Submitted by Caroline Falcao (caroline.rfalcao@ufpe.br) on 2017-04-04T18:27:51Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) 2010-Dissertação-MarinaPitta.pdf: 3603877 bytes, checksum: 08fe7b230ca59625d092d37b1c8148ad (MD5) / Made available in DSpace on 2017-04-04T18:27:51Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) 2010-Dissertação-MarinaPitta.pdf: 3603877 bytes, checksum: 08fe7b230ca59625d092d37b1c8148ad (MD5) Previous issue date: 2010 / O câncer é uma das principais causas de morte no mundo e acolhe intensos e crescentes investimentos em pesquisa oriundos dos setores público e privado. Considerando os alarmantes indicadores epidemiológicos registrados e a visível carência de medicamentos mais eficazes e menos tóxicos para esta patologia, o Laboratório de Planejamento e Síntese de Fármacos vem, desde o final da década de 1980, desenvolvendo moléculas com potenciais propriedades anticâncer. A meta é minimizar o impacto dessa doença no Brasil e no mundo. Para tanto, conhecendo-se as propriedades anticâncer de derivados da acridina, este trabalho teve como objetivo preparar, determinar as características físico-químicas, caracterizar estruturalmente e avaliar a atividade anticâncer de nove moléculas originais derivadas da acridina. Nos ensaios in vitro foram utilizadas linhagens celulares SF-295 (Sistema Nervoso Central), MDA-MB435 (melanoma) e HCT-8 (carcinoma de cólon). Para a realização das sínteses, foram realizadas reações de N-alquilação,condensação, ciclização e adição de Michael. As moléculas obtidas foram comprovadas através de métodos espectroscópicos no infravermelho, ressonância magnética nuclear de hidrogênio e espectrometria de massas utilizando a técnica de electrospray. Os resultados colimados revelam que os compostos 3-acridin-9-il-metil-5-acridin-9-il-metileno-tiazolidina-2,4-diona, 3-acridin-9-il-metil-5-(4-metóxi-benzilideno)-tiazolidina-2,4-diona e 3-acridin-9-il-metil-5-(4-bromo-benzilideno)-tiazolidina-2,4-diona destacaram-se entre os mais ativos da série, pois apresentaram,respectivamente, 92,4%, 86,7% e 96,6% de inibição da proliferação celular contra a linhagem de carcinoma de cólon; enquanto que a doxorrubicina, fármaco de referência, apresentou 95,2% de inibição contra a mesma linhagem de células.Estes resultados ratificam a importância de derivados tiazacridínicos no combate do câncer. / Cancer is a leading cause of death worldwideand conceals intense and growing investment by public and private sectors.Taking into account the alarming epidemiological data recorded and visible lack of drugs more effective and less toxic to treat this pathology, the Laboratório de Planejamento e Síntese de Fármacos hasbeen producing compounds, since the late 80's. Thepurpose isminimizethe impact of this disease in Brazil and in the world. Therefore, considering the anticancer properties of the acridine derivatives, the aimof this work was the synthesis, determination of the physico-chemicalproperties, structural characterization and in vitroantiproliferative activityagainst human cancer cell linesHL-60 (promyelocytic leukemia), MDA-MB435 (breast carcinoma) and HCT-8 (colon carcinoma), of nine new bis-thiazacridine and thiazacridinesderivatives. The syntheses were carried outwithN-alkylation, condensation, cyclization and Michael addition reactions. The obtained molecules were analysedby mass spectrometry usingthe electrospray techniqueand spectroscopic methods, such as infraredandnuclear magnetic resonance of hydrogen. The compounds 3-acridine-9-yl-methyl-5-acridine-9-yl-methylene-thiazolidine-2,4-dione, 3-acridine-9-yl-methyl-5-(4 --methoxy-benzylidene)-thiazolidine-2,4-dione and 3-acridine-9-yl-methyl-5-(4-bromo-benzylidene)-thiazolidine-2,4-dione werethe most active of the series, and presented, respectively, 92.4%, 86.7% and 96.6% of inhibition of cell proliferation against the colon carcinoma, whereas doxorubicin, the reference drug, presented 95.2% of inhibition against same cell line. These results confirm the importance of thiazacridine derivatives in combat of cancer.

