Esta es una revisión de trabajo sobre Péptido, para quien quiere más que un párrafo y menos que un manual.
Actualizado el 2026-06-01. Las cifras y descripciones siguen la literatura publicada, no el material promocional.
Descriptores de propiedades fisicoquímicas: Descriptores de efectos hidrófobos: Como el coeficiente de reparto o de partición aceite/agua, una razón de las concentraciones de una sustancia entre dos fases en equilibrio, o la constante hidrofóbica del sustituyente, π. Descriptores de efectos electrónicos: Estos efectos son el efecto inductivo (F) y la resonancia (R) y son estudiados mediante la ecuación de Hammett. Descriptores de efectos estéricos: Se emplea el parámetro Es, factor estérico de Tafts, con el coeficiente δ que representa la sensibilidad de la reacción a los efectos estéricos, los parámetros de Verloop y Tipker o la refractividad molar. Descriptores de propiedades topológicas índices de conectividad Descriptores de propiedades estructurales presencia de subestructuras o grupos funcionales (sustituyentes en orto de un centro de reacción, sustituyentes contiguos o grupos formadores de puentes de hidrógeno) frecuencia en presencia Descriptores de propiedades electrónicas: constante de ionización y momento dipolar. a partir de cálculos de orbitales Descriptores de propiedades geométricas a partir de cálculos de superficies
Fuentes: es.wikipedia.org
== Juzgando la calidad de los modelos QSAR == Las relaciones QSAR representan modelos estadísticos predictivos derivados de la aplicación de herramientas estadísticas que correlacionan la actividad biológica (incluyendo el efecto terapéutico deseable y los efectos secundarios no deseables) de las sustancias químicas (drogas/tóxicos/contaminantes) con descriptores representativos de la estructura molecular y/o propiedades moleculares. QSAR se está aplicando en muchas disciplinas como evaluación de riesgos, predicción de toxicidad, y decisiones regulatorias además de descubrimiento de fármacos y optimización de productos. Obtener un modelo QSAR de buena calidad depende de muchos factores, tales como la calidad de los datos biológicos, la elección de descriptores y métodos estadísticos. Cualquier modelización QSAR debería conducir en último término a modelos estadísticamente robustos capaces de hacer predicciones precisas y fiables de las actividades biológicas de los nuevos compuestos. Para validar los modelos QSAR se adoptan habitualmente cuatro estrategias:
Fuentes: es.wikipedia.org
validación interna o validación cruzada (validación cruzada); validación por división del conjunto de datos en compuestos (muestras) de entrenamiento y de prueba; validación externa verdadera por aplicación del modelo sobre datos externos y aleatorización de datos o Y-scrambling. El éxito de cualquier modelo QSAR depende de la precisión de los datos iniciales, selección de los descriptores apropiados y herramientas estadísticas, y lo más importante, la validación del modelo desarrollado. La validación es el proceso por el cual se establecen la fiabilidad y relevancia de un procedimiento para un propósito es. Dejar algo fuera de la validación cruzada conduce generalmente a una sobrestimación de la capacidad predictiva e, incluso con validación externa, no podemos asegurar si la selección de los conjuntos de muestras de entrenamiento y de prueba fueron manipulados para maximizar la capacidad predictiva del modelo publicado. Entre los aspectos de la validación de los modelos QSAR que deben revisarse cuidadosamente se incluyen los métodos de selección de los compuestos del conjunto de entrenamiento, el modo de establecer el tamaño del conjunto de entrenamiento y el impacto de la selección de variables sobre los modelos del conjunto de entrenamiento para determinar la calidad de la predicción. Ee también importante el desarrollo de nuevos parámetros de validación para juzgar la calidad de los modelos QSAR.
Fuentes: es.wikipedia.org
=== Químicas === Una de las primeras aplicaciones históricas de las aplicaciones QSAR fue la predicción de los puntos de ebullición. Es bien conocido, por ejemplo, que dentro de una determinada familia de compuestos químicos, especialmente de química orgánica, existe una correlación fuerte entre la estructura y las propiedades observadas. Un ejemplo sencillo es la relación entre el número de átomos de carbono en alcanos y su punto de ebullición. Hay una tendencia clara en elaumento del punto de ebullición con el incremento del número de átomos de carbono y esto sirve como medio de predecir el punto de ebullición de los alcanos superiores. Otras aplicaciones muy interesantes son los métodos de la ecuación de Hammett, que se indica más abajo, la ecuación de Taft y la predicción de la constante de disociación de los ácidos, Ka.
Fuentes: es.wikipedia.org
Péptido se resume aquí a partir de literatura pública: definición, contexto y los puntos que se repiten en la práctica. Información general, no consejo médico.
La investigación sobre Péptido se apoya sobre todo en estudios de laboratorio y en modelos animales; los datos clínicos varían según la sustancia. Reflejamos el estado de la literatura.
Lo decisivo son la pureza y la analítica (HPLC, espectrometría de masas), una reconstitución correcta y un almacenamiento adecuado.%!(EXTRA string=Péptido)
No todos los mecanismos están demostrados y un estudio aislado no es evidencia global. Esta página señala las preguntas abiertas en lugar de darlas por resueltas.%!(EXTRA string=Péptido)