O documento discute a aplicação de QSAR e modelagem molecular no desenvolvimento de fármacos. Aborda os principais tópicos de identificação do alvo, triagem de compostos, ensaios pré-clínicos e clínicos, além de técnicas como QSAR, modelagem molecular, docking e CoMFA/CoMSIA para otimização de moléculas candidatas a medicamentos.
Apresentação sobre a Serotonina, um neurotransmissor importante nos processos bioquímicos do sono e do humor. O aminoácido Triptofano (TRF) é o precursor da síntese da serotonina.
Parte 1 – Farmacodinâmica (Mecanismos); Definição de farmacodinâmica; Interação fármaco-receptor; Transdução de sinais; Alvos terapêuticos; Tipos de receptores e efetores: A - Canais iônicos regulados por ligantes; B- Receptor acoplado a proteína G; C- Receptores ligados a quinases; D- Receptor nucleares. Parte 2- Farmacodinâmica (Aplicações); Ação dos fármacos; Ligação fármaco-receptor; Potência dos fármacos; Curva dose-resposta; Potência dos fármacos; Agonistas; Antagonismo competitivo; Sinergismo e Antagonismo farmacológico; Dessensibilização de receptores.
Aula apresentada por Claudia Vidal, chefe do Setor de Vigilância em Saúde e Segurança do Paciente, chefe do Serviço de Controle de Infecção Hospitalar e Preceptora RM - Doenças Infecciosas e Parasitárias do Hospital das Clínicas / UFPE - Filiado à EBSERH, durante webinar sobre 'Resistência microbiana: estratégias para o uso racional de antimicrobianos', realizado pelo Proqualis em maio de 2018.
A lecture on molecular docking that I give for master students at University Paris Diderot.
Warning: this presentation has numerous animations which are not included in the slideshare document.
https://florentbarbault.wordpress.com/
Apresentação sobre a Serotonina, um neurotransmissor importante nos processos bioquímicos do sono e do humor. O aminoácido Triptofano (TRF) é o precursor da síntese da serotonina.
Parte 1 – Farmacodinâmica (Mecanismos); Definição de farmacodinâmica; Interação fármaco-receptor; Transdução de sinais; Alvos terapêuticos; Tipos de receptores e efetores: A - Canais iônicos regulados por ligantes; B- Receptor acoplado a proteína G; C- Receptores ligados a quinases; D- Receptor nucleares. Parte 2- Farmacodinâmica (Aplicações); Ação dos fármacos; Ligação fármaco-receptor; Potência dos fármacos; Curva dose-resposta; Potência dos fármacos; Agonistas; Antagonismo competitivo; Sinergismo e Antagonismo farmacológico; Dessensibilização de receptores.
Aula apresentada por Claudia Vidal, chefe do Setor de Vigilância em Saúde e Segurança do Paciente, chefe do Serviço de Controle de Infecção Hospitalar e Preceptora RM - Doenças Infecciosas e Parasitárias do Hospital das Clínicas / UFPE - Filiado à EBSERH, durante webinar sobre 'Resistência microbiana: estratégias para o uso racional de antimicrobianos', realizado pelo Proqualis em maio de 2018.
A lecture on molecular docking that I give for master students at University Paris Diderot.
Warning: this presentation has numerous animations which are not included in the slideshare document.
https://florentbarbault.wordpress.com/
Super nova desenvolvimento de produtos imunobiológicos e farmacêuticos (3)sparksupernova
Apresentação do Dr. Ricardo Palacios, Meridional R&D /Instituto Butantan.
Tema: Logística de ensaios clínicos: quando, como e por que iniciá-los?
Ocorreu no Supernova, dia 06 de outubro de 2014.
Apresentação de Daniel Lebre, CEO do CEMSA Lab, no dia 20 de outubro de 2014 para o Supernova.
A importância das características de ADME para o desenvolvimento de novos fármacos.
