Dentre os diversos agentes anticâncer estudados atualmente, as chalconas são alternativas bastante promissoras. A atuação dessas se dá a partir da inibição da polimerização dos microtúbulos, os quais são fundamentais nos processos de mitose e manutenção estrutural da célula. Visando aprimorar a funcionalidade dessa classe de compostos, foi realizado um estudo com um grupo de 87 chalconas, onde foram utilizados métodos computacionais de predição de atividade biológica e de análise de interações entre ligante e receptor. Para a predição da atividade biológica, foram gerados modelos de Relações Quantitativas Estrutura-Atividade (QSAR) utilizando métodos de Mínimos Quadrados Parciais (PLS) e Redes Neurais Artificiais (ANN), além da geração de modelos de Holograma QSAR (HQSAR) e QSAR tridimensional (QSAR 3D). No estudo das interações, foram realizadas análises de docagem molecular, buscando encontrar características nos complexos que influenciem na atividade biológica de tais compostos. Nas análises de QSAR, os métodos de PLS e ANN apresentaram resultados bastante semelhantes e igualmente satisfatórios. Nas análises de HQSAR, a escolha adequada da melhor combinação de distinção dos fragmentos possibilitou a geração de um modelo com capacidade preditiva. E nas análises de QSAR 3D, o método de Análise Comparativa dos Campos Moleculares (CoMFA) apresentou resultados ligeiramente superiores aos do método de Análise Comparativa dos Índices de Similaridade (CoMSIA). As análises de docagem molecular sugerem que a interação desses compostos se dê numa região ligeiramente diferente que a colchicina (ligante de referência) nesse sítio de ligação pois, apesar do sítio de ligação desses compostos estar localizado na β-tubulina, os ligantes interagem numa região de interface, entre a α e a β-tubulina. Após todas as análises, foi possível propor um grupo de 36 novas estruturas, e predizer a atividade biológica das mesmas a partir dos modelos gerados, a fim de que possam ser uma alternativa para a modulação da dinâmica dos microtúbulos e para o tratamento do câncer.

Chalcones are naturally occurring compounds reported as promising anticancer agents. They act as a microtubule polymerization inhibitor, which are fundamental in the mitosis process and structural cell. In order to improve the functionality of this class of compounds, a group of 87 chalcones were studied by computational methods capable of predicting biological activities and ligand-receptor interactions. For the prediction of biological activity, Quantitative Structure-Activity Relationships (QSAR) models were generated using Partial Least Squares (PLS) and Artificial Neural Networks (ANN) methods, hologram QSAR (HQSAR) and three-dimensional QSAR (3D QSAR) models were also built. In the study of interactions, molecular docking analyses were performed seeking to find features in the complexes that influence the biological activity of such compounds. In the QSAR analyses, the PLS and ANN methods showed very similar and equally satisfactory results. In the HQSAR analyses, the right choice of the best distinguishing combination of fragments enabled the generation of a model with predictive capacity. In the QSAR 3D analyses, the Comparative Molecular Field Analysis (CoMFA) method presented results slightly superior to those of the Comparative Molecular Similarity Indices Analysis (CoMSIA) method. Molecular docking analyses showed that the interaction of these compounds occurs in a slightly different region than colchicine (reference ligand) at that binding site, because, although the binding site of these compounds is located in β-tubulin, the ligands interact in an interface region between α and β-tubulin. After all, it was possible to propose a group of 36 new structures, and to predict their biological activity from the built models. The new proposed compounds can possibly be used as an alternative for modulating microtubule dynamics and for cancer treatment.