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-HT_2a 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 r²_treinamento, r²_validação e r²_teste 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.

Depression, major depressive disorder or clinical depression, is a serious mood disorder characterized by severe symptoms like emotional suffering and feeling miserable that affects vegetative functions as sleeping and eating and cognitive functions like concentration, memory and attention. The world mental health estimates that depression affects more than 300 million people worldwide and is the leading cause of world disability. The human receptor 5-HT_2a has been associated to many neurological dysfunctions. Molecules that selectively bind to this receptor present the potential to be used as an effective treatment of mental health disorders, such as depression. Our primary aim in this work is to contribute to the development of new drugs for the treatment of depression. Quantitative Structure-Activity Relationships (QSAR) studies with a series of 106 arylpiperazines that interact with the neuroreceptor 5-HT_2a were conducted employing the methods Partial Least Squares (PLS) and Artificial Neural Networks (ANN). The PLS model was obtained with a training set of 76 compounds and a 19 compounds test set (r² = 0. 749, q² = 0.696). Leave-N-out analysis, biological activity randomization and outliers detection confirmed the robustness and stability of the models and showed that they were not obtained by chance correlations. Predictive models were also generated by Multilayer Perceptron Artificial Neural Network (MLP-ANN) trained with tansig-tansig transfer functions showed that the best results were obtained for a 7-10-1 architecture (r²_training = 0. 794, r²_validation = 0.795 and r²_test = 0.788). The descriptors used to construct the predictive models showed good agreement with the arylpiperazines molecular properties, and the biological activity predicted by the PLS and ANN methods suggested that the descriptor interactions can be described by a linear or a nonlinear approach as well.