Potencial eletrostático molecular e modelos de reconhecimento de padrões para desenhar derivados da pentamidina potencialmente ativos contra Trypanosoma brucei rhodesiense
DOI:
https://doi.org/10.33448/rsd-v10i12.20207Palavras-chave:
Potencial eletrostático molecular; Modelos de reconhecimento de padrões; Investigação de derivados da pentamidina; Desenho de derivados da pentamidina.Resumo
Potencial eletrostático molecular (MEP) e reconhecimento de padrão (RP) foram usadospara desenhar derivados da pentamidina potencialmente ativos contra Trypanosome brucei rhodesiense (T. b. rhodesiense). Modelos de RP: Análise de Componentes Principais, Modelo PCA; Análise de Agrupamento por Métodos Hieráquicos, Modelo HCA; K-ésimos Vizinhos mais Próximos, Modelo KNN; Modelagem Independente Suave de Analogia de Classe, Modelo SIMCA; e Análise de Discriminante por Etapas, Modelo SDA, foram construídos reduzindo a dimensionalidade de uma matriz de dados para vinte e oito derivativos de pentamidina e permitiram que os compostos fossem classificados em duas classes: mais ativos e menos ativos, de acordo com seus graus de atividade contra T. b. rhodesiense. O estudo mostrou que as propriedades energia do HOMO (orbital molecular ocupado mais alto), VOL (volume molecular) e ASA_P (área de superfície acessível à água de todos os átomos polares (½qi½³ 0,2) são as mais relevantes para a construção dos modelos. As principais características estruturais necessárias para a atividade biológica investigada através do MEP foram usadas como diretrizes no desenho de treze novos compostos, que foram avaliados pelos modelos de RP como mais ativos ou menos ativos contra T. b. rhodesiense. A aplicação dos modelos de RP indicou nove compostos promissores (29, 30, 31, 32, 33, 36, 37, 39 e 40) para síntese e ensaios biológicos.
Referências
Aray, Y. (2019). Nature of the active sites of molybdenum-based catalysts and their interaction with sulfur- and nitrogen-containing molecules using the quantum theory of atoms in molecules and the molecular electrostatic potential. The Journal of Physical Chemistry C, 123, 14421-14431.
Bakunova, S.M., Bakunov, S. A., Patrick, D. A., Kumar, E. V. K. S., Ohemeng, K. A., Bridges, A. S., Wenzler, T., Barszcz, T., Jones, S. K., Werbovetz, K. A., Bun, R., & Tidwell, R. R. (2009). Structure-Activity Study of Pentamidine Analogues as Antiprotozoal Agents. Journal of Medicinal Chemistry, 52 (7), 2016-2035.
Barbosa, J. P., Ferreira, J. E. V., Figueiredo, A. F., Almeida, R. C. O., Silva, O. P. P., Carvalho, J. R. C., Silva, O. P. P., Carvalho, J. R. C., Cristino, M. G. G., Ciríaco-Pinheiro, J., Vieira, J. L. F., & Serra, R. T, A. (2011). Molecular modeling and chemometric study of anticancer derivatives of artemisinin. Journal of the Serbian Chemical Society, 76 (9), 1263-1282.
Becke, A. D. (1993). Density‐functional thermochemistry. III. The role of exact exchange. The Journal of Chemical Physics, 98 (7), 5648-5652.
Beebe, K. R., Pell, R. J., & Seasholtz, M. B. (1998). Chemometrics: A pratical guide. Wiley.
Bernardinelli, G., Jefford, C. W., Marie, D., Thomson, C., & Weber, J. (1994). Computational Studies of the Structures and Properties of Potential Antimalarial Compounds Based on the 1,2,4-Trioxane Ring Structure. I. Artemisinin-like Molecules. International Journal of Quantum Chemistry: Quantum Biology Symposium, 21, 117-131.
