PREDIÇÃO DO METABOLISMO DO CANDIDATO A FÁRMACO CINAMALDEÍDO: Uma abordagem in silico
Resumo
O objetivo do presente trabalho foi prever os prováveis sítios de metabolização e os prováveis metabólitos gerados do candidato a fármaco cinamaldeído (CNA) utilizando métodos in silico. Para isso, foram utilizadas duas plataformas virtuais, SMARTCyp e Metaprint2D-React. O SMARTCyp é uma plataforma online de previsão do metabolismo, ele usa algoritmos para fazer a previsão de metabolismo, porém estes algoritmos usam a energia de ativação do Citocromo P450. O Metaprint2D-React é uma plataforma virtual que usa algoritmos para prever os possíveis sítios de metabolismo de uma molécula. A previsão é feita a partir das reações de fase 1 (oxidação e redução) e 2 (conjugação). Para o Metaprint2D-React o principal sítio de metabolismo para o CNA foi a posição carbono 1, ainda, obteve-se os metabólitos gerados, a reação de redução gerou o composto álcool cinnamílico, já através da hidroxilação obteve-se o ácido cinâmico. O principal local de metabolização no SMARTCyp para o CNA foi o mesmo para o MetaPrint2D-React (Carbono 1), os locais de média e baixíssima chance de metabolização foram divergentes conforme o tipo de enzima do complexo enzimático do citocromo P450. Os resultados obtidos podem nortear outros estudos com o CNA, possibilitando a identificação de metabólitos e atuando no melhoramento químico a partir de diversas estratégias, como, por exemplo, o docking molecular. Ressalta-se que estudos in silico são de grande importância quando associados a outros tipos de estudos na Pesquisa e Desenvolvimento P&D de fármacos.
PALAVRAS-CHAVE: toxicologia computacional; toxicocinética; planejamento de fármacos.
Texto completo:
PDFReferências
ADAMS, Samuel E. Molecular similarity and xenobiotic metabolism. 2010. Tese de Doutorado. University of Cambridge.
BANDELL, Michael et al. Noxious cold ion channel TRPA1 is activated by pungent compounds and bradykinin. Neuron, v. 41, n. 6, p. 849-857, 2004.
BRAGA, Rodolpho C. et al. Combination of docking, molecular dynamics and quantum mechanical calculations for metabolism prediction of 3, 4-methylenedioxybenzoyl-2-thienylhydrazone. Journal of molecular modeling, v. 18, n. 5, p. 2065-2078, 2012.
CARLSSON, Lars et al. Use of historic metabolic biotransformation data as a means of anticipating metabolic sites using MetaPrint2D and Bioclipse. BMC bioinformatics, v. 11, n. 1, p. 362, 2010.
CHENG, B. C. A review of cinnamon. Zhong Cao Yao, v. 14, n. 134, p. 4762-4765, 1983.
DUGOUA, Jean-Jacques et al. From type 2 diabetes to antioxidant activity: a systematic review of the safety and efficacy of common and cassia cinnamon bark This article is one of a selection of papers published in this special issue (part 1 of 2) on the Safety and Efficacy of Natural Health Products. Canadian journal of physiology and pharmacology, v. 85, n. 9, p. 837-847, 2007.
FOWLER, Stephen et al. Progress in Prediction and Interpretation of Clinically Relevant Metabolic Drug-Drug Interactions: a Minireview Illustrating Recent Developments and Current Opportunities. Current Pharmacology Reports, v. 3, n. 1, p. 36-49, 2017.
JONES, H. M. et al. Physiologically based pharmacokinetic modeling in drug discovery and development: a pharmaceutical industry perspective. Clinical Pharmacology & Therapeutics, v. 97, n. 3, p. 247-262, 2015.
KIRCHMAIR, Johannes et al. How do metabolites differ from their parent molecules and how are they excreted? Journal of chemical information and modeling, v. 53, n. 2, p. 354-367, 2013.
KNOP, Luciana Bastianelli; MARIA, Durvanei Augusto. Métodos substitutivos e a experimentação animal: um enfoque inovador. Revista da Sociedade Brasileira de Ciência em Animais de Laboratório, v. 4, n. 2, p. 101-114, 2017.
