modelagem molecular aplicada ao planejamento … · de compostos bioativos: uma introdução....

MODELAGEM MOLECULAR APLICADA AO

PLANEJAMENTO DE COMPOSTOS

BIOATIVOS: PRINCÍPIOS E APLICAÇÕES

Dr. Carlos Mauricio R. Sant’Anna

GPAQ, Dequim, UFRuralRJ

LASSBio - UFRRJ

Bibliografia Indicada

C.M.R. Sant'Anna, 2014

2

Para quem está começando hoje:

SANT'ANNA, C. M. R., Métodos de Modelagem Molecular para Estudo e Planejamento

de Compostos Bioativos: Uma Introdução. Revista Virtual de Química, 1, 49 - 57, 2009.

SANT'ANNA, C. M. R., Glossário de Termos Usados no Planejamento de Fármacos

(Recomendações da IUPAC para 1997). Química Nova. , v.25, p.505 - 512, 2002.

Para quem quer saber mais:

Molecular Modelling: Principles and Applications ( A. Leach)

Introduction to Computational Chemistry (F. Jensen)

Computational Chemistry using the PC (D. W. Rogers)

Computational Chemistry (D. C. Young)

Introdução à Química Computacional (L. Alcácer)

Molecular Modeling: Basic Principles and Applications (H. D. Holtje)

Programas: http://www.click2drug.org/

O Que é Modelagem Molecular?


3

A Modelagem Molecular faz uso de diferentes teorias e programas de

computador para criar modelos da estrutura molecular e prever suas

propriedades (como sua energia).

Em Química Medicinal, a modelagem molecular é usada para se fazer o

Planejamento de Fármacos Auxiliado por Computadores (CADD, do

inglês Computer Assisted Drug Design).

As estratégias empregadas para o CADD são divididas em dois grandes

grupos, o Planejamento de Fármacos Baseado na Estrutura dos Ligantes

(LBDD, do inglês Ligand Based Drug Design) e o Planejamento de

Fármacos Baseado na Estrutura do Receptor (SBDD, do inglês Structure

Based Drug Design.

Muitas técnicas são aplicadas na construção dos modelos na Modelagem

Molecular e as mais importantes serão discutidas durante o Curso.

O Que a Modelagem Molecular pode

de fato fazer em Química Medicinal?


4

Isso? Ou isso?

Estratégias Gerais da Descoberta de fármacos


5

Protótipo

Otimização estrutural

“Screening”

Bibliotecas de produtos naturais (de plantas, animais marinhos,

processos fermentativos) ou de compostos sintéticos ou novas

estruturas obtidas com o uso de química combinatória

Protótipo


Planejamento racional

Conhecimento parcial ou completo do mecanismo de

interação entre o composto bioativo (ligante)

e o alvo biológico

Modelagem

Molecular

Modelagem

Molecular

Modelagem

Molecular

Modelagem

Molecular

“Screening”: Estratégias reais X virtuais


6

Estágio de geração de protótipos

HTS

Protótipo (IC50 ~ 10 mM)

Planejamento da modificação

IC50 ~ 1-10 nM

“Screening” virtual

Biblioteca de estruturas reais

Biblioteca de estruturas virtuais

e/ou reais

Estágio de otimização

Modificação estrutural

experimental

computacional

Modelagem Molecular no Planejamento Racional de Compostos Bioativos


7

Modelagem Molecular: Geração de estruturas moleculares para...

Relações Qualitativas e Quantitativas

entre a Estrutura e a

Atividade

“Docking”

Planejamento “de novo”

Estudos de mecanismos de reação, etc...

Visualização em Modelagem Molecular: Gráficos Moleculares


8

Gráficos Moleculares


9

porina zirconoceno

Gráficos Moleculares


10

Complexo Proteína-RNA

Visualização de Modelos: Proteínas


11

Visualização de Modelos: Proteínas


12

Visualização de Modelos: Superfícies


13

Visualização de Modelos: Superfícies


14

Potencial eletrostático mapeado sobre a superfície molecular (Bujnicki et al. BMC Bioinformatics 2001 2:2

doi:10.1186/1471-2105-2-2)

Definição de Geometria Molecular


15

Coordenadas cartesianas

Formato PDB

Definição de Geometria Molecular


16

http://www.rcsb.org/pdb/home/home.do

Modelagem Molecular:

Classificações dos Métodos


17

Quanto à Dinâmica do Método de Cálculo da Energia

•Métodos de otimização estrutural direta (busca do ponto estacionário mais próximo)

•Métodos de otimização múltipla (métodos estatísticos, análise sistemática...)

•Métodos dinâmicos: geração de trajetórias (dinâmica molecular...)

Quanto ao Tipo do Método de Cálculo da Energia

•Métodos de Campo de Força: mecânica molecular

•Métodos Quânticos: Semi-empíricos, ab initio HF, MP, DFT

•Métodos de Simulação: métodos de energia livre, métodos de perturbação termodinâmica, métodos de integração termodinâmica

Métodos Empíricos


18

ligações

Realidade

Ótimo

Métodos Empíricos


19

ângulos

Métodos Empíricos


20

Quanto maior o valor de k, maior a energia necessária para deformar uma distância ou um ângulo de ligação. Potenciais rasos são obtidos com valores de k entre 0,1 e 1.