Brown, S. D. (2017). The chemometrics revolution re-examined. Journal of Chemometrics, 31 (1), e2856. doi.org/10.1002/cem.2856
Bulat, F. A., Murray, J. S., & Politzer, P. (2021). Identifying the most energetic electrons in a molecule: The highest occupied molecular orbital and the average local ionization energy. Computational and Theoretical Chemistry, 1199, 113192.
Chirlian, L. E., & Francl, M. M. (1987). Atomic charges derived from electrostatic potentials: A detailed study. Journal of Computational Chemistry, 8 (6), 894-905.
Cristino, M. G. G., Meneses, C. C. F., Soeiro, M. M., Ferreira, J. E. V., Figueiredo, A. F., Barbosa, J. P., Almeida, R. C. O., Pinheiro, J. C., & Pinheiro, A. L. R. (2012). Computational Modeling of Antimalarial 10-Substituted Deoxoartemisinins. Journal of Theoretical and Computational Chemistry, 11 (2), 241-263.
Cruciani, G., Crivori, P., Carrupt, P.-A., & Testa, B. (2000). Molecular Fields in Quantitative Structure-Permeation Relationships: The VolSurf approach. Journal of Molecular Structure (Theochem), 503 (1-2), 17–30.
Dewar, M. J. S., Zoebisch, E.G., Healy, E. F., & Stewart, J. J. P. (1985). Development and use of quantum mechanical molecular models. 76. AMI: a new general purpose quantum mechanical molecular model. Journal of the American Chemical Society, 107 (13), 3902-3909.
Doleželoȧ, E., Terȧn, D., Gahura, O., Kotrbovȧ, Z., Prochȧzkovȧ, M., Keough, D., Ṧpaček, P., Hockovȧ, D., Guddat, L., & Zíkovȧ, A. (2018). Evaluation of the Trypanosoma brucei 6-oxopurine salvage pathway as a potential target for drug discovery. PloS Neglected Tropical Diseases, 12 (2), e0006301. doi.org/10.1371/journal.pntd.000630
Ferreira, M. M. C., Montanari, C. A., & Gaudio, A. C. (2002). Seleção de variáveis em QSAR. Quim Nova, 25 (3), 439-448.
Ferreira, M. M. C. (2015). Químiometria: Conceitos, Métodos e Aplicações. Campinas: Editora UNICAMP.
Franco, J. R., Cecchi, G., Priotto, G., Paone, M., Diarra, A., Grout, L., Simarro, P. P., Zhao, W., & Argaw, D. (2018). Monitoring the elimination of human African trypanosomiasis: Update to 2016. PLoS Neglected Tropical Diseases 12 (12), e0006890. doi.org/10.1371/journal.pntd.0006890
Franco, J. R., Cecchi, G., Priotto, G., Paone, M., Diarra, A., Grout, L., Simarro, P. P., Zhao, W., & Argaw, D. (2020). Monitoring the elimination of human African trypanosomiasis at continental and country level: Update to 2018. PLoS Neglected Tropical Diseases 14 (5), e0008261. doi. org/10.1371/journal.pntd.0008261
Frisch, A., & Frisch, M. J. (1998). Gaussian 98 User 'S Reference, revision A. 7. Gaussian, Inc.
Fukui, K. (1997). Frontier Orbitals and Reaction Paths. Singapore: World Scientific.
Gangwal, R. P., Damre, M. V., & Sangamwar, A. T. (2016). Overwiew and recent advances in QSAR studies. In A. G. Mercader, P. R. Duchwicz & P. M. Sivakumar (Eds.), Chemometics Applications and Research. QSAR in Medicinal Chemistry (pp. 1-32).: Apple Academic Press.
Ghosal, S., Bhattacharyya, R., & Majumder, M. (2020). Impact of complete lockdown on total infection and death rates: A hierarchical cluster analysis. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 14 (4), 707-711.