LUO, Qi et al. Identification of compounds from the water soluble extract of Cinnamomum cassia barks and their inhibitory effects against high-glucose-induced mesangial cells. Molecules, v. 18, n. 9, p. 10930-10943, 2013.
MENDES, Saulo JF et al. Cinnamaldehyde modulates LPS-induced systemic inflammatory response syndrome through TRPA1-dependent and independent mechanisms. International immunopharmacology, v. 34, p. 60-70, 2016.
MODA, Tiago Luiz. Modelagem In silico de propriedades farmacocinéticas para a avaliação de candidatos a novos fármacos. 2011. Tese de Doutorado. Universidade de São Paulo.
PAPA, Ester et al. In Silico Approaches for the Prediction of In Vivo Biotransformation Rates. In: Advances in QSAR Modeling. Springer International Publishing, 2017. p. 425-451.
PEREIRA, Dárcio Gomes. Importância do metabolismo no planejamento de fármacos. Química nova, v. 30, n. 1, p. 171, 2007.
PIECHOTA, Przemyslaw et al. Pragmatic approaches to using computational methods to predict xenobiotic metabolism. Journal of chemical information and modeling, v. 53, n. 6, p. 1282-1293, 2013.
PROLUNGATTI, Camila Nogueira et al. Use of analgesic and anti-inflammatory drugs before assistance in a children's first aid unit. Revista Dor, v. 15, n. 2, p. 96-99, 2014.
RAYBURN, Elizabeth R. et al. FDA-approved drugs that are spermatotoxic in animals and the utility of animal testing for human risk prediction. Journal of Assisted Reproduction and Genetics, p. 1-22, 2017.
RYDBERG, Patrik et al. SMARTCyp: A 2D method for prediction of cytochrome P450-mediated drug metabolism. ACS medicinal chemistry letters, v. 1, n. 3, p. 96-100, 2010.
SANTOS, Carlos Eduardo M. Toxicologia in silico: uma nova abordagem para análise do risco químico. Revista Intertox de Toxicologia, Risco Ambiental e Sociedade, v. 4, n. 1, 2015.
SILVA, Bruno César Mendonça et al. Predição do metabolismo do candidato a protótipo de fármaco anti-inflamatório lqfm002. Revista Eletrônica Faculdade Montes Belos, v. 7, n. 2, 2014.
SOUSA, Mariana C. et al. In silico metabolism studies of dietary flavonoids by CYP1A2 and CYP2C9. Food research international, v. 50, n. 1, p. 102-110, 2013.
TARCSAY, Ákos; KISS, Róbert; KESERŰ, György M. Site of metabolism prediction on cytochrome P450 2C9: a knowledge-based docking approach. Journal of computer-aided molecular design, v. 24, n. 5, p. 399-408, 2010.
TOROPOVA, M. A. Drug Metabolism as an object of computational analysis by the Monte Carlo method. Current drug metabolism, 2017.
VALERIO JR, Luis G. Application of advanced in silico methods for predictive modeling and information integration. 2012.
VAVOUGIOS, George D. et al. Novel candidate genes of the PARK7 interactome as mediators of apoptosis and acetylation in multiple sclerosis: an in silico analysis. Multiple Sclerosis and Related Disorders, 2017.
VENKATESH, Srini; LIPPER, Robert A. Role of the development scientist in compound lead selection and optimization. Journal of pharmaceutical sciences, v. 89, n. 2, p. 145-154, 2000.
WANG, Shi-Zhen et al. Strategies and perspectives of assembling multi-enzyme systems. Critical Reviews in Biotechnology, p. 1-14, 2017.
YUAN, J. H. et al. Toxicokinetics of cinnamaldehyde in F344 rats. Food and chemical toxicology, v. 30, n. 12, p. 997-1004, 1992.
ZHU, Ruyuan et al. Cinnamaldehyde in diabetes: A review of pharmacology, pharmacokinetics and safety. Pharmacological Research, 2017.
DOI: https://doi.org/10.24863/rccp.v30i2.106
Apontamentos
- Não há apontamentos.