Análise de Componente Principal e Modelagem Computacional de
Propriedades de Drogas usadas no tratamento da Doença de
Alzheimer
Érica C. M. Nascimento, João B. L. Martins,
Laboratório de Química Computacional, IQ, UnBCaixa Postal 4478, 70904-970, Brasília, DF E-mail: ericamoreno@unb.br
Resumo:A doença de Alzheimer (DA) é um tipo de demência degenerativa e suas causas ainda não foram determinadas. A estratégia mais aplicada no tratamento de pacientes com DA é a hipótese colinérgica, que consiste no uso de drogas com efeito inibitório sobre a função biológica da enzima acetilcolinesterase (AChE). Evitar a diminuição da concentração do neurotransmissor acetilcolina na fenda sináptica é o foco desta tipo de tratamento. Neste estudo, foi realizada a modelagem computacional de inibidores da AChE (AChEIs) para obtenção de propriedades estruturais, eletrônicas e espaciais destas drogas. Os valores destas propriedades foram obtidos por meio de cálculos quânticos utilizando o método do funcional de densidade com funcional híbrido B3LYP e com o conjunto de função de base 6-31+G(d,p). O método de análise multivariada de componentes principais (PCA) foi aplicado a 18 propriedades para determinar o perfil farmacofórico destas AChEIs. O estudo da PCA foi realizado para reduzir o espaço dimensional de propriedades, a fim de obter aquelas que são as componentes principais que definem o perfil farmacofórico dessas drogas.
Palavras-chave: PCA, Modelagem Computacional, inibidores da AChE, doença de Alzheimer. INTRODUÇÃO
A doença de Alzheimer (DA) é o tipo mais comum de demência incidente na população acima dos 60 anos de idade [9,12,13]. É uma doença degenerativa e progressiva [2]. Em pacientes com DA, a concentração do neurotransmissor acetilcolina (ACh) nas situações de transmissão dos impulsos neuronais são acentuadamente reduzidas, devido a sua baixa produção dentro dos neurônios, ocasionando o déficit colinérgico, ficando a função cognitiva gravemente comprometida [8].
A primeira classe de drogas citadas como inibidoras da ação da enzima acetilcolinesterase (AChE), são as chamadas AChEIs e constituem hoje a principal estratégia para o tratamento de pacientes com DA, a terapia colinérgica [3]. O tratamento consiste na melhora da transmissão de impulso nervoso na sinapse [13].
Algumas drogas que atuam como inibidores da AChE são mostradas na Figura 1, dentre elas, a tacrina (THA) primeiro fármaco aprovado pelo FDA para o tratamento da DA [11,13], seguida pelo donepezil (E2020), pela rivastigmina (RIVA) e pela galantamina (GALA) [10]. Outras drogas foram estudadas e testadas clinicamente para serem usadas no tratamento da DA, como a fisostigmina (PHYSO). Algumas outras estão em fase de teste e são candidatas promissoras a aprovação, entre elas, huperzina A (HUPE), metrifonato (METRI), diclorvos (DDVP) e dímero da tacrina (DIMTHA) [3] [10]. Essas drogas são indicadas para o tratamento nas fases leve e moderada, quando o paciente ainda tem atividade cognitiva independente.
Quimicamente as AChEIs citadas anteriormente têm em comum a ação inibitória da AChE, porém possuem estrutura e natureza química distintas.
Figura 1: Estrutura molecular de algumas AChEIs
Para analisar a atividade das AChEIs avaliadas neste estudo, foram utilizadas propriedades eletrônicas e estruturais dos respectivos confôrmeros: dipolo, energia dos orbitais de fronteira (HOMO, HOMO-1, LUMO e LUMO+1), carga dos heteroátomos e dos hidrogênios mais ácidos, volume, distância entre os hidrogênios mais ácidos, tamanho da droga, LogP, LogS (solubilidade), número de receptores e doadores de hidrogênio (Hrecp e Hdon), quantidade de anéis aromáticos, GAP (LUMO-HOMO) e o Mapa de Potencial Eletrostático (MEP). Todas estas propriedades foram determinadas para cada AChEI, utilizando o método do funcional de densidade com funcional híbrido B3LYP e com o conjunto de função de base 6-31+G(d,p).
