Modelagem molecular transforma o desenvolvimento de novos fármacos

Quarta-feira, 30 de junho de 2010

Um dos mais importantes avanços no planejamento e descoberta de novos fármacos tem sido a modelagem molecular. Ela tem se firmado como uma ferramenta indispensável não somente no processo de descoberta de novos fármacos, mas também na otimização de um protótipo já existente ou obtido pelo próprio estudo de modelagem molecular. Modelagem molecular aplicada à descoberta de fármacos – PubMed

Sendo uma metodologia de planejamento racional, a modelagem molecular torna possível, através do uso de computadores, a construção de modelos químicos e/ou biológicos, os quais, submetidos a programas computacionais específicos, permitem visualizar, simular e interpretar sistemas inter-relacionados, como os envolvidos na interação fármaco-receptor/sítio ativo. O conhecimento das estratégias do planejamento de fármacos auxiliado por computador – CADD (Computer-Aided Drug Design) Revisão científica sobre Computer-Aided Drug Design – PubMed e a aplicação de metodologias computacionais teóricas possibilitam o melhor direcionamento no processo de desenvolvimento de novos fármacos, além do estudo para o aprimoramento de propriedades tridimensionais de moléculas já existentes (protótipos), considerando a provável interação com a biomacromolécula-alvo (receptor, enzima, DNA). A identificação de sítios de interação no receptor permite o entendimento do mecanismo molecular responsável pela atividade biológica específica, objetivando-se o desenho de novas moléculas ativas que possam ser usadas como fármacos.

Do ponto de vista do planejamento, é importante destacar que, quando se fala do uso da modelagem molecular, não se pretende chegar a uma molécula bioativa simplesmente através do uso de programas de computador. O processo de desenvolvimento dessas moléculas, devido à sua complexidade, envolve necessariamente o trabalho de uma equipe multidisciplinar, que emprega um grande conjunto de métodos computacionais de modo sistemático, de forma a facilitar e otimizar o processo de desenvolvimento de compostos bioativos, em uma constante troca de informações com grupos de síntese química e avaliação da atividade destes compostos. Devido ao fato de que a precisão da simulação é limitada à precisão dos modelos construídos, as simulações computacionais devem ser comparadas com resultados experimentais, quando possível, para confirmar a precisão do modelo e modificá-lo caso haja necessidade. CADD: aplicações, limitações e importância da validação experimental – PubMed Central

A modelagem molecular hoje é um campo preocupado com o uso de todo tipo de estratégia para modelar e deduzir informação de um sistema em nível atômico. Os métodos usados em modelagem molecular incluem geração automática de estruturas, análise de bases de dados, construção de modelos de proteínas por técnicas baseadas em homologia, diversidade e ancoragem de ligantes. Além disso, esta disciplina inclui todas as metodologias usadas em química computacional, como o cálculo de energia de um sistema molecular, minimização de energia, métodos de Monte Carlo ou dinâmica molecular. Dessa forma, é possível concluir que a química computacional é o núcleo da modelagem molecular. Métodos computacionais empregados no planejamento de fármacos – PubMed

A primeira geração de modelos in silico para a predição da farmacocinética está agora comercialmente disponível, enquanto outros métodos estão sendo publicados e implementados. A tendência atual é o crescimento cada vez maior das aplicações de softwares, principalmente em centros de pesquisa e universidades, pois as tecnologias in silico, quando comparadas com os métodos in vitro e in vivo, são menos onerosas, consomem menos tempo, possuem maior rendimento, têm maior reprodutibilidade se o mesmo modelo é utilizado, requerem reduzida síntese de compostos, podem submeter-se à otimização constante, adicionando propriedades úteis, descritores ou novos compostos, e têm o potencial para reduzir o uso de animais. 

É importante salientar, entretanto, que as predições in silico não substituem nem desqualificam testes experimentais. O ponto forte dos métodos in silico é servir como ferramenta de suporte de decisão juntamente com outras evidências científicas relevantes. 

Nota editorial: Este conteúdo foi produzido originalmente pela equipe de jornalismo e conteúdos do ICTQ, com autoria de Marcus Andrade e revisão técnica do Diretor Acadêmico Ismael Rosa, CRF-GO 7311.