ESTUDOS COMPUTACIONAIS PARA NOVAS POSSIBILIDADES DE SÍNTESE DE MOLÉCULAS CANDIDATAS A FÁRMACOS
DOI:
https://doi.org/10.56238/levv17n57-024Palavras-chave:
Bioinformática, Glioblastoma, Descoberta de Novos Fármacos, Estudos In SilicoResumo
A descoberta de novos medicamentos é um campo desafiador, com muitas etapas de testes e aprovação regulatória. No entanto, ela tem o potencial de transformar o tratamento de doenças, melhorar a qualidade de vida dos pacientes e até salvar vidas. A bioinformática desempenha um papel fundamental no desenvolvimento de fármacos, permitindo uma abordagem mais eficiente e precisa no processo de descoberta e otimização de medicamentos. A triagem virtual, por exemplo, utiliza técnicas de simulações computacionais para identificar moléculas mais promissoras para alvos específicos. Isso permite a seleção mais rápida e direcionada de candidatos a fármacos promissores, reduzindo o número de compostos a serem testados experimentalmente. Após a identificação e validação de um alvo farmacológico, por exemplo as enzimas quinases em câncer, pode-se planejar moléculas promissoras para este alvo. Se o tipo de câncer for cerebral, tal como o glioblastoma, estudos de moléculas promissoras para a capacidade de atravessar a barreira hematoencefálica podem contribuir de maneira expressiva. Neste sentido, estudos computacionais prévios foram executados para selecionar moléculas com bons parâmetros farmacocinéticos, alta atividade biológica e possibilidade de serem sintetizadas. O objetivo deste trabalho foi realizar estudos in silico para selecionar moléculas promissoras para serem propostas como novos potenciais futuros fármacos para tratamento de Glioblastoma. Foi realizado um estudo in silico contendo 57 moléculas. Todas as moléculas propostas foram submetidas em plataformas computacionais para avaliar parâmetros farmacocinéticos como, perfil para boa biodisponibilidade oral de acordo com a “Regra dos cinco de Lipinsk, capacidade de inibição de quinases, capacidade de atravessar a barreira hematoencefálica. No presente trabalho foi possível selecionar um grupo de moléculas mais promissoras. As moléculas 20, 39, 44, 45, 51 e 55 apresentaram potencial para atravessar a barreira hematoencefálica, de acordo com a nota final do Score definido neste estudo. Já as moléculas 20, 39, 45, 51, 54, 55, 56 e 57 mostraram-se promissoras na inibição de quinases com base nos valores de pIC50 calculados, indicando serem as mais promissoras. Já a molécula 39 destacou-se por apresentar o maior valor de pIC50 estimado e por apresentar maior valor do Score desta triagem. Portanto, através deste estudo in silico, pode-se destacar a molécula 39 como a mais promissora para a síntese e testes in vitro.
Downloads
Referências
ALDAZ, P., & AROZARENA, I. (2021). Tyrosine kinase inhibitors in adult glioblastoma: An (un)closed chapter? Cancers, 13(22), 5799.
ALQAHTANI, S. In silico ADME-Tox modeling: progress and prospects. Expert Opinion on Drug Metabolism & Toxicology, v. 13, n. 11, p. 1147–1158, 2 nov. 2017.
ANTUNES, JOAO EUSTAQUIO; DE MOURA PEREIRA, MICHELLE BUENO, et al. New method for predict biological activity of kinases inhibitors. SCIREA Journal of Chemistry. V. 2, n. 2, April 2017.
ANTUNES, JOAO EUSTAQUIO; DE MOURA PEREIRA, MICHELLE BUENO. Rational Computational Study for New Kinase Inhibitors. Journal of Drug Design and Medicinal Chemistry, v. 5, n. 3, p. 40-46, 2019.
ANTUNES JE, FREITAS MP AND RITTNER R. (2008a). Bioactivities of a series of phosphodiesterase type 5 (PDE-5) inhibitors as modelled by MIA-QSAR. Eur. Jour. Med. Chem. 43, 1632-1638.
ANTUNES JE, FREITAS MP, DA CUNHA EFF, RAMALHO TC AND RITTNER R. (2008b) In silico prediction of novel phosphodiesterase type-5 inhibitors derived from Sildenafil, Vardenafil and Tadalafil. Bioorg. Med. Chem. 16, 7599-7606.
