docking etapas& analise

Discussão sobre isso daí, tá? Então, hoje nós vamos continuar falando de docking, mais especificamente da segunda parte. E aí eu preciso relembrar brevemente o que que foi a primeira parte. A primeira parte, nós falamos muito sobre o preparo do ligante e preparo da macromolécula, sobre todas as etapas que são importantes e cuidados que a gente tem que ter com um e com o outro para que o Docking, para que o acoplamento seja realizado e eu tenha um resultado confiável. Mas até agora a gente não falou do acoplamento em si, o que que acontece, o que

que o programa faz e como que a gente vai analisar esses resultados. Então é sobre isso que nós vamos falar na aula de hoje, né? Na aula de hoje eu vou falar para vocês das etapas do acumulamento, tá? Que podem ser divididas de uma forma didática entre gerar os complexos, os potenciais Complexos, como mostrado aqui, né? Ou tava sendo mostrado até agora em h pouco, que é então eh a proteína geralmente considerada como rígida e o ligante fica lá sendo acoplado nisso daí. em cada um desses lugares aqui. Deixa eu ver se eu consigo voltar.

Acho que não. Ah, sim. A gente vê aqui dois critérios que nós vamos utilizar para dizer quais dessas poses, quais dessas orientações do ligante no sítio são Corretas ou mais próximas da correta ou não. Quem diz o quão correto é é uma segunda etapa que é a de avaliar os complexos para estimar a energia de interação e colocar essas poses, aquelas diversas conformações em ordem decrescente de pontuação, que a gente chama de ranqueamento, tá? Num segundo momento, nós vamos falar brevemente como que a gente analisa esses resultados e se der tempo vou falar um pouquinho

de limitações do acupulamento molecular Para vocês, que aqui já são eh é um conhecimento um pouco mais específico e avançado. Se não der tempo de chegar aqui, não tem problema nenhum, tá? Primeira coisa é falar então sobre como que esses complexos virtuais da proteína com o ligante são gerados. Já que a proteína geralmente considerada rígida, eu vou me ocupar a plenas da busca conformacional do ligante, tá? E isso pode ser feito por uma dessas três metodologias aqui, tá? A primeira, eh, que é super fácil de entender, é o que a gente chama de uma busca

conformacional sistemática. Basicamente é eu identificar todas as ligações simples, definir de quanto eu vou rodar essa ligação simples e fazer toda a análise conformacional. Então, para eu ilustrar isso, tenho aqui esse desenho onde eu tenho os ângulos teta1 e teta 2. Se eu rodar teta 1 de 10 em 10, para eu chegar em 360, eu vou ter 36 pontinhos aqui representados por esferas, tá? Eu posso fazer isso também para teta 2. Se eu fizer teta 1 versus teta 2, eu vou ter um gráfico agora tridimensional que vai ter uma superfície de energia. E o que

eu vou querer identificar é onde nessa superfície tridimensional estão as conformações de mínimo energético, porque a gente já viu em aulas anteriores que as conformações bioativas Estão próximas do mínimo energético, mas não necessariamente apenas aqui. Então, por isso que eu preciso gerar várias conformações, tá? Embora isso seja fácil de entender do ponto de vista de custo benefício, isso é muito ruim, porque eu vou gerar várias conformações que são de energia alta e que, portanto, muito provavelmente não tem significado biológico nenhum, mas eu tô gastando o tempo do computador ou o Meu tempo para fazer essa

análise conformacional, tá? E se eu pensar, lembra que uma das modalidades de acoplamento molecular mais antigas é o do acoplamento molecular rígido, quando eu gerava várias conformações e depois encaixava cada uma delas, eu estaria aqui fazendo um encaixe de diversas conformações de energia alta que não teria significado biológico nenhum. Então essa estratégia de análise conformacional Sistemática, ela não é muito utilizada. Para falar a verdade, hoje em dia ela nem é utilizada. O que se usa é uma variante dela, que a gente chama de análise conformacional incremental. Qual que é a diferença dessa paraa anterior? Na

anterior, eu pego todas as ligações rotacionáveis e vou rodar todas elas 360º. Então, por exemplo, se eu tinha lá eh duas ligações rotacionáveis e eu vou rodar Aqui de 10 em 10, para ter 360, eu vou ter 36 aqui, 36 aqui, correto? Combinando as duas, eu tenho 36 quadrado com formações possíveis que ele vai gerar. Se em vez de três, duas são 3, 36, 364. E dá para perceber que esse número ele explode rapidamente número com informações. E isso se eu rodar de 10 em 10, se eu rodar em vez de 10 em 10, de

20 em 20, eu caio para 18, não é verdade? Que é um número bem menor. Por que que eu não rodo de 20 em 20 em vez de vez de rodar de 10 em 10? Ou como que eu sei de quanto em quanto eu preciso rodar? na minha análise informacional, qual que é o problema de eu rodar muito por vezia energia? Vamos olhar aqui para essa. Se eu rodar muito por vez, eu vou ter mais ou menos Pontos amostrados nessa superfície. Vou ter menos pontos. Então, pode ser que na hora que eu rodar de 20

em 20, eu pule daqui para cá e eu não amostre as regiões que realmente me interessam. Então, o correto seria usar a menor rotação possível para ter a melhor análise conformacional possível. Só que aí em vez de 36 a segunda, terceira, a quarta, eu vou ter 360 a segunda, terceira, a quarta. Então, meu problema de conformações geradas cresce exponencialmente. E foi por isso que surgiu então essa análise incremental. Na análise incremental, em vez de eu analisar todas as ligações ao mesmo tempo e fazer a combinação linear entre elas, eu vou pegar, identificar as ligações racionáveis

e dividir a minha molécula em fragmentos moleculares. E agora eu vou fazer a análise conformacional de um fragmento por vez. Como que isso funciona? Deixa eu Mostrar aqui para vocês. Que o programa não interessa. Peguei aqui uma molécula que no meu caso tem quatro ligações rotacionáveis, então seria 360 elevado 4 conformações possíveis. Em vez de fazer isso, eu vou dividi-la em fragmentos pelas ligações rotacionáveis e vou encaixar o maior fragmento, que no caso aqui é um anel. Esse anel tem uma ligação rotacionável, então eu tenho 360 conformações para ele. Achei como que ele se encaixa

Melhor dentro do sítio ativo. A partir daí eu fixo essa conformação, vou acrescentar mais um grupo, uma ligação rotacionável e vou rodar ela mais 360. Achei onde melhor interage essa hidroxila. Vou fixar ela, vou pro fragmento seguinte e assim sucessivamente. No final aqui eu fiz 360 x 4 ao invés de 360 elevada qu. Então vejam que o número de conformações que eu analisei aqui Para encontrar qual a conformação que melhor se encaixa é muito menor, é menos de 1 milionésimo das conformações que eu teria que gerar para fazer o 360 elevado qu, tá? Embora isso

seja um ganho de eficiência muito grande, ainda não é o método que melhor funciona. O método que melhor funciona para fazer a análise informacional é aquele que transcreve pro computador o mesmo Mecanismo de seleção natural darviniana que ocorre na natureza. como que a gente transcreve pro computador eh ou pro programa a seleção natural. O que que a seleção natural faz? Ela seleciona o indivíduo mais adaptado ao meio. O que eu quero é selecionar a conformação da minha molécula mais adaptada ou que melhor interage no sítio de ligação. Então eu vou gerar uma população inicial de

