Uso de ensaios in silico guiados por machine learning para a descoberta e reposicionamento de novos inibidores da tripanotiona redutase como tratamento potencial da leichmaniose

Orientador: Prof. Dr. Roberto Pontarolo Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Biológicas, Programa de Pós-Graduação em Ciências Farmacêuticas. Defesa : Curitiba, 24/06/2022 Inclui referências: p. 101-121 Resumo: A leishmaniose é, de acordo com a Organização Mundial da Saúde (OMS), a única doença tropical negligenciada ainda em expansão ao redor do mundo. Apesar disso, a maioria dos medicamentos disponíveis atualmente para o tratamento dessa doença está associada com problemas de toxicidade, custo, recidivas ou de adesão à terapia, e, portanto, o desenvolvimento de novas moléculas é mandatório. Sabe-se que os métodos convencionais de descoberta de novos fármacos são lentos e onerosos, enquanto que métodos de simulação computacional, chamados de métodos in silico, permitem prever rapidamente e com custo menor quais compostos podem ser promissores dentre milhares testados simultaneamente. Assim, com o objetivo de encontrar novas entidades químicas para o tratamento da leishmaniose, foram utilizados nesse estudo métodos in silico guiados por machine learning tendo como alvo a enzima tripanotiona redutase (TR), presente no parasito Leishmania spp. Um total de 8.846 produtos naturais (PNs) disponíveis comercialmente e testados in vivo foram obtidos na base de dados ZINC15. Após condução da triagem virtual e docking molecular, 61 desses demonstraram ter alta afinidade com a enzima TR (energia de afinidade