A análise das componentes principais (PCA) é o método de análise multivariada mais aplicada em estudos quimiométricos [8]. O método tem dois objetivos principais: diminuir os conjuntos de variáveis em problemas com dados multivariados, e selecionar as melhores propriedades (linearmente independentes) que representem um sistema (componentes principais) [1]. Neste trabalho as propriedades estruturais e eletrônicas de drogas, consideradas inibidoras da enzima acetilcolinesterase (AChE), foram obtidas teoricamente e relacionadas com sua atividade, por meio de análise multivariada, buscando componentes principais (PCA) que evidenciem o perfil farmacofórico das AChEIs estudadas.
O objetivo principal da PCA é explicar a estrutura de variância e covariância de um vetor aleatório, composto de p-variáveis aleatórias, através da construção de combinações lineares das variáveis originais, que são chamadas de componentes principais (PC) e são não correlacionadas entre si. Assim, as informações mais importantes e relevantes de dados complexos podem ser visualizados de maneira mais simples [7].
MÉTODOS
Para o estudo teórico de estrutura eletrônica das AChEIs foram realizados cálculos em nível ab initio por meio do método do funcional de densidade (DFT), com funcional híbrido B3LYP, com o emprego do conjunto de função de base 6-31+G(d,p) com adição de funções polarizadas e difusas. Todos os sistemas foram estudados no vácuo.
Propriedades eletrônicas como dipolo, energia dos orbitais de fronteira (HOMO, HOMO-1 e LUMO), carga dos heteroátomos e dos hidrogênios mais ácidos, e a variação do potencial eletrostático obtidos foram analisadas. A distância entre os hidrogênios mais ácidos localizados nas moléculas também foi mensurada para avaliar regiões de baixa densidade eletrônica identificadas no mapa de potencial eletrostático gerado para cada AChEI estudada. As geometrias destas drogas foram otimizadas em coordenadas internas, com otimização de todos os parâmetros geométricos. As cargas do potencial eletrostático foram determinadas utilizando o modelo de grades baseados no método ChelpG, para o estudo da distribuição das
cargas e para o entendimento das interações eletrostáticas localizadas em determinadas regiões destas moléculas. Para obtenção dos dados de estrutura eletrônica os cálculos teóricos foram feitos utilizando o pacote computacional GAUSSIAN 03 [5].
Foi traçado o perfil farmacofórico das AChEIs avaliadas por meio do método de análise multivariada PCA. A PCA foi empregada para correlacionar as 18 propriedades descritas acima com a atividade inibitória das moléculas, bem como para reduzir o número de parâmetros iniciais (propriedades estruturais e eletrônicas) a fim de definir os mais relevantes para a atividade biológica em questão, a inibição da enzima acetilcolinesterase.
O estudo PCA foi realizado utilizando o método de auto-escalonamento, uma vez que as propriedades eletrônicas e estruturais tem dimensões muito diferentes. Este método consiste em centrar os dados na média e dividi-los pelo respectivo desvio padrão. Assim, cada variável apresentará média zero e variância igual a um, dando a mesma significância para todas as variáveis [6].
Foram realizadas duas PCA, na primeira foram geradas quatro componentes principais para o conjunto de dados estudados. Posteriormente três componentes principais foram geradas na segunda PCA, onde pôde-se observar uma maior representatividade do sistema em relação à variância total.
RESULTADOS
Modelagem Computacional das AChEIs Estrutura eletrônica das AChEIs
A Tabela 1 mostra o valor de algumas propriedades calculadas para as AChEIs estudadas. As cargas ChelpG dos hidrogênios mais ácidos Ha e Hb seguem duas tendências. A primeira é de terem valores parecidos quando estes hidrogênios estão ligados ao mesmo heteroátomo como pode ser visto na tabela 1 tanto para THA (Ha: 0,339 e Hb: 0,324) quanto para HUPE (Ha: 0,365 e Hb: 0,351). A segunda tendência mostra que Ha é muito mais ácido que
Hb, uma vez que, excetuando E2020 e RIVA, as demais AChEIs têm Ha ligado diretamente a
um heteroátomo muito negativo, como por exemplo a PHYSO (Ha: 0,333 e Hb: 0,050) onde Ha
tem carga ChelpG aproximadamente 6.5 vezes maior que Hb.
