Guevara Pulido, James OswaldoRodriguez Velandia , Sara DanielaMoreno Tranchita, Juan Pablo2024-05-162024-05-162024-04-30https://hdl.handle.net/20.500.12495/12133La incidencia del cáncer colorrectal ha aumentado considerablemente, convirtiéndolo en un problema de salud pública global. Su complejidad genera diagnósticos tardíos y tratamientos con baja eficacia, lo que conlleva a una alta carga de efectos adversos para los pacientes. En respuesta a esta problemática, se diseñó y sintetizó un nuevo análogo inhibidor de la ADN topoisomerasa 1. Este proceso se basó en el diseño racional de fármacos, utilizando cambios bioisostéricos y metodologías de SBVS y LBVS con machine learning. Se desarrollaron tres modelos predictivos validados en líneas celulares de cáncer colorrectal HCT-116, HCT-8 y HT-29. Entre 59 análogos diseñados, el A12 se destaca por sus mejoras en comparación con Irinotecan, Topotecan y Doxorubicina. A12 presenta una buena afinidad por la ADN topoisomerasa 1 (6,8 Kcal/mol) y un menor IC50 (0,23 μM en HCT- 116). Además, presenta mejoras farmacocinéticas (PPB 89,6%, Log P 3,22) y un perfil de toxicidad similar a los fármacos comerciales. El desarrollo del análogo A12 representa un avance significativo en la búsqueda de nuevas opciones terapéuticas para el cáncer colorrectal. Sus propiedades farmacológicas y de seguridad lo convierten en un candidato prometedor para futuras investigaciones preclínicasapplication/pdfesCáncer colorrectalAND topoisomerasa 1Machine learningQSARFarmacocinéticaFarmacodinamia615.19Tesis/Trabajo de grado - Monografía - PregradoColorectal cancerDNA topoisomerase 1Machine learningQSARPharmacokineticsPharmacodynamicsUniversidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coAcceso cerradoinfo:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cb