Grisoni, F., Consonni V., & Todeschini R. (2018). Computational Chemogenomics: Methods in Molecular Biology. In J. Brown (Ed.), Impact of Molecular Descriptors on Computational Models (pp. 171-209). Humana Press.
He, H., Han, Na., Ji, C., Zhao, Y., Hu, S., Kong, Q.,Ye, J., Ji, A., & Sun, Q. (2020). Identification of five types of forensic body fluids based on stepwise discriminant analysis. Forensic Science International: Genetics, 48, 102330. doi.org/10.1016/j.fsigen.2020.102337
Hehre, W. J., Radom, L., Schleyer. P. v. R., & Pople, J. Á. (1986). Ab Initio Molecular Theory. Wiley.
Holmes, P. (2015). On the Road to Elimination of Rhodesiense Human African Trypanosomiasis: First WHO Meeting of Stakeholders. PLoS. Neglected Tropical Disseases, 9 (4), e0003571. 10.1371/journal.pntd.0003571
Hyperchem, Inc. (2008). ChemPlus: Modular Extensions to HyperChem Release 8.06, Molecular Modeling for Windows. Gainesville.
Infometrix, Inc (2002) Pirouette 3.01. Woodinville.
Jefford, C. W., Grigorov, M., Weber. J., Lüthi, H. P., & Troncher, J. M. J. (2000). Correlating the Molecular Electrostatic Potentials of Some Organic Peroxides with Their Antimalarial Activities. Journal of Chemical Information and Computer Sciences, 40 (2), 354–357.
Johnson, R. A., & Wichem, D. W. (1992). Applied Multivariate Statistical Analysis. Prentice-Hall.
Karelson, M., Lobanov, V. S., & Katrizky, A. R. (1996). Quantum-Chemical Descriptors in QSAR/QSPR Studies. Chemical Reviews, 96 (3), 1027-1042.
Kowalski, B. R., & Brender, C. F. (1972). Pattern Recognition. A Powerful Approach to Interpreting Chemical Data. Journal of the American Chemical Society 94 (16), 5632-5639.
Lee, C., Yang, W., & Parr, R.G. (1988). Development of the Colle-Salvetti correlation-energy formula into a functional of the electron density. Physical Review B, 37 (2), 785–789.
Mehmood, A., Jones, S. I., Tao, P., & Janesko, B. J. (2018). An orbital-overlap complement to ligand and binding site electrostatic potential maps. Journal of Chemical Information and Modeling,58 (9), 1836-1846.
Politzer, P., Laurence, P. R., & Jayasuriya, K. (1985). Molecular electrostatic potentials: an effective tool for the elucidation of biochemical phenomena. Environmental Health Perspectives, 61, 191-202.
Politzer, P., Murray, J. S. & Clark, T. (2019). Explicit inclusion of polarizing electric fields in σ-and π-hole interactions. The Journal of Physical Chemistry A, 123 (46), 10123-10130.
Politzer, P., & Murray, J. S. (2021). Electrostatic potentials at the nuclei of atoms and molecules. Theoretical Chemistry Accounts140 (7). doi.org/10.1007/s00214-020-02701-0
Politzer, P. & Murray, J. S. (2021). Chemical Reactivity in Confined Systems: Theory, Modelling and Applications. In P. K. Chattaraj & D. Chakraborty (Eds.), Molecular Electrostatic Potentials: Significance and Applications (pp. 113-134).: Wiley.
Roothaan, C. C. (1951). New developments in molecular orbital theory. Reviews of Modern Physics, 23 (2), 69-89.