No presente trabalho, destinado a tese de doutorado, desenvolvemos um estudo da relação entre a estrutura química e atividade antimicrobiana de duas séries, a saber: Série I - quatorze cloretos N,N[(dimetilamino)etil]-benzoatos para-substituídos, onde R4 = H, CH3, C2H5, nC4H9, tC4H9, OCH3, nOC4H9, COCH3, Cl, CN, NO2, OC6H13, SO2Me, CF3 (compostos I.1 a I.14) e Série II - quatorze cloretos meta-substituídos onde R3 = H, -CH3, -OCH3, -OC2H5, -OC4H9, -F, -Cl, -Br, -I, -NO2, -CN, -CF3, -N(CH3)2, SO2CH3 (compostos II.1. a II.14). Os compostos haviam sido sintetizados anteriormente no grupo (Amaral et al, 1997; Sousa, 1997). Para as séries I e II, os valores do coeficiente de partição em n-octanol foram obtidos por cálculo (utilizando os programas CLOGP e ACD/LogP) bem como determinados experimentalmente pelo método CLAE e considerados parâmetros lipofílicos nos modelos de QSAR. Adicionalmente, para as séries I e II, os valores da posição da banda de absorção da carbonila na região do infravermelho bem como do deslocamento químico da carbonila no RMN 13C foram determinados sendo o primeiro considerado como parâmetro eletrônico nos modelos QSAR. E, ainda, para as séries I e II os valores de MR3 e de MR4 , relacionados à refratividade molar, foram obtidos da literatura e considerados nas análises QSAR . Para as séries I e II os valores de IC50 (concentração inibição 50% do crescimento) foram determinados contra, respectivamente, o fungo Saccharomyces cerevisiae (BY4741) e contra a bactéria Escherichia coli (DH5α) e considerados como parâmetros biológico nas análises QSAR. Para as séries I e II e para as séries I e II reunidas, foram gerados modelos QSAR e estes foram analisados visando avaliar a natureza e a contribuição de cada parâmetro estrutural para cada uma das atividades avaliadas. A aplicação do modelo linear resultou em modelos iestatisticamente significativos para as atividades contra o Saccharomyces cerevisiae (BY4741) e contra a Escherichia coli (DH5α) para a série I e para as séries I e II reunidas. A série II não gerou modelos lineares estatisticamente significativos. A aplicação dos modelos bilinear e parabólico foram verificadas não resultando em modelos estatisticamente significativos. Para a série I e para as séries I e II reunidas estudadas neste trabalho, as diferenças observadas nos modelos QSAR gerados para a inibição do crescimento de, respectivamente, S. cerevisiae (BY4741) e de E. coli (DH5α) podem ser, possivelmente, explicadas considerando-se as diferenças nas membranas externas de cada microorganismo. / In this PhD thesis work, we developed a quantitative structure relationship study for the antimicrobial activity of two series, namely: Series I fourteen para-substituted N,N- [(dimethylamino)ethyl)] benzoates chlorides, where R4 = -H, -CH3, -C2H5, -nC4H9, -tC4H9, -OCH3, - nOC4H9, -COCH3, -Cl, -CN, -NO2, -OC6H13, -SO2Me, -CF3 (compounds I.1 - I.14) and Series II - fourteen meta-substituted chlorides, where R3 = -H, -CH3, -OCH3, -OC2H5, -OC4H9, -F, -Cl, -Br, -I, -NO2, -CN, -CF3, -N(CH3)2, -SO2CH3 (compounds II.1. - II.14). These compounds had been previously synthesized in the group (Amaral et al, 1997; Sousa, 1997). For series I and II, the partition coefficient values in n-octanol were obtained by calculation (using the CLOGP and the ACD/LogP programs) and were obtained experimentally by HPLC method. These values were taken as lipophilic parameters in the QSAR analysis. In addition, for the series I and II, the carbonyl infrared absorption band values and 13C-NMR chemical shifts of carbonyl group were determined, being the former considered as electronic parameters in the QSAR analysis. Further, for the series I and II, the MR3 and MR4 values were taken from the literature and considered as molar refractivity related parameter in the QSAR analyses. For the series I and II, IC50 values (concentration inhibiting 50% growth) were determined against, respectively, Saccharomyces cerevisiae (BY4741) yeast and Escherichia coli (DH5α) bacteria and taken as biological parameters in the QSAR analysis. For the series I and II and for series I e II altogether, QSAR models were generated and analysed in order to determine the nature and the contribution of each structural parameter to the determined antimicrobial activities. The application of linear model resulted in statistically significant QSAR models for the activities evaluated against Saccharomyces cerevisiae (BY4741) and against Escherichia coli (DH5α) for series I and for series I and II taken altogether. No statistically significant linear models were obtained for series II. The application of bilinear and parabolic models was verified, resulting in no statistically significant models. For series I and series I e II altogether, the differences observed in the generated QSAR models for the inhibition, respectively, of Saccharomyces cerevisiae (BY4741) and of E. coli (DH5α) growth, can be, probably, explained considering the differences in the external membranes of each microorganism.