Modelagem Molecular no Ensino de Química: resultados preliminares de uma anál...Adriana Ramos
Neste trabalho realizamos uma atividade de modelagem molecular no ensino de química utilizando o software spartan, no tópico de Estereoquímica. A atividade é descrita focando principalmente em uma análise conformacional do n-butano e dos isômeros cis e trans do 2-buteno. Antes e após a atividade de modelagem computacional, conduzida em dupla, foi realizado um teste individual e uma entrevista individual seguindo o protocolo think aloud. O objetivo da atividade foi o de buscar indícios sobre como e de que forma são internalizadas as representações utilizadas durante a atividade de modelagem molecular no conteúdo de estereoquímica. As considerações sobre os resultados, para este trabalho, foram construídas a partir da análise de conteúdo das entrevistas
UMA REVISÃO DE LITERATURA SOBRE MODELAGEM MOLECULARAdriana Ramos
A modelagem molecular a partir do uso de softwares tem se tornado ferramenta importante para a química profissional, bem como facilitadora na compreensão das propriedades de átomos e moléculas. Atualmente, antes do trabalho em laboratório, o uso da modelagem tem sido a primeira etapa no longo processo de síntese de novos produtos em indústrias de fármacos, cosméticos, dentre outras. Este trabalho busca oferecer uma breve revisão da literatura de ensino de química nos últimos dez anos sobre o tema modelagem molecular. Foram pesquisados os termos “modelagem molecular”, “molecular modeling” e “modelaje molecular” nos títulos e resumos dos principais periódicos de ensino de química do Brasil, da América Latina, dos Estados Unidos e da Europa.
Apresentação Prof. Dra. Maria Lucia Dagli: testes pré-clínicos e agências r...sparksupernova
A Prof. Dra. Maria Lucia Zaidan Dagli apresentou ao Supernova, no dia 22 de setembro de 2014, os testes pré-clínicos que são exigidos pelas agências regulatórias para registro de produtos químicos e biológicos.
DRUG DESIGN BASED ON BIOINFORMATICS TOOLSNIPER MOHALI
Drug design is a very complex process it takes many more times but using the these specific tools we can reduce complex process and save the time and produce a effective new drug that will be helpful in heath environment.
O receptor µ-opioide (µOR) é um GPCR pertencente à classe “A” que está relacionado à regulação de processos fisiológicos. A ativação do µOR acontece por intermédio da ligação com pequenas moléculas ou peptídeos, desencadeando um processo de sinalização através da proteína Gi, promovendo efeitos de analgesia e sedação. O µOR possui outra via de sinalização por meio da β-arrestina que está associada aos efeitos adversos dos analgésicos opioides. Alguns ligantes são capazes de ativar preferencialmente uma das vias em detrimento da outra, abrindo oportunidades de desenvolvimento de novas drogas mais potentes e com menos efeitos colaterais. Este estudo visa analisar as conformações de ligantes reconhecidamente enviesados em complexo com o µOR através de técnicas computacionais de docagem molecular e dinâmica molecular com amostragem aprimorada (REST2). O projeto encontra-se na etapa de produção no Centro Nacional de Processamento de Alto Desempenho (CENAPAD-UNICAMP), onde estão sendo realizados cálculos computacionais das conformações de ligantes reconhecidamente enviesados em complexo com o µOR, por meio da técnica computacional de dinâmica molecular com amostragem aprimorada (REST2).