indivíduos que são conformómeros da Minha molécula de forma aleatória e esses vão ser encaixados ali dentro do sítio. Os indivíduos que melhor encaixarem são os que vão dar origem a uma nova geração de filhos a partir deles que vão carregar as características que essas moléculas pais têm. Quais são essas características? são as coordenadas X, Y, Z, a conformação, eh, como que a hidroxila tá orientada em relação ao ponto central e Assim por diante. Tudo isso tá codificado num cromossomo, que são as informações do confômero que melhor se adapta a língua. Se eu repito esse processo

de gerar filhos, 50 novos filhos desses pais, vejo como eles se encaixam. os que melhor se encaixar, eu gera mais 50 filhos e isso durante n gerações vai chegar um ponto que eu vou chegar na molécula que melhor se encaixa de uma geração por outra, como que eu gero eh a variabilidade Conformacional por mutação ou por crossover? a mesma coisa que tem na natureza, eu vou simular isso no computador, tá? Eu faço isso n gerações até chegar na molécula que melhor se adapta, tem a conformação que melhor interaga, tá? E aí a gente vai ter

um problema ou um desafio muito semelhante com o senso. Na natureza. O ser humano melhor adaptado no Alaska é igual o ser humano melhor adaptado na África Subsaraniana? Ariana não, não. Né? Então, se eu pego um uma população única e eu faço ela evoluir durante um certo tempo, eu tô deixando de ter informações de seleção de eh então seria o equivalente ao se eu encontrei uma conformação que interage nessa região do sítio, não necessariamente é a melhor que interage nessa região do sítio, tá? Então eu preciso simular esses ambientes Diferentes. Como que eu posso fazer

isso? Duas estratégias. Eu separo as populações em ilhas. Então, em vez de uma população de 50 indivíduos, eu pego 50 popula, cinco populações separadas entre si em ilha, que de tempo em tempo um indivíduo pega um barquinho e vai de uma ilha para outra. Então, daquele pool de indivíduos que estavam evoluindo, eu pego alguém de outro população, jogo ali, que é o melhor adaptado daqui, jogo para cá, Para cá para ter crossover entre eles e isso gerar variabilidade da minha população nacional, tá? Uma outra questão é que esse é um processo randômico, né? Ele não

é ordenado. Cada vez que eu começo numa ilha esse processo de seleção natural, eu vou chegar num indivíduo diferente, que é o melhor adaptado. Então eu preciso repetir esse processo de busca conformacional várias vezes. Inicialmente você fala assim: "Nossa, Mas isso é uma perda de tempo". Sim, se o algoritmo não fosse tão rápido, ele é muito mais rápido do que os anteriores que eu mostrei para você. Então, mesmo eu repetindo ele várias vezes, eu ainda consigo convergir, chegar no no melhor indivíduo de forma mais rápida. E esses indivíduos que são levemente diferentes de si, quando

chega numa numa certa, como que eu diria, como quando eu chego indivíduos que são tão parecidos Entre si que a diferença entre eles não é mais significativa, ou seja, a forma como eles interagem não tem uma energia de interação muito melhor de um pro outro ou a conformação, quando eu olho uma em cima da outra, eles são basicamente ente faz o algoritmo diz: "Olha, converg, não consigo fazer nada melhor do que isso". Tá? E isso é muito rápido. Para vocês terem uma ideia, eh, num computador comum, para eu fazer esse processo de Busca conformacional 10

vezes para uma molécula, não leva nemhum minuto, é bem menos do que um minuto. Então é muito rápido. Deixa eu ilustrar isso que eu disse para vocês do eh de uma forma um pouco mais química, não é? Eu tenho lá uma população inicial. Entre esses diversos conformersos, eu seleciono aqueles que melhor interagem com a proteína. A partir dessa seleção, eu vou fazer crossover entre os dois indivíduos Melhor adaptados para gerar novas conformações que vão ser avaliadas. E isso prossegue n vezes. De tempos em tempos ocorre uma mutação, né? Uma informação muda aleatoriamente para gerar a

diversidade e ao conseguir eh achar o indivíduo que melhor se adapta, tá? De certa forma, esse processo ele é muito influenciado pelo tamanho da população inicial. Porque se eu tenho uma População de 1000 indivíduos e eu vou avaliá-lo todos eles para encontrar os dois melhor adaptados, é diferente de eu avaliar uma uma população de 10 indivíduos gerados aleatoriamente e deles selecionar os dois melhores adaptados, tá? Então esse estudo aqui, de certa forma, esse gráfico aqui que vocês não precisam entender agora, ele mostra, na verdade, vou explicar assim, ah, aqui é a energia de interação. E

se a gente pensar na Energia de interação desses diversos confômeros com a proteína, eu quero que a interação seja um processo espontâneo, não é? Para ser espontâneo, quanto que tem que ser o delta G? Positivo ou negativo? Negativo. Quanto mais negativo, melhor. Então, ao longo da evolução da minha população inicial, ao longo das gerações, eu vejo uma redução na energia de interação. E vocês podem ver que chega uma hora que fica meio planar, né? Ou seja, o algoritmo não consegue mais melhorar do que isso. Todos os indivíduos que ele gera interagem basicamente com a mesma

energia. E isso é um critério para dizer: "Olha, acabei, terminei, tá? Brinquei de Deus aqui e isso foi o melhor que eu consegui fazer de perfeição para esses conformos". O que você percebeu é que com populações maiores, em geral eu consigo chegar em valores de energia menores, cada vez menores, tá? Aqui fizeram desde 20 até 400. E essa ideia de que quanto mais, melhor ela não se confirmou, tá? E e descobriram que o número na média ideal é de 100 indivíduos. Aí vocês vão me perguntar: "E por que que não é? Quanto mais melhor?" Não

é? Vocês vão perguntar? Eu posso perguntar na prova também? Então pergunta. Então por quê? Porque gente, eu acho que eu falei isso na aula passada quando eu falei de preparo da macromolécula, que é muita coisa que Pode dar errado, né? O que aconteceu? aqui provavelmente foi que eh o algoritmo se perdeu em algum lugar, tá? É sempre que ele se perde, não. Mas ele ele acaba se perdendo em algum ponto. Esse algoritmo de evolução genética, ele não é perfeito. Essas taxas de mutação e crossover, né? é um mecanismo, é o único mecanismo gerar eh variabilidade,

não tem ilha, tem várias outras coisas, mas nenhum deles é perfeito. Quando eu Começo a trabalhar com populações muito grandes, esses erros que eram raros começam a se tornar mais frequentes e aí acaba que o algoritmo se perde em algum momento, tá? Porque a cada momento, a cada geração, de uma para outra, ele repete a população original, né? Então é como se eu gerasse muitos indivíduos ruins quando eu tô lá com 400 ou 1000 da primeira geração pra segunda, selecionei dois. Desse dois eu gero mais 1000. Eu consigo Gerar 1000 pontos? Não. Eu consigo gerar

uns 100 indivíduos bem adaptados e 900 que é lixo. Aí eu seleciono dois. Desses dois eu vou gerar 1000 de novo. Eu gero 1000 bons, não, eu gero 100 bons e 900 lixo. E aí eu fico nesse sistema de gerar lixo, lixo, lixo, lixo várias vezes. O algoritmo não converge nunca, né? Ou eu não tenho um ganho significativo. Tá muito bem. falamos da busca conformacional, mas enquanto eu tava Falando de busca conformacional, em diversos momentos eu disse para vocês: "Olha aí eu avalio que melhor interage, o que melhor se encaixa e assim por diante." Então,