Exemplos de parâmetros:

C sp3 – C sp3

– r0 = 1,526 Å

– kb = 310,0 kcal/(mol Å2)

− θ0 = 109,50°

– Kθ = 40,0 kcal/(mol rad2)

C sp2 – O sp2

– r0 = 1.250 Å

– kb = 656,0 kcal/(mol Å2)

Métodos Empíricos


21

diedros

Métodos Empíricos


22

Métodos Empíricos


23

termo de van der Waals termo eletrostático

regime de atração de van der Waals

regime de repulsão

energia ótima

l

lpot knkkllkE

22

0

2

0 cos1

0

'

000'

'

00' ''''

l

l

l l

ll llkkllllk

i ij ij

ij

ij

ij

r

B

r

Akk

612' '

'00' '''cos

i l

l

qil

li

k lk

lkkl

kl

lk

i ij ijq

ji

DDr

q

rDrD

qq

coscoscos3cos23

Campo de força padrão para moléculas orgânicas

Campo de força compostos organometálicos

2

0llkE ll 2

0exp1 llDEl

2

0 kE nkE cos1

Classe I ou harmônicos:

Sem termos cruzados

Ex.: CHARMM, AMBER

Classe II:

Termos cruzados e séries

Ex.: MM4


24

Métodos Empíricos: Exemplos de Campos de Força


25

Campo de Força Sistemas Moleculares

EFF Alcanos MM3 Geral

CVFF Geral Tripos Geral MMFF Geral

Dreiding Geral Amber Proteínas, ácidos nucleicos, carboidratos CHARMM Proteínas

GROMOS Proteínas, ácidos nucleicos, carboidratos MOMEC Compostos de coordenação

A Superfície de Energia Potencial


26

Busca Direta de Mínimos de Energia


27

Ei

Emin

Ei

Emin

Análise Conformacional Sistemática:

Pesquisa de Grade


28

O número de conformações necessárias para varrer o espaço conformacional cresce rapidamente: quando o número de ligações com rotação livre é 6, por exemplo, o número de confôrmeros a ser avaliado é 46656 ( igual a 600).

O número de confôrmeros equivale a (3600/)n, onde é o incremento

usado no processo de varredura e n é o número de ligações avaliadas.

Dinâmica Molecular


29

O movimento molecular está presente em praticamente todos os processos químicos, como reações, interações intermoleculares, mudanças de fase, solubilizações ou simplesmente em vibrações moleculares (espectroscopia de IV).

As etapas em um processo de minimização de energia são dirigidas simplesmente para a busca do mínimo mais próximo. As etapas na dinâmica representam todas as mudanças nas posições atômicas no tempo (as velocidades).

Termodinâmica Quais estados são possíveis?

Cinética Como e com que velocidade os estados se interconvertem?

Dinâmica Molecular


30

Dê aos átomos posições iniciais

Calcule forças

Mova átomos:

Avance no tempo:

Repita tantas vezes quanto for necessário

defina Dt curto.

MD: Algoritmo simplificado

Dinâmica Molecular


31

Campo de força usado em DM deve ser apropriado para representar forças intermoleculares e vibrações longe do equilíbrio. Entre os campos mais usados estão o GROMOS e o OPLS.

Dinâmica de aquecimento

Dinâmica de equilibração

Dinâmica de produção

Análise das trajetórias

Método de Monte Carlo


32

http://www.cs.otago.ac.nz/cosc453/student_tutorials/monte_carlo.pdf

MC compara energias. Forças não são calculadas.

Gere a estrutura inicial R. Calcule V(R).

Modifique a estrutura para R’. Calcule V’(R’).

Repita para N etapas.

Algoritmo de Monte Carlo

No equilíbrio a T:

http://www.cs.otago.ac.nz/cosc453/student_tutorials/monte_carlo.pdf

Métodos Quânticos: Introdução


33

E. Schrödinger

A mecânica quântica mostra que as partículas têm comportamento

ondulatório. Se é assim, como determinar sua energia?

é a chamada função de onda e

E é a energia.

Métodos Quânticos para Moléculas


34

•Nos métodos

quânticos, a energia da

estrutura molecular é

definida colocando-se

os núcleos em regiões

nas quais os elétrons

estão associados a

orbitais, regiões do

espaço definidas pela

resolução da equação

de Schrödinger.

Representação de orbitais moleculares

para a molécula de H2

HE

Diagramas de Orbitais Moleculares: Exemplos


35

Métodos Quânticos: Soluções Práticas


36

Métodos de orbital molecular Ab initio

Hartree-Fock, Perturbação Moeller-Plesset (MPn), Interação de configuração (CI), etc.

Teoria do funcional de densidade (DFT)

Métodos de orbital molecular semi-empíricos

Hückel, PPP, CNDO, INDO, MNDO, AM1

PM3, PM6, RM1…

Métodos Quânticos: Aproximações


37

•A resolução de (1.2) é chamada

dinâmica quântica e depende

de uma função de energia (a SEP) definida apenas pelas posições dos núcleos, E(R).

Métodos ab initio resolvem (1.3) diretamente.

Ex.: HF, MPx

Métodos semi-empíricos fazem aproximações que são compen-sadas com funções ajustadas empiricamente.

Aproximação de Born-Oppenheimer

•A descrição de moléculas é feita pela resolução da equação de Schrödinger na qual a função de onda é uma função das coordenadas dos núcleos (R) e dos elétrons (r):

H(R,r) = E(R,r) (1.1)

Como os núcleos são milhares de vezes mais pesados do que os elétrons, os movimentos nuclear e eletrônico podem ser considerados separadamente (Born-Oppenheimer):

H(R) = E (R) (1.2)

H(r;R) = E (r;R) (1.3)

Métodos Quânticos: Orbitais Atômicos


38

Conjuntos de Base


39

1. Mínimo

•O mais simples deste conjunto de bases ainda usado é o STO-3G (acrônimo para Orbitais do Tipo Slater simulados pela soma de 3 Gaussianas).

•O conjunto de bases mínimo tem apenas o número de bases necessário para acomodar os elétrons dos átomos e reter a simetria esférica. Assim, o conjunto STO-3G tem apenas uma função para o H (1s), cinco para o Li até o Ne (1s, 2s, 2px, 2py e 2pz) e 9 para os elementos do segundo período Na até o Ar (1s, 2s, 2px, 2py, 2pz, 3s, 3px, 3py e 3pz).

•É o conjunto de bases usados pelos hamiltonianos do programa Mopac.

