Virtual screening: identification of compounds with possible quorum sensing agonistic activity in Pseudomonas aeruginosa / Cribado virtual: identificación de posibles compuestos con actividad moduladora del quorum sensing Pseudomonas aeruginosa

ABSTRACT

Background: Quorum sensing (QS) is a cell density dependent mechanism that allows bacteria to regulate the expression of specific genes in response to changes in their population density, thus controlling their activities in order to produce a response as a unit multicellular. These responses include production of virulence factors, formation of biofilm, bioluminescence, sporulation, among other behavior. Objectives: The objective of this work was to obtain pharmacophore models able to filter and identify molecules with possible agonist activity of quorum sensing and to find possible candidates based on calculations of molecular docking. Methods: The structure of the receptor was taken from the Protein Data Bank (PDB). The program AutoDock 4.2 was used to perform docking calculations. The 3D structure of the ligand TP1 was extracted from the complex co-crystallized identified with the code PDB 3IX3. The geometries of ligands were optimized using the PM3 semiempirical method. Results: Two pharmacophoric models were designed, the first one was made using the most active compound (TP-1), highlighting the most important chemical characteristics for molecular recognition. The second model was based on the alignment of three of the most active ligands (TP-1, TP -3 and TP -4). These models were used as a filter in a screening on a database of conformations of several compounds with possible agonist activity of the main circuit of QS present in Pseudomonas aeruginosa. The pharmacophoric model based on alignment of the most active compounds showed greater capacity to select or identify compounds exhibiting significant structural and chemical characteristics to be considered possible hit. With this model, 22 compounds were identified. These compounds were subjected to a series of calculations of docking. The outcomes of the docking were used to identify interactions making a SAR analysis and were used as support to understand how chemically distinct compounds can be accommodated by a highly selective receptor, and provide the framework for the development of novel quorum-sensing regulators, utilizing the 2-benzamido(methyl) phenyl benzoate scaffold and to assess the possibility of synthetic routes, considering the structural similarity presenting between these compounds, generating in this way an alternative to find new compounds with modulating activity QS. These two strategies were used to select a list of potential modulators of quorum sensing or new pharmacophoric candidates. Conclusions: The two pharmacophoric models designed in this study, the number 2 (model based on the alignment of the most active compounds) showed greater hability to select or identify compounds that had important structural and chemical characteristics to be considered possible hits. With this model, 22 compounds were identified, which were subsequently subjected to docking calculations. In general, the docking protocol used is adequate, since in validating the conformation of the co-crystallized ligand.

RESUMEN

Antecedentes Quorum sensing (QS) es un mecanismo dependiente de la densidad celular que le permite a las bacterias regular la expresión de genes específicos en respuesta a cambios en su densidad poblacional, controlando de esta manera sus actividades, con el fin de producir una respuesta como una unidad multicelular. Estas repuestas incluyen, producción de factores de virulencia, formación de biopelículas, bioluminiscencia, esporulación, entre otros comportamientos. Objetivos: Obtener modelos farmacofóricos capaces de filtrar e identificar moléculas con posible actividad agonista del QS y buscar posibles candidatos basados en cálculos de docking molecular. Métodos: La estructura del receptor LasR fue obtenida del Protein Data Bank (PDB). El programa utilizando para el acoplamiento fue AutoDock 4.2. Las estructuras de los cuatro compuestos identificados como líderes en el estudio realizado por Muh et al, (2006), fueron utilizadas con el fin de diseñar modelos farmacofóricos capaces de identificar moléculas con posible actividad agonista del QS. La estructura 3D del ligando TP-1 fue extraída del complejo co-cristalizado identificado con el código PDB 3IX3. Las geometrías de los ligandos obtenidos como resultado de la búsqueda farmacofórica fueron optimizadas usando el método semiempírico PM3, para posteriormente realizar los cálculos de docking molecular. Resultados: Se diseñaron dos modelos farmacofóricos, el primero se creó utilizando el compuesto más activo identificado como TP-1, resaltando las características químicas más importantes para el reconocimiento molecular. El segundo modelo se basó en el alineamiento de tres de los ligandos más activos (TP-1, TP-3 y TP-4). Estos modelos se utilizaron como filtro en un cribado sobre una base de datos de conformaciones de varios compuestos con posible actividad agonista del circuito principal de QS presente en Pseudomonas aeruginosa. El modelo farmacofórico basado en el alineamiento de los compuestos más activos se utilizó para seleccionar o identificar los compuestos que presentaban características estructurales y químicas importantes para ser considerados posibles hits. Con este modelo se identificaron 22 compuestos. A estos 22 compuestos se les realizo una serie de cálculos de docking molecular. Los resultados del docking sirvieron para identificar las interacciones haciendo un análisis SAR (structure­activity relationship) y fueron usados como soporte para entender como compuestos distintos químicamente se pueden acoplar selectivamente al receptor LasR y apoyo para evaluar la posibilidad de rutas de síntesis, teniendo en cuenta la similitud estructural que presentan estos compuestos con el núcleo base 2-(benzamidometil) fenil benzoato, generando una alternativa para encontrar nuevos compuestos con actividad agonista del QS. Estas dos estrategias fueron usadas para seleccionar una lista de posibles moduldores del QS e identificar un nuevo farmacofóro. Conclusiones: Los dos modelos farmacofóricos diseñados en este estudio, el número 2 (modelo basado en la alineación de los compuestos más activos) mostró mayor habilidad para seleccionar o identificar compuestos que tenían las características estructurales y químicas importantes para ser considerados como posibles fármacos. Con este modelo, se identificaron 22 compuestos, los cuales fueron posteriormente sometidos a cálculos de acoplamiento. En general, el protocolo de acoplamiento utilizado fue el adecuado, ya que se validó la conformación del ligando co-cristalizado