essas etapas de busca e avaliação, embora didaticamente a gente separe as duas, na prática, elas ocorrem ao mesmo tempo, exceto nos programas de acoplamento rígido, porque neles realmente primeiro eu gerava as confirmações, guardava elas e depois Avaliava todas. Então, era sequencial. Hoje em dia os programas geram conformação, conforme vai gerando, vai avaliando, tá? Como será que a gente avalia? Vocês acham que a avaliação de se isso tá encaixando bem ou não é puramente geométrico? O que que eu preciso levar em consideração para saber se tá encaixando bem ou não? as interações. Isso. Como é que

eu traduzo Pro computador interações? Computador já entende número. Então eu vou ter que de alguma forma oi uma energia. Então essas interações vão ser descritas de alguma forma que vai gerar uma energia com del G, tá? Dependendo nível de teoria que eu quero utilizar, eu vou descrever essa energia, essa pontuação utilizando um campo de força, que é aquele da mecânica molecular, né? Então são diversos potenciais que vão descrever eh eu vou explicar um pouquinho mais sobre isso aqui daqui a pouquinho, né? A interação, tá? Aqui eu vou fazer uma descrição simplificada. da interação molecular, embora

seja simplificada, ela é válida sempre ou espera-se que ela seja válida sempre, tá? O problema desse tipo de função de pontuação é que ela é enviezada pela massa molecular. Quando a Gente faz o campo de força e em certo momento a gente avalia as interações, sempre moléculas maiores vão ter mais interações. Então, na hora de fazer o acoplamento molecular, a triagem virtual, é natural que moléculas maiores sejam priorizadas uma pontuação melhor do que moléculas menores. Tem como corrigir isso? tem de diversas formas diferentes. Inclusive na prova eu vou pedir para vocês para pôrem uma Delas.

Tá gravado? 22 minutos, tá? Prova pedir uma forma de corrigir a função do campo de força, porque eu disse que o problema é a massa molecular, tá? Uma, então, uma outra, eu vou falar sobre tudo isso aqui em mais detalhes depois, tá? Acho que é só um resumão, tá? Uma outra forma de eu fazer isso é utilizar uma função que a gente chama empírica. A função empírica, de uma forma bem resumida, nada mais é do que eu tentar corrigir o campo de força fazendo um Treinamento com dados experimentais, fazer uma regressão e achar uma forma

de corrigir essa função. Isso funciona muito bem, só que só funciona pras moléculas que eu utilizei para fazer a correção ou para moléculas muito parecidas com aquelas. Tem uma terceira metodologia que é explorando dados experimentais. Digam, eu vou, isso aqui é só um resumão para vocês terem que escutar tudo depois. Caso vocês não queiram escutar tudo Depois. Já vou chegar lá. Pessoal, eu só tô falando isso tudo para dizer que a gente vai falar dessas três primeiras e não vai falar das funções baseadas em, tá? Que hoje tá super na moda, é o que melhor

funciona e etc. Mas para nível de graduação, a gente não precisa falar disso, tá? Eu vou detalhar cada uma delas. Se na hora que eu falar da função empírica, você não entender, aí você volta. Digação de confusa. Basicamente esses São métodos de avaliação em tração a molécula que tipo do anor usa. É tipo isso tá explicando o fundamento desses. Isso. Então o o doctor ele doctor é um programa de acumulamentos moleculares, né? no Brasil, que tem uma das funções de ranqueamento melhores do mundo. Não sou eu que disse isso. São os artigos publicados que demonstram

que a função de ranqueamento é uma das melhores do mundo, tá? Eh, então ele Utiliza uma variação dessa primeira função de hankeamento aqui, tá? Vou falar mais sobre cada uma delas porque aí talvez fique mais claro, tá? Eu não vou dar exemplo de qual programa usa qual, porque isso é irrelevante para vocês, ainda mais porque esse ano nem tem prática de docking, mas se a gente fosse utilizar, a gente ia utilizar o Doctor Tor, não só por uma questão nacionalista, mas é porque ele realmente É bom, tá? Então, primeiro um pouquinho de teoria. O que

a gente quer é descrever o delta G, a energia livre de interação, porque a gente sabe que o delta G tem uma relação direta com a constante de dissociação ou a constante de equilíbrio de dissociação, que é o que a gente mediu lá experimentalmente nas primeiras aulas, KD, né, ou K. São nomes diferentes que nedem a mesma coisa. Então, se eu conseguir estimar o delta G, eu vou ter Uma ideia da constante de equilíbrio e, portanto, da afinidade que minha molécula tem pelo seu alvo terapêutico. O delta G a gente pode escrevê-lo em termos das

componentes entálpicas e entrópicas lá da físicoquímica. E isso é fácil pro computador entender, tá? O que que são componentes entálpicos? São as interações intermoleculares e intramoleculares, né? E isso a físicoquímica descreve facilmente. Eu Consigo implementar isso nas funções de ranqueamento de forma simples. A parte entrópica a gente sabe descrevê-la, só que a gente não sabe fazer isso de forma que o cálculo seja rápido. Então eu consigo e calcular, por exemplo, de forma razoavelmente correta a dessvatação do ligante que tá lá no solvente. Vou dessvatar ele para dessvatar o meu sítio ativo e um interagir com

o outro. Eu consigo fazer Isso? Consigo. Eu sei a teoria disso. Só que esse cálculo demora de muitos minutos até poucas horas. Se eu for fazer isso para uma base de dados que tem 69 milhões de moléculas, eu vou morrer antes de terminar o cálculo, tá? Então isso é impraticável paraa triagem virtual. É praticável em nível muito mais apurado do que vocês vão fazer aqui agora, em nível de pesquisa, tá? Então tem funções Que levam em consideração isso daqui, como levam em consideração a perda de entropia da molécula, que ela tá livre quando tá no

solvente, né, na água e ela adota uma única conformação que é a farmacofórica. Qual que é a perda entrópica disso? Tem como calcular? Tem. Só que para calcular isso de forma correta leva muito tempo. Então a gente faz isso de uma forma muito aproximada. Todas essas aproximações vão gerar erros no valor estimado de G e, Portanto, erros na constante de afinidade. O resultado final disso daqui é o seguinte. Em geral, o valor predito de afinidade pelo programa de acumulamento molecular é muito ruim. Se ele prediz que a afinidade é de 10 nanomolar, quando você medir

isso aqui pode ser tanto 1000 micromolar como pode ser 1 nanomolar. Basicamente ele não sabe o que ele tá te dizendo, tá? E pode ser errado também, pode nem ser inibidor, tá? Guardadas. Aí vocês deveriam me perguntar se é tão errado assim, para que que serve, né? A questão é que embora a magnitude esteja errada, quando eu ponho os compostos em ordem de prioridade, o primeiro, o valor de cair predito, não quer dizer nada, mas a chance do primeiro ser um inibidor, ser um ligante Daquela molécula é muito maior do que quem tem na posição

10.000. Então é para isso que ele serve. Ele serve para priorizar, não para dizer a afinidade. Para dizer a afinidade, eu preciso fazer dinâmica molecular. Eu consigo fazer isso computador? Consigo. Só que aí o cálculo não é nem minutos, é dias. Então eu não vou fazer o cálculo que leva dias para 10.000 moléculas. Eu vou fazer no máximo para 100 moléculas. 50. Tá muito Bem. Guardado todo esse arcabolso teórico aqui, vamos tentar entender como que a gente aplica esse arcabolso na estimativa da energia de interação. Eu deveria puxar isso aqui para um outro lugar. Como

é que eu faço isso? Não sei. Tá escrito energia de interação aqui, tá? Na mecânica molecular, a gente vai pegar eh esses componentes entálpicos, entrópicos e tentar descrevê-los de uma forma mais Simplificada, que eu consiga, tá, entender o que tá acontecendo. Então, eu vou dizer que a o delta G de interação é igual a energia do ligante no complexo menos energia do ligante quando ele tá em solução. energia da macromolécula no complexo menos energia da macromolécula antes de formar o complexo, que ela é livre. Mas a energia do complexo macromolécula ligante quando complexada menos energia

Do complexo macromolécula ligante quando tá na forma livre. E isso deve soar estranho para vocês, porque não existe isso daqui. Não existe, aliás, não existe complexo livre, né? Não existe o complexo antes de interagir. Então esse termo ele é zero, ele não existe. Se eu considero que a proteína é fixa, ela não muda conformacionalmente, a energia dela no complexo e a energia dela livre também é igual. Então esse Termo também é zero. Então essa equação que parecia complexa, eu posso resumir ela para algo mais simples, tá? Então isso aqui é zero, isso aqui é zero.

