPase (SERCA) activity was determined on MCF-7 breast cancer cells. Colorimetric assays were used to assess MCF-7 cells viability and SERCA activity. Fura-2 and rhodamine 123 were used to measure the intracellular Ca2+ concentration and the mitochondrial electrochemical potential, respec tively. TUNEL assay was used to analyze DNA fragmentation, while caspase activity and NF-κB-dependent gene expression were assessed by luminescence. In silico models were used for molecular docking analysis. These compounds increase intracellular Ca2+ concentration; the main contribution is the Ca2+ entry from the extracellular milieu. Both JS-56 and JS-92 inhibit the activity of SERCA and dissipate the mitochondrial electrochemical potential through processes dependent and independent of the Ca2+ uptake by this organelle. Furthermore, JS-56 and JS-92 generate cytotoxicity in MCF-7 cells. The effect of JS-92 is higher than JS-56. Both compounds activate caspases 7 and 9, cause DNA fragmentation, and potentiate the effect of phorbol 12-myristate-13-acetate on NF-κB-dependent gene expression. Molecular docking analysis suggests that both compounds have a high interaction for SERCA, similar to thapsigargin. Both tetrahydroquinoline derivatives induced cell death through a combination of apoptotic events, increase [Ca2+]i, and inhibit SERCA activity by direct interaction.
Resumen Los derivados de tetrahidroquinolina son estructuras interesantes que exhiben una amplia gama de actividades biológicas, incluyendo efectos antitumorales. Se determinó el efecto de las tetrahidroquinolinas sintetizadas JS-56 y JS-92 sobre la apoptosis, concentración intracelular de Ca2+ ([Ca2+]i) y la actividad Ca2+-ATPasa del retículo sarco(endo)plásmico (SERCA) en células de cáncer de mama MCF-7. Se usaron ensayos colorimétricos para evaluar la viabilidad de las células MCF-7 y la actividad SERCA. Se emplearon Fura-2 y rodamina 123 para medir la concentración de Ca2+ intracelular y el potencial electroquímico mitocondrial, respectivamente. El ensayo TUNEL se utilizó para analizar la fragmentación del ADN, mientras que la actividad de caspasas y la expresión génica dependiente de NF-κB se evaluaron mediante luminiscencia. Modelos in silico permitieron el análisis del acoplamiento molecular. Estos compuestos aumentan la concentración de Ca2+ intracelular; la principal contribución es la entrada de Ca2+ desde el medio extracelular. Tanto JS-56 como JS-92 inhiben la actividad de SERCA y disipan el potencial electroquímico mitocondrial a través de procesos dependientes e independientes de la captación de Ca2+ por este orgánulo. Además, JS-56 y JS-92 generan citotoxicidad en células MCF-7. El efecto de JS-92 es mayor que JS-56. Ambos compuestos activan las caspasas 7 y 9, provocan la fragmentación del ADN y potencian el efecto del 12-miristato-13-acetato de forbol en la expresión génica dependiente de NF-κB. El análisis de acoplamiento molecular sugiere que ambos compuestos tienen una alta interacción con SERCA, similar a la tapsigargina. Ambos derivados de tetrahidroquinolina indujeron la muerte celular a través de una combinación de eventos apoptóticos, aumento de [Ca2+]i e inhibición de la actividad SERCA por interacción directa.
RESUMEN
En este trabajo consideramos 148 semioquímicos reportados para la familia Scarabaeidae, cuya estructura química fue caracterizada empleando un conjunto de 200 descriptores moleculares de cinco clases distintas. La selección de los descriptores más discriminantes se realizó con tres técnicas: análisis de componentes principales, por cada clase de descriptores, bosques aleatorios y Boruta-Shap, aplicados al total de descriptores. A pesar de que las tres técnicas son conceptualmente diferentes, seleccionan un número de descriptores similar de cada clase. Propusimos una combinación de técnicas de aprendizaje de máquina para buscar un patrón estructural en el conjunto de semioquímicos y posteriormente realizar la clasificación de estos. El patrón se estableció a partir de la alta pertenencia de un subconjunto de estos metabolitos a los grupos que fueron obtenidos por un método de agrupamiento basado en lógica difusa, C-means; el patrón descubierto corresponde a las rutas biosintéticas por las cuales se obtienen biológicamente. Esta primera clasificación se corroboró con el empleo de mapas autoorganizados de Kohonen. Para clasificar aquellos semioquímicos cuya pertenencia a una ruta no quedaba claramente definida, construimos dos modelos de perceptrones multicapa, los cuales tuvieron un desempeño aceptable.
In this work we consider 148 semiochemicals reported for the family Scarabaeidae, whose chemical structure was characterized using a set of 200 molecular descriptors from five different classes. The selection of the most discriminating descriptors was carried out with three different techniques: Principal Component Analysis, for each class of descriptors, Random Forests and Boruta-Shap, applied to the total of descriptors. Although the three techniques are conceptually different, they select a similar number of descriptors from each class. We proposed a combination of machine learning techniques to search for a structural pattern in the set of semiochemicals and then perform their classification. The pattern was established from the high belonging of a subset of these metabolites to the groups that were obtained by a grouping method based on fuzzy C-means logic; the discovered pattern corresponds to the biosynthetic pathway by which they are obtained biologically. This first classification was corroborated with Kohonen's self-organizing maps. To classify those semiochemicals whose belonging to a biosynthetic pathway was not clearly defined, we built two models of Multilayer Perceptrons which had an acceptable performance.
Neste trabalho consideramos 148 semioquímicos reportados para a família Scarabaeidae, cuja estrutura química foi caracterizada usando um conjunto de 200 descritores moleculares de 5 classes diferentes. A seleção dos descritores mais discriminantes foi realizada com três técnicas diferentes: Análise de Componentes Principais, para cada classe de descritores, Florestas Aleatórias e Boruta-Shap, aplicadas a todos os descritores. Embora as três técnicas sejam conceitualmente diferentes, elas selecionaram um número semelhante de descritores de cada classe. Nós propusemos uma combinação de técnicas de aprendizado de máquina para buscar um padrão estrutural no conjunto de semioquímicos e então realizar sua classificação. O padrão foi estabelecido a partir da alta pertinência de um subconjunto desses metabólitos aos grupos que foram obtidos por um método de agrupamento baseado em lógica fuzzy, C-means; o padrão descoberto corresponde às rotas biossintéticas pelas quais eles são obtidos biologicamente. Essa primeira classificação foi corroborada com o uso dos mapas auto-organizados de Kohonen. Para classificar os semioquímicos cuja pertença a uma rota não foi claramente definida, construímos dois modelos de Perceptrons Multicamadas que tiveram um desempenho aceitável.