Com o objetivo de buscar e identificar novo(s) inibidor(es) da cruzaína uma cisteíno-protease do Trypanosoma cruzi, o agente etiológico da doença de Chagas foram propostos, validados e, a seguir, aplicados sobre a biblioteca de compostos ZINC (3.294.714 compostos), dois modelos de virtual screening (Modelos I e II). Os modelos de virtual screening propostos, contendo seqüências de filtros físicoquímicos, farmacofóricos, de docking e de seleção por inspeção visual, foram construídos a partir de informações de 13 complexos da cruzaína e de 20 complexos de outras cisteínoprotease, cujas estruturas estão disponíveis no PDB. Numa primeira etapa, o reconhecimento detalhado das características estruturais da cruzaína foi realizado por inspeção visual; pelos campos de interação molecular, gerados pelo programa GRID; pela identificação das propriedades de interação molecular na superfície da cavidade, geradas pelo programa CA VBASE e; por simulações de dinâmica molecular. O Modelo I de virtual screeníng - obtido a partir do reconhecimento das estruturas dos 13 complexos da cruzaína depositadas no PDB - foi aplicado sobre o ZINC, selecionando 10 compostos, dos quais 6 compostos foram adquiridos e submetidos ao teste de inibição enzimática da cruzaína, para a validação experimental do modelo. Observou-se que 3 destes compostos (ZINC02470662, ZINC02682879 e ZINC03192044, respectivamente) não mostraram inibição significativa da cruzaína, nas condições experimentais utilizadas, até a concentração de 7 mM, enquanto que os 3 restantes (ZINC02663001, ZINC01936854 e ZINC03326243, respectivamente) apresentaram inibição enzimática inespecífica, sugerindo que estes últimos agem pelo mecanismo promíscuo. O mecanismo promíscuo de inibição enzimática, foi verificado pela adição de 0,1% Triton X-100 no ensaio enzimático, observando-se a correspondente perda de inibição da cruzaína. Para estes compostos, a confirmação do mecanismo promíscuo foi feita observando-se a perda de inibição da enzima, após o aumento em dez vezes da concentração da cruzaína no ensaio enzimático. O Modelo II - obtido a partir do reconhecimento das estruturas dos 13 complexos da cruzaína e dos 20 complexos de outras cisteíno-proteases, identificadas na busca por cavidades similares à cruzaína - foi aplicado sobre o banco de dados ZINC,selecionando 55 compostos dos quais 19 foram adquiridos e submetidos ao teste de inibição enzimática da cruzaína, para validação experimental do modelo. Observou-se que o composto ZINC01794422 apresentou inibição específica da enzima com constante de inibição no valor de Ki = 21 µM, enquanto que os demais 18 compostos não mostraram inibição significativa, nas condições experimentais utilizadas, até a concentração de 592 µM. O mecanismo promíscuo de inibição enzimática não foi observado, uma vez que todos os testes foram realizados com 0,1% de Triton X-100. O Modelo II identificou, ainda, mais dois inibidores da cruzaína (ZINC04899534 e ZINC01547017) que, por serem estruturalmente semelhantes aos utilizados na construção do modelo e já terem sido descritos na literatura, não foram adquiridos ou testados nos ensaios enzimáticos. Considerando apenas o novo inibidor identificado, o Modelo II apresentou uma taxa de acerto de 5,3%. Este valor esta de acordo com as taxas