Rzesikowska, K., Krawczuk, A., & Kalinowska-Tluscik, J. (2019). Electrostatic potential and non-covalent interactions analysis for the design of selective 5-
HT7ligands. Journal of Molecular Graphics and Modelling, 91, 130-139. doi.org/10.1016/j.jmgm.2019.06.007
Santos, M. A. B., Oliveira, L. F. S., Figueiredo, A. F., Gil, F. S., Farias, M. S., Bitercourt, H. R., Lobato, J. R. B., Farreira, R. D. P., Alves, S. S. S., Aquino, E. L. C., & Ciríaco-Pinheiro, J. (2020). Molecular Electrostatic Potential and Chemometric Techniques as Tools to Design Bioactive Compounds. In A. Stefaniu, A. Rasul, & G. Hussain (Eds.), Cheminformatics and its Applications (pp. 1-27). Londom: IntechOpen.
Scrocco, E., & Tomasi, J. (1978). Electronic Molecular Structure, Reactivity and Intermolecular Forces: An Euristic Interpretation by Means of Electrostatic Molecular Potentials.Advences in Quantum Chemistry, 11, 115–193.
Selby, R., Wamboga, C., Erphas, O., Mugenyi, A., Jamonneau, V. Waiswa, C. Torr, S. J., & Lehane, M. (2019). Gambian human African Trypanosomiasis in North West Uganda. Are we on course for the 2020 target? PLoS Neglected Tropical Diseases, 13 (8), e0007550. doi. org/10.1371/journal.pntd.0007550
Singh, U. C., & Kollman, P. A. (1984). An approach to computing electrostatic charges for molecules. Journal of Computational Chemistry,5 (2), 129-145.
Srikrishnan, T., De, N. C., Alam, A. S., & Kapoor, J. (2004). Crystal and molecular structure of pentamidine diisethionate: an anti-protozoal drug used in AIDS related pneumonia. Journal of Chemical Crystallography, 34 (11), 813-818.
Stanton, D. & Jurs, P. (1990). Development and Use of Charged Partial Surface-Area Structural Descriptors in Computer-Assisted Quantitative Structure-Property Relationship Studies. Analytical Chemistry 62 (21), 2323–2329.
Todeschini, R., & Consonni, V. (2009). Molecular Descriptors for Chemoinformatics. Wiley-VCH.
Varmuza, K. (1980). Pattern Recognition in Chemistry. Springer-Verlog.
Varmuza, K. (2018). Methods for multivariate data analysis. In: T. Engel, & J. Gasteiger (Eds). Chemoinformatics - Basic Concepts and Methods (pp. 339-437). Wiley-VCH. Weinheim.
Vidal, R., Ma, Y., & Sastry, S. S. (2016). Generalized Principal Component Analysis. Springer.
Williams, D. E., & Yan, J. M. (1998). Point-Charge Models for Molecules Derived from Least-Squares Fitting of the Electric Potential. Advances in Atomic and Molecular Physics, 23, 87-130.
World Health Organization. (2019). Human African Trypanosomiasis. http://www. who.int/trypanosomiasis_african/en/
Wu, X., Thiel, W., Pezeshki, S., & Lin, H. (2013). Specific Reaction Path Hamiltonian for Proton Transfer in Water: Reparameterized Semiempirical Models. Journal of Chemical Theoretical and Computattional, 9 (6), 2672-2686.
Zhang, L.-X., Sun, Y., Zhao, H., Zhu, N., Sun, X.-D., Jin, X., Zou, A.-M., Mi, Y., & Xu, J.- R. (2017). A Bayesian Stepwise Discriminant Model for Predicting Risk Factors of Preterm Premature Rupture of Membranes: A Case-control Study. Chinese Medical Journal, 130 (20), 2416-22. 10.4103/0366-6999.216396
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Luã Felipe Souza de Oliveira; Hérica Coelho Cordeiro; Helieverton Geraldo de Brito; Ana Cecília Barbosa Pinheiro; Marcos Antonio Barros dos Santos; Heriberto Rodrigues Bitencourt; Antonio Florêncio de Figueiredo; Josué de Jesus Oliveira Araújo; Fábio dos Santos Gil; Márcio de Souza Farias; Jardel Pinto Barbosa; José Ciríaco Pinheiro
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
