A doença de Chagas é uma doença tropical negligenciada e um grande problema de saúde mundial, principalmente na América Latina. O agente etiológico da doença é o protozoário Trypanosoma cruzi. Segundo a Organização Mundial da Saúde (OMS), cerca de 8 milhões de pessoas estão infectadas com o parasita e 25 milhões vivem áreas de risco de contaminação. A farmacoterapia consiste nos fármacos nifurtimox e benzonidazol. Ambos apresentam sérios efeitos adversos como dermatite, neurotoxicidade e hepatite, e baixa eficácia na fase crônica da doença. Nesse contexto, há urgência no desenvolvimento de novos fármacos seguros e eficazes para o tratamento da doença. Dentre os alvos moleculares validados para o desenvolvimento de novos fármacos para a doença de Chagas, destaca-se a cruzaína, principal cisteíno-protease do parasita. A cruzaína é expressa em todo o ciclo de vida do parasita e está envolvida em diversos processos biológicos do protozoário, como nutrição, reprodução, invasão, reconhecimento molecular e evasão. A alta atividade que muitos inibidores apresentam contra a enzima, não se traduz, para grande parte destes inibidores, em alta atividade e seletividade em ensaios fenotípicos. Isso ocorre devido a fatores como propriedades farmacocinéticas inadequadas. Nesse contexto, essa tese de doutorado aborda dois temas: o primeiro consiste na construção de modelos de redes neurais artificiais (r^² = 0,81 e r^²_pred = 0,81) e KPLS, na sigla em inglês para Kernel-Based Partial Least Squares (N = 3, r^² = 0,81 e r^²_pred =0,85). Esses modelos foram utilizados para investigar propriedades estruturais, fragmentos privigeligiados e propriedades físico-químicas associadas à atividade em ensaios fenotípicos in vitro. Em seguida, foram desenvolvidos modelos de floresta randômica (número de árvores = 100, r^² = 0,97 e r^²_pred = 0,77) e KPLS radial (N= 4, r^² = 0,88 e r^²_pred = 0,88) para avaliar as propriedades moleculares e estruturais relacionados à seletividade. Posteriormente, essas informações foram combinadas para a realização de triagens virtuais em larga escala. Por fim, um conjunto de estruturas selecionadas foram docadas no sítio ativo cruzaína e submetidas a submetidas à predição de permeabilidade através de membrana e absorção, distribuição, metabolismo, excreção e toxicidade (ADME-Tox). Esses estudos conduziram à descoberta de 260 novos compostos, os quais foram avaliados in silico quanto a atividade biológica, seletividade, e quanto aos pontos de clivagen pela enzima CYP3A4. O segundo tema consiste em simulações de dinâmica molecular do complexo K777-cruzaína em pH 5,5 e 8,0 combinadas a modelagem por redes neurais artificiais (RNAs). De acordo com as RNAs, a mudança nos estados de protonação de duas histidinas, causada por mudanças no pH pode deslocar alças, hélices-α e folhas-β. Estes deslocamentos causam uma alteração do ambiente químico no sítio de interação, alterando a afinidade do inibidor pela enzima (energia livre de ligação). Em pH 5,5, a HIS162 interage principalmente com os resíduos ASP161, GLY163 e ASN182, e a CYS25 permanece disponível para realizar um ataque nucleofílico ao inibidor. Em pH 8,0, no entanto, a HIS162 perde as interações com o ASP161 e a GLY163, e interage com a cadeia lateral da CYS25 e com a cadeia principal da SER183. Estas alterações podem bloquear o ataque nucleofílico da CYS25 ao inibidor K777. Este estudo constribuiu para o avaliar a influência do pH na alteração dos elementos de estrutura secundária da enzima e sua relação com a afinidade dos inibidores pela cruzaína. Por fim, foram desenvolvidos modelos de QSAR 2D e 3D a partir de uma série de oxadiazóis (r^²_{pred KPLS} e r^²_{pred CoMFA} de 0,81 e 0,82, respectivamente). A integração de métodos de QSAR 2D e 3D e as estratégias de docagem molecular possibilitaram mapear os subsítios do sítio ativo da cruzaína quanto a ligações de hidrogênio, ligações de halogênio e interações do tipo π-π e CH-π. Estes estudos fornecem informações quanto ao espaço químico a ser explorado e alterações estruturais relevantes para o planejamento e avaliação de novos agentes antichagásicos e inibidores da cruzaína.

