A doença de Chagas, causada pelo Trypanosoma cruzi, é uma doença tropical que aflige milhões de pessoas, gerando consequências sócio-econômicas devastadoras. Ela tem sido considerada uma doença tropical super-negligenciada, já que os únicos fármacos disponíveis para o seu tratamento apresentam baixa eficácia e causam vários efeitos colaterais. Além disso, os mesmos foram introduzidos há mais de três décadas. Com esse cenário, é evidente a necessidade da descoberta, desenvolvimento e introdução de novos fármacos para o tratamento eficiente e seguro da doença de Chagas. A enzima gliceraldeído-3-fosfato desidrogenase (GAPDH) é um alvo biomacromolecular atraente para a descoberta de novos fármacos contra os tripanossomatídeos, em virtude das enzimas da via glicolítica exercerem um papel fundamental no fornecimento de energia para a sobrevivência do parasito. Essa enzima foi selecionada neste trabalho de tese para a realização de estudos em química medicinal com base em quiminformática com o objetivo de identificar potenciais inibidores enzimáticos e do T. cruzi. Na primeira etapa desta tese, o ensaio virtual baseado na estrutura do alvo (SBVS) foi usado na identificação e seleção dos compostos. Como resultado do planejamento in silico, vinte compostos foram selecionados e avaliados experimentalmente na segunda etapa do trabalho empregando a técnica de calorimetria de titulação isotérmica (ITC). Destes, onze inibiram a GAPDH de T. cruzi resultando numa elevada taxa de acerto (>= 20%). Os novos inibidores apresentam excelente eficiência do ligante (LE), bem como mostram ligeira seletividade pela enzima do parasito. O ensaio dos inibidores contra a forma tripomastigota do T. cruzi identificou dois compostos capazes de inibir essa forma infectiva e um deles também mostrou ser um potente inibidor da forma amastigota do parasito, além de apresentar baixa toxidez. As duas melhores classes de inibidores da GAPDH e do parasito foram selecionadas para o estabelecimento de relações quantitativas entre a estrutura química e a atividade biológica (QSAR). Estudos de QSAR 2D (HQSAR) forneceram modelos com elevada capacidade preditiva e proporcionaram a identificação de características estruturais importantes para a otimização dos ligantes a compostos-matrizes.

Chagas disease, caused by Trypanosoma cruzi, is a tropical disease, which afflicts millions of people, thus generating devastating socio-economic consequences. It has been pointed out that it is a super-neglected tropical disease, based on available drugs with low efficacy and that give rise to many side effects. In addition, these drugs were introduced three decades ago. With this scenario, it is clear the necessity of the discovery, development and introduction of new efficient drugs to treat Chagas disease. The enzyme glyceraldehyde-3-phosphate dehydrogenase is a promising target for the development of new drugs against trypanosomatides, since the enzymes of the glycolytic pathway display a fundamental role in the energy supply to parasite survival. In this thesis, this enzyme was selected for medicinal chemistry within the cheminformatics framework aiming at the identification of potential enzymatic and parasite inhibitors. In the first part, structure-based virtual screening (SBVS) methods were employed in the selection and identification of compounds. Based on the in silico design, twenty compounds were selected and experimentally evaluated in the second part using the isothermal titration calorimetry (ITC) technique. Out of these, eleven compounds inhibited the T. cruzi GAPDH, resulting in high hit rates (>= 20 %). The new selected inhibitors display excellent ligand efficiency (LE), as well as some selectivity for the parasite enzyme. The inhibitors assay against the trypomastigote form of T. cruzi was used to identify two compounds able to inhibit this infective form, and one showed to be a strong amastigote parasite inhibitor, also disclosing low cytotoxicity profile. The best two classes of GAPDH and parasite inhibitors were selected for the establishment of a quantitative structure-activity relationship (QSAR). 2D QSAR (HQSAR) studies resulted in linear models with high predictive power, amenable for the identification of important structural features in the process of hit-to-lead optimization.