de acerto encontradas na literatura que variam entre 1 a 50% . / In order to search and identify new cruzain inhibitor(s) - a cysteine-protease of Trypanosoma cruzi, the etiologic agent of Chagas disease - two virtual screening schemes(Models I and II) were proposed, validated- and applied to the ZINC database (3.294.714 compounds). The proposed virtual screening models, bearing a sequence of different physicalchemical, pharmacophore and docking filters, as well as a visual inspection filter, were built from information taken from 13 cruzain complexes and from 20 complexes of other cysteine proteases, having their structures available in PDB. In a first step, a detailed recognition of the cruzain structural features and characteristics was performed through visual inspection of the enzyme environment; followed by the analysis of GRID generated molecular interaction fields; through the identification of molecular interaction properties exposed at the enzyme cavity surface, generated by the CAVBASE program; and by molecular dynamics simulations. The virtual screening Model I, - generated from the structural characteristics recognized from 13 PDB cruzain complexes - when applied to the ZINC database selected 10 compounds. For the experimental validation ofthe model, six ofthese compounds have been acquired and were tested as cruzain inhibitors. It was observed that three of the tested compounds (ZINC02470662, ZINC02682879 and ZINC03192044, respectively) did not show any significant cruzain inhibition, up to 7 mM. Meanwhile the other three tested compounds (ZINC02663001, ZINC01936854 and ZINC03326243, respectively) showed an unspecific cruzain inhibition, suggesting that an enzyme inhibition by promiscuous mechanism occurred. This mechanism was verified by the addition of 0.1% Triton X-100 on the enzymatic assay with a concomitant loss of cruzain inhibition activity. For these compounds, the confirmation of the promiscuous mechanism was also done, observing the loss of enzyme inhibition, after a ten times increase in the cruzain concentration on the enzymatic assay. The virtual screenmg Model II - generated from the structural characteristics recognized from 13 cruzain complexes and 20 complexes of other cysteine proteases, that have been identified on a search for cavities similar to cruzain - selected 55 compounds, when applied to the ZINC database. In order to experimentally validate the model, nineteen compounds have been acquired and were tested as cruzain inhibitors. It has been observed that one compound, ZINC01794422, showed a specific cruzain inhibition (Ki = 21 µM), while the other eighteen showed no significant inhibition, up to 592 µM concentration. The promiscuous mechanism of enzymatic inhibition was not observed, since 0.1% of Triton X-100 was added in ali assays. Additionally, Model II identified two other cruzain inhibitors (ZINC04899534 and ZINC01547017). However, these compounds have not been acquired or tested, since they are known cruzain inhibitors - already described in the literature and are structurally similar to the inhibitors used in the construction of the mode!. Referring to new inhibitors found, Model II showed a hit rate of 5,3%. This value is in agreement with those found in the literature, which ranges from 1 to 50%.