•Problemas: estabilidade de anéis pequenos é superestimada

Conjuntos de Base


40

2. Conjunto de Bases de Valência Dividida Os orbitais são divididos em pelo menos duas partes: uma interna e compacta e outra externa, mais difusa. Os coeficientes das duas partes podem ser variados independentemente na combinação LCAO-MO. Assim, o tamanho do orbital pode ser variado dentro dos limites das funções interna e externa. Exemplos: 3-21G, 6-31G, 6-311G (notação de Pople)...

6-311G

Uma contração de 6 funções Gaussianas usadas para representar os orbitais de camada interna

Uma contração de 3 funções Gaussianas usadas para representar a parte interna dos orbitais de valência

1 função Gaussiana usada para representar a parte externa dos orbitais de valência

1 função Gaussiana usada para representar a parte intermediária dos orbitais de valência

Conjuntos de Base


41

3. Conjunto de Bases com Funções de Polarização •Melhoria nas funções de base foi obtida pela adição de funções do tipo d para todos os átomos “pesados” (diferentes de H). Por ser mais conveniente computacionalmente, são usadas 6 funções do tipo d (x2, y2, z2, xy, xz, yz), que equivalem a 5 funções d e a uma função s. •Essas funções permitem que o centro de um orbital se desloque para além do plano que contém o núcleo, levando à distribuições eletrônicas não-esféricas (anisotrópicas).

•A presença do conjunto de polarização é indicada por um asterisco. Ex.: 3-21G* •Funções de polarização também podem ser usadas para os átomos de H. Nesse caso, são usadas funções do tipo p. A presenças destas funções é indicada por um segundo asterisco. Ex.: 6-31G** •Um asterisco entre parênteses indica que as funções de polarização foram adicionadas apenas para os elementos do segundo período. •Uma maneira alternativa de indicar a presença de funções de polarização é colocar (d) ou (d,p) após o G.

Conjuntos de Base


42

4. Conjunto de Bases com Funções Difusas •Sistemas com elétrons mais fracamente ligados aos núcleos, como ânions ou mesmo átomos com elétrons não-ligantes, são melhor descritos pela inclusão de funções difusas. •Essas funções são conjuntos de orbitais s e p muito difusos, com expoentes entre 0,1 e 0,01. •A presença das funções difusas nos átomos “pesados” é indicada por um sinal “+” antes da letra G. Ex.: 6-31+G •A presença das funções difusas também nos átomos de H é indicada por um segundo sinal “+”. Ex.: 6-311++G •Processos que envolvem mudança no número pares de elétrons solitários, como reações de protonação, são melhor descritas com o uso das funções difusas. •A adição de funções difusas nos átomos de H tem, em geral, pouco efeito nos resultados, a não ser nos casos em que íons hidretos estejam envolvidos.

Método HF e Sistemas com Elétrons Desemparelhados


43

No método HF, os elétrons devem ocupar os orbitais em pares, ou seja, a mesma função de onda do orbital é usada para os elétrons nos 2 estados de spin ( e ); isso é chamado de método de Hartree-Fock restrito (RHF). Para sistemas com elétrons desemparelhados, como os radicais livres, uma alternativa é usar conjuntos separados de orbitais para os elétrons e ; isso é chamado de método de Hartree-Fock irrestrito (UHF). Por exemplo:

Modelos de Correlação Eletrônica


44

•Uma maneira de incluir a correlação eletrônica é a Interação de Configuração (CI): uma certa quantidade de estados eletrônicos excitados são incluidos na descrição de um estado eletrônico. •Em geral, uma função de onda CI para uma molécula pode ser escrita como:

onde 0 é a função de onda para um dado orbital molecular, obtida ao se resolver as equações de HF e 1, etc. são funções de configurações onde um ou mais dos orbitais ocupados são substituídos por orbitais virtuais. •O método CI é computacionalmente muito mais custoso do que os métodos HF (tempo de CPU pode ser proporcional entre N6 a N10, onde N é o número de orbitais).

1100 cc

Modelos de Correlação Eletrônica


45

•No Modelo de Möller-Plesset (MP), as funções de onda e as energias podem ser gradualmente melhoradas substituindo-se o hamiltoniano “verdadeiro” Hl por:

onde l é um parâmetro que varia entre 0 e 1, V é a “perturbação” e H0 é o

hamiltoniano de ordem zero. Assim, para as funções de onda e energias: onde Ei

(1) é a correção de primeira ordem da energia, Ei(2) é a de segunda

ordem, etc.: De acordo com a ordem da correção introduzida, temos os vários modelos de Möller-Plesset: MP2, MP3, MP4…

VHH ˆˆˆ0 ll

)2(2)1()0(

)2(2)1()0(

iiii

iiii

EEEE ll

ll

Métodos Semi-empíricos


46

Nos métodos semi-empíricos, a energia total da molécula é representada como a soma da energia eletrônica com a energia de repulsão entre os cernes. Um conjunto de treinamento de moléculas é selecionado, escolhido para cobrir o maior número de situações de ligação química possível. É aplicado um procedimento de mínimos quadrados não-linear com os valores dos parâmetros ajustáveis sendo as variáveis as propriedades do conjunto de treinamento como constantes a serem reproduzidas. Estas propriedades incluem calores de formação, variáveis geométricas, momentos de dipolo, energias de ionização, etc. Dependendo da escolha do conjunto de treinamento, do número de parâmetros ajustáveis e do modo de ajuste às propriedades experimentais, temos diferentes hamiltonianos; por exemplo: AM1 (M. J. S. Dewar et al.) PM3, PM5, PM6 e PM7 (J. J. P. Stewart) RM1 (G. B. Rocha et al.)

Métodos Semi-empíricos


47

RM1: a Reparameterization of AM1 for H, C, N, O, P, S, F, Cl, Br, and I Gerd Bruno Rocha, Ricardo Oliveira Freire, Alfredo Mayall Simas, and James J. P. Stewart. Journal of Computational Chemistry 27(10), 1101-1111, 2006

1480 moléculas contendo H, C, N, O, P, S, F, Cl, Br e I.


