ESTUDOS IN SILICO E IN VITRO PARA BUSCA DE POTENCIAIS FÁRMACOS CONTRA O SARS-COV-2 (COVID-19)

Resumo

O vírus SARS-CoV-2 interage com a célula hospedeira ligando sua proteína Spike ao receptor ACE2 do hospedeiro por um domínio de ligação ao receptor viral (RBD). Peptídeos ativos têm sido usados como novas alternativas antivirais para inibir a entrada de vírus em células hospedeiras e como novas opções de medicamentos. Este estudo teve como objetivo avaliar in silico a interação de peptídeos antimicrobianos para bloquear a interação entre o SARS-CoV-2 Spike (RBD) com o receptor ACE2 humano, bem como propor novas moléculas de peptídeos sintéticos usando aprendizado de máquina e métodos de modelagem molecular e docking. 302 sequências peptídicas foram modeladas e encaixadas na região Spike-RBD para construir um banco de dados de treinamento. Posteriormente, treinamos modelos de aprendizado de máquina usando algoritmos Bayesian Ridge (BR), Support Vector Machine (SVM) e Multilayer Perceptron (MLP) para prever energias de interação Spike-peptídeo. As energias de encaixe molecular variaram de -126.060 a -230.308 KJ/Mol. O modelo BR obteve os melhores resultados com um RSME de -14,1 usando o descritor molecular Number Sequence Order Coupling (SOCNumber). Usando um algoritmo genético auxiliado por um modelo de aprendizado de máquina, propusemos 10 novos peptídeos com potencial antiviral contra o SARS-CoV-2 com melhores energias em comparação com o banco de dados de treinamento. Essa ferramenta e seus algoritmos de ML podem ser facilmente aplicados a outros vírus emergentes e alvos de microorganismos.

Agência de fomento: PIBITI