O receptor µ-opióide (µOR) é um GPCR pertencente à classe “A” que está relacionado à regulação de processos fisiológicos. A ativação do µOR acontece por intermédio da ligação com pequenas moléculas ou peptídeos, desencadeando um processo de sinalização através da proteína Gi, promovendo efeitos de analgesia e sedação. O µOR possui outra via de sinalização por meio da -arrestina que está associada aos efeitos adversos dos analgésicos opioides. Alguns ligantes são capazes de ativar preferencialmente uma das vias em detrimento da outra, abrindo oportunidades de desenvolvimento de fármacos mais potentes e com menos efeitos colaterais. O objetivo deste trabalho foi analisar as conformações estruturais de ligantes reconhecidamente enviesados em complexo com o µOR através de técnicas computacionais de docagem molecular e dinâmica molecular
A estereoquímica orgânica estuda as moléculas compostas de mesmos átomos que possuem mesma fórmula estrutural,mas diferem entre si na forma dos arranjos espaciais dos átomos (PACHECO, 2006).Pasteur examinando amostras de cristais do ácido tartárico verificou que as soluções aquosas de pequenos cristaisseparados apresentavam atividades ópticas opostas,onde a solução de um dos montículos girava o plano de polarizaçãoda luz no a esquerda (Levógira) e a do outro no sentido da direita (dextrógira). Além disto, Pasteur também mostrouque as soluções obtidas misturando igual número de cristais direitos e esquerdos não alteravam a polarização daluz,denominandoeste fenômeno de solução “racêmica" (CATANNI; BASSALO, 2009).Nos dias atuais, essas moléculas são conhecidas como quirais. Os conhecimentos até agora acumulados em isomeriaóptica apontam para um fato importante de manifestação dessa propriedade nas substâncias: só possuem isomeriaóptica, os compostos ditos quirais. Substâncias que não possuem elemento de simetria no arranjo espacial de seusgrupos ligantes irão apresentar-se na forma de dois enantiômeros que são imagens especulares entre si (FILHO et al.,2007).As moléculas com um elemento de quiralidade apresentam enantiomeria ao passo que dois ou mais elementos dequiralidade apresentam diastereoisomeria (FERES; FILHO, 2009).A modificação da orientação espacial dos substituintes ao redor do centro assimétrico muda completamente o efeitobiológico da molécula. Sem dúvida, os fármacos quirais têm especial relevância na medicina e estão aqui para ficar,sendo que os fármacos quirais necessitam de cuidados especiais, por parte das autoridades farmacêuticas, no sentidode garantir que somente aquele isômero responsável pela atividade seja vendido nas farmácias (COSTA, 2006).Este estudo teve como objetivo realizar uma revisão bibliográfica sobre isomeria óptica/estereoquímica e suaimportância no âmbito da farmácia.
Modelo sugerido para organização da apresentação de trabalho de conclusao de curso, dividido entre os módulos introdução, objetivos, material e métodos, resultados e discussão, conclusão e referências. Passível de edição.
Material integrante do curso "Introdução ao Planejamento e Análise Estatística de Experimentos" - Prof. Pedro Ferreira Filho e Profa. Estela Maris P. Bereta - UFSCar
QSAR e MM Supernova 03/11/2014 Prof. Dra. Elizabeth Igne Ferreira
1. APLICAÇÃO DE QSAR E MODELAGEM MOLECULAR
NO DESENVOLVIMENTO DE FÁRMACOS
ELIZABETH IGNE FERREIRA
FCF/USP
Novembro 2014
2. TRIAGEM
1 A 2
ANOS
IDENTIFI-CAÇÃO
DO LÍDER
1 A 2
ANOS
OTIMIZA-ÇÃO
DO
LÍDER
1 A 2
ANOS
ENSAIOS
PRÉ-
CLÍNICOS
1 A 5
ANOS
FASE I
1,5 ANOS
FASE II
2 ANOS
FASE III
3 ANOS
REGISTRO
6 MESES
A
2 ANOS
FONTE: FAKUNLE, E.S.; LORING, J.F. Trends in Molecular Medicine, v.18, p.709-716, 2012.
3.