48

J. J. P Stewart, J. Mol. Model. 2007, 13, 1173-1213. Parâmetros semi-empíricos para 70 elementos da tabela periódica.


49

J. J. P Stewart, J. Mol. Model. 2007, 13, 1173-1213.

Desempenho Relativo dos Métodos de Cálculo

de Modelagem Molecular


50

Objetivo

Mecânica

Molecular

Semi-empírico Ab Initio

HF MP2

Geometria

(grupo principal)

aceit.bom Bom Bom Bom

Geometria

(metais de transição)

- Bom Pobre ?

Geometria

(ests. de transição)

- Bom Bom Bom

Conformação Bom Pobre aceit.bom Bom

Termoquímica

(não isodêsmica)

- Pobre aceit.bom Bom

Termoquímica

(isodêsmica)

- aceitável Bom Bom

Custo muito baixo baixo alto muito alto

Um Modelo Quântico Alternativo: Teoria do Funcional de Densidade


51

Número de artigos com a palavra DFT no título a partir de 1980

Structure and Bonding, Vol. 150 Putz, Mihai V.; Mingos, D Michael P (Eds.) 2013, XII, 236 p.

http://www.springer.com/series/430





Teoria do Funcional de Densidade


52

•Na Teoria do Funcional de Densidade (DFT), todas as propriedades do sistema são uma função de uma função (um funcional), a densidade eletrônica r (1o teorema de Hohenberg e Kohn). •Como obter a densidade eletrônica? A densidade eletrônica é expressa como uma combinação linear de funções de base matematicamente semelhantes aos orbitais HF, chamados orbitais de Khon-Sham. •Há várias formas de funcionais. Alguns foram desenvolvidos a partir da mecânica quântica fundamental (ab initio) e outros que foram parametrizados para melhor reproduzir dados experimentais (semi-empíricos).

r ii rr iii EK )(

Principais Funcionais de Densidade


53

Acrônimo Nome Tipo

X X alfa Troca

HFS Hartree, Fock e Slater HF com troca LDA

VWN Vosko, Wilks e Nusair LDA

BLYP Funcional de correlação de Becke com de troca de Lee, Yang, Parr

Gradiente-corrigido

B3LYP Termo 3 de Becke com de troca de Lee, Yang, Parr Híbrido

PW91 Perdue e Wang 1991 Gradiente-corrigido

G96 Gill 1996 Troca

P86 Perdew 1986 Gradiente-corrigido

B96 Becke 1996 Gradiente-corrigido

B3P86 Troca de Becke, correlação de Perdew Híbrido

B3PW91 Troca de Becke, correlação de Perdew e Wang Híbrido

Os funcionais mais simples tem apenas um termo de troca eletrônica (ex.: X); outros incluem termos de correlação eletrônica, como nos métodos da aproximação de densidade local (LDA) e de densidade de spin local (LSDA). Métodos mais complexos (e mais precisos) usam a densidade e o seu gradiente (gradiente-corrigido) e alguns misturam partes de diferentes funcionais (híbridos). Os mais completos têm uma qualidade equivalente a um cálculo MP2. Alguns exemplos:

Aplicações: Propriedades Eletrônicas


54

Cátion t-butil:

mapas de

potencial eletrostático

Formaldeído: LUMO Formaldeído: HOMO

Aplicações: Estudo da Reatividade Química


55

Representação do LUMO dos substratos acetaldeído e

triflúor-acetaldeído (método quântico semi-empírico AM1)

Representação superfície de potencial eletrostático dos substratos acetaldeído e

triflúor-acetaldeído (método quântico semi-empírico AM1)

Aplicações:

Estudo da Reatividade Química


56

SN2: representação do LUMO do substrato CH3Br obtido pelo método

quântico semi-empírico AM1 SN1: representação do LUMO do

intermediário cátion t-butil obtido pelo método quântico semi-empírico AM1

Qual o Melhor Modelo?


57

Os principais parâmetros para a escolha de um modelo teórico são o desempenho e o custo.

O sucesso de qualquer modelo depende primeiro da sua capacidade de reproduzir dados experimentais.

Mas um modelo precisa também ser prático, o que depende do tamanho do sistema em estudo e das facilidades computacionais disponíveis.

Um modelo prático provavelmente não vai ser o melhor tratamento possível para um determinado problema, mas aquele que produzirá as informações necessárias com uma precisão e um custo

razoáveis.

Métodos Híbridos


58

•Nos chamados métodos híbridos (ou combinados) QM/MM (do inglês Quantum Mechanics/Molecular Mechanics), os métodos clássico e quântico são usados ao mesmo tempo, mas em “camadas” diferentes deste sistema. •O cálculo quântico é aplicado em uma parte pequena da estrutura (chamada parte quântica), enquanto o restante da estrutura é tratado com um método clássico (a parte clássica). Vantagens: Como a região tratada quanticamente é pequena, os resultados podem ser alcançados com rapidez, mesmo que sejam usados conjuntos de base extensos. Problemas: definição da fronteira quântico/clássico (uso de hidrogênios para completar ligações cortadas? orbitais localizados congelados?) Exs.: integrated MO ‡MM (IMOMM); our own n-layered integrated MO and MM method (ONIOM); integrated MO MO method (IMOMO).

Warshel & Levitt, Journal of Molecular Biology, 103, 1976, 227–249

http://www.sciencedirect.com/science/journal/00222836



Modelagem de Proteínas


59

1. Modelagem Comparativa (por Homologia)

Esse método aproxima a estrutura tridimensional para sequências primárias de proteínas, usando como molde estruturas 3D conhecidas. É necessário ~30% de identidade entre as sequências da proteína a ser modelada (proteína-alvo) e do molde. As estruturas 3D são conhecidas através de dados de cristalografia de raios-X ou, mais raramente, dados de RMN. Muitas estão depositadas em bancos de acesso público, como o Protein Data Bank (PDB). Ex.: Swiss-Model, Modeller.

