Um estudo de QSAR sobre a interação de compostos arilpiperazínicos com o receptor 5-HT2a utilizando os métodos PLS e ANN 

• Ano de defesa: 2017
• Autor(a) principal: Santos, Gênisson dos Reis
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: 5-HT2a; ANN; arilpiperazinas; arylpiperazines; depressão; Depression; PLS; PLS,ANN; QSAR
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/75/75134/tde-22122017-084306/

A depressão, também conhecida como distúrbio depressivo maior, é uma doença extremamente séria caracterizada por distúrbios afetivos que apresenta sintomas como tristeza, pessimismo, baixa autoestima, alterações nas funções vegetativas como sono e apetite e cognitivas como concentração, memória e atenção. A depressão afeta hoje cerca de 300 milhões de pessoas sendo essa a doença mais incapacitante do mundo, segundo dados da Organização Mundial da Saúde. O receptor humano 5-HT2a tem sido associado a inúmeras condições neurológicas e moléculas ligantes seletivas a esse receptor podem apresentar potencial terapêutico no tratamento de distúrbios de comportamento, tais como a depressão. Com o propósito de contribuir para o planejamento de novos fármacos mais eficazes no tratamento da depressão realizou-se um estudo de QSAR (do inglês Quantitative structure-activity Relationship) com um conjunto de 106 compostos arilpiperazínicos utilizando os métodos de Mínimos Quadrados Parciais (PLS) e Redes Neurais Artificias (ANN). O modelo de PLS foi obtido com 76 compostos no conjunto de treinamento e 11 compostos no conjunto teste (r2 = 0,749 e q2 = 0,696). Os testes de validação leave-N-out, randomização e detecção de outliers confirmaram a robustez e estabilidade dos modelos e demonstraram que os mesmos não foram gerados através de correlações ao acaso. O modelos de Redes Neurais Artificiais de Perceptron de Multicamadas (MLP-ANN) foi gerado utilizando funções de transferência tansig-tansig. O treinamento das redes demonstrou que o melhor modelo apresentava arquitetura 7-10-1. Tal modelo apresentou valores de erro quadrático médio (EQM) igual a 0,00964, desvio médio absoluto (DMA) igual a 0,0775 e r2treinamento, r2validação e r2teste iguais a 0,794, 0,795 e 0,788, respectivamente. Os descritores dos modelos matemáticos gerados mostraram concordância com as propriedades moleculares dos compostos e os valores de atividade biológica preditos pelos modelos de PLS e ANN demonstraram que a interação dos descritores é satisfatoriamente relacionada tanto por aproximações lineares quanto não-lineares.