REPOSICIONAMENTO DE FÁRMACOS GUIADO POR MODELO DE INTELIGÊNCIA ARTIFICIAL NA OSTEOPOROSE
Main Article Content
Abstract
INTRODUÇÃO: A osteoporose representa a doença óssea mais comum em todo o mundo, sendo caracterizada por risco aumentado de fraturas, elevando as taxas de morbimortalidade. A ocorrência de efeitos colaterais da terapêutica farmacológica usada para mitigar os danos potenciais da osteoporose limita o uso desses agentes, estimulando a pesquisa de novos compostos. A catepsina K (CatK), proteína expressa pelos osteoclastos cuja inibição aumenta a massa óssea, apresenta-se como uma via para o desenvolvimento de novos tratamentos. OBJETIVO: Este estudo teve como objetivo desenvolver um modelo de inteligência artificial de busca de moléculas potenciais para o tratamento da osteoporose através da identificação de fármacos já aprovados no mercado ou moléculas testadas em ensaios biológicos que tenham como mecanismo de ação a inibição da CatK. MÉTODOS: O modelo de machine learning foi desenvolvido na plataforma Google Colab em linguagem Python3. As bibliotecas ChEMBL, pandas, numpy e rdkit foram utilizadas para a execução deste modelo. Foi usado o critério de avaliação com base no modelo Quantitative Structure-Activity Relationship (QSAR). O teste de docking molecular foi utilizado para confirmação da ligação das possíveis moléculas descobertas no sistema de inteligência artificial com o alvo CatK. Foi utilizado o recurso computacional Autodock Vina 1.2. ANOVA one-way seguido de Tukey que foi utilizado para análise dos resultados. RESULTADOS E DISCUSSÃO: Foram encontrados 3 inibidores em potencial, sendo um já relatado na literatura e dois novos ainda não referenciados, que apresentaram maior afinidade molecular com a CatK do que o composto já conhecido, o que demonstra o potencial de novos inibidores da Catk no tratamento da osteoporose. CONCLUSÃO: Demonstrou-se o efeito de interação de 3 estruturas agonistas descobertas e redirecionadas por inteligência artificial com potencial de atividade na proteína CatK. Os dados deste estudo poderão ser usados na prospecção de fármacos para o tratamento de doenças ósseas.
Article Details

This work is licensed under a Creative Commons Attribution 4.0 International License.
References
ANAM AK, Insogna K. Update on Osteoporosis Screening and Management. Med Clin North Am. 105(6):1117-1134; Nov 2021.
ALTMANN, E., RENAUD, J., GREEN, J., FARLEY, D., CUTTING, B., & JAHNKE, W. Arylaminoethyl amides as novel non-covalent cathepsin K inhibitors. Journal of medicinal chemistry, 45(12), 2352–2354, 2002.
ARMUTLU, P., OZDEMIR, M. E., UNEY-YUKSEKTEPE, F., KAVAKLI, I. H., & TURKAY, M. Classification of drug molecules considering their IC50 values using mixed-integer linear programming based hyper-boxes method. BMC bioinformatics, v. 9, n. 411, 2008.
BRAZ, H., SILVEIRA, J., MARINHO, A. D., DE MORAES, M., MORAES FILHO, M. O., MONTEIRO, H., & JORGE, R. In silico study of azithromycin, chloroquine and hydroxychloroquine and their potential mechanisms of action against SARS-CoV-2 infection. International journal of antimicrobial agents, v. 56, n. 3, p. 106119, 2020.
CHAGAS, C. M.; MOSS, S.; ALISARAIE, L. Drug metabolites and their effects on the development of adverse reactions: Revisiting Lipinski's Rule of Five. Int J Pharm, v. 549(1-2), p. 133-149, 2018.
DRAKE M.T, CLARKE B.L, OURSLER M. J, KHOSLA S. Cathepsin K Inhibitors for Osteoporosis: Biology, Potential Clinical Utility, and Lessons Learned. Endocr Rev. 1;38(4):325-350; Aug 2017.
DUONG LE T, LEUNG AT, LANGDAHL B. Cathepsin K Inhibition: A New Mechanism for the Treatment of Osteoporosis. Calcif Tissue Int.;98(4):381-97; Apr 2016.
EBERHARDT, J., SANTOS-MARTINS, D., TILLACK, A.F., FORLI, S. AutoDock Vina 1.2.0: New Docking Methods, Expanded Force Field, and Python Bindings. Journal of Chemical Information and Modeling, 2021.
MCCLUNG MR and LOFT Investigators. Odanacatib for the treatment of postmenopausal osteoporosis: results of the LOFT multicentre, randomised, double-blind, placebo-controlled trial and LOFT Extension study. Lancet Diabetes Endocrinol.;7(12):899-911; Dec 2019.
PARVATHANENI V, KULKARNI NS, MUTH A, GUPTA V. Drug repurposing: a promising tool to accelerate the drug discovery process. Drug Discov Today.;24(10):2076-2085; Oct 2019.
LIPINSKI, Christopher A. Lead- and drug-like compounds: the rule-of-five revolution. Drug discovery today. Technologies vol. 1,4: 337-41; 2004.
MALAMAS, M. S., et al. Design and Structure-Activity Relationships of Isothiocyanates as Potent and Selective N-Acylethanolamine-Hydrolyzing Acid Amidase Inhibitors. Journal of medicinal chemistry, 64(9), 5956–5972, 2021.
ZHOU, N. E., GUO, D., KALETA, J., PURISIMA, E., MENARD, R., MICETICH, R. G., & SINGH, R. Design and synthesis of 6-substituted amino-4-oxa-1-azabicyclo[3,2,0]heptan-7-one derivatives as cysteine proteases inhibitors. Bioorganic & medicinal chemistry letters, 12(23), 3413–3415, 2002.