Submitted by Pós graduação Farmácia (ppgfar@ufba.br) on 2017-05-25T19:31:51Z No. of bitstreams: 1 HUMBERTO.FREITAS2.pdf: 7925171 bytes, checksum: a90703d131530b19fcb2e6433ff99c07 (MD5) / Approved for entry into archive by Patricia Barroso (pbarroso@ufba.br) on 2017-05-29T17:25:44Z (GMT) No. of bitstreams: 1 HUMBERTO.FREITAS2.pdf: 7925171 bytes, checksum: a90703d131530b19fcb2e6433ff99c07 (MD5) / Made available in DSpace on 2017-05-29T17:25:44Z (GMT). No. of bitstreams: 1 HUMBERTO.FREITAS2.pdf: 7925171 bytes, checksum: a90703d131530b19fcb2e6433ff99c07 (MD5) / FAPESB / Apesar dos avanços no desenvolvimento de fármacos antifúngicos, observa-se um crescimento de cepas resistentes aos fármacos de escolha (derivados azólicos). Diante disso, torna-se imprescindível racionalizar as propriedades físico-químicas e estruturais que governam a atividade antifúngica de derivados azólicos, bem como investigar os mecanismos moleculares responsáveis pela resistência. Visando elucidar algumas dessas questões os objetivos desse trabalho são: 1) Determinar a atividade biológica de 33 derivados azólicos, frente á Cryptococcus gattii, a fim de utilizá-la como variável dependente na construção de modelos classificatórios (KNN e SIMCA) e quantitativos (HQSAR e QSAR 2D); 2) Investigar, do ponto de vista estrutural, mutações pontuais no gene ERG11 que conferem resistência a derivados azólicos. Os modelos classificatórios (KNN e SIMCA) mostram consistência interna razoável ao acertar a classificação de 60% dos compostos ativos e 75% dos compostos inativos do grupo teste. Adicionalmente, o modelo SIMCA sugere que a transferência de carga entre átomos distantes de 10 ligações (JGI10) é importante para diferenciar moléculas ativas das inativas contra C. gattii. Os modelos quantitativos baseados em fragmentos moleculares (hologramas QSAR) apresentam bom ajuste (r2=0,85), porém baixo poder preditivo (r2 pred=0,38), enquanto o melhor modelo de QSAR 2D baseado em descritores topológicos apresenta resultados estatísticos elevados (r2=0,95 e q2=0,86) com 3 PCs, além de bom poder preditivo (r2 pred=0,72). Este modelo indica ainda que o aumento da potência é influenciado pela menor distribuição de carga de uma molécula na distância de dois átomos (GGI1) e pela menor diferença de eletronegatividade dos átomos na distância topológica 1 e 2 (GATS1e e MATS2e). Os modelos comparativos de lanosterol 14α-desmetilase de C. gattii, nativa e com mutações pontuais (G484S, H488Y e K156R), mostram que alterações no posicionamento do grupo heme e redução do número de interações entre a enzima e o grupo prostético, desestabilizam a interação entre o ferro do grupo heme e o nitrogênio do anel imidazólico ou triazólico, e modificações na flexibilidade conformacional do alvo terapêutico, reduzindo assim o acesso do antifúngico ao sítio ativo da enzima, são os principais mecanismos pelos quais as mutações reduzem a afinidade dos derivados azólicos pelo alvo terapêutico. / Despite advances in the development of antifungal drugs, there is an upsurge of resistant strains against the drugs of choice (azole derivatives). Hence, it becomes essential to comprehend the physicochemical and structural properties that rule the antifungal activity of azole’s derivatives, as well as to investigate the molecular mechanisms responsible for fungal resistance. Aiming at elucidating some of these questions the objectives of this study are: 1) To determine the biological activity of 33 azole derivatives against Cryptococcus gattii, in order to use it as a dependent variable in the development of classification (KNN and SIMCA) and quantitative (HQSAR and 2D QSAR) models; 2) To investigate, from a structural stand-point of view, mutations in the ERG11 gene which render C. gattii resistant to azole’s derivatives. Classification models (KNN and SIMCA) show reasonable internal consistency, correctly classifying 60% of the active compounds and 75% of inactive compounds from the test group. Additionally, the SIMCA model suggests that the charge transfer between atoms 10 bonds apart (JGI10) is important to differentiate azole derivatives that are either active or inactive against C. gattii. The quantitative models based on molecular fragments (hologram QSAR) shows good fit (r2 = 0.85), but low predictive power (r2 pred = 0.38), whereas the best 2D QSAR model, built from topological descriptors, shows outstanding statistical results (r2 = 0.95 and q2 = 0.86) with 3 PCs, along with good predictive power (r2 pred = 0.72). This model also indicates that potency boost is influenced by reduced charge distribution between two atoms (GGI1) and by the lower electronegativity difference at the topological distance 1 and 2 (GATS1e and MATS2e). Comparative models of native and mutated (G484S, H488Y and K156R) lanosterol 14α- demethylases of C. gattii show that changes in the positioning of the heme group and reduced binding of the enzyme towards the prosthetic group, disrupt the interaction profile between the heme iron and the nitrogen of imidazole or triazole ring, as well as changes in the therapeutic target conformational flexibility, which reduces the access of the antifungal agente to the enzyme active site, are the main mechanisms by which affinity of azole derivatives is reduced.