4. IDENTIFICAR A
DOENÇA ALVO
IDENTIFICAR O
ALVO
TESTAR OS
COMPOSTOS
IDENTIFICAR
O COMPOSTO
LÍDER
FONTE: PATRICK, 2008
PATENTE
REGRA DE LIPINSKI
(regra dos 5) – via
oral
MM<500
< 5 grupos
doadores de H
Não mais do que
10 aceptores H
logP <5
8. Seleção do Alvo
Molecular
Seleção da Estrutura
Base
SBVS LBVS
Base de Dados para a
Triagem Virtual
Identificação de Compostos
Com Propriedades Físico-químicas exigidas
Geração de Farmacóforo 3D
Ancoragem Molecular (Docking)
Seleção dos melhores no ranking
virtual
AVALIAÇÃO
BIOLÓGICA
COMPOSTO LÍDER
Busca de similaridade, Busca do Farmacóforo,
Máquina de Aprender
Índice de similaridade, Agrupamento ou
Partição
Seleção dos melhores (virtual)
Fármaco-like
Composto líder-like
Guido et al., Current Medicinal Chemistry, 2008, 15, 37-46
9. MODELAGEM MOLECULAR
Mecânica molecular Métodos baseados
na função de onda
Teoria
funcional de
densidade
Campo
de força
Dinâmica
molecular
Ab initio Semi-empírico
Simplifica a
equação pela
aproximação
com dados
experimentais
Resolução
completa da
equação, sem
aproximações
10. MODELAGEM MOLECULAR
MECÂNICA MOLECULAR
Minimização de energia
Conformação estável
Cálculo de energias
Obtenção de diferentes
conformações
MECÂNICA QUÂNTICA
Energia orbital molecular
Calor de formação
Cargas atômicas parciais
Mapas de potencial
eletrostático
Momento dipolo
Estados de transição
PATRICK, G.L. Computers in medicinal chemistry. In:_____. An Introduction to Medicinal Chemistry.
New York: Oxford, 2009. Cap. 17, p. 332-376.
12. Molécula em temperatura
Considera: movimento molecular
em função do tempo, solvente e
temperatura
Estiramento das ligações e
alterações angulares
As barreiras de ernergia
são VENCIDAS
13. MODELAGEM MOLECULAR
Mapa de potencial eletrostático
Giarolla, J et al. J Mol Model, 18:2257–2269, 2012.
15. Modelagem
por homologia
Cristalografia
de raio X
Ressonância
Magnética e Nuclear
Avanços genômica e proteômica
Distâncias e ângulos de ligação, além de ângulos de torção,
os quais definem sua conformação
Barreiro, E.J.; Rodrigues, C.R. Quim Nova, 20:1-11, 1997; Guido, R.; Andricopulo, A. D.; Oliva, G. Estudos
Avançados, 24:81-98, 2010.
PDB
16. DOCKING
Previsão da conformação e orientação do ligante no sítio ativo da
macromolécula alvo
17. DOCKING
“Coloca” ligante no alvo, em uma variedade de posições e orientações
Identifica conformações energeticamente mais favoráveis
Pode ser do tipo: rígido, semi-flexível ou flexível.
18. DOCKING - PARTE DO DENDRON COM ESTERASE
Giarolla et al. – em andamento
19. Seleção do Alvo
Molecular
Seleção da Estrutura
Base
SBVS LBVS
Base de Dados para a
Triagem Virtual
Identificação de Compostos
Com Propriedades Físico-químicas exigidas
Geração de Farmacóforo 3D
Ancoragem Molecular (Docking)
Seleção dos melhores no ranking
virtual
AVALIAÇÃO
BIOLÓGICA
COMPOSTO LÍDER
Busca de similaridade, Busca do Farmacóforo,
Máquina de Aprender
Índice de similaridade, Agrupamento ou
Partição
Seleção dos melhores (virtual)
Fármaco-like
Composto líder-like
Guido et al., Current Medicinal Chemistry, 2008, 15, 37-46
20. DESCOBRIR
O COMPOSTO
LÍDER
PROPRIEDADES
TERAPÊUTICAS
ÚTEIS
COMPOSTO
LIDER
NÍVEL DE
ATIVIDADE E
SELETIVIDADE
NÃO CRÍTICO
IDENTIFICADO
POR
PLANEJAMENTO
OU POR
TRIAGEM
FONTE: PATRICK, 2008
21.
