SORGO SACARINO COMO FONTE DE BIOMASSA PARA PRODUÇÃO DE XILITOL E ETANOL: AVALIAÇÃO DE LEVEDURAS NATIVAS
Palavras-chave: malária, cisteina proteasa, triagem virtual, ancoragem molecular, dinâmica
molecular, reposicionamento de fármacos
Apesar de décadas de esforços no controle da malária, a eficácia terapêutica dos
fármacos atualmente disponíveis tem sido progressivamente comprometida pela emergência e
disseminação de cepas resistentes, evidenciando a necessidade urgente de estratégias
inovadoras para o descobrimento de novos agentes terapêuticos. Nesse contexto, essa tese
investiga o desenvolvimento racional de peptídeos antimaláricos por meio da integração de
técnicas de inteligência artificial com métodos computacionais baseados na física, visando
acelerar a identificação e priorização de candidatos promissores contra Plasmodium spp. Os
peptídeos antimaláricos emergem como uma classe particularmente atrativa de candidatos
terapêuticos em função de sua elevada diversidade estrutural e da possibilidade de atuar por
mecanismos distintos daqueles explorados por fármacos convencionais. Entretanto, o avanço
sistemático nessa área permanece limitado por obstáculos estruturais, incluindo a fragmentação
das evidências experimentais disponíveis, a escassez de dados especificamente relacionados à
atividade antiplasmódica e as deficiências dos bancos de dados existentes, que frequentemente
carecem de padronização, curadoria rigorosa e representação estrutural adequada para
aplicações computacionais. Com o objetivo de superar essas limitações, esse trabalho
desenvolveu um banco de dados manualmente curado e dedicado exclusivamente a peptídeos
ativos contra Plasmodium spp., integrando de forma harmonizada informações experimentais
e estruturais. A partir desse repositório, foram calculados descritores físico-químicos,
sequenciais e estruturais, seguidos por etapas sistemáticas de redução de dimensionalidade e
seleção de variáveis relevantes. Com base nesse conjunto de dados, modelos QSAR
fundamentados em aprendizado de máquina foram construídos, validados e interpretados,
possibilitando a identificação de padrões estruturais associados à atividade antimalárica.
Adicionalmente, abordagens baseadas na estrutura, incluindo docking molecular, cofolding e
simulações de dinâmica molecular frente a cisteíno-proteases essenciais do parasita, foram
empregadas para aprofundar a compreensão mecanística das interações peptídeo–proteína. Os
resultados demonstram que o banco de dados curado apresenta maior consistência, refletida na
harmonização dos dados, maior cobertura, com mais de 800 moléculas, e melhor adequação
para aplicações computacionais quando é comparado a repositórios existentes. Os modelos
QSAR desenvolvidos alcançaram desempenho preditivo satisfatório, com valores elevados de
acurácia (0,86), sensibilidade (0,84) e AUC-ROC (0,92), evidenciando uma capacidade robusta
de discriminar peptídeos ativos e inativos. Nos estudos baseados na estrutura, os protocolos de
docking molecular apresentaram excelente capacidade discriminatória (AUC-ROC > 0,9 e
RMSD < 2 Å) frente às cisteíno-proteases II (PDB: 3BPF) e III (PDB: 3BPM) do Plasmodium,
sendo esses resultados corroborados por simulações de dinâmica molecular que indicaram
estabilidade conformacional dos complexos e interações persistentes com os resíduos
catalíticos Cys–His do sítio ativo. Por fim, o reposicionamento computacional de 40 compostos
análogos à galinamida A revelou que pelo menos 10 deles apresentam elevado potencial para o
desenvolvimento de novos oligopeptídeos antimaláricos.