Tabela 1. Alguns dados eletrônicos e geométricos calculados a partir da otimização da
geometria das AChEIs pelo método B3LYP/6-31+G(d,p).
DDVP METRI DIMTHA THA HUPE GALA E2020 PHYSO RIVA
Dipolo (D) 3,04 2,93 2,09 3,51 6,08 1,67 2,48 1,08 2,53 Carga H+ a(ua) 0,070 0,438 0,260 0,339 0,365 0,371 0,136 0,333 0,103 Carga H+ b(ua) 0,032 0,181 0,084 0,324 0,351 0,070 0,041 0,050 0,082 Carga N (ua) ---- --- -0,320 -0,766 -1,013 -0,632 -0,484 -0,619 -0,378 Carga O(ua) -0,638 -0,639 ---- ---- -0,670 -0,685 -0,554 -0,659 -0,594 HOMO (eV) -6,86 -8,11 -5,90 -5,76 -5,90 -5,53 -5,95 -5,46 -5,79 HOMO-1 eV) -8,57 -8,30 -6,71 -6,56 -6,75 -6,04 -6,05 -6,08 -6,53 LUMO (eV) -0,54 -1,59 -1,47 -1,28 -1,30 -0,48 -1,53 -0,33 -0,43 ∆EP 0,2206 0,3054 0,2111 0,2250 0,2786 0,2455 0,1854 0,2571 0,1976 H-H (Å) 1,796 2,307 1,998 1,683 1,625 2,373 2,342 2,324 2,460 Volume (Å3) 185 207 606 236 286 329 454 321 312 H+
a e H+b: hidrogênios mais ácidos da molécula. ∆EP: potencial eletrostático no mesmo corte. H-H: distância entre os dois
hidrogênios mais ácidos da molécula.
Os valores das energias dos orbitais HOMO mostram-se diferenciados quando se compara os organofosforados DDVP e METRI (valores maiores) e as outras AChEIs. Assim, os valores da energia do orbital HOMO-1, para estes organofosforados, estão próximos entre si enquanto os valores desta energia para as outras AChEIs, diferentes estruturalmente, encontram-se entre -6.04 e 6.75, indicando que este orbital pode ser importante no processo de interação destas drogas com a enzima.
A Figura 2 mostra o MEP para todas as drogas estudadas. Os mapas indicam que todas as AChEIs têm regiões bem definidas de alta densidade eletrônica (em vermelho) e de baixa densidade (em azul escuro). Estas regiões são pontos passíveis de interação com a AChE por meio de interações eletrostáticas do tipo ligação de hidrogênio. As outras regiões das AChEIs apresentam densidade eletrônica, na sua maioria, negativas, indicando que nestas regiões podem haver interações eletrostáticas do tipo transferência de carga, ligações π−π com sistemas aromáticos,dos resíduos do sítio ativo da AChE.
As regiões de mais alta densidade eletrônicas estão localizadas sob os átomos de oxigênio nas AChEIS DDVP, METRI, HUPE, GALA, E2020, PHYSO, RIVA sugerindo que estes oxigênios sejam receptores de hidrogênios e que possam participar das interações do tipo ligação de hidrogênio com os resíduos da tríade catalítica da AChE ou mesmo ligações com caráter covalente, com a hidroxila do Ser200 [3]. As regiões de baixa densidade eletrônicas destas drogas estão localizadas principalmente nos grupos metilas, apontando para uma a possível interação desses grupos com regiões de alta densidade eletrônica do sítio ativo da AChE. A RIVA (Figura 2i) e o E2020 (Figura 2g) apresentam um diferencial em relação às outras AChEIs: possuem mais regiões com baixa densidade eletrônica quando comparadas às outras drogas, mesmo não tendo grupos doadores de hidrogênio característicos.