El disseny molecular de sistemes d’interès per a la química mèdica i per al disseny de fàrmacs sempre s’ha trobat molt lligat a la disponibilitat sintètica dels resultats. Des del moment que la química combinatòria s’incorpora dins de l’esquema sintètic, canvia el paper que ha de jugar la química computacional: la diversitat d’estructures possibles a sintetitzar fa necessària la introducció de mètodes, com el cribratge virtual, que permetin avaluar la viabilitat de grans quimioteques virtuals amb un temps raonable. Els mètodes quimioinformàtics responen a la necessitat anterior, posant a l’abast de l’usuari mètodes eficaços per a la predicció teòrica d’activitats biològiques o propietats d’interès. Dins d’aquests destaquen els mètodes basats en la relació quantitativa d’estructura-activitat (QSAR). Aquests han demostrat ser eficaços per l’establiment de models de predicció en l’àmbit farmacològic i biomèdic. S’ha avaluat la utilització de mètodes QSAR no lineals en la teràpia fotodinàmica del càncer, donat que és una de les línies de recerca d’interès del Grup d’Enginyeria Molecular (GEM) de l’IQS. El disseny de fotosensibilitzadors es pot realitzar a partir de la predicció de propietats fisicoquímiques (com l’espectre d’absorció i la hidrofobicitat del sistema molecular), i de l’estudi de la seva localització subcel•lular preferent, la qual ha demostrat recentment jugar un paper molt important en l’eficàcia del procés global. Per altra banda, les xarxes neuronals artificials són actualment un dels mètodes més ben valorats per a l’establiment de models QSAR no lineals. Donat l’interès de disposar d’un programari capaç d’aplicar aquests mètodes i que, a més, sigui prou versàtil i adaptable com per poder-se aplicar a diferents problemes, s’ha desenvolupat el programari ArIS. Aquest inclou els principals mètodes de xarxes neuronals artificials, per realitzar tasques de classificació i predicció quantitativa, necessaris per a l’estudi de problemes d’interès, com és la predicció de l’activitat anti-VIH d’anàlegs de l’AZT, l’optimització de formulacions químiques o el reconeixement estructural de grans sistemes moleculars / El diseño molecular de sistemas de interés para la química médica y para el diseño de fármacos siempre ha estado condicionado por la disponibilidad sintética de los resultados. Desde el momento en que la química combinatoria se incorpora en el esquema sintético, cambia el papel de la química computacional: la diversidad de estructuras que pueden sintetizarse hace necesaria la introducción de métodos, como el cribado virtual, que permitan evaluar la viabilidad de grandes quimiotecas virtuales en un tiempo razonable. Los métodos quimioinformáticos responden a la necesidad anterior, ofreciendo al usuario métodos eficaces para la predicción teórica de actividades biológicas o propiedades de interés. Entre ellos destacan los métodos basados en la relación cuantitativa de estructura-actividad (QSAR), que han demostrado ser eficaces para establecer modelos de predicción en el ámbito farmacológico y biomédico. Se ha evaluado la utilización de métodos QSAR no lineales en terapia fotodinámica del cáncer, dado que es una de las líneas de investigación de interés del Grup d’Enginyeria Molecular (GEM) del IQS. El diseño de fotosensibilizadores se puede realizar a partir de la predicción de propiedades fisicoquímicas (como su espectro de absorción o su hidrofobicidad) y del estudio de su localización subcelular preferente, la cual ha demostrado recientemente jugar un papel muy importante en la eficacia del proceso global. Por otro lado, las redes neuronales artificiales son actualmente uno de los métodos mejor valorados para establecer modelos QSAR no lineales. Es por ello que resulta muy interesante disponer de un programa capaz de aplicar estos métodos y que, además, sea lo suficientemente versátil y adaptable como para poder aplicarse a distintos problemas, según las necesidades del usuario. Por este motivo se ha desarrollado el programa ArIS, el cual incluye los principales métodos de redes neuronales artificiales para realizar tareas de clasificación y predicción cuantitativa, necesarios para el estudio de problemas de interés como la predicción de la actividad anti-VIH de análogos del AZT, la optimización de formulaciones químicas o el reconocimiento estructural de grandes sistemas moleculares. / Molecular modelling of interesting systems for medicinal chemistry and drug design highly depends on availability of synthetic results. Since combinatorial chemistry was incorporated into the synthetic scheme, the role of computational chemistry has changed: the structural diversity of candidates to be synthesized requires the introduction of computational methods which are able to screen large virtual libraries. Answering to this requirement, chemoinformatics offers many kinds of different methods for predicting biological activities and molecular properties. One of the most relevant techniques among them is Quantitative Structure-Activity Relationships (QSAR), which can be used to establish prediction models for both, pharmacological and biomedical sectors. The use of non- linear QSAR methods has been evaluated in photodynamic therapy of cancer, one of the research areas of the Grup d’Enginyeria Molecular (GEM) at IQS. Molecular design of photosensitizers can be performed by computational studies of their physicochemical properties (absorption spectra or hydrophobicity, for example) and subcellular localization, which becomes a key factor in the efficacy of the overall process. Furthermore, artificial neural networks are nowadays rated as one of the very best methods for establishing non-linear QSAR models. Developing software that includes all these methods would be certainly interesting. Implemented algorithms should be versatile and easily adaptable for their use in any problems. We have developed ArIS software, which includes the most important methods of artificial neural networks for classification and quantitative prediction. ArIS has been used to predict anti-HIV activity of AZT-analogues, for optimization of chemical formulations and for structural recognition in large molecular systems, among others.