Eu reescrevi minha equação aqui embaixo. Dessa equação, eu tenho isso daqui, ó, a energia do ligante complexo, na forma do complexo e livre. O que muda é a conformação, porque ele não tá interagindo, aliás, ele não tá reagindo. Se é só uma interação, o que muda a energia dele é Só uma conformação versus a outra. E essas conformações são as que eu tô analisando lá na etapa anterior de busca. Eu tô gerando as conformações e analisando elas, tá? Então isso daqui é lá análise conformacional. Tá? A energia da macromolécula com o ligante quando complexada, que

tipo de interação ocorre aqui? são interações de mandeval, ligação de hidrogênio, de eletrostática e assim por diante. Mas do ponto de vista físico Químico, praticamente todas as interações ligação de hidrogênio, iônica, de polo, de polo e assim por diante, são interações do tipo eletrônicas, não são? não são elétrons que estão interagindo. Então eu vou usar uma função para descrever essa interação eletrostática, como por exemplo uma função do tipo colômbica, que vocês viram lá no ensino médio. Então, a interação entre dois átomos que tem Carga parcial ou carga total Q1 e Q2 é dada por essa

fórmula aqui, não é? Uma carga multiplicada pela outra varia com quadrado da distância e ela é proporcional à constante de elétrica do meio. Lembra que vocês viram lá em eh ela elétrica mecânica, ela não mecânica era só os carrinhos. Quando no ensino médio, quando vocês viram lá eh eh a parte de eletricidade de física, vocês viram essa interação entre cargas aqui, tá? Esse tipo de descrição de cargas não leva em consideração dispersão, polarizabilidade e uma série de coisas que vocês sabem que ocorrem lá da química orgânica. Então vai ser uma descrição simplificada. Uma outro tipo

de interação que a gente pode utilizar é do tipo estéreal para dizer que corpos que t massa, eles tendem a se atrair pela lei gravitacional, tá? até que os seus raios se encontrem. Se eu continuo Aproximando eles, eu tenho uma repulsão. Quem descreve essa atração até encontrar o limite do raio e depois a repulsão rápida é o potencial de ai como é que é? Ai, como é que chama esse potencial, gente? Esqueci, mas enfim. Eh, é para descrever a energia de Vandervals, tá? E aí, eh, eu posso ter exponenciais diferentes aqui. O exponencial 6 é

o que mede a atração. O exponencial 12 é o responsável pela Repulsão. Se eu, por exemplo, utilizo os potenciais 12 e 10, eu consigo simular a aproximação dos átomos necessária para formar a ligação de hidrogênio, tá? Então, utilizando potenciais aqui diferentes, eu consigo simular situações onde tem alguns tipos específicos de ligação ou de interação, tá? E isso tudo então é como eu descrevo na mecânica molecular a interação para descrever esse termo da equação, tá? É claro que todas essas simplificações Vão gerar erros e o valor de del gito não vai corresponder à realidade, tá? Muito

bem. Como que eu posso fazer para corrigir isso? Eu posso pegar e multiplicar cada um dos termos da minha equação do campo de força por um fator de ajuste. O que que é o fator de ajuste? Lembra quando vocês viram, sei lá, desde o ensino fundamental, que essa equação aqui Y X, isso aqui é Y = sei lá, 3, é ax + b. Ax + b. O que que é o b? O B é isso daqui. Por que que a reta começa aqui e não no zero? Não, não. Vamos lá, ó. Vamos dizer que aqui

eh seria potência P C50. Quanto mais alto, melhor. E aqui interações. No mundo ideal, quanto melhor interage, maior o PC50. Então, em Tese, a minha equação devia ser sair do zero, não é? Interação zero não tem, não tem potência nenhuma. Mas como que não tem? Não tem como ter nenhuma interação. Claro que Claro que tem. Como não tem nenhuma interação, se a molécula não se liga naquele receptor, não tem interação nenhuma, não é? Mas o que eu quero dizer, então aqui, ó, esse B aqui é um fator de ajuste, é uma constante que me ajuda,

porque se eu tentar fazer a regressão Partindo do zero, não vai dar certo, vai ficar muito ruim. Lembra que vocês calculavam o valor de R quadrado aqui? Alguém aqui usa programa de estatística que faz regressão? É ele que faz. Mas quando você pede para passar pelo zero, o valor de r qu sempre piora, né? Porque eu não permito o coeficiente de ajuste. O coeficiente de ajuste pros físicos é uma constante que eu não sei explicar. É, é para melhorar o resultado, eu vou Pegar e vou multiplicar esse termo aqui por um coeficiente de ajuste. Então,

que que eles fizeram? Pegaram uma série de complexos experimentais que eu sei o valor de K. E a partir desses valores de Ki, então, portanto, eu sei de delta G, eu calculei por quanto eu tenho que multiplicar isso daqui, por quanto eu tenho que multiplicar isso daqui, por quanto eu tenho que multiplicar isso, por quanto tem que multiplicar isso, esse e esse. Esses fatores multiplicadores vieram de dados experimentais, por isso que isso é uma função empírica. Eu peguei, olha, para descrever a interação do ligante com a macromolécula, eu tenho que ter interações do tipo eletrostática,

do tipo ligação de hidrogênio, do tipo VERVS, alguma coisa que vai ajustar o número de ligações rotacionáveis e a sua votação. Eu sei do ponto de vista físico que é Isso que vai dar o delta G, mas eu não consigo entender, explicar isso de forma adequada usando o meu conhecimento de físicoquímica. Então o que eles fizeram? Ah, tudo bem, se você não sabe explicar, eu vou multiplicar uns termos para melhorar o resultado. Melhora, melhora. Qual o significado físicoquímico de eu multiplicar a interação de Vervals por 014 e a de ligação de hidrogênio por 0,06? Nenhum.