AZEVEDO, LIVIANE D. de et al. Sínteses e propriedades de fármacos inibidores da tirosina quinase BCR-ABL, utilizados no tratamento da leucemia mieloide crônica. Química Nova, v. 40, p. 791-809, 2017.
BAIN, JENNY et al. The selectivity of protein kinase inhibitors: a further update. Biochemical Journal, v. 408, n. 3, p. 297-315, 2007.
BALLABH P, BRAUN A, NEDERGAARD M. A barreira hematoencefálica: uma visão geral: estrutura, regulação e implicações clínicas. Neurobiol Dis. 2004 Jun; 16 (1):1-13.
BANERJEE, P. et al. ProTox-II: a webserver for the prediction of toxicity of chemicals. Nucleic Acids Research, v. 46, n. W1, p. W257–W263, 2 jul. 2018.
BIOATIVAS: regra dos cinco de Lipinski e preparação de heterociclo 1, 3, 4-oxadiazol em forno de micro-ondas doméstico. Química Nova, v. 41, p. 110-115, 2018.
BRIDGES AJ, ZHOU H, CODY DR, REWCASTLE GW, MCMICHAEL A, SHOWALTER HDH, FRY DW, KRAKER AJ AND DENNY WA. (1996). Tyrosine Kinase Inhibitors. An Unusually Steep Structure−Activity Relationship for Analogues 4-(3-Bromoanilino)-6,7-dimethoxyquinazoline (PD 153035), a Potent Inhibitor of the Epidermal Growth Factor Receptor. Jour. Med. Chem. V.,39,p. 267-276.
CAPELOZZI, VERA LUIZA. Papel da imuno-histoquímica no diagnóstico do câncer de pulmão. Jornal Brasileiro de Pneumologia, v. 35, p. 375-382, 2009.
DANCEY C AND REIDY J. (2006). Estatística Sem Matemática para Psicologia: Usando SPSS para Windows. 5. ed. Porto Alegre, Artmed.
DIAS, T. A. O., COUT, D. S., & CARDOSO, E. J. R. (2022). Quality of life in glioblastoma after the introduction of temozolomide: A systematic review. Research, Society and Development. v. 11, p.15.
DRESEMANN G. Temozolomide in malignant glioma. OncoTargets Ther. 2010. v.3, p. 139-46.
DOYTCHINOVA, I. (2022). Drug Design—Past, Present, Future. Molecules, v.27, p.5, 1496. https://doi.org/10.3390/molecules27051496.
FERLAY, J., COLOMBET, M., SOERJOMATARAM, I., PARKIN, D. M., PIÑEROS, M., ZNAOR, A., & BRAY, F. (2021). Cancer statistics for the year 2020: An overview.International Journal of Cancer. Advance online publication.
FERNANDES GS, ANTUNES JE, PEREIRA MBM, MARINHO ACB, MACHADO B, MOREIRA ACS, FREITAS MP AND LANG K. (2015). In silico Pharmacokinetics Studies for Quinazolines Proposed as EGFR Inhibitors. Open Jour. Med. Chem. 5, 106-115.
FERREIRA, L. et al. Molecular Docking and Structure-Based Drug Design Strategies. Molecules, v. 20, n. 7, p. 13384–13421, 22 jul. 2015.
FRY, David W. et al. A specific inhibitor of the epidermal growth factor receptor tyrosine kinase. Science, v. 265, n. 5175, p. 1093-1095, 1994.
GOLAN, David et al. Princípios de farmacologia: a base fisiopatológica da farmacoterapia. 2009.
HUANG PH, CAVENEE WK, FURNARI FB, WHITE FM. Uncovering therapeutic targets for glioblastoma: a systems biology approach. Cell Cycle. 2007. 6(22):2750 4.
JACOB C. (1988). Statistical power analysis for the behavioral sciences. 2.ed. Hillsdale, NJ: Erlbaum.
KATZUNG BG, TREVOR AJ. Farmacologia básica e clínica. 13ª ed. Porto Alegre: Artmed, 2017.
