Reposicionamento de fármacos para o tratamento da doença de Chagas: desenvolvimento de modelos computacionais baseados em ligantes ativos fenotipicamente contra o Trypanosoma cruzi e na inibição da diidroorotato desidrog

• Autor(a) principal: Ferreira Junior, Marcos Antonio
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/9/9138/tde-05082021-002930/
• topic: Ancoragem molecular; Aprendizado de máquina; Chagas disease; Diidroorotato desidrogenase; Doença de Chagas; Drug repurposing; Entalpia de interação; Machine learning, Dihydroorotate dehydrogenase; Método semi-empírico; Molecular docking; Reposicionamento de fármacos; Semi-empirical method, Interaction enthalpy; Trypanosoma cruzi; Trypanosoma cruzi

A doença de Chagas é uma enfermidade crônica causada pelo parasita Trypanosoma cruzi (T. cruzi), que afeta aproximadamente oito milhões de pessoas mundialmente e carece de tratamentos seguros e eficazes. Neste trabalho, modelos computacionais baseados nas estratégias LBDD (ligand-based drug design) e SBDD (structure-based drug design) foram desenvolvidos para auxiliar no reposicionamento de fármacos e candidatos a fármaco para o tratamento da doença de Chagas. O reposicionamento, i.e.: a identificação de novos usos terapêuticos para moléculas conhecidas, é uma abordagem promissora para reduzir os investimentos, os riscos de falha e o tempo necessário para desenvolver um novo medicamento. Na estratégia LBDD, os algoritmos de aprendizado de máquina floresta aleatória, Naive Bayes, máquinas de vetores de suporte e redes neurais probabilísticas foram explorados para o desenvolvimento de modelos baseados em dados fenotípicos de inibição do T. cruzi. O NB - FeatMorgan, modelo de melhor performance, exibiu uma alta capacidade preditiva nas validações iniciais (validação cruzada quíntupla e validação externa), que foi confirmada com a segunda validação externa utilizando uma nova série teste (AUC ROC = 0,85, EF1 = 14,3 e TCB = 80%). Dos 269 fármacos selecionados na triagem virtual com o NB - FeatMorgan, 19 (7,1%) já possuíam atividade tripanocida reportada na literatura (IC50 < 5 &#181;M e SI > 10). Ainda, 17 fármacos foram obtidos e testados experimentalmente na inibição do T. cruzi. Notavelmente, a desloratadina e a flibanserina exibiram eficácia promissora na inibição do parasita (Amax = 91% e 92%, respectivamente). Na estratégia SBDD, desenvolveu-se um fluxo de triagem virtual para a seleção de inibidores da diidroorotato desidrogenase do T. cruzi (TcDHODH). Estudos de reancoragem e triagem virtual retrospectiva evidenciaram que a função de pontuação ASP apresentou alta performance na predição do modo de ligação de compostos na enzima e na filtragem inicial de moléculas completamente inativas. Entretanto, a sua capacidade preditiva foi baixa/intermediária na identificação de moléculas potentes na inibição da TcDHODH. Deste modo, um modelo de aprendizado de máquinas baseado no algoritmo Naive Bayes foi desenvolvido utilizando derivados do orotato testados na enzima com o objetivo de refinar os resultados da triagem virtual provenientes da função ASP. O modelo empregou a entalpia de interação entre o ligante e o alvo, calculada pelo método semi-empírico PM7, como descritor, assim como a lipofilicidade do ligante e a variação de energia associada às perdas entrópicas resultantes das restrições conformacionais do ligante ao se complexar com a proteína. O NB - TcDHODH - 8, modelo de melhor performance, apresentou alta capacidade preditiva na validação cruzada quíntupla, a qual foi confirmada na validação externa com a série teste (AUC ROC = 0,79 e AUC BEDROC = 0,85). Os modelos desenvolvidos nas estratégias LBDD e SBDD deste trabalho poderão auxiliar no desenvolvimento novas terapias seguras e eficazes para o tratamento da doença de Chagas. Os compostos selecionados poderão ser explorados na terapêutica da doença ou como pontos de partida para novos projetos de P&D de fármacos anti-T. cruzi. Os modelos computacionais poderão, ainda, ser utilizados em novas triagens virtuais a partir de bibliotecas de interesse.