Pergunte. Esse número de Sempre os mesmos, não. Esse que é o problema, porque esses números aqui vieram da regressão dessas moléculas. Se eu mudar as moléculas, muda a regressão, não é? Vocês estão com uma cara comenteira. Vamos tentar. E a falha é minha, obviamente. Vamos lá. Eh, em algum momento da vida vocês fizeram experimento com as rolinhas. Vocês mediram as rolinhas e calcularam a reta que melhor Se adaptava a isso daqui, não foi? Para descrever, sei lá, o raio em função do peso. Não sei se foi isso que vocês fizeram, mas é relevante, tá? Mas

isso vai me dar uma equação do tipo peso, aliás, raio é igual eh a x peso + b. Isso daqui, tá? Em vez de raio, entendam que é isso daqui. Isso aqui tudo é R, tá? Essa é isso aqui tudo é o R. O X é o quanto eu tô multiplicando esse valor aqui, tá? Então, a partir dos pontos experimentais, eu descobri um valor que multiplica essa variável toda para ter um resultado que descreve o comportamento que eu tô observando aqui. Eu fiz isso para variáveis diferentes. Em vez de raio e pelo, eu quero volume

em massa ou volume, densidade. Eu Posso brincar aqui com várias coisas que são esses diversos termos aqui. É só você imaginar VDW x H bonde X2 X eh o elétrico X3 GETOR X4 Sol X5 são cinco variáveis, tá? Eu tenho uma equação do tipo y = ax + by + czw uma constante qualquer. Isso daqui é a mesma coisa sendo mostrado lá. A diferença é que agora eu tenho termos que multiplicam Cada um dos fatores que vieram do campo de força. O problema é que se aqui eu tirar esses dois pontos, a minha regressão agora

passa aqui. Concorda comigo? Se a inclinação muda, o x muda. E é por isso que eu disse que a função empírica ela é ótima para o conjunto de dados que foi usado para derivar os pesos, não é? Então qual que é a estratégia aqui? Eu preciso usar um conjunto de dados grande o Suficiente, tá? Então o que que fizeram? Primeira vez fizeram com 100 complexos. Ah, ok, legal. Mas é muito pouco. A segunda vez se deram com 1000 complexos, porque a ideia é quanto maior a população geral de complexos, chega uma hora que eu vou

estar repetindo o cenário que já existe, tá? E aí com 1000 complexos eu consigo abarcar muito mais moléculas, tá? Muito bem. A sua molécula se parece com uma das 1000 que foram usadas para fazer Essa regressão? Não sei. Será que você vai pegar o artigo original, comparar a sua molécula com as 1000 que for, que estão lá para ver se aquela função vale a pena para você, serve para você ou não? Geralmente não é isso que as pessoas fazem, tá? Então esse que é o problema. O problema é que aqui é uma função mais específica

ou direcionada, tá? Por outro lado, eu posso usá-la da seguinte forma. Ah, eu vou fazer o acupamento molecular Na Cox. Eu vou pegar todos os ligantes da cox e vou derivar esses valores aqui para inibidores de cox. E eu vou ter uma função de ranqueamento específica para cox. Se eu pegar todos os antagonistas de receptor beta 2 adrenérgico e fizer essa regressão e achar esses números aqui, eu vou ter uma função empírica específica para Antagonista receptor beta adrenérgico. Então, se eu souber usar, funciona muito bem, mas se usado de forma incorreta, seaóica eh dessa análise,

isso vem antes ou depois daquela parte de seleção natural. Eu faço isso com o meu n de 100 inicial, que era o ideal, ou eu faço depois daquela análise de seleção. Vai fazer toda vez para gerar conformações em cada geração. Em cada geração, Com todas as moléculas. Com todas as moléculas. [Música] Isso. Então vamos lá. Essa equação, esse delta G aqui vai ser calculado para cada uma dessas conformações aqui, tá? Selecionei as duas, das duas eu gerei mais 1000. Eu vou calcular para as 1000 para ver qual que é o melhor delta gent, tá? Isso

se repete milhões de vezes. Aqui, ó, dá para você ter uma Ideia do número de vezes. O número de vezes, isso aqui é o número de gerações vezes o número de indivíduos de cada população. Então, a gente tá falando de alguns milhões de de vezes que isso aqui é feito. Todas etapas da colinha que eu vou falar depois são feitas para todas as molas, todas essas daí. Ah, eu tô falando só desse daqui por enquanto, ó. Aliás, eu cheguei aqui agora na empírica. Isso aí todas essas vão ser feitas. Ou depois que eu fiz a

primeira, Eu já destruí algumas e aí na segunda. Não, não. Ou você usa esse método de pontuação ou esse método de pontuação. Ah, tá. Não pode usar vários. Pode, pode. Mas aí agora eu vou ter que falar de uma coisa que eu só ia falar no final da aula, que é o seguinte. Eh, vocês já começaram a perceber que cada uma das funções de pontuação tem vantagens e desvantagens, não É? Por conta disso, pensaram em utilizar mais de uma função de pontuação durante a triagem virtual, tá? Então, que que a gente faz? a gente faz

o que chama de pontuação por consenso. E aí tem formas diferentes de fazer a pontuação por consenso, não é? Vamos imaginar eh classificação no ranking de tênis. Como que é feita? Não tô, eu tô vou inventar, tá? Não sei se é assim, tá? Você faz vários jogos, não é? E dependendo da pontuação que você fica Naquele jogo, que é uma função de pontuação, isso vai contribuir pro seu rango mundial. Se você é o primeiro colocado nesse torneio, eu faço 1000 pontos. Sou eh em outra função de pontuação, outro torneio, primeiro lugar de novo, 1000 pontos,

tá? Eu posso somar os pontos para dizer quem que é o melhor ranqueado mundialmente ou eu posso olhar a classificação em cada um dos torneios. Se for todo mundo pontuação, pont aí no caso pontuação e Classificação vai dar a mesma coisa, mas vamos dizer que um não tem pontuação, mas o a premiação é em dólares e o outro em real. Eu quero saber quem se deu melhor no ano. Eu posso compará-los em termo de número de vezes que ele foi campeão ou valor arrecadável e aí vai dar métricas diferentes. Então isso são pontuações com senso

diferente para a classificação geral. No final da aula eu vou voltar a falar disso, mas sim, dá para usar mais uma Função de pontuação e a ideia é combiná-las de forma que uma corrija o erro ou limitação da outra. Portanto, não faz sentido eu combinar duas funções de pontuação do mesmo tipo. Então, eu pego por dois programas que tem função de pontuação empírica e eu faço o consenso das duas. Não faz muito sentido. Faz sentido eu pegar um programa que tem eh pontuação por campo de força, outra empírica, porque cada uma tem uma vantagem e

uma limitação. A Média delas do consenso vai est menos errado do que uma delas individualmente. É, eh, eh, aqui são métodos de pontuação, né? Você pode usar vários métodos de pontuação para definir qual molécula você vai priorizar na hora de fazer o seu ensaio biológico. Professor, é uma coisa do melhor sabe do Sim. Aí, aí é um consenso por porçar, não necessariamente quem tá em primeiro, Mas quem tá mais em cima para cada jurada para pé. Então, tem um slide que fala que fala de consenso, que agora eu tô tentando explicar sem ter que adiantar

todos os slides e voltar tudo de novo. Só entrei inicição que você perguntou, tá? Eu eu vou chegar lá no consenso e aí a gente volta e aí vocês me contam como é que é o Óscar e eu falo se é igual ou não, tá? Uma terceira forma de você pontuar e utilizando dados experimentais Também, só que sem pensar no campo de força. Eu vou olhar, por exemplo, qual que é a distância, o ângulo parâmetros geométricos para que haja a interação, essa interação ou essa interação aqui, tá? A partir desses dados experimentais que vão estar

então numa base de dados, eu posso, por exemplo, olhar no PDB, eh, primeiro, com quem que o NH da cadeia principal interage? É com carbonila, é com carboxílaba. E eu t Isso daí. Olha, carbonila, ele interage nessa distância com esse ângulo. Como é carboxila, a distância é diferente, o ângulo é diferente. E eu vou mapear isso daqui pra minha base de dados. Aqui eu tô mostrando só a distância, tá? Então, por exemplo, no num complexo proteína ligante, essa interação aqui ocorre tipicamente com essa distância. é a única distância que tem lá no PDB, não tem