Figura 2: Mapa de potencial eletrostático das AChEIs calculados no nível B3LYP/6-31+G(d,p). (a) DDVP, (b) METRI, (c) HUPE, (d) THA, (e) DIMTHA, (f) GALA, (g) E2020, (h) PHYSO e (i) RIVA.
Mapeamento do perfil farmacofórico das AChEIs via PCA
O mapeamento do perfil farmacofórico das AChEIs estudadas foi realizado por meio da PCA do conjunto de dados obtidos a partir dos cálculos das propriedades obtidas para cada molécula. Para a análise das componentes principais foram realizadas otimizações de geometria no nível B3LYP/6-31+G(d,p).
Para melhor visualização dos resultados, algumas propriedades das AChEIs são mostradas na Tabela 1. A primeira PCA mostrou que em média 83,3% das informações do conjunto formado com as 9 AChEIs estudadas e as 18 propriedades, obtidas por meio dos cálculo realizados, neste trabalho, podem ser representadas por quatro componentes principais (PC1 com 38,3% de variância; PC2 com 59,2% da variância acumulada; PC3 com 73,2% da variância acumulada e PC4 com 83,3% da variância acumulada).
Para aumentar a acurácia e determinar de forma sistemática as componentes principais do sistema estudado, foram realizados todas as combinações possíveis das 18 propriedades, para todas as 9 AChEIs. Sendo assim foi gerada uma nova PCA com as propriedades que apresentaram a maior representatividade em relação à variância total com o menor número possível de componentes principais.
Reduzindo o número de variáveis para 6 (descritas a seguir), porém mantendo o espaço amostral de 9 objetos (AChEIs), observou-se que 91,7% (Tabela 2) das informações que caracterizam essas drogas como AChEIs podem ser representadas por três componentes principais. Assim, é válido afirmar que as propriedades: Volume, tamanho da droga, distância entre os 2 hidrogênios mais ácidos H-H, energia do orbital de fronteira HOMO-1, coeficiente de partição logP e o número de sistemas aromáticos, calculados e traçados nos gráficos de escores da Figura 3, PC1 (com 63,5% da variância) x PC2 (com 19,1 % da variância) X PC3 (com 9,1% da variância), representam de forma satisfatória mais de 90% da variância de todo o conjunto de dados obtidos nos cálculos.
Tabela 2. Variância acumulada (%) considerando 9 AChEIs e 6 propriedades.
Nível de cálculo PC1 PC2 PC3
B3LYP/6-31+G(d,p) 63.5 82.6 91.7
As equações 1, 2 e 3 mostram os coeficientes das PC1, PC2 e PC3. A PC1 representa, essencialmente, o volume e o tamanho da droga (parâmetros estruturais), a PC2 representa a distância H-H e o coeficiente de partição - LogP (parâmetros estrutural e eletrônico) enquanto a PC3 representa principalmente a energia do orbital HOMO-1 (parâmetro eletrônico).
PC1= 0,48volume + 0,47Tamanho + 0,13H-H + 0,38HOMO-1+ 0,42logP + 0,46Sist. Arom. ( 1 ) PC2=-0,01volume + 0,02Tamanho + 0,88H-H+ 0,28HOMO-1– 0,33logP – 0,19Sist. Arom. ( 2 )
PC3=-0,38volume – 0,41Tamanho – 0,16H-H + 0,79HOMO-1+ 0,18logP + 0,04Sist. Arom. ( 3 )
Na Figura 3 observa-se que PC1 tende a agrupar as AChEIs pelas seis propriedades selecionadas. Observa-se a formação de grupos de AChEIs bem definidos, três das quatro AChEIs já aprovadas pelo FDA no tratamento da DA se agrupam, formando um cluster, GALA, RIVA e PHYSO. A distribuição ao longo de PC1 é satisfatória, desde que as AChEIs com valores para volume parecidos se aproximam consideravelmente – GALA/RIVA/PHYSO e HUPE/THA. AChEIs com volume menores estão em escores negativos, já as AChEIs com volume entre 236 e 606 Å3 estão em escores positivos.