Chagas disease is a neglected tropical disease and a major global health problem, especially in Latin America. The etiological agent of the disease is the protozoan Trypanosoma cruzi. According to the World Health Organization (WHO), approximately 7 million people are infected with the parasite and 25 million live at risk of infection. Pharmacotherapy consists of the drugs nifurtimox and benznidazole. Both have serious adverse effects, such as dermatitis, neurotoxicity and hepatites, and low efficacy in the chronic phase of the disease. In this context, there is an urgent need for the development of novel, safe and effective drugs for the treatment of the disease. Among the molecular targets validated for the development of new drugs for Chagas disease, cruzain, the major cysteine protease of the parasite can be highlighted. Cruzain is expressed in the whole lifecycle of the parasite and is involved in several protozoan biological processes such as nutrition, reproduction, invasion, molecular recognition and evasion. The high activity that many inhibitors present against the enzyme does not translate, for most of these inhibitors, into high activity and selectivity in phenotypic assays. This is due to factors such as unfavorable pharmacokinetic properties. In this context, this doctoral thesis deals with two themes: the first is the construction of artificial neural network models (r^² = 0.81 and r^²_pred = 0.81) and Kernel-Based Partial Least Squares (N = 3, r^² = 0.81 and r^²_pred = 0.85). These models were used to investigate structural properties, fragments and physicochemical properties associated the in vitro activity in phenotypic assays. Next, random forest models were developed (number of trees = 100, r^² = 0.97 and r^²_pred = 0.77) and radial KPLS (N= 4, r^² = 0.88 and r^²_pred = 0.88) to evaluate the molecular and structural properties related to selectivity. Subsequently, this information was combined for the development of a large-scale virtual screening. Finally, a set of selected structures were docked in the active site of cruzain and subjected to prediction of membrane permeability, and absorption, distribution, metabolism, excretion and toxicity (ADME-Tox). These studies led to the discovery of 260 novel compounds, which were evaluated in silico for biological activity, selectivity and cleavage by the CYP3A4 enzyme. The second theme consists of molecular dynamics simulations of the K777-cruzain complex at pH 5.5. and 8.0 combined with artificial neural network modeling (ANN). According to the ANNs, the change in the protonation states of histidine residues caused by changes in pH can displace loops, α-helices and β-sheets. These shifts cause changes in the chemical environment of the interaction site, altering the affinity of the inhibitor by the enzyme (free binding energy). At pH 5.5, HIS162 interacts primarily with residues ASP161, GLY163 and ASN182, and CYS25 remains available to make the nucleophilic attack to the inhibitor. At pH 8.0, however, HIS162 loses interactions with ASP161 and GLY163, and interacts with the CYS25 side chain and the SER183 main chain. These changes can block the nucleophilic attack by CYS25 to the K777 inhibitor. This study contributed to evaluate the role played by the pH on the alteration of secondary structure elements of the enzyme and its relationship with the affinity of the inhibitors by cruzain. Finally, 2D and 3D QSAR models were developed for oxadiazole derivatives (r^²_pred KPLS and r^²_pred CoMFA of 0.81 and 0.82, respectively). The integration of 2D and 3D QSAR methods and molecular docking strategies enabled the mapping of the the subsites of the cruzain active site regarding hydrogen bonding, halogen bonding and π-π and CH-π interactions. These studies provide information on the chemical space to be explored and structural changes relevant for the design and evaluation of new antichagasic agents and cruzain inhibitors.