nessa distância, nessa distância, Nessa, nessa, nessa. E aí muito menor, se eu pegar essa função aqui e fizer ela de ponta cabeça, vocês entendem que é isso daqui? Se eu pegar esse gráfico aqui, ó, e refletir ele de ponto cabeça. Isso daqui, aliás, isso daqui tá aqui. Cheguei no mínimo. A diferença é que aqui eu tô colocando um potencial de repulsão. Quando tá perto demais, aliás, isso aqui não ocorre, né? Isso aqui não ocorre. Por quê? Porque aqui tem Repulsão. É essa parte aqui. Aqui é o que mais ocorre. Então, na minha função vai ser

o que eu quero pontuar melhor. Isso aqui, ó, ocorre, mas muito, não é muito comum. Então a pontuação não é tão boa. Se eu fizer isso para vários tipos de interação diferente, eu vou gerar uma função de pontuação que vai dizer quais conformações estão numa Conformação. Deixa eu falar desde conformação, eu vou falar pose, tá? Tá? Então, as conformações geradas por ocupamento molecular, eu vou chamar de pose. Se não ficar conformações, com formação, vou ficar confuso. Então, as poses que tiverem mais próximas da conformação farmacofórica vão estar com distâncias e ângulos mais próximos disso daqui.

E ela teoricamente é a melhor conformação. Então, a função baseada em dados Experimentais, ela é muito boa para encontrar a conformação, a pose próxima conformação farmacofórica. Mas como aqui eu não tô utilizando um campo de força, eu não tô tentando calcular um del G, eu não tenho informação nenhuma da afinidade que minha molécula vai ter. Eu só sei como ela liga, como que ela vai estar no sítio ativo, tá? E aí agora a gente começa a tentar Olhar pros problemas e corrigi-los. Eu disse para vocês em algum momento aqui do passado que a função de

ranqueamento é muito ruim, né? Como que a Como que eu sei que ela é ruim? Hã? Vou dar um exemplo que é um exemplo desse artigo aqui, tá? Se eu pegar um ligante de cox e pedir pro programa acoplar na cox, depois pegar o 2or de g proteir para ele acoplar na cox, quem que vocês acham que daria melhor energia de interação? Quem deveria dar a melhor Energia de interação? O inibidor de cox, não é? Então aqui fizeram o seguinte experimento, pegaram 15 ligantes de proteínas diferentes, tem o código PDB de cada uma delas aqui

e pediram para dois programas diferentes acoplar ela. Então o que que se esperava? Que o ligante da proteína verdadeira tivesse menor energia de interação, tá? O que tá em vermelho aqui é o que deu Errado. Então, de 15, esse programa aqui acertou três e esse outro programa de 15 acertou quatro, ou seja, várias vezes ele errou e frequentemente ele encontra ligante de outra proteína com uma energia menor do que o seu próprio ligante, o que é totalmente errado. Aí eles tiveram a seguinte ideia. E se a gente pegar a pontuação média desses 15 gigantes, esses

15 alvos e corrigir por Ele? Ou seja, eu vou pegar a pontuação para o alvo e subtrair da pontuação média que eu tive para os 15 alvos e dividir pelo desvio padrão da média. Isso gerou uma nova pontuação. Entenderam? É meio que tipo assim, ó. Ah, vamos imaginar estão procurando a pessoa para casar, o príncipe encantado através do beijo mágico da Cinderela. Cinderela da Branca mulher, não é? você tem que ter um parâmetro de comparação do beijo mágico, né? Por que que ele é mágico? Porque ele se destaca da média. Então você vai fazer uma

média de todos os beijos que você deu na vida, todas as interações, considerando o desvio padrão e subtrair do beijo que vocês acham que é o beijo mágico. Se não tiver diferença grande, é porque aquele lá não é o seu príncipe encantado. No caso, quando fizeram isso, veja como melhorou Significantemente esse programa aqui dos 15, ele encontrou para 1 2 3 4 5 6 7 8 9 10 11, né? E esse daqui 1 2 3 4 5 6 7 8 9 10 11 também. Então a gente saiu de um índice de acerto que era menor

30%. para um índice de acesso de 70% aproximadamente com uma correção bem simples. Então isso é uma forma de melhorar a pontuação, o acerto. A outra forma é o consenso que a gente começou a falar ali, que é o quê? Eu posso pegar, pontuar os ligantes pelo método A, B, C, D e FGH, tá? E eu posso combinar esses métodos para gerar pontuações de consenso, que é aquela ideia de pegar combinações de funções complementares, tá? Para com isso ter uma pontuação mais correta. E o que se descobriu é que assim, e aí tem formas diferentes

de eu fazer o consenso. Uma delas é combinar a pontuação. Então, por exemplo, o que que é combinar a pontuação? No meu exemplo Tênis. Vamos lá. Pontuação. O ligante um no programa um, ele teve um score de - 40 kcalorias por mol. No programa 2 - 20 kcalorias por mol. O consenso é -60. Somei as duas. O ligante 2 deu -60. O ligante 3 deu - 20. - 20. Ligante 4 - 10 - 70, não é? Somei aqui, deu -60 também, - 50, - 80. Opa, esse daqui é o meu ligante que por consenso de

pontuação é o melhor ranqueado, Tá? Combinação da posição, não é? Ah, desses aqui, o melhor ranqueado de de posição é esse daqui. É o um. Depois vem 2 3 4. Aqui é 1 2 3 4. Se eu for combinar a posição deles, 3 com 2, 5 4 com 2, 6 2 com 3 5 1 com quatro cinco, não é? Haveria um empate desses três aqui por 12. A a melhor aqui, o número menor, né? que quer dizer que tá maior na pontuação, é O melhor. Então eu tô falando de dois tipos de função de pontuação,

de combinação aqui. E tem um número ótimo de função de pontuação, porque, por exemplo, eu posso combinar duas, posso combinar três, 4, 5, 6, 7, quantas eu quiser. Mas é realmente interessante combinar um número tão grande de funções de pontuação ou existe um limite? Esse estudo aqui, ó, sugere que o limite são quatro. Combinar mais do Que quatro volta a cair de novo, tá? Tem diversas teorias do por que isso acontece, tá? Uma das explicações é o seguinte. Eh, a ideia é pegar uma de campo de força, uma empírica, uma eh baseada em dados experimentais

e uma qualquer das três, mas que seja melhor do que essas aqui. Quando eu vou pra quinta, eu tô pegando algo que não tem um desempenho tão bom quanto essas aqui. E aí eu puxo para Baixo o consenso de novo, porque eu tô introduzindo uma função que a performance dela é muito menor do que a das outras, tá? Então a ideia é realmente pegar as melhores individuais e combiná-las entre si. Sim. De posição de novo. Sim. Você lembra que aqui os valores de quilo caloria era pontuação? Então, utilizando a Pontuação, eu vou construir o ranking

de posição. Para esse programa dois, a função com melhor eh o ligante com melhor pontuação é o -70. Então ele é posição um. O segundo com melhor eh ranking é esse de -30. dois. Esse que deu zero, ele é ruim. Então o terceiro é esse aqui, - 20. Por posição seria 1 2 3 e 4. Para esse programa aqui, eu tenho um ranking diferente, porque nesse daqui o ligante que teve melhor pontuação foi Esse daqui. Ele é o 1 - 60. O segundo melhor é esse que teve -40. Depois veio esse de -20 e esse

