Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ADRIANA DE OLIVEIRA FERNANDES
DATA: 24/01/2022
HORA: 09:00
LOCAL: online
TÍTULO: Identificação de grupos farmacofóricos em flavonoides com potencial antimalárico e
triagem virtual através de QSAR
PALAVRAS-CHAVES: Malária, QSAR, Aprendizado de máquina, Mineração de dados, Triagem
virtual, Ancoragem molecular
PÁGINAS: 117
GRANDE ÁREA: Outra
ÁREA: Multidisciplinar
RESUMO:
A malária é uma doença infecciosa causada por até cinco espécies de protozoáriosparasitas do gênero Plasmodium, sendo o Plasmodium falciparum o principal agente da manifestaçãosevera da doença e é classificada pela Organização Mundial da Saúde como uma doençanegligenciada. Apesar de existir um rol variado de medicamentos para o tratamento da malária, osprincipais fármacos de primeira linha apresentam efeitos adversos consideráveis, além de váriasnotificações de resistência pelo parasito. Isto pode estar associado ao fato de que várias dessassubstâncias são de origem sintética ou mista, o que tem levado à busca por produtos naturais comoalternativas menos custosas para evitar a resistência. Entre eles, a classe dos flavonoides é atrativadevido à sua diversidade de atividades biológicas, que vão desde anti-inflamatória até antiparasítica.Ainda assim, pouco se sabe sobre as características estruturais dos flavonoides que promovem essa
atividade e como é seu mecanismo de ação. Nos últimos anos a quimioinformática tem avançado na
tentativa de elucidar a relação entre a estrutura e a atividade de biomoléculas, fazendo uso extensivo
de algoritmos de aprendizado de máquina. Apesar de já existirem modelos robustos de previsão de
atividade antimalárica, nenhum é específico para flavonoides. Sendo assim, o objetivo deste trabalho é
identificar as características estruturais que favorecem a atividade antimalárica de flavonoides,
desenvolver modelos de previsão computacional acurados para o descobrimento de novas substâncias
ativas e elucidar seu mecanismo de ação. Para isto, foram criados dois bancos de dados com as
estruturas químicas e atividades de flavonoides para cepas e enzimas de P. falciparum. As estruturas
foram caracterizadas quanto às suas cadeias laterais e submetidas a uma árvore de decisão para
averiguar qual aspecto é mais importante para a bioatividade. Depois, foram calculados e reduzidos os
descritores moleculares que serviram de variáveis para a construção dos modelos preditivos classificatórios e de regressão. Foram desenvolvidos cinco modelos classificatórios e cinco de
regressão, tendo sido escolhidos um de cada tipo para cada um dos bancos. Os melhores modelos
obtidos para o banco de cepas foram o perceptron multicamadas classificatório e a máquina de vetores
de suporte de regressão, com acurácia e R2
de 92.85% e 0.65 para o conjunto de teste,
respectivamente. Para o banco de enzimas foram selecionados o k-ésimo vizinho mais próximo e a
máquina de vetores de suporte de regressão, com acurácia e R2
de 92.8% e 0.92 para o conjunto de
teste, respectivamente. Estes bancos foram utilizados para realizar uma triagem virtual na busca por
novos flavonoides ativos frente a P. falciparum, e será realizada uma ancoragem molecular para avaliar
a ligação entre as estruturas e proteínas das principais vias metabólicas do parasito. Embora os
valores de R2
para os algoritmos de regressão para o banco de cepas não tenham ultrapassado 0.65,
todos os modelos classificatórios apresentaram acurácia acima de 75%, que é considerado adequado
pela literatura. Logo, este estudo apresenta originalidade na construção de modelos preditivos
específicos para flavonoides antimaláricos e ainda visa comprovar seu mecanismo metabólico por
meio de ensaios computacionais, poupando tempo e recursos.