No presente trabalho, destinado a tese de doutorado, desenvolvemos um estudo da relação entre a estrutura química e atividade antimicrobiana de duas séries, a saber: Série I - quatorze cloretos N,N[(dimetilamino)etil]-benzoatos para-substituídos, onde R4 = H, CH3, C2H5, nC4H9, tC4H9, OCH3, nOC4H9, COCH3, Cl, CN, NO2, OC6H13, SO2Me, CF3 (compostos I.1 a I.14) e Série II - quatorze cloretos meta-substituídos onde R3 = H, -CH3, -OCH3, -OC2H5, -OC4H9, -F, -Cl, -Br, -I, -NO2, -CN, -CF3, -N(CH3)2, SO2CH3 (compostos II.1. a II.14). Os compostos haviam sido sintetizados anteriormente no grupo (Amaral et al, 1997; Sousa, 1997). Para as séries I e II, os valores do coeficiente de partição em n-octanol foram obtidos por cálculo (utilizando os programas CLOGP e ACD/LogP) bem como determinados experimentalmente pelo método CLAE e considerados parâmetros lipofílicos nos modelos de QSAR. Adicionalmente, para as séries I e II, os valores da posição da banda de absorção da carbonila na região do infravermelho bem como do deslocamento químico da carbonila no RMN 13C foram determinados sendo o primeiro considerado como parâmetro eletrônico nos modelos QSAR. E, ainda, para as séries I e II os valores de MR3 e de MR4 , relacionados à refratividade molar, foram obtidos da literatura e considerados nas análises QSAR . Para as séries I e II os valores de IC50 (concentração inibição 50% do crescimento) foram determinados contra, respectivamente, o fungo Saccharomyces cerevisiae (BY4741) e contra a bactéria Escherichia coli (DH5α) e considerados como parâmetros biológico nas análises QSAR. Para as séries I e II e para as séries I e II reunidas, foram gerados modelos QSAR e estes foram analisados visando avaliar a natureza e a contribuição de cada parâmetro estrutural para cada uma das atividades avaliadas. A aplicação do modelo linear resultou em modelos iestatisticamente significativos para as atividades contra o Saccharomyces cerevisiae (BY4741) e contra a Escherichia coli (DH5α) para a série I e para as séries I e II reunidas. A série II não gerou modelos lineares estatisticamente significativos. A aplicação dos modelos bilinear e parabólico foram verificadas não resultando em modelos estatisticamente significativos. Para a série I e para as séries I e II reunidas estudadas neste trabalho, as diferenças observadas nos modelos QSAR gerados para a inibição do crescimento de, respectivamente, S. cerevisiae (BY4741) e de E. coli (DH5α) podem ser, possivelmente, explicadas considerando-se as diferenças nas membranas externas de cada microorganismo. / In this PhD thesis work, we developed a quantitative structure relationship study for the antimicrobial activity of two series, namely: Series I fourteen para-substituted N,N- [(dimethylamino)ethyl)] benzoates chlorides, where R4 = -H, -CH3, -C2H5, -nC4H9, -tC4H9, -OCH3, - nOC4H9, -COCH3, -Cl, -CN, -NO2, -OC6H13, -SO2Me, -CF3 (compounds I.1 - I.14) and Series II - fourteen meta-substituted chlorides, where R3 = -H, -CH3, -OCH3, -OC2H5, -OC4H9, -F, -Cl, -Br, -I, -NO2, -CN, -CF3, -N(CH3)2, -SO2CH3 (compounds II.1. - II.14). These compounds had been previously synthesized in the group (Amaral et al, 1997; Sousa, 1997). For series I and II, the partition coefficient values in n-octanol were obtained by calculation (using the CLOGP and the ACD/LogP programs) and were obtained experimentally by HPLC method. These values were taken as lipophilic parameters in the QSAR analysis. In addition, for the series I and II, the carbonyl infrared absorption band values and 13C-NMR chemical shifts of carbonyl group were determined, being the former considered as electronic parameters in the QSAR analysis. Further, for the series I and II, the MR3 and MR4 values were taken from the literature and considered as molar refractivity related parameter in the QSAR analyses. For the series I and II, IC50 values (concentration