Inhibición de la Sirtuina 6 (SIRT6) por Antocianinas del Maíz Morado (Zea mays): Un Estudio Comparativo de Afinidad Mediante Optimización Cuántica DFT y Docking Molecular

Palabras clave: Antocianinas, Zea mays L, SIRT6, Modulación alostérica, Teoría del funcional de la densidad

Resumen

En el presente estudio se evaluó, mediante herramientas de química computacional, la interacción entre tres antocianinas; cianidina-3-O-glucósido; peonidina y pelargonidina, y, la enzima SIRT6, un blanco terapéutico relevante en procesos asociados al envejecimiento y la regulación metabólica. Las propiedades electrónicas de los compuestos fueron analizadas utilizando la Teoría del Funcional de la Densidad (DFT) a nivel B3LYP/6-31G(d), permitiendo determinar parámetros de reactividad como energías de los orbitales HOMO–LUMO, brecha energética (ΔE) y dureza química (η). Los resultados indican que la peonidina presenta la menor brecha energética (ΔE = 2.7864 eV), lo que sugiere una mayor polarizabilidad y capacidad de interacción electrónica. Los estudios de acoplamiento molecular realizados mediante SwissDock evidenciaron que la pelargonidina exhibe la mayor afinidad de unión (ΔG = −7.228 kcal/mol), seguida de la peonidina (ΔG = −7.081 kcal/mol), mientras que la cianidina mostró una interacción menos favorable. El análisis estructural evidenció interacciones clave con Ala51 y Gln216, incluyendo enlaces de hidrógeno cortos y anclaje bidentado. La afinidad de unión depende tanto de la reactividad molecular como de la complementariedad geométrica con el sitio activo. Se observó un impedimento estérico en el sitio de unión del NAD⁺, lo que respalda un posible mecanismo de inhibición competitiva. En conjunto, estos hallazgos proporcionan una base teórica para el diseño de moduladores de SIRT6 derivados de antocianinas y destacan la importancia de combinar métodos de DFT y docking molecular para el estudio de interacciones proteína–ligando.

Descargas

La descarga de datos todavía no está disponible.

Citas

Beauchamp, N. J.; Wang, C. Molecular modeling approaches. J. Chem. Inf. Model. 2018, 58, 2235–2244. DOI: https://doi.org/10.1021/acs.jcim.8b00512

Becke, A. D. Density-functional thermochemistry. III. J. Chem. Phys. 1993, 98, 5648–5652. DOI: https://doi.org/10.1063/1.464913

Berman, H. M.; Westbrook, J.; Feng, Z.; Gilliland, G.; Bhat, T. N.; Weissig, H.; Shindyalov, I. N.; Bourne, P. E. Protein Data Bank. Nucleic Acids Res. 2000, 28, 235–242. DOI: https://doi.org/10.1093/nar/28.1.235

Case, D. A. Molecular dynamics simulations. J. Comput. Chem. 2005, 26, 1668–1688. DOI: https://doi.org/10.1002/jcc.20290

Gohlke, H.; Klebe, G. Approaches to docking. Angew. Chem. Int. Ed. 2002, 41, 2644–2676. DOI: https://doi.org/10.1002/1521-3773(20020802)41:15<2644::AID-ANIE2644>3.0.CO;2-0

Grimme, S.; Antony, J.; Ehrlich, S.; Krieg, H. Dispersion correction (DFT-D). J. Chem. Phys. 2010, 132, 154104. DOI: https://doi.org/10.1063/1.3382344

Grosdidier, A.; Zoete, V.; Michielin, O. SwissDock. Nucleic Acids Res. 2011, 39, W270–W277. DOI: https://doi.org/10.1093/nar/gkr366

Hanwell, M. D.; Curtis, D. E.; Lonie, D. C.; Vandermeersch, T.; Zurek, E.; Hutchison, G. R. Avogadro: an advanced chemical editor. J. Cheminform. 2012, 4, 17. DOI: https://doi.org/10.1186/1758-2946-4-17

Heh, C. H.; Tan, S. S.; Abdullah, M. S.; Abdul Wahab, H. Molecular docking insights. Int. J. Mol. Sci. 2021, 22, 8184. DOI: https://doi.org/10.3390/ijms22158184

Humphrey, W.; Dalke, A.; Schulten, K. VMD visualization. J. Mol. Graph. 1996, 14, 33–38. DOI: https://doi.org/10.1016/0263-7855(96)00018-5

Kim, S.; Chen, J.; Cheng, T.; Gindulyte, A.; He, J.; He, S.; Li, Q.; Shoemaker, B. A.; Thiessen, P. A.; Yu, B.; Zaslavsky, L.; Zhang, J.; Bolton, E. E. PubChem in 2021: new data content and improved web interfaces. Nucleic Acids Res. 2021, 49, D1388–D1395. DOI: https://doi.org/10.1093/nar/gkaa971