2. Modelagem ab initio (de novo)

Baseia-se em princípios físicos ao invés do uso de moldes. Há métodos que tentam mimetizar o processo de enovelamento de proteínas e outros que aplicam métodos estocásticos para pesquisar possíveis soluções estruturais. São métodos computacionalmente muito exigentes e foram aplicados com sucesso em proteínas pequenas. Ex.: I-TASSER, Rosetta@home



60

Etapas da Modelagem Comparativa (por Homologia) 1. Busca do molde a partir da sequência da proteína-alvo usando um algoritmo de similaridade. Ex.: Blast no Swiss-Model. (semelhança e resolução) 2. Alinhamento das sequências . Ex.: ClustalW e T-Coffee (problemas: inserções e deleções, loops). 3. O ‘backbone’ do alvo é construido sobre o do molde (C e ângulos e ). 4. Ajuste das cadeias laterais (bibliotecas de confôrmeros ajudam); eliminação de colisões (clashes) 5. Refinamento da estrutura por simples minimização de energia com mecânica molecular ou por dinâmica molecular.

inserção

deleções

Modelo estrutural

Alinhamento das sequências

Molde Estrutura 3D desconhecida

loop



61

>tr|Q4CQE2|Q4CQE2_TRYCR Ribose 5-phosphate isomerase, putative

OS=Trypanosoma cruzi GN=Tc00.1047053509199.24 PE=4 SV=1

MTRRVAIGTDHPAFAIHENLILYVKEAGDEFVPVYCGPKTAESVDYPDFASRVAEMVARK

EVEFGVLACGSGIGMSIAANKVPGVRAALCHDHYTAAMSRIHNDANIVCVGERTTGVEVI

REIIITFLQTPFSGEERHVRRIEKIRAIEASHAGKKGVQ

>[Template]|1nn4D|2.2|Structural Genomics RpiBAlsB

Length = 159

[Display Alignment in DeepView]

Score = 114 bits (286), Expect = 2e-26, Method: Composition-based stats.

Identities = 60/147 (40%), Positives = 93/147 (63%), Gaps = 3/147 (2%)

Query: 3 RRVAIGTDHPAFAIHENLILYVKEAGDEFVPVYCGPKTAESVDYPDFASRVAEMVARKEV 62

+++A G DH F + ++ ++ E G E + G ++E DYP +AS+VA VA EV

Sbjct: 14 KKIAFGCDHVGFILKHEIVAHLVERGVEVIDK--GTWSSERTDYPHYASQVALAVAGGEV 71

Query: 63 EFGVLACGSGIGMSIAANKVPGVRAALCHDHYTAAMSRIHNDANIVCVGERTTGVEVIRE 122

+ G+L CG+G+G+SIAANK G+RA +C + Y+A +SR HND N++ G R G+E+ +

Sbjct: 72 DGGILICGTGVGISIAANKFAGIRAVVCSEPYSAQLSRQHNDTNVLAFGSRVVGLELAKM 131

Query: 123 IIITFLQTPFSGEERHVRRIEKIRAIE 149

I+ +L + G RH +R+E I AIE

Sbjct: 132 IVDAWLGAQYEG-GRHQQRVEAITAIE 157

Arquivo FASTA (Swiss-Prot)

Alinhamento

Modelagem de Proteínas: Swiss-Model


62

Modelagem de Proteínas: Swiss-Model


63



64

Molde Modelo

Modelo gerado a partir do servidor Swiss-Model (modo automático); otimização estrutural com campo de força GROMOS Ferramentas avaliam a qualidade do

modelo. Ex.: gráfico de Ramachandran (Swiss-Model), o servidor ANOLEA…



65

Há uma variedade de ferramentas desenvolvidas para avaliar a qualidade dos modelos, por exemplo: 1. Procheck (http://www.ebi.ac.uk/thornton-srv/software/PROCHECK/): avalia a

qualidade estereoquímica da estrutura; 2. Molprobity (http://molprobity.biochem.duke.edu/): verifica os contatos entre

átomos do modelo e a presença de conformações não usuais da cadeia principal e das cadeias laterais dos aminoácidos;

3. ProSA (https://prosa.services.came.sbg.ac.at/prosa.php): usa potenciais de campos de força construídos a partir de uma análise estatística de estruturas 3D conhecidas para avaliar a qualidade do modelo.

Ancoramento Molecular (‘Docking’)


66

O ancoramento molecular é uma metodologia que tem como objetivo prever o modo de interação (orientação e conformação) do complexo formado entre uma molécula pequena (ligante) e um receptor, geralmente uma proteína. Há diferentes níveis de ancoramento: 1. Ancoramento rígido: apenas o ligante tem liberdade conformacional; 2. Ancoramento semi-rígido: cadeias laterais selecionadas e/ou moléculas de água são mantidas livres; 3. Ancoramento flexível: todas as espécie presentes no complexo são mantidas livres durante o procedimento.

Geração de poses: Estratégias


67

próxima geração

Criar população de cromossomos

Determinar o ajuste de cada

indivíduo

várias gerações

Selecionar próxima geração

Mostrar resultados

Realizar reprodução por cruzamento

Realizar mutação

AG: uma “máquina” para fazer evolução

Estratégias: Algoritmo genético Monte Carlo Construção incremental Métodos híbridos

Programa Estratégia

AutoDock AG/MC

FlexX CI

Glide Híbrido

GOLD AG

Evolução...

Charles Darwin 1809-1882

Algoritmo Genético mais Detalhado


68

1. Um conjunto de operadores de reprodução (“crossover”, mutação

etc) é escolhido. A cada operador é estipulado um “peso”.

2. Uma população inicial é randomicamente criada, e

a aptidão (“fitness”) de seus membros é determinada.

3. Um operador é escolhido utilizando seleções por

“roletas de cassino”, baseadas no peso de operadores.

4. Os “pais” requeridos pelos operadores são escolhidos utilizando

seleções por “roletas”, baseadas em aptidões escaladas.

