Estudos de QSAR de derivados de benzilfenildiaminoeter, promissores para o tratamento da Tripanossomíase Humana Africana causada pelo Tripanossoma Brucei Rhondesiense

• Ano de defesa: 2019
• Autor(a) principal: Pereira, Estevão Bombonato
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: artificial neural network; chemometrics; HCA; human african trypanosomiasis; KNN; modelagem molecular; molecular modeling; PCA; PLS; QSAR; quimiometria; redes neurais artificiais; SAR; SIMCA; tripanossomíase humana africana
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/75/75134/tde-16102019-101438/

A Tripanossomíase Humana Africana, ou doença do sono, é uma doença negligenciada que assola alguns países da África, principalmente na região centro-sul do continente. Essa doença é causada pelo tripanossoma brucei rhondesiense, que é transmitido pela mosca silvestre Tsé-Tsé. Há projetos para combate à mosca para evitar a disseminação da doença, mas ainda se faz necessário o estudo de fármacos para combate ao tripanossoma. Com vistas a ajudar nesta busca por fármacos que sejam uteis no combate ao tripanossoma, estudamos um conjunto de derivados de benzofenildiaminoeteres desenvolvidos e testados por Patrick e colaboradores para avaliar quais seriam as características mais importantes para que as moléculas tenham uma melhor atividade contra o tripanossoma. Ao avaliarmos as propriedades das moléculas e a relação com a atividade biológica, selecionamos como descritores a energia do orbital HOMO, o número de aminas primárias alifáticas (nNH2), fator hidrofílico (Hy), o índice de primeira ordem da média de carga topológica (JGI1), a autocorrelação de Moran na lag-1 ponderada pela eletronegatividade de Sanderson (MATS1e), e autocorrelação de Geary na lag-7 ponderada pela eletronegatividade de Sanderson (GATS7e). Para o estudo SAR utilizamos os métodos de classificação análise hierárquica de grupos (HCA), análise de componentes principais (PCA), análise dos k-ésimos vizinhos mais próximos (KNN) e SIMCA. Para o estudo QSAR, utilizamos o método de análise de mínimos quadrados parciais (PLS) e redes neurais artificiais (ANN). Todos os métodos utilizados foram testados e validados, quando cabível. Os resultados obtidos em cada método apresentam uma boa relação entre si, mostrando que o uso de vários métodos em conjunto torna o resultado mais confiável.