22. Identificação do Hit
Descoberta do líder
Otimização do líder
Candidato a fármaco
Síntese de
Análogos
Ensaios
Biológicos
Organização
de séries
Proposta
de novas
moléculas
QSAR
2D-QSAR
3D-QSAR
4D-QSAR
5D-QSAR
6D-QSAR
Fonte: Andrade et al. Molecules, v. 15, p.3281-3294, 2010.
23. Fonte: Tropsha, A. Mol. Inform., v. 29, p. 476-488, 2010.
FonFonte
Dados
originais
Dados
Selecio-nados
Divisão em
séries treino,
teste e
Validação
externa
Séries
Treino
múltiplas
Randomização de Y (AB)
Combinação de QSAR
e modelagem
Séries
Teste
múltiplas
Predição da
atividade
Manutenção
de
modelos que
passam
filtros
internos
e externos
de acurácia
Modelos de
predição validados
com alta acurácia
interna e externa
Validação externa
usando domínio de
aplicabilidade
Triagem virtual
usando
domínio
de aplicabilidade
Validação
experimental
24.
25. QSAR-2D
EQUAÇÃO DE HANSCH
AB = f(PARÂMETROS HIDROFÓBICOS) +
f(PARÂMETROS ELETRÔNICOS) +
f(PARÂMETROS ESTÉRICOS +
f(OUTROS PARÂMETROS) + correção
27. FASES DA AÇÃO DE UM FÁRMACO
FASE FARMACÊUTICA
DESINTEGRAÇÃO
DISSOLUÇÃO
HIDROSSOLUBILIDADE
FASE FARMACOCINÉTICA
LIPOSSOLUBILIDADE
ABSORÇÃO
DISTRIBUIÇÃO
METABOLISMO
EXCREÇÃO
RELAÇÃO pH/pKa
FASE FARMACODINÂMICA
INTERAÇÃO FÁRMACO-RECEPTOR
EFEITOS ESTÉRICOS
EFEITO BIOLÓGICO
34. Biodisponibilidade oral (%)
Frequência
Parâmetros estatísticos
Baixa <40
Intermediária – 41-80
Alta >80
Frequência
Default 4-7 fragmentos
Biodisponibilidade oral (%)
A = átomos
B = ligações
C = conecções
H = átomos de hidrogênio
Ch = quiralidade
DA = doadores e aceptores
q2 – com validação cruzada
r2 – sem validação cruzada
HL – comprimento do holograma
Fonte: Moda et al. Bioorg. Med. Chem., v.15, p.7738-7745, 2007.
Série Total
Série Treino
Série Teste
Modelo Tipos de fragmentos
Tamanho do fragmento
Parâmetros estatísticos
Série de 302 compostos
Biodisponibilidade oral experimental(%)
Previsão da Biodisponibilidade oral (%)
Série treino
Série teste
35.
36.
37. CoMFA
Comparative Molecular Field
Cramer III, R.D. et al., 1988
CoMSIA
Analysis
Comparative Molecular Similarity
Indices Analysis
Klebe, G., 1998
FONTE: PATRICK, G.L. An introduction to medicinal chemistry, 2013.
38.
39. NÃO ENVOLVE CONSTANTES OU MEDIDAS EXPERIMENTAIS
PROPRIEDADES CONHECIDAS COMO CAMPOS MOLECULARES:
ELETROSTÁTICO
CAMPO ESTÉRICO – TAMANHO E FORMA DA MOLÉCULA
CAMPO ELETROSTÁTICO - REGIÕES DA MOLÉCULA POBRES OU
RICAS DE ELÉTRONS
PROPRIEDADES HIDROFÓBICAS RELATIVAMENTE NÃO IMPORTANTES
NÃO DEPENDE DE VALORES EXPERIMENTAIS
PODE SER APLICADO COM SUBSTITUINTES NÃO COMUNS
NÃO SE RESTRINGE A COMPOSTOS DA MESMA CLASSE ESTRUTURAL
CAPACIDADE PREDITIVA
FONTE: PATRICK, G.L. An introduction to medicinal chemistry, 2013.