5. O operador é aplicado e cromossomos “filhos”

são produzidos. Suas aptidões são avaliadas.

6. Se ainda não estão presentes na população, os cromossomos filhos

substituem os membros de menor aptidão (os piores ancorados).

7. Se N operações foram feitas, o cálculo é parado;

caso contrário, volta-se ao passo 3.

Um algoritmo genético (AG) é uma técnica de busca utilizada para achar soluções aproximadas em problemas de otimização e busca. Algoritmos genéticos são uma classe particular de algoritmos evolutivos que usam técnicas inspiradas pela biologia evolutiva como hereditariedade, mutação, seleção natural e recombinação.



69

Representações Básicas da Proteína e do Ligante: a. Atômica: calcula-se a interação átomo-átomo; é

usada com funções de energia potencial. b. Representação em grade: o uso de grades é

feito para o cálculo de energia, acumulando informações sobre a contribuição na energia da proteína nos pontos em uma grade.

c. Superficial: utilizada para ancoramento entre duas proteínas (ancoramento proteína/proteína), através do alinhamento de pontos de cada superfície.

a

c



70

Funções de escore baseadas em campos de força Para avaliação dos modos de interação de forma rápida são usadas funções que determinam de forma simplificada o processo de interação ligante-proteína. Para alguns do programas de ‘docking’, essas funções se baseiam apenas na complentaridade estrutural e eletrostática entre enzima e inibidor, usando termos similares às funções de energia estérica e eletrostática dos campos de força da mecânica molecular.

BA N

j ij

jiN

i

coulr

qqrE

1 01 4)(

BA N

j ij

ij

ij

ijN

i

vdWrr

rE1

612

1

4)(

Funções empíricas: Essas funções de escore reproduzem dados experimentais como

uma soma de várias funções de energia parametrizadas.


71

+ H3N

OH

Ângulos diedros com pequenas

barreiras em solução

Classificação das “poses”

DGint = SDGi

DGint = DGrot+ DGhb+ DGion+ DGaro + DGlipo + ...

H3N

OH O

NH

O

O

DGio

DGlipo

DGrot

DGaro

DGhb

Ângulos diedros

variados no docking

flexível O

NH

O

O

Sítio de interaçãona proteína

Ligante Receptor

“Poses” do complexo

ligante-receptor

Valores usados diretamente ou para gerar outros valores comparativos (escores)



72

Algoritmos de Busca Aplicados a Ligantes Flexíveis a. Métodos sistemáticos: fragmentos moleculares são atracados no sítio, sendo

então ligados covalentemente um ao outro (construção incremental), podendo ser ainda divididos em regiões rígidas (“núcleos”) e flexíveis (cadeias laterais).

b. Métodos estocásticos: atuam promovendo mudanças aleatórias nas “poses” dos ligantes, de acordo com funções de probabilidade, implementadas principalmente por duas metodologias: “Monte Carlo” e “algoritmo genético” .

c. Métodos simulacionais: simula-se o movimento real do ligante no interior da proteína; a técnica de dinâmica molecular é a mais utilizada neste tipo de método.

Programa Estratégia

AutoDock AG/MC

FlexX CI

Glide Híbrido

GOLD AG



73

Sobreposição das estruturas do FAD co-cristalizado (no padrão CPK de cores) e atracado (em ciano), após ancoramento com o programa GOLD 3.0 na enzima tripanotiona redutase. Átomos de H da proteína omitidos (Del Cistia, C.N., Tese de Doutorado, 2010)

“Redocking” é o processo no qual um ligante retirado da estrutura de um complexo é ancorado na forma ajustada do receptor. É um processo usado para verificar quais parâmetros para o processo de ancoramento são adequados e capazes de recuperar a estrutura do complexo e suas interações.

O “cross-docking” é feito com um conjunto de complexos, onde todos os ligantes são ancorados em todos os receptores. É útil para determinar a capacidade de separação dos ligantes pelo programa frente a um receptor.

Ajuste Induzido: Cadeias Laterais


74

74

Neuraminidase da influenza A complexada com o inibidor ácido 2-desoxi-2,3-desidro-N-acetilneuramínico (PDB 1NNB) e com o ácido 5-acetilamino-4-amino-6-(fenetilpropilcarbamoil)-5,6-diidro-4H-pirano-2-carboxílico (PDB 1BJI).

Glu276 Glu276

Arg224 Arg224

Ajuste Induzido: Cadeia Polipeptídica


75

75

Agonista 17β-estradiol (PDB 1ERE) no domínio de interação do ligante no receptor do estrogênio causa uma conformação diferente da hélice 12, quando comparada com conformação da hélice 12 com o ligante seletivo do receptor do estrogênio raloxifeno (PDB 1ERR).

Ajuste Induzido: Efeito na estrutura

terciária


76

76

Efeitos conformacionais na proteína após formação do complexo MAP quinase P38/ligante

SB203580

Ajuste induzido: Soluções no “docking”


77

“Ensemble docking”

Sobreposição estrutural


Huang e Zhou, Proteins, 2007, 6,399-421.

10 proteínas + 87 ligantes

“docking” comum

“ensemble docking”

75 % de acerto 93 % de acerto

Ajuste induzido: Soluções no “docking”


78

Escore da estrutura SB203580

SB203580

Triagem Virtual Baseada no “Docking”


79

Preparação da estrutura alvo

“docking”

Avaliação das poses (“scoring”)

Classificação das poses (“ranking”)

Pós-processamento

Preparação da biblioteca de compostos

Triagem virtual baseada na estrutura

(SBVS – Structure Based Virtual Screening)

Triagem virtual baseada no

“docking” (DBVS – Docking Based

Virtual Screening)

Seleção de Compostos para o DBVS


80

Bibliotecas: Próprias Públicas Comerciais

Comp. 2

Comp. 3

Comp. 2

Comp. 1 Enriquecimento de Bibliotecas (filtragem):

Filtros físico-químicos e/ou farmacológicos (ex.: solubilidade, Lipinski, ADME/Tox) Filtros de similaridade c/ compostos ativos conhecidos Filtros baseados no alvo

Aplicações no Estudo de Compostos

Bioativos


81

C.M.R. Sant'Anna, 2014 82

www.sciencemag.org SCIENCE 303

19 MARCH 2004

“Is there really a case where a drug that’s

on the market was designed by a

computer? When asked this, I invoke the

professorial mantra (“All questions are

good questions.”), while sensing that the

desired answer is “no”. Then, the

inquisitor could go back to the lab with the

reassurance that his or her choice to

avoid learning about computational

chemistry remains wise.”

