Orientador: Márcia Miguel Castro Ferreira / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Química / Made available in DSpace on 2018-08-25T11:39:21Z (GMT). No. of bitstreams: 1 Martins_JoaoPauloAtaide_D.pdf: 3637503 bytes, checksum: 5fe52d182b4f300eb103baf168ad75ab (MD5) Previous issue date: 2013 / Resumo: O planejamento de fármacos com o auxílio do computador é uma área de pesquisa de extrema importância em química e áreas correlatas. O conjunto de ferramentas disponíveis para tal fim consiste, dentre outras, em programas para geração de descritores e construção e validação de modelos matemáticos em QSAR (do inglês, Quantitative Structure-Activity Relationship). Com o objetivo de tornar esse estudo mais acessível para a comunidade científica, novas metodologias e programas para geração de descritores e construção e validação de modelos QSAR foram desenvolvidos nessa tese. Uma nova metodologia de QSAR 4D, conhecida com LQTA-QSAR, foi desenvolvida com o objetivo de gerar descritores espaciais levando em conta os perfis de amostragem conformacional das moléculas em estudo obtidos a partir de simulações de dinâmica molecular. A geração desses perfis é feita com o software livre GROMACS e os descritores são gerados a partir de um novo software desenvolvido nesse trabalho, chamado de LQTAgrid. Os resultados obtidos com essa metodologia foram validados comparando-os com resultados obtidos para conjuntos de dados disponíveis na literatura. Um outro software de fácil uso, e que engloba as principais ferramentas de construção e validação de modelos em QSAR, foi desenvolvido e chamado de QSAR modeling. Esse software implementa o método de seleção de variáveis OPS, desenvolvido em nosso laboratório, e utiliza PLS (do inglês Partial Least Squares) como método de regressão. A escolha do algoritmo PLS implementado no programa foi feita com base em um estudo sobre o desempenho e a precisão no erro de validação dos principais algoritmos PLS disponíveis na literatura. Além disso, o programa QSAR modeling foi utilizado em um estudo de QSAR 2D para um conjunto de 20 flavonóides com atividade anti-mutagênica contra 3-nitrofluoranteno (3-NFA) / Abstract: Computer aided drug design is an important research field in chemistry and related areas. The available tools used in such studies involve software to generate molecular descriptors and to build and validate mathematical models in QSAR (Quantitative Structure-Activity Relationship). A new set of methodologies and software to generate molecular descriptors and to build and validate QSAR models were developed aiming to make these kind of studies more accessible to scientific community. A new 4DQSAR methodology, known as LQTA-QSAR, was developed with the purpose to generate spatial descriptors taking into account conformational ensemble profile obtained from molecular dynamics simulations. The generation of these profiles is performed by free software GROMACS and the descriptors are generated by a new software developed in this work, called LQTAgrid. The results obtained with this methodology were validated comparing them with results available in literature. Another user friendly software, which contains some of the most important tools used to build and validate QSAR models was developed and called QSAR modeling. This software implements the OPS variable selection algorithm, developed in our laboratory, and uses PLS (Partial Least Squares) as regression method. The choice of PLS algorithm implemented in the program was performed by a study about the performance and validation precision error involving the most important PLS algorithms available in literature. Further, QSAR modeling was used in a 2D QSAR study with 20 flavonoid derivatives with antimutagenic activity against 3-nitrofluoranthene (3-NFA) / Doutorado / Físico-Química / Doutor em Ciências

Orientador: Márcia Miguel Castro Ferreira / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Química / Made available in DSpace on 2018-08-18T23:41:21Z (GMT). No. of bitstreams: 1 Barbosa_EuzebioGuimaraes_D.pdf: 4420345 bytes, checksum: e9da09f02df7f4d6c0756041fc40eb36 (MD5) Previous issue date: 2011 / Resumo: LQTA-QSAR é uma metodologia computacional para QSAR-4D desenvolvida pelo Laboratório de Quimiometria Teórica e Aplicada implementada em um software de acesso livre. O método permite considerar simultaneamente as vantagens da representação molecular multiconformacional e os descritores de campos de interação. Esta tese apresenta a evolução da proposta inicial da metodologia LQTA-QSAR independente de receptores para uma abordagem dependente de receptores. Sua aplicação é demonstrada na construção de modelos de QSAR-4D para a previsão da atividade inibitória de compostos fenotiazínicos da enzima tripanotiona redutase. Foi obtido um modelo com bom poder de previsão (Qprev = 0,78) e com descritores de fácil interpretação. Tal modelo pode ser usado para a proposição de compostos que poderão vir a ser usados para o tratamento da doença de chagas. Para a filtragem e seleção de descritores foi necessário o desenvolvimento de um protocolo completamente distinto daquele disponível na literatura. Foi proposto um procedimento automatizado para identificar e eliminar descritores irrelevantes quando a correlação e um algoritmo que elimina descritores com distribuição díspar em relação à atividade biológica. Foram introduzidos também testes de validação de modelos QSAR nunca antes usados para modelos que utilizam descritores de campo de interação. O protocolo completo foi testado em três conjuntos de dados e os modelos obtidos tiveram capacidade de previsão superior aos da literatura. Os modelos mostraram ser bastante simples e robustos quando submetidos aos testes leave-N-out e y-randomization / Abstract: The New Receptor-Dependent LQTA-QSAR approach is proposed as a new 4D-QSAR method. The RD-LQTA-QSAR is an evolution to the receptor independent LQTA-QSAR. This approach make use of the simulation package GROMACS to carry out molecular dynamics simulations and generate a conformational ensemble profile for each compound. Such ensemble is used to build molecular interaction field based QSAR models, as in CoMFA. To verify the usefulness of the methodology it was chosen some phenothiazine derivatives that are specific competitive T. cruzi trypanothione reductase inhibitors. Using a combination of molecular docking and molecular dynamics simulations the binding mode of 38 phenotiazine derivatives was evaluated in a simulated induced fit approach. The ligands¿ alignment, necessary to the methodology, was performed using both ligand and binding site atoms hereafter enabling unbiased alignment. The obtained models were extensively validated by Leave-N-out cross-validation and y-randomization techniques to test robustness and absence of chance correlation. The final model presented Q LOO of 0.87 and R of 0.92 and suitable external prediction = 0.78. It is possible to use the obtained adapted binding site of to perform virtual screening and ligand structures based design, as well as using models descriptors to design new inhibitors. In the process of QSAR modeling, the relevance of correlation and distribution profiles were tested in order to improve prediction power. A set of tools to filter descriptors prior to variable selection and a protocol for molecular interaction field descriptors selection and models validation are proposed. The algorithms and protocols presents are quite simple to apply and enable a different and powerful way to build LQTA-QSAR models / Doutorado / Físico-Química / Doutor em Ciências