40. CONFORMAÇÃO
ATIVA
CONSTRUIR
MODELO 3D
DEFINIR
TRIPOS®
FARMACÓFORO
NHCH3
OH
HO
HO
EPINEFRINA
FONTE: Oxford University Press, 2013.
41. NHCH3
OH
HO
HO
TRIPOS®
CONSTRUIR
MODELO 3D
CONFORMAÇÃO
ATIVA
DEFINIR
FARMACÓFORO
FONTE: Oxford University Press, 2013.
42. 1. COLOCAR O FARMACÓFORO NA GRADE
PONTOS
DA GRADE
.
.
.
.
.
CADA PONTO DA GRADE
DEFINE
UM PONTO NO ESPAÇO
FONTE: Oxford University Press, 2013.
43. Grid points
POSICIONAR A MOLÉCULA PARA SE SUPERPOR AO FARMACÓFORO
.
.
.
.
.
PONTOS
DA GRADE
CADA PONTO DA GRADE
DEFINE
UM PONTO NO ESPAÇO
FONTE: Oxford University Press, 2013.
44. .
.
.
.
.
Átomo sonda
ÁTOMO SONDA COLOCADO EM CADA PONTO DA GRADE
ÁTOMO SONDA =
PRÓTON OU CARBONO sp3
FONTE: Oxford University Press, 2013.
45. .
.
.
.
.
Átomo sonda
ÁTOMO SONDA COLOCADO EM CADA PONTO DA GRADE
MEDIR A INTERAÇÃO ESTÉRICA OU ELETROSTÁTICA DO ÁTOMO SONDA
COM A MOLÉCULA EM CADA PONTO DA GRADE
FONTE: Oxford University Press, 2013.
46. . .
.
CAMPOS TABULADOS
PARA CADA COMPOSTO
Tabulate fields for each
compound at each grid point
EM CADA PONTO DA GRADE
CompoundBiological Campos Estéricos(S) Campos Eletrostáticos(E)
Composto Atividade
Biológica
activity nos pontos da grade (001-998) nos pontos da grade (001-098)
S001 S002 S003 S004 S005 etc E001 E002 E003 E004 E005 etc
ANÁLISE DOS MÍNIMOS QUADRADOS (PLS)
.
.
1 5,1
2 6,8
3 5,3
4 6,4
5 6,1
Equação QSAR Atividade = aS001 + bS002 +……..mS998 + nE001 +…….+yE998 + z
FONTE: Oxford University Press, 2013.
47. CAMPOS DEFINIDOS, USANDO
MAPAS PARA MOLÉCULA
REPRESENTATIVA
FONTE: Oxford University Press, 2013.
48. CONHECER A CONFOMAÇÃO ATIVA – MAIS FÁCIL PARA ESTRUTURAS
RÍGIDAS
ALINHAMENTO NEM SEMPRE FÁCIL
ASSEGURAR-SE QUE TODOS OS COMPOSTOS INTERAGEM COM O ALVO
DE MODO SEMELHANTE
PEQUENAS DIFERENÇAS DE ORIENTAÇÃO NA GRADE LEVAM A
DIFERENTES RESULTADOS
SUPERESTIMAR A INTERPRETAÇÃO DOS RESULTADOS
FONTE: PATRICK, G.L. An introduction to medicinal chemistry, 2013.
49.
50. n átomos
2 q
AF,k(1) = -S w sonda,k wlk e-ari
i=1
n átomos
2 q
AF,k(2) = -S w sonda,k wlk e-ari
i=1
FONTE: Klebe, G. Perspectives in drug discovery and design. v.12/13/14, p.87-104, 1998.
51. bolso
Substituintes hidrofóbicos favoráveis
Substituintes hidrofílicos favoráveis
bolso
FONTE: Klebe, G. Perspectives in drug discovery and design. v.12/13/14, p.87-104, 1998.
