Detalhes bibliográficos
Ano de defesa: |
2021 |
Autor(a) principal: |
Azevedo, Nathalia de
 |
Orientador(a): |
Sant'Anna, Carlos Mauricio Rabello de
 |
Banca de defesa: |
Sant'Anna, Carlos Mauricio Rabello de
,
Gregório, Ronaldo Malheiros
,
Silva, Alexandre Sousa da
 |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal Rural do Rio de Janeiro
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Modelagem Matemática e Computacional
|
Departamento: |
Instituto de Ciências Exatas
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://rima.ufrrj.br/jspui/handle/20.500.14407/14352
|
Resumo: |
A tuberculose (TB) é uma doença que apresenta elevadas morbidade e mortalidade. Em 2019, aproximadamente 10 milhões de pessoas desenvolveram a doença, das quais cerca de 1,4 milhão de pessoas morreram. Existem antibióticos efetivos contra a bactéria causadora da tuberculose, Mycobacterium tuberculosis (MTB), mas o aumento da incidência de casos de TB resistente a esses medicamentos tem exigido esforços para se descobrir novos medicamentos capazes de combater a doença. As topoisomerases são enzimas que mantêm a topologia do DNA durante a replicação, transcrição e recombinação. A DNA girase é a única topoisomerase tipo II presente no MTB, sendo por isso um alvo interessante a ser explorado para o planejamento de novos medicamentos contra a TB. A DNA girase é composta por duas subunidades, GyrA e GyrB e este projeto tem como objetivo usar grupos de compostos da literatura com dados de atividade registrados sobre a subunidade GyrB da DNA girase de micobatérias para se desenvolver um modelo para a predição da atividade para ser aplicado em futuros procedimentos de triagem virtual. Para atingir esse objetivo, foram combinados métodos de modelagem molecular e regressão linear múltipla para se construir modelos de predição de atividade inibitória (pIC50) para séries de compostos presentes na literatura com dados de inibição sobre a GyrB da DNA girase de M. smegmatis. Foram obtidos bons modelos, verificados através de validação interna com o método de validação cruzada LOO (Leave One Out). Os resultados da validação cruzada foram expressos pelo coeficiente de correlação da validação cruzada (Q2) e pelo desvio-padrão da validação cruzada (SPRESS). As estatísticas de previsão do modelo são expressas pelo coeficiente de correlação múltipla R2 EXT e pela raiz quadrada média do erro de previsão (RMSEP). |