Prediction models for the discovery of insect repellents that interfere with olfaction

Abstract

Los insectos vectores de enfermedades dependen quimiorreceptores para localizar a los huéspedes, encontrar parejas y elegir dónde poner sus huevos. Actualmente, el método más eficaz para prevenir y controlar el brote de enfermedades transmitidas por insectos ha sido el uso de repelentes de insectos (RIs). Sin embargo, no cumplen con las condiciones necesarias como para brindar protección ante un amplio espectro de mosquitos; muchos de ellos tienen olor o sensaciones en la piel desagradable, incluso algunos de ellos son cancerígenos; es decir, los RI actuales tienen importantes inconvenientes. Por lo tanto, es evidente la necesidad de nuevos RI de protección de amplio espectro, más efectivos, seguros y duraderos que los RI convencionales. Aquí, los clasificadores para la predicción de RI se desarrollarán mediante el uso de descriptores moleculares QuBiLS Suite 0-3D y técnicas de aprendizaje automático superficial. Los mejores modelos individuales se usaron para obtener modelos conjuntos con parámetros estadísticos adecuados para la serie de aprendizaje. En el presente trabajo pretendemos introducir, por primera vez, la capacidad de QSAR- (Relaciones cuantitativas estructura-actividad) y modelos basados en estructura para describir la interacción de los RI con la respuesta olfativa de la sensilla del mosquito Culex quinquefasciatus, así como con actividades repelentes mediante el uso de cuatro conjuntos de datos que tomaron en consideración los dos andamios de RI más relevantes: carboxamidas y compuestos derivados de plantas con efecto repelente sobre A. aegypti (y también A. gambiae) y las dos especies más comunes de cucarachas ( Blattella germanica y Periplaneta americana). Se realiza un software no comercial y multiplataforma, denominado “SiliS-PAPACS”, para la predicción de RI, que está disponible gratuitamente en http://tomocomd.com/apps. Este software se utilizará para el cribado de conjuntos de datos que contienen diversos quimiotipos como componentes de aceites esenciales, productos químicos y medicamentos aprobados por la FDA. El propósito es evaluar la utilidad de los modelos desarrollados en el etiquetado IR de sustancias orgánicas y mostrar la capacidad del sistema para identificar nuevos andamios químicos. Aquí presentamos 23 compuestos nuevos encontrados a través de cribado virtual que pueden tener potencial actividad repelente. Los resultados sugieren que el método propuesto será un buen sistema asistido por computadora que podría aumentar potencialmente la posibilidad de encontrar nuevos agentes para el control de insectos. Es decir, este estudio proporciona información importante que ayudará a los que evalúan y/o diseñan nuevos quimiotipos de RIs.