A doença de Alzheimer (DA) é uma doença neurodegenerativa que ainda não possui forma eficaz de tratamento e gera graves impactos econômicos e sociais. Dentre as suas principais características fisiopatológicas, destacam-se a formação de placas amilóides e de emaranhados neurofibrilares. A enzima Glicogênio Sintase Cinase 3-beta (GSK-3β) está diretamente relacionada a estas características e, portanto, a busca por inibidores desta é uma estratégia terapêutica promissora para a DA. Mais precisamente, a sua inibição seletiva e branda por inibidores alostéricos deve ser ainda mais vantajosa, diante da menor chance de se produzirem efeitos adversos. Assim, neste Projeto de Doutorado, objetivou-se realizar um planejamento computacional e subsequente avaliação biológica de inibidores alostéricos de GSK-3β. Primeiramente, reforçamos os conhecimentos sobre tal estratégia aplicando diversas metodologias computacionais, como detecção de cavidades, mapeamento de superfície, análise do shape 3D de ligantes, docking e dinâmica molecular. Os resultados obtidos permitiram indicar consensualmente a cavidade alostérica de GSK-3β mais propensa a realizar interações favoráveis e forneceram uma pose bioativa robusta para o respectivo modulador alostérico de referência. Estes foram aproveitados para, em segundo, desenvolver duas campanhas de triagem virtual, usando bases com ~ 40 milhões de compostos, com ênfase em similaridade 3D baseada em forma (ou shape), QSAR via aprendizagem de máquina, predições ADME/Tox e docking. Dezoito compostos foram selecionados e avaliados por ensaios biológicos, dos quais cinco demonstraram preliminar inibição da GSK-3β e ampla diversidade química-estrutural. Em adição, suas inibições alostéricas foram validadas in silico por blind docking e estudos de ocupação de cavidades. Estes inibidores (hits) serão aproveitados em propostas de otimização molecular com vista à expansão do pequeno espaço químico conhecido dos moduladores alostéricos de GSK-3β como agentes promissores para futuro tratamento seletivo da DA.

Alzheimer's disease (DA) is a neurodegenerative disease that causes memory impairment and still has no effective treatment, generating serious economic and social impacts. Among the main pathophysiological characteristics of such disorder, the formation of amyloid plaques and neurofibrillary tangles stands out. The enzyme Glycogen Synthase Kinase 3-beta (GSK-3β) is directly related to these two characteristics and, therefore, the search for inhibitors of this enzyme is a promising therapeutic strategy for DA. More precisely, its selective and subtle modulation by allosteric inhibitors should be even more advantageous, given the lower chance of producing adverse effects. Thus, the goal of this PhD project was to carry out a computational design and subsequent biological evaluation of GSK-3β allosteric inhibitors. First, we reinforced the knowledge about such strategy by application of several computational methodologies, such as cavity detection, surface mapping, 3D shape analysis of ligands, docking, and molecular dynamics. The results obtained allowed us to consensually indicate the GSK-3β allosteric cavity most prone to perform favorable interactions and provided a robust bioactive pose for the respective reference GSK-3β allosteric modulator. Secondly, these were leveraged to develop two virtual screening campaigns, using databases with ~ 40 million compounds, with an emphasis on shape-based 3D similarity, machine learning QSAR, ADME/Tox predictions and docking. Eighteen compounds were thus selected and evaluated by biological assays, of which five demonstrated preliminary inhibition of GSK-3β and a wide chemical-structural diversity. Moreover, their allosteric inhibitions have been validated by blind docking and pocket coverage studies. These inhibitors (hits) shall be further employed in molecular optimization proposals with the intention of expanding the small known chemical space of GSK-3β allosteric modulators as promising selective agents for the future treatment of DA.