“...the phrasing of the question suggests

misunderstanding and oversimplification

of the drug discovery process.”

“There is not going to be a “voila`” moment

at the computer terminal. Instead, there is

systematic use of wide ranging

computational tools to facilitate and

enhance the drug discovery process.”

Estratégias no Planejamento Racional


83

Métodos Dependentes do

Receptor/Enzima

Métodos Independentes do Receptor/Enzima

Quantidade

crescente de

informação

disponível

Modelagem por homologia

+

Ligantes conhecidos

(estrutura e

dados biológicos)

+

Seqüência do

receptor conhecida

Modelo do

Receptor

QSAR

(CoMFA, etc)

Interações

ligante-receptor

(docking, etc)

Novos

ligantes

+

Estrutura 3D do

receptor conhecida

Métodos Baseados no Mecanismo

Mecanismo de

ação conhecido

Dinâmica das

interações, reações

Exemplo 1: Inibidores da PDE4


84

O

OCH3

NOH

NN

N

O

Cl

N N

N CH3

O

Cl

NEtO

OH3C

H

N

N CH3

O

Cl

SEtO

OH3C

N

N

N CH3

OCH3

CH3

NCN

N CH3

O

NO

H3C

N

N

O

NO

H3C

CH3 N

N CH3

O

SH2N

OH3C

N

N CH3

O

S

NC

H3C

N

N

N

OCH3

CH3

NC

CH3

1 (rolipram) 2 (syntex 3) 3 4

5 6 7 8

9 10

Oliveira, Caffarena, Sant`Anna, Dardenne, Barreiro, 2006

Interação Ligante-Receptor: Aspectos Teóricos


85

+

[E(aq)] [I(aq)] [E•I(aq)]

bindbindbind STHG DDD

dabind KRTKRTG lnln D

Ki = Kd = [E(aq)] [I(aq)]

[E•I(aq)] _________

Trocas de energias envolvidas no processo de “binding”, como as energias de interação ligante-sítio e ligante-solvente.

Formas de distribuição das energias, classificadas como entropia translacional, rotacional, conformacional e vibracional.

Atividade Biológica: Construção de Modelos

Teóricos


86

Objetivo: proposição de um modelo teórico capaz de determinar a atividade biológica.

iKRTG lnD

543

2

21ln cNcHccGcKRT LRbindsolvi DD

ligsacompbind HHHH DDDDNLR: termo entrópico associado à perda de rotação em ligações após associação do ligante ao sítio ativo


87

A B C

Syntex3

Phe446

Gln443

Met431

Met411

Phe414

Tyr233

Metallic subsite

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

-1.5

-1.0

-0.5

0.0

0.5

1.0

1.5

r2 = 0.92

SD= 0.26

n = 10

Calc

ula

ted

DG

(kcal/

mo

l)

Experimental DG (kcal/mol)

Exemplo 2: Modelo para a Inibição para a

Tripanotiona Redutase


88

Composto R1 R2 R3 R4

1 Cl (CH2)3NMe2 - H

2 COCH2CH3 (CH2)3NMe2 - H

3 COOH (CH2)3NMe2 - H

4 CONH2 (CH2)3NMe2 - H

5 H (CH2)2C(NH2)=NH - H

6 H (CH2)3N(CH2CH2)2NCH3 - H

7 H CO(CH2)2COOH - H

8 H COCH2Br - H

9 CF3 (CH2)2C(NH2)=NH - H

10 Cl (CH2)3NMe2 - COCH3

11 Cl (CH2)3NMe2 =O H

12 COCH3 COCH3 - H

13 COCH3 COCH3 - COCH3

14 Cl (CH2)3N+(Me)2CH2C6H5 - H

15 Cl (CH2)3N+(Me)2CH2C6H33,4-Cl - H

16 Cl (CH2)3N+(Me)2CH2C6H44-NO2 - H

17 Cl (CH2)3N+(Me)2CH2C6H33,4-CH3 - H

18 Cl (CH2)3N+(Me)2CH2C6H33,4-OCH3 - H

19 Cl (CH2)3N+(Me)2CH2C6F5 - H

20 Cl CH3 - H

TR de Trypanosoma cruzi*

*Bond et al., Structure Fold Des., 1999, 7, 81.

N

S

R1

R2

R4

R3

Khan et al., J. Med. Chem., 2000, 43, 3148.

Chan et al., J. Med. Chem., 1998, 41, 148.

“Docking” de fenotiazinas


“Docking” (GOLD) Melhores ajustes

(Goldscore)

Geração de descritores para os complexos (SILVER)

0 2 4 6 8

1

2

3

4

5

6

7

8

ln IC

50 c

alc

ln IC50

exp

Linear fit

R=0,904

SD=0,871

N=20

432150ln cDcDcDcIC AHHYDVDW Seleção de descritores e geração de correlação

DVDW é a contribuição em interações de van de Waals ligante/proteína, DHYD

o número de átomos hidrofóbicos do ligante acessíveis ao solvente, DAH o

número de aceptores de ligação hidrogênio do ligante e os coeficientes c1-c4

são obtidos ajustando-se a equação aos valores experimentais de ln (IC50)