Kostić, M.; Živković, J. Anthocyanins: properties and applications. Phytochem. Rev. 2019, 18, 45–62. DOI: https://doi.org/10.1007/s11101-018-9585-7

Lao, F.; Sigurdson, G. T.; Giusti, M. M. Anthocyanins in foods. Compr. Rev. Food Sci. Food Saf. 2017, 16, 1120–1139. DOI: https://doi.org/10.1111/1541-4337.12286

Lee, C.; Yang, W.; Parr, R. G. Development of the Colle–Salvetti functional. Phys. Rev. B 1988, 37, 785–789. DOI: https://doi.org/10.1103/PhysRevB.37.785

Mallela, A. K.; Wiseman, S. J.; Thirumalasetty, S. Protein–ligand interactions. Proteins 2021, 89, 121–135. DOI: https://doi.org/10.1002/prot.26002

Morris, G. M.; Huey, R.; Lindstrom, W.; Sanner, M. F.; Belew, R. K.; Goodsell, D. S.; Olson, A. J. AutoDock4. J. Comput. Chem. 2009, 30, 2785–2791. DOI: https://doi.org/10.1002/jcc.21256

Mostoslavsky, R.; Chua, K. F.; Lombard, D. B.; Pang, W. W.; Fischer, M. R.; Gellon, L.; Liu, P.; Mostoslavsky, G.; Franco, S.; Murphy, M. M.; et al. Genomic stability and aging. Cell 2006, 124, 315–329. DOI: https://doi.org/10.1016/j.cell.2005.12.044

Neese, F. The ORCA program system. WIREs Comput. Mol. Sci. 2012, 2, 73–78. DOI: https://doi.org/10.1002/wcms.81

Pan, P. W.; Feldman, J. L.; Devries, M. K.; Frett, B.; Ai, Y.; Hou, H. S.; Roessler, B. C.; Lin, H. Structure and biochemical functions of SIRT6. J. Biol. Chem. 2011, 286, 14575–14587. DOI: https://doi.org/10.1074/jbc.M110.197053

Parr, R. G.; Yang, W. Density-Functional Theory of Atoms and Molecules; Oxford University Press: New York, 1989.

Pettersen, E. F.; Goddard, T. D.; Huang, C. C.; Couch, G. S.; Greenblatt, D. M.; Meng, E. C.; Ferrin, T. E. UCSF Chimera. J. Comput. Chem. 2004, 25, 1605–1612. DOI: https://doi.org/10.1002/jcc.20084

Politzer, P.; Murray, J. S. Theoretical perspectives on molecular properties. Theor. Chem. Acc. 2002, 108, 134–142. DOI: https://doi.org/10.1007/s00214-002-0363-9

Ruan, X. F.; Ji, M. X.; Gong, Y. J. Anthocyanins interactions. Food Chem. 2020, 310, 125864. DOI: https://doi.org/10.1016/j.foodchem.2019.125864

Sanner, M. F. Molecular surface generation. J. Mol. Graph. Model. 1999, 17, 57–61.

Tasselli, L.; Zheng, W.; Chua, K. F. SIRT6 regulation. Trends Biochem. Sci. 2017, 42, 139–155. DOI: https://doi.org/10.1016/j.tibs.2016.09.006

Trott, O.; Olson, A. J. AutoDock Vina. J. Comput. Chem. 2010, 31, 455–461. DOI: https://doi.org/10.1002/jcc.21334

Tsuda, T. Dietary anthocyanins and health. Mol. Nutr. Food Res. 2012, 56, 159–170. DOI: https://doi.org/10.1002/mnfr.201100504

Vanommeslaeghe, K.; MacKerell, A. D. CHARMM force field. J. Chem. Inf. Model. 2012, 52, 3144–3154. DOI: https://doi.org/10.1021/ci300363c

You, W.; Tang, Z. Sirtuins as drug targets. Front. Pharmacol. 2022, 13, 928430. DOI: https://doi.org/10.3389/fphar.2022.928430

Zhang, J.; Huang, Y.; Zhang, C.; Deng, H. Flavonoid interactions. Bioorg. Med. Chem. Lett. 2016, 26, 3326–3330. DOI: https://doi.org/10.1016/j.bmcl.2016.05.044

Publicado
2026-05-06
Cómo citar
Ortiz Toala, J., & León Plúas, E. E. (2026). Inhibición de la Sirtuina 6 (SIRT6) por Antocianinas del Maíz Morado (Zea mays): Un Estudio Comparativo de Afinidad Mediante Optimización Cuántica DFT y Docking Molecular. Ciencia Latina Revista Científica Multidisciplinar, 10(2), 6020-6042. https://doi.org/10.37811/cl_rcm.v10i2.23615
Sección
Ciencias y Tecnologías