de -4. No consenso por posição, eu não vou olhar a pontuação e sim a posição no ranking. Eu vou somar esse ranking com esse. Quatro com um ranking 5. Tr com dois ranking 5. Um com quatro rank em c 3 com dois rank em c. Então, se eu fizesse uma pontuação por posição, esses esses quatro ligantes teriam a mesma Posição, seria, então, a chance deles serem bioativos no consenso é igual. Quando eu olhei para os programas individualmente, não era que estava me dizendo. Antes me dizia que apenas esse aqui tinha uma probabilidade ser o ativo

muito maior do que esse para esse programa. é o contrário. Esse tem a probabilidade de ser o ativo muito maior do que esse. Se os dois programas tiverem funções de pontuação de tipos diferentes, então um É campo de força, o outro é empírico, então cada um erra de uma forma. Na média, eu tô corrigindo os erros e tendo agora uma pontuação por consenso que não tá desprezando nenhum dos compostos que de fato é bioatímico. Posso passar? Tá. Análise dos resultados. Eu escrevi aqui, ó, triagem virtual, mas na verdade a ideia é a mesma para um

acoplamento individual. Eu vou ter minha molécula 2D ou um banco de Moléculas 2D que eu vou converter na biblioteca 3D, preparar então os ligantes e o alvo, fazer o acuplamento molecular, gerar a pontuação que vai me ordenar do valor mais negativo para o menos negativo, né? Esse aqui seria a molécula com melhor pontuação. E aí agora eu vou fazer, por exemplo, consenso ou algum outro tipo de pós-processamento para chegar na minha lista de compostos que eu vou adquirir para ensaios biológicos. Lembrando, vejam o quanto de erro tá embutido em tudo que a gente fez. Docking

sozinho não prova que molécula nenhuma é bioativa. O que ele vai fazer é gerar uma lista de moléculas para eu analisar e selecionar quais vão ser compradas para ensaio biológico, tá? Via de regra, quando eu tô fazendo triagem virtual, eu analiso apenas a pose melhor pontuada de cada um dos Compostos, tá? Nem sempre a pose melhor pontuada é a que tá na conformação farmacofórica. Por quê? Porque a função de ranqueamento é ruim. Como que eu tento corrigir isso? fazendo consenso, fazendo aquele ajuste pela pontuação média e assim por diante, tá? Mas a ideia é olhar

a pose melhor pontuada. antes de diga, mas o número ele depois ele aquelação ensaio biológico, não. No Ensaio biológico, você espera que o que você predice computacionalmente é o que vai ocorrer experimentalmente. Mas quando você peça no ratinho, não te apa, você a sua físicoquímica toda foi para tentar simular o que vai est no seu ratinho. Você não vai ver a formação do car ratinho. Pegou no pote que eu votar naquela. É, não, você pegou no pote, dissolveu, ele tá em solução, né, com Mínimo energético, ele vai encontrar o, sei lá, vou vou dizer que

vai ser injetado para não ter metabolismo, nada, tá? Chegou lá no alvo, vai interagir e você espera que seja que o que você fez aqui seja correto. Tem, eh, mas aí já não é mais do ratinho, né? É, é você pegar o alvo e cristalizar o alvo na presença do inidor, do ligante, porque aí você vê no cristal e aí você compara, né, que é a ideia. Inclusive, Lembra que na aula passada eu falei do redocking e do cross docking, né, que eu vou me adiantar aqui, que é essa comparação. Como que eu sei que

o programa tá acertando? Eu preciso ter um termo de comparação, né? E aí que vem o redocking e o cross docking. Se eu tenho um valor de RMSD baixo, o RMSD mede o quê? O desvio quadrático dos átomos da posalográfico, tá? Então, por exemplo, Quando eu tenho valores baixos de MSD, abaixo de dois, eu considero que o programa acertou. Então, veja aqui, ó. Vamos dizer que a conformação cristalográfica, que é a formacofórica, está em verde e o carbonos em verde e carbonos em cinza é o que o programa de Docen gerou, tá? Vejam que aqui,

ó, em todos os casos, tá praticamente igual. O RMSD é baixinho. Quando eu vou para valores de RMSD entre do e 3, a gente percebe que tem uma parte da molécula que parece que tá encaixada razoavelmente, mas tem algumas coisas erradas. E acima de três é porque aí o programa realmente errou totalmente, tá? Então eu posso fazer isso a posterior, né? Comprei, testei, deu ativo ou não deu ativo. Se deu ativo, vou lá pra cristalografia, consegui o Cristal do ligante e descobri isso daqui. O Docking disse que era assim e na verdade é assado, tá?

Acontece, acontece, tá? Eh, não necessariamente a coisa que ele vai dizer é a correta. A gente só fez uma priorização, lembra? A gente tá fazendo um monte de aproximação aqui, tá? A gente espera que seja isso daqui, né? Que o RMSD seja abaixo de dois, mas isso nem sempre ocorre. Mas fazer isso depois não parece uma estratégia muito Esperta, né? O que a gente precisa é fazer isso antes, né? Então, antes de eu fazer o acoplamento para uma base de dados imensa, geralmente o que a gente faz é pegar uma base de dados pequena, né,

de ligantes conhecidos e eu vejo se o programa de docking consegue gerar poses com o RMSD abaixo dos dois. Se para aquelas ligantes conhecidos o eh o programa não consegue, poxa, aí aquele não é um programa adequado para eu usá-lo. Esse é um Critério de avaliação dos programas, né? Se eles conseguem reproduzir o RMSD. E eu já disse para vocês que para redocking isso funciona muito melhor do que para cross docking, tá? cross docking é muito ruim, tá? O RMSD ele foi usado como padrão ouro durante décadas, né? Até que se percebeu que ele tem

um problema. Por quê? Deixa eu mostrar, deixa eu só ler aqui para vocês Como é que a gente calcula o RMSD. Primeiro a gente enumera os átomos. Põe número nos átomos. Aí eu identifico esses átomos em duas conformações diferentes. E eu vou pôr agora vou medir, né, a distância, ão, tão os dois dentro do centro sítio ativo. Eu vou medir a distância do átomo um pro átomo um, do átomo dois pro átomo dois e assim por diante. Eu vou calcular a distância, somar a distância e tirar a raiz quadrada. Isso vai me dar o valor

de RMSD, OK? Acontece que para moléculas simétricas ou com alta simetria, pode ocorrer esse caso aqui, ó, sem correção da simetria, com correção de simetria. O átomo um, que é essa carbonila aqui, o Dock colocou nessa posição, no sítio ativo, o átomo 25. uma invertida em relação à outra. Só que como a molécula é simétrica, vejam, ele praticamente Acertou. O modo de interação, tá correto? O problema aqui é como é calculado o RMSD, porque aqui era para ter uma carbonila, sim. Só que o Dock colocou aqui a carbonila do átomo 26. E o RMSD queria

que tivesse colocado aqui do um e aí tudo ficou distorcido, tá? Quando eu corrijo, eu Vejo, olha, ah, tá, não tá ótimo, mas tá bem mais bem melhor do que um RMSD de 10. Tem moléculas que antes da correção parece que o RMS é super alto e depois que eu corrijo pela simetria, eu vejo que o programa de doc praticamente acertou o modo de interação. Então tem o RMSD abaixo de dois. Ah, bem. Aí, aí é o algoritmo que faz, na verdade, ele identifica simetria. São Tem programas que fazem isso. Ele tem métodos diferentes para