Por outro lado a PC2 é dominada pela distância H-H (+0.88), que separa os compostos, de acordo com a distância entre os dois hidrogênios mais ácidos, em dois grupos: o primeiro em que as AChEIs têm valores de H-H menores que 2,0 Å, o segundo grupo formado por objetos que tenham valores maiores que os citados.
Na Figura 4, é apresentado o gráfico dos escores de PC1 versus PC3. Nessa Figura há 2 padrões em PC3 DDVP/METRI e GALA/PHYSO/RIVA, este é razoável, uma vez que PC3 é dominada pela energia do orbital HOMO-1 (+0.79) (equação 3), essas AChEIs são as que apresentam valores próximos para o HOMO-1 e para o volume, como pode ser conferido na Tabela 1.
Figura 4. Gráfico dos escores PC1 versus PC3 a partir de dados em nível B3LYP/6-31+G(d,p). Como pode ser observado por meio das Figuras 3 e 4 as equações (1, 2 e 3) das PCs geradas nos indicam que os parâmetros eletrônicos - energia do orbital HOMO-1, logP e quantidade de sistemas aromáticos - e os parâmetros estruturais – volume, tamanho da droga e H-H- são as propriedades mais significativas neste estudo das AChEIs.
Conclusões
Todas as AChEIs aqui estudadas são reconhecidas como drogas que atuam de forma efetiva no tratamento da DA, mesmo que estas não sejam indicadas devido seus efeitos colaterais indesejados. A partir deste estudo de estrutura eletrônica de AChEIs clássicas e com potencial indicação para o tratamento da DA podemos concluir que:
• O orbital HOMO-1 mostrou-se uma importante propriedade, com características
similares para todas as drogas;
• O estudo do mapa de potencial eletrostático indica que todas as AChEIs têm regiões bem definidas de alta e baixa densidade eletrônicas, e estas regiões são os pontos passíveis de interação com a AChE, por meio de interações eletrostáticas do tipo ligação de hidrogênio. Em alguns casos, como o diclorvos e os carbamatos, é possível prever uma ligação com caráter covalente com a tríade catalítica da AChE;
• Podemos sugerir que drogas com distâncias H-H entre 1.625 – 2.460 Å e ∆EP entre 0.185 – 0.3054 são seguramente potenciais inibidoras da AChE.
• O estudo PCA revelou que as propriedades eletrônicas - energia do orbital HOMO-1,
logP e quantidade de sistemas aromáticos - e os parâmetros estruturais – volume, tamanho da droga e H-H- são as propriedades mais significativas neste estudo, sendo componentes principais do perfil farmacofórico das AChEIs.
Além das propriedades estruturais e eletrônicas citadas acima, as AChEIs devem apresentar boa biodisponibilidade, atravessar a barreira hematoencefálica com certa facilidade, ter alta seletividade pela AChE em relação à BuChE, complexar-se reversível ou pseudo-reversivelmente com a AChE, ser não-competitiva comparada a ACh. Todas estas propriedades em conjunto são participantes do perfil farmacofórico das AChEIs estudadas neste trabalho.
Referências
[1] Afifi, A. A. C., “Computer-Aided Multivariate Analysis”, CHAPMAN & HALL, New York, 1990. [2] Alcaro, S.; Scipione, L.; Ortuso, F.; Posca, S.; Rispoli, V.; Rotiroti, D., Molecular modeling and enzymatic studies of the interaction of a choline analogue and acetylcholinesterase, Bioorganic & Medicinal Chemistry Letters, 12, pp. 2899-2905, (2002).
[3] Camps, P., Cholinergic Drugs in Pharmacotherapy of Alzheimer´s Disease, Mini Reviews in Medicinal Chemistry, 2, pp.11-25 (2002).
[4] Francis, P. T., The cholinergic hypotesis of Alzheimer´s disease: a review of progress, J. Neurosurg. Psychiatry., 66, pp. 137-147, (1999).
[5] Frisch, M. J., G.W. Trucks, H.B.S., G.E. Scuseria, M.A. Robb, J.