KAUR, T. et al. Molecular Docking in Formulation and Development. Current Drug Discovery Technologies, v. 16, n. 1, p. 30–39, 2019.
KONTOYIANNI, M. Docking and Virtual Screening in Drug Discovery. Methods in Molecular Biology (Clifton, N.J.), v. 1647, p. 255–266, 2017.
LACROIX M. et al. A multivariate analysis of 416 patients with glioblastoma multiforme: prognosis, extent of resection, and survival. J. Neurosurg. 2001. 95(2):190-8.
LOPES, NEI R.; ABREU, MARIA THERESA CL. Inibidores de tirosino quinase na leucemia mieloide crônica. Revista Brasileira de Hematologia e Hemoterapia, v. 31, p. 449-453, 2009.
LOUIS DN. et al. World Health Organization Classification of Tumours of the Central Nervous System. 4a edição (vol 1) IARC/WHO Geneva. 2007.
MIKOVSKI, DANIELE et al. Química Medicinal E A Sua Importância No Desenvolvimento De Novos Fármacos. Revista Saúde e Desenvolvimento, v. 12, n. 13, p. 29-43, 2018.
MOLINARO, A.M., TAYLOR, J.W., WIENCKE, J.K., & WRENSCH, M.R. (2019). Genetic and molecular epidemiology of adult diffuse glioma. Nature Reviews Neurology, 15(7), 405-41721(6):720-7.
MOLINSPIRATION CHEMINFORMATICS. Disponível em: <https://www.molinspiration.com/>.
MORRIS, G. M.; LIM-WILBY, M. Molecular Docking. Em: KUKOL, A. (Ed.). Molecular Modeling of Proteins. Methods Molecular BiologyTM. Totowa, NJ: Humana Press, 2008. p. 365–382.
PATEL NP, LYON KA, HUANG JH. The effect of race on the prognosis of the glioblastoma patient: a brief review. Neurological research. 2019; 41(11), 967-971.
PINZI, L.; RASTELLI, G. Molecular Docking: Shifting Paradigms in Drug Discovery. International Journal of Molecular Sciences, v. 20, n. 18, p. 4331, jan. 2019.
REWCASTLE, G. W. et al. Synthesis of 4-(Phenylamino) pyrimidine Derivatives as ATP-Competitive Protein Kinase Inhibitors with Potential for Cancer Chemotherap. Current Organic Chemistry, v. 4, n. 7, p. 679-706, 2000.
ROUSSEAU A, MOKHTARI K, DUYCKAERTS C. The 2007 WHO classification of tumors of the central nervous system - what has changed? Curr Opin Neurol. 2008.
SANAI N, BERGER MS. Glioma extent of resection and its impact on patient outcome. Neurosurgery. 2008
SANTOS, T. S. Uso da Bioinformática para selecionar moléculas candidatas a fármacos.2022. Trabalho de Conclusão de Curso (graduação). Instituto Ciências da Vida da Universidade Federal de Juiz de Fora. Governador Valadares.83 f.2022.
SILVA B. V, et al., Proteínas quinases: características estruturais e inibidores químicos, Quim. Nova, Vol. 32, No. 2, 453-462, 2009.
STANZIONE, F.; GIANGRECO, I.; COLE, J. C. Use of molecular docking computational tools in drug discovery. Em: Progress in Medicinal Chemistry. [s.l.] Elsevier, 2021. v. 60p. 273–343.
TABATABAI G. et al. Molecular diagnostics of gliomas: the clinical perspective. Acta Neuropathol. 2010.120(5):585-92.
VERLI, H. (Org.). Bioinformática: da Biologia à Flexibilidade Molecular. 1ª edição: SBBq, 2014.
WEININGER, D. SMILES, A chemical language and information system. 1. Introduction to methodology and encoding rules. Journal of Chemical Information and Computer Sciences, v. 28, n. 1, p. 31–36, 1 fev. 1988.
WELLER M. Novel diagnostic and therapeutic approaches to malignant glioma. Swiss Med Wkly. 2011. 141:w13210.
WOLFF JE. et al. Nitrosourea efficacy in high-grade glioma: a survival gain analysis summarizing 504 cohorts with 24193 patients. J Neurooncol. 2008. 88(1):57-63.