identificar essa simetria. Isso não, vocês não fazem isso não. Não. Bem, para vocês seria bem mais fácil de fazer, né? Olhar que esse átomo é igual a esse é bem mais fácil que o computador. Você olhar aqui uma pose cristalográfica, aliás não. Vocês podem fazer sim. Pode, claro que pode. Análise de sítio. Ó lá, vê a molécula a pose do do Acoplamento e o cristalográfico. Os dois tem uma carbonila no mesmo lugar, fazendo a mesma interação. Ele não conseguiu reproduzir o padrão de interação. Claro que ele conseguiu reproduzir. Então aqui é um exemplo até de

moléculas diferentes, mas a ideia é fazer a análise do perfil de interação e não o RMSD. A o doc então eh existe desde 1980. A partir dos anos 2000 perceberam que analisar pelo RMSD na linguagem popular do de hoje em dia pode dar ruim. da vida real não, não tem. Qual é RM da vida real? Não, não. Então, mas aí o o programa ele vai calcular o RMSD do mesmo jeito, né? Átomo um átomo um. Você vai ver, olha, mas essa posa aqui parece correta, né? Porque ah, era para tá assim, ela tá assim, né?

Mas aqui tinha uma carbonila também, não é? Então tá tudo bem. Então quando a gente Analisa interação, a gente percebe que é tudo bem. E eu vou dizer para vocês que todo mundo que trabalha com o planeta molecular até hoje, o último critério de análise é inspeção visual, análise de sítio. Sempre é feito análise de sítio. Depois que você filtra, filtra, filtra, você chega lá em 100, 500 moléculas que você olha para cada uma delas no olho. Por quê? Porque vocês sabem muito mais química orgânica do que os algoritmos Que foram usados aqui. Vocês sabem

reconhecer se uma hidroxila tá apontando para uma região hidrofóbica. É de se esperar que uma hidroxila do ligante esteja apontando pro meio de uma região hidrofóbica, ela vai est fazendo alguma interação ali, não? O programa coloca lá, coloca várias vezes, tá? Por quê? Por conta de todas as aproximações que a gente falou até agora, tá? E aí, última instância é análise de sítio Para dizer dessas 500 moléculas aqui, essas 50 eu acredito no modo de interação do que o programa disse. E é mais ou menos por aí. De cada 10, ele acerta uma, tá? Então

o olho é muito importante. Agora precisava falar das limitações. Eu não sei se vocês têm fôlego para isso. Vocês querem ouvir as limitações? Não, né? Não tem problema. É, não é. Vai ter outro dia agora. De limitação. Hoje, quinta-feira, atividade, a atividade vai com ou sem limitação. Fica na cabeça. OK. Tá, vamos lá. Eh, lembra quando vocês abriram as estruturas do paim que vem a estrutura e as moléculas de água? Muito bem. Alguns ligantes eles interagem por meio de moléculas de água e outros não, tá? Só que a a molécula de água, em tese, faz

parte do receptor que é Rígido. Como que eu falo pro programa que qual água tem que ser deslocada ou não para interagir? Isso é uma limitação, tá? Isso é uma grande limitação que até hoje ela não é bem resolvida. Tem alguns programas que eles testam. Você escolhe duas, três moléculas de água e fala para ele: "Olha, teste com e sem". E e outro problema, você tem que mover a molécula d'água, né? Porque dependendo da Orientação, ela é doador de ligação de hidrogênio. Dependendo da orientação, ela é aceptor de ligação de hidrogênio. E isso muda totalmente

a forma que o o ligante vai interagir com o receptor, né? Então esse é o problema não resolvido. Flexibilidade da proteína. Esse é um grande problema, porque vejam que a gente tá considerando o encaixe induzido apenas do ligante. E a gente tá usando de um complexo para simular como que o outro vai se encaixar, mas cada Molécula vai provocar um encaixe induzido diferente, vai estabilizar uma conformação diferente, tá? Então, como que a gente pode corrigir isso? Se eu tenho lá estruturas para fazer cross docing, então eu tenho múltiplos complexos, é fazer o docking em várias

estruturas, que é o tal do ensemble docking em inglês. Só que cada estrutura que eu escolho é uma triagem nova. Se eu escolher três estruturas para fazer, então, três estruturas, três PDBs da Mesma proteína que tem conformações levemente diferentes para simular o encaixe induzido no sítio, tá? Eh, vou fazer a triade virtual vezes 3. Eu vou ter consenso para as proteínas e depois consenso das funções de ranqueamento. Entendam que o problema começa a ficar exponencial de variáveis e onde que o programa pode errar, tá? Eh, e como selecionar essas três estruturas é outro ponto de

debate. Aí Aatação, eu já disse para vocês lá no começo da aula que é algo eh que a gente não consegue calcular de forma adequada para um número muito grande de moléculas. Então, o que que a gente faz aqui? Lembra quando eu disse para vocês que a energia eletrostática ela é ela é calculada por um potencial tipo colôbico? Quando vocês viram eh isso lá em física desses médicos, tinha um tal de KN que era da constante de elétrica do meio, não é para medir entre as duas Trecas. O que isso quer dizer? é que em

vez de eu simular as moléculas de água, eu simulo como se fosse um meio contínuo. É uma super simplificação, né? Então, as ligações de hidrogênio que ocorrem com as moléculas de água do solvente, eu não consigo descrever de forma adequada. Tem outras formas de fazer isso, ao invés de utilizar o KM, constante de elétrico. Só que o cálculo para isso é muito mais debuscável, tá? E aí a gente tem que fazer o peso aí entre Essas duas coisas, tá? Eh, vou aproveitar aqui essa imagem que tem tanto o valor de energia como de RMSD para

dizer que esses dois critérios devem ser utilizados combinados, né? Mas se eu não tenho a estrutura do complexo, não tem como usar RMST, pode ser só energia. Então, toda aquela etapa que a gente falou de redo cross docing, etc., às vezes é muito deficitário. E o RMSD, vejam que como ele é calculado átomo a átomo, eu não posso fazer ele até posso Em relação ao ligante original que tem um número de átomos diferentes. Então vamos supor, se meu ligante é desse tamanho aqui e eu tô fazendo acoplamento molecular de moléculas muito maiores, o meu valor

de RMSD não é tão confiável assim, porque tem muito mais átomos nas minhas moléculas do que na minha referência, tá? Então eu vou ter que me guiar de fato pela energia, tá? De forma bem breve, era isso que eu Tinha para falar sobre as limitações, sem entrar com muitos detalhes. Na quinta-feira nós vamos fazer uma atividade que vai ser bem centrada em acoplamento molecular, tá? E abordar um pouquinho de modelos farmacofóricos 3D. Por quê? Porque são esses os conceitos mais novos para vocês, tá? O restante não é tanto, né? A aula de Samuel foi meio

que um preparatório para as aulas subsequentes que era do platofor e de molecular. E eu espero que Depois a gente debater esse assunto na próxima aula, vocês estejam mais seguros para a prova. Acamento deve ter, mas eu não lembro de cabeça que é não, mas é bem superficial. o pé, né? Aquele capítulo lá. Por que que eu coloquei aquele capítulo? Porque é em português e porque é didático e porque é dos desenvolvedores do doctor. Então eu confio que eles não escreveram nada errado. Vamos para outra. Qual da teórica para meio que pouco tempo que a

gente fez teóric? duas semanas já daqui a pouco a gente, acho que daqui a duas semanas a gente já vai fazer o papel hoje é o porque assim, ó, que que acontece? Eh, tá.