52. bolso
bolso
Substituintes aceptores de ligação de hidrogênio na proteína desfavoráveis
Substituintes aceptores de ligação de hidrogênio na proteína favoráveis
FONTE: Klebe, G. Perspectives in drug discovery and design. v.12/13/14, p.87-104, 1998.
53. ligação de H
bolso
bolso
Substituintes doadores de ligação de hidrogênio na proteína desfavorável
Substituintes doadores de ligação de hidrogênio na proteína favoráveis
FONTE: Klebe, G. Perspectives in drug discovery and design. v.12/13/14, p.87-104, 1998.
56. IPE = ELEMENTOS DE INTERAÇÃO DO FARMACÓFORO
Fonte: Andrade et al. Molecules, v. 15, p.3281-3294, 2010.
SIMULAÇÕES
DE
DINÂMICA
MOLECULAR
SELECIONAR
ALINHAMENTOS
SELECIONAR
A SÉRIE
TREINAMENTO
DE
IPEs
REGISTRAR O DESCRITOR DE OCUPÂNCIA DA CÉLULA DA GRADE, GCOD
SÉRIE DE DESCRITORES GCOD
GRID CELL OCCUPANCY DESCRIPTORS
IPE = INTERACTION PHARMACOPHORE ELEMENTS – TIPOS DE ÁTOMOS:
A ou Any – qualquer tipo; P+ - carga polar positiva; P- - carga polar negativa; HA – aceptor de ligação de H;
HB – doador de ligação de H; Ar - aromático
57. SÉRIE DE DESCRITORES GCOD
REDUÇÃO DOS DADOS POR VARIÂNCIA DO GCOD
E/OU CORRELAÇÃO DO GCOD INDIVIDUAL COM
A ATIVIDADE
Fonte: Andrade et al. Molecules, v. 15, p.3281-3294, 2010.
REDUÇÃO DOS DADOS PLS
CONSTRUÇÃO DA MODELAGEM POR
ALGORITMO GENÉTICO
MÚLTIPLOS BONS MODELOS DE
QSAR
PODEM SER GERADOS NA ETAPA
DE OTIMIZAÇÃO
DO ALGORITMO GENÉTICO
IDENTIFICAÇÃO DO MELHOR
MODELO/ALINHAMENTO
VISUALIZAÇÃO DAS CONFORMAÇÕES
ATIVAS
GERAÇÃO DO MODELO 3D DE
FARMACÓFORO E PLANEJAMENTO DE
NOVAS MOLÉCULAS
58. REPRESENTAÇÃO DA CONFORMAÇÃO BIOATIVA POSTULADA PELO
RI-4D-QSAR DO INIBIDOR MAIS POTENTE DA SÉRIE TRIENO NO SÍTIO
ATIVO DA TMPKmt = Timidina Monofosfato Quinase de M. tuberculosis
Fonte: Andrade et al. Molecules, v. 15, p.3281-3294, 2010.
ESTRUTURA QUÍMICA DO INIBIDOR
REGIÕES PRINCIPAIS QUE CONTÊM
OS SÍTIOS DO FARMACÓFORO
59. Simplificação do receptor
e atribuição de cargas atômicas
Modelagem dos
compostos
Docking do
ligante
Seleção das séries
treinamentos de IPEs
Confinamento do receptor seletivo e
dos átomos do inibidor
Simulação de Dinâmica Molecular de
Cada complexo simplificado do Ligante-
Receptor (L-R)
Fonte: Andrade et al. Molecules, v. 15, p.3281-3294, 2010.
Postulação da
conformação “bioativa”
Construção dos modelos
RD 4D-QSAR/GFA-MLR
Análise de regressão
por PLS
Geração do pool de
treinamento de descritores
Análise da
grade
Alinhamento em um
sítio de ligação
60. QUINTA DIMENSÃO –
REPRESENTAÇÃO MÚLTIPLA DA HIPÓTESE DO ENCAIXE INDUZIDO