Identificação de potenciais inibidores da Dihidrofolato Redutase-Timidilato Sintase (DHFR-TS) para terapia antileishmania: perspectivas a partir de triagem virtual baseada em estrutura e dinâmica molecular

Abstract

As Doenças Tropicais Negligenciadas (DTNs) englobam cerca de 20 enfermidades prevalentes em regiões de baixa renda, conforme definido pela Organização Mundial da Saúde (OMS). Dentre elas, a Leishmaniose Tegumentar (LT) se destaca como uma doença crônica que afeta a pele e as cartilagens, sendo endêmica em 88 países, com 90% dos casos concentrados em seis nações, incluindo o Brasil. Nos últimos 21 anos, a Organização Pan-Americana da Saúde (OPAS) registrou mais de um milhão de casos de LT, com uma média anual de 52.645 notificações, posicionando o Brasil como o país com maior incidência. O objetivo central deste estudo foi identificar moléculas com potencial ação bloqueadora da enzima Diidrofolato Redutase- Timidilato Sintase (DHFR-TS) de Leishmania amazonensis, utilizando técnicas computacionais de Virtual Screening, Docking Molecular e Dinâmica Molecular. A DHFR-TS é uma enzima essencial para a biossíntese de pirimidinas, e sua inibição pode levar à incorporação excessiva de uracila no DNA, resultando em morte celular do parasita. No entanto, ainda não há um modelo estrutural experimentalmente resolvido para a DHFR-TS. Para preencher essa lacuna, este estudo propôs um modelo estrutural da DHFR-TS por homologia, utilizando o servidor Swiss-Model e a DHFR-TS de Trypanosoma cruzi como referência, devido à similaridade de 69,22%. O modelo foi refinado por meio de simulações de Dinâmica Molecular (DM) realizadas no AMBER22, com o campo de forças FF19SB, durante 100 ns. Em seguida, foi realizada uma triagem virtual utilizando a base de dados DrugBank, que contém 9.213 compostos. Esses compostos foram analisados por meio de ancoragem molecular no AutoDock Vina, com base no modelo refinado. Os melhores compostos foram selecionados com base na função de pontuação do AutoDock Vina e avaliados detalhadamente no Pymol e no Discovery Studio para identificar interações proteína-ligante. Dessa triagem, dez moléculas com energias de ligação variando entre -10,5 e -8,1 kcal/mol foram identificadas como potenciais inibidoras da DHFR-TS. Esses compostos apresentaram interações significativas com aminoácidos-chave no sítio ativo da enzima e com outros resíduo importantes, destacando-se como candidatos promissores para o desenvolvimento de fármacos. Os resultados obtidos fornecem uma base sólida para futuras investigações, como a realização de simulações de DM dos complexos proteina-ligantes. Além disso, este estudo demonstra a viabilidade de integrar técnicas computacionais, como modelagem molecular, simulações de DM e triagem virtual, para acelerar a descoberta de novos agentes terapêuticos contra doenças negligenciadas, como a LT.