Aplicación de Machine Learning para la predicción de antagonistas del receptor de histamina RH3 como potenciales candidatos terapéuticos

Abstract

Los antagonistas del receptor de histamina H3 (RH3) emergen como potenciales fármacos para diversos trastornos neurológicos como Alzheimer o Parkinson, además de su reciente evaluación en el cáncer de mama triple negativo. En este contexto, identificar nuevos ligandos antagonistas del RH3 es de gran interés por su amplio espectro de aplicaciones. Este estudio emplea técnicas de machine learning, específicamente, de regresión con el algoritmo Gradient Boosting (XGBoost), para predecir la afinidad de compuestos orgánicos antagonistas por el RH3 (pKi) utilizando descriptores moleculares. Se recopiló una base de datos con 831 compuestos antagonistas con valores de pKi conocidos, a partir de los cuales se generaron representaciones SMILES y se calcularon 1173 descriptores moleculares de baja dimensionalidad. La base se dividió en conjuntos de entrenamiento (665 registros) y testeo (166 registros). Se entrenaron y evaluaron 10 modelos diferentes, aplicando validación cruzada K-fold=5. El modelo más destacado alcanzó un MSE de 0.54 y un MAE de 0.50 en el conjunto de entrenamiento, y un MSE de 0.76 y un MAE de 0.53 en el conjunto de prueba, con un RMSE de 0.72 y 0.87, respectivamente. Este abordaje quimioinformático propone una metodología eficaz para el cribado virtual de potenciales ligandos antagonistas del RH3, acelerando el descubrimiento de nuevos compuestos terapéuticos.