Comp . l n (IC50) exp l n (IC50) calc

1 2,08 2,24

2 2,3 1,15

3 - 0,25 1,14

4 2,88 3,43

5 1,69 1,51

6 3,33 3,16

7 4,34 5,52

8 5,16 5,13

9 7,94 6,53

10 3,89 5,43

11 4,28 4,50

12 7,3 8,09

13 5,53 5,96

14 5,73 6,71

15 3,57 4,17

16 5,88 4,45

17 8,27 6,54

18 6,13 5,98

19 1,36 1,10

20 6,9 5,55

21 4,7 5,28

22 2,48 2,15

23 6,08 7,35

Exemplo 3: Mesoiônicos, Novos

Inibidores da TR


90

Espécie Inibição (%) da TR pelo

derivado p-NO2 (1 M)

L.

amazonensis

76

L. infantum 70

L. brasiliensis 69,5

T. cruzi 83

Inibição não competitiva

L. infantum

+

S

N N

NHR

R = H, m-OCH3, p-OCH

3, p-NO

2

Cl-

Rodrigues, R., et al., Bioorg. Med. Chem., 20, 1760 (2012)


+

S

N N

NHR


3, p-NO

2

Cl-

TR L. infantum (2W0H)

TR L. amazonensis (modelo)

TR L. brasiliensis (modelo)

TR T. cruzi (1BZL)

Docking

Sítio da tripanotiona

Sítio do NADPH

Sítio do FAD



+

S

N N

NHR


3, p-NO

2

Cl-

Sítio do NADPH



+

S

N N

NH

N+

O-

OCl-


Exemplo 4: DBVS aplicado aos receptores A2A


94

Docking

545.000 compostos

Banco de dados inicial

Filtragem: 1.Propriedades adequadadas ao CNS; 2. Ausencia de furano ou xantina

Sequência primária do receptor A2A

Modelagem comparativa

MOE Modeller

Glyde 372 compostos

230 compostos

Disponibilidade comercial

Binding no receptor A2A

20 “hits” IC50 < 55 M

Otimização estrutural baseada nos resultados do “docking” de “hits” selecionados Langmead et al., J. Med. Chem. 2012, 55,

1904−1909

Adenosina

4 subtipos de receptores: A1, A2A, A2B, A3


95

Top 10 Hits

Otimização estrutural do composto 1

Langmead et al., J. Med. Chem. 2012, 55, 1904−1909

“Docking” do composto 15 (Biophysical Mapping)

Ki = 3,5 nM

Ki = 1,6 nM Ki = 0,1 nM

Referências


96 Harel, M., Kryger, G., Rosenberry, T. L., Mallender, W. D., Lewis, T., Fletcher,

R. J., Guss, J. M., Silman, I., Sussman, J. L. (2000) Protein Science 9, 1063.

Liverton, N. J.; Butcher, J. W.; Claiborne, C. F. et al. (1999) J Med Chem. 42, 2180.

Mutero, A., Pralavorio, M., Bride, J., Fournier, D. (1994) Prod. Natl. Acad. Sci. USA 91 5922.

Ott, K. et al., (1996) J. Mol Biol., 263, 329.

Sant’Anna, C. M. R. e Santos, A. C. S. (2002) J. Mol. Struc. Theochem, 585, 59.

Sant’Anna, C. M. R., Souza, V. P., Andrade, D. S. (2002) Int. J. Quantum Chem. 87, 311.

Sant’Anna, C. M. R., Viana A. S. Nascimento Junior, N. M. (2006) Bioorg. Chem. 34, 77.

Santos, V. M. R., Costa, J. B. N., Moya, G. E. M., Sant’Anna, C. M. R., (2004) Phosph. Sulf. Sil. Rel. Elem. 179, 173.

Santos, V. M. R., Costa, J. B. N., Moya, G. E. M., Cortes, W. S. e Sant’Anna, C. M. R., (2007) Bioorg. Chem. 35.

Referências


97

Silva, G. M. S., Sant’Anna, C. M. R., Barreiro, E. J. (2004) Bioorg Med Chem Lett. 2004, 12, 3159.

Stewart, J. J. P. J. Comp. Chem. 10 (1989) 209.

Walsh, S. B., Dolden, T. A., Moores, G. D., Kristensen, M., Lewis, T., Devonshire, A. L., Williamson, M. S. Biochem. J. 359 (2001) 175.

Stelmach, J. E.; Liu, L.; Patel, S. B.; et al. Bioorg Med Chem Lett. 2003, 13, 277.

Agradecimentos

Dr. João Batista N. Costa (PQ/UFRuralRJ)

Dr. Marco Edilson F. Lima

(PQ/UFRuralRJ)

Dra. Ana Cristina S. Santos

(PQ/UFRuralRJ)

Dr. Gonzalo E. Moya (PQ/PUFRuralRJ)

Dr. Wellington S. Cortes (PQ/UFRuralRJ

Dr. Eliezer Barreiro (PQ/LASSBio/UFRJ)

Dr. Anivaldo X. da Silva (PQ/UFRuralRJ)

Dra. Catarina del Cistia (PQ/UFRuralRJ)

Dra. Viviane Martins R. Santos (UFOP)

Dr. Arthur E. Kümmerle (PQ/UFRuralRJ

MSc. José Geraldo Rocha Jr. (PG/UFRRJ)

MSc. Saraí S. Souza (PG/UFRRJ)

MSc. Daniel Rosa da Silva (PG/UFRRJ)

MSc. Letícia Zampirolli (PG/UFRRJ)

MSc. Vinicius T. Gonçalves (PG/UFRRJ)

Sheisi Fonseca L. Silva (PG/UFRJ)

Larissa Henriques E. Castro (IC/UFRRJ)

Marcus Vinicius H. Silva (IC/UFRRJ)

Fernanda Guedes (PG/IQ e LASSBio/UFRJ)

98

C.M.R. Sant'Anna, UFRRJ, 2012

CNPq, Faperj,CAPES, INCT-INOFAR

C.M.R. Sant'Anna, UFRRJ, 2012 99

modelagem molecular aplicada ao planejamento … · de compostos bioativos: uma introdução....

Documents