Desenvolvimento de um modelo QSAR para a previsão da atividade antifúngica através de descritores de momentos espectrais

Abstract

Introdução: O desenvolvimento de um modelo Relação Estrutura-Atividade Quantitativa (QSAR), termo em inglês, tem sido bastante utilizado em diferentes áreas, com foco essencial no planeamento de descoberta de novos fármacos e não só, objetivando a utilização de métodos matemáticos para a previsão da atividade antifúngica que correlaciona as propriedades químicas de uma molécula à atividade biológica, utilizando descritores topológicos de momentos espectrais (Hossain et al., 2024; Andrade-Ochoa et al., 2023; Jó´zwiak et al., 2018). Objetivo: Criar uma ferramenta computacional que permitisse classificar compostos de maneira eficiente, orientando a descoberta de novos fitofármacos. Metodologia: Desenho de uma série de treino com 100 compostos ativos e 300 inativos, para os quais foram calculados 91 descritores moleculares através do software Molecular Descriptors and Statistical Laboratory (MODESLAB), utilizando diversos parâmetros atómicos e de ligação para a ponderação. Resultados: Através da aplicação de uma análise discriminante linear, obteve-se um modelo robusto e estatisticamente significativo, composto por três variáveis-chave: o momento espectral de ordem 0 (µ₀, ponderado pelo número de átomos), o de ordem 1 (µDIP1, ponderado pelo momento dipolar) e o de ordem 2 (µHYD2, ponderado pela hidrofobicidade). A equação resultante, AB = -2,1541µ₀ + 0,654µDIP1 + 3,3326µHYD2 + 8,2169, demonstrou uma capacidade de classificação excecional, com uma precisão de 94,38% na série de treino e de 89,71% numa validação externa com 68 compostos. Os indicadores estatísticos, como um Lambda de Wilks de 0,3123 e uma correlação canónica de 0,898, confirmaram a solidez do modelo. Conclusão: O modelo proposto como uma ferramenta fundamental para o rastreio virtual de metabolitos de plantas medicinais, permitiu priorizar o estudo experimental de compostos promissores, como terpenóides, e descartar outros menos prováveis, otimizando assim os recursos no desenvolvimento racional de agentes antifúngicos naturais.