inhibiting 50% growth) were determined against, respectively, Saccharomyces cerevisiae (BY4741) yeast and Escherichia coli (DH5α) bacteria and taken as biological parameters in the QSAR analysis. For the series I and II and for series I e II altogether, QSAR models were generated and analysed in order to determine the nature and the contribution of each structural parameter to the determined antimicrobial activities. The application of linear model resulted in statistically significant QSAR models for the activities evaluated against Saccharomyces cerevisiae (BY4741) and against Escherichia coli (DH5α) for series I and for series I and II taken altogether. No statistically significant linear models were obtained for series II. The application of bilinear and parabolic models was verified, resulting in no statistically significant models. For series I and series I e II altogether, the differences observed in the generated QSAR models for the inhibition, respectively, of Saccharomyces cerevisiae (BY4741) and of E. coli (DH5α) growth, can be, probably, explained considering the differences in the external membranes of each microorganism.

Com o objetivo de buscar e identificar novo(s) inibidor(es) da cruzaína uma cisteíno-protease do Trypanosoma cruzi, o agente etiológico da doença de Chagas foram propostos, validados e, a seguir, aplicados sobre a biblioteca de compostos ZINC (3.294.714 compostos), dois modelos de virtual screening (Modelos I e II). Os modelos de virtual screening propostos, contendo seqüências de filtros físicoquímicos, farmacofóricos, de docking e de seleção por inspeção visual, foram construídos a partir de informações de 13 complexos da cruzaína e de 20 complexos de outras cisteínoprotease, cujas estruturas estão disponíveis no PDB. Numa primeira etapa, o reconhecimento detalhado das características estruturais da cruzaína foi realizado por inspeção visual; pelos campos de interação molecular, gerados pelo programa GRID; pela identificação das propriedades de interação molecular na superfície da cavidade, geradas pelo programa CA VBASE e; por simulações de dinâmica molecular. O Modelo I de virtual screeníng - obtido a partir do reconhecimento das estruturas dos 13 complexos da cruzaína depositadas no PDB - foi aplicado sobre o ZINC, selecionando 10 compostos, dos quais 6 compostos foram adquiridos e submetidos ao teste de inibição enzimática da cruzaína, para a validação experimental do modelo. Observou-se que 3 destes compostos (ZINC02470662, ZINC02682879 e ZINC03192044, respectivamente) não mostraram inibição significativa da cruzaína, nas condições experimentais utilizadas, até a concentração de 7 mM, enquanto que os 3 restantes (ZINC02663001, ZINC01936854 e ZINC03326243, respectivamente) apresentaram inibição enzimática inespecífica, sugerindo que estes últimos agem pelo mecanismo promíscuo. O mecanismo promíscuo de inibição enzimática, foi verificado pela adição de 0,1% Triton X-100 no ensaio enzimático, observando-se a correspondente perda de inibição da cruzaína. Para estes compostos, a confirmação do mecanismo promíscuo foi feita observando-se a perda de inibição da enzima, após o aumento em dez vezes da concentração da cruzaína no ensaio enzimático. O Modelo II - obtido a partir do reconhecimento das estruturas dos 13 complexos da cruzaína e dos 20 complexos de outras cisteíno-proteases, identificadas na busca por cavidades similares à cruzaína - foi aplicado sobre o banco de dados ZINC,selecionando 55 compostos dos quais 19 foram adquiridos e submetidos ao teste de inibição enzimática da cruzaína, para validação experimental do modelo. Observou-se que o composto ZINC01794422 apresentou inibição específica da enzima com constante de inibição no valor de Ki = 21 µM, enquanto que os demais 18 compostos não mostraram inibição significativa, nas condições experimentais utilizadas, até a concentração de 592 µM. O mecanismo promíscuo de inibição enzimática não foi observado, uma vez que todos os testes foram realizados com 0,1% de Triton X-100. O Modelo II identificou, ainda, mais dois inibidores da cruzaína (ZINC04899534 e ZINC01547017) que, por serem estruturalmente semelhantes aos utilizados na construção do modelo e já terem sido descritos na literatura, não foram adquiridos ou testados nos ensaios enzimáticos. Considerando apenas o novo inibidor identificado, o Modelo II apresentou uma taxa de acerto de 5,3%. Este valor esta de acordo com as taxas de acerto encontradas na literatura que variam entre 1 a 50% . / In order to search and identify new cruzain inhibitor(s) - a cysteine-protease of Trypanosoma cruzi, the etiologic agent of Chagas disease - two virtual screening schemes(Models I and II) were proposed, validated- and applied to the ZINC database (3.294.714 compounds). The proposed virtual screening models, bearing a sequence of different physicalchemical, pharmacophore and docking filters, as well as a visual inspection filter, were built from information taken from 13 cruzain complexes and from 20 complexes of other cysteine proteases, having their structures available in PDB. In a first step, a detailed recognition of the cruzain structural features and characteristics was performed through visual inspection of the enzyme environment; followed by the analysis of GRID generated molecular interaction fields; through the identification of molecular interaction properties exposed at the enzyme cavity surface, generated by the CAVBASE program; and by molecular dynamics simulations. The virtual screening Model I, - generated from the structural characteristics recognized from 13 PDB cruzain complexes - when applied to the ZINC database selected 10 compounds. For the experimental validation ofthe model, six ofthese compounds have been acquired and were tested as cruzain inhibitors. It was observed that three of the tested compounds (ZINC02470662, ZINC02682879 and ZINC03192044, respectively) did not show any significant cruzain inhibition, up to 7 mM. Meanwhile the other three tested compounds (ZINC02663001, ZINC01936854 and ZINC03326243, respectively) showed an unspecific cruzain inhibition, suggesting that an enzyme inhibition by promiscuous mechanism occurred. This mechanism was verified by the addition of 0.1% Triton X-100 on the enzymatic assay with a concomitant loss of cruzain inhibition activity. For these compounds, the confirmation of the promiscuous mechanism was also done, observing the loss of enzyme inhibition, after a ten times increase in the cruzain concentration on the enzymatic assay. The virtual screenmg Model II - generated from the structural characteristics recognized from 13 cruzain complexes and 20 complexes of other cysteine proteases, that have been identified on a search for cavities similar to cruzain - selected 55 compounds, when applied to the ZINC database. In order to experimentally validate the model, nineteen compounds have been acquired and were tested as cruzain inhibitors. It has been observed that one compound, ZINC01794422, showed a specific cruzain inhibition (Ki = 21 µM), while the other eighteen showed no significant inhibition, up to 592 µM concentration. The promiscuous mechanism of enzymatic inhibition was not observed, since 0.1% of Triton X-100 was added in ali assays. Additionally, Model II identified two other cruzain inhibitors (ZINC04899534 and ZINC01547017). However, these compounds have not been acquired or tested, since they are known cruzain inhibitors - already described in the literature and are structurally similar to the inhibitors used in the construction of the mode!. Referring to new inhibitors found, Model II showed a hit rate of 5,3%. This value is in agreement with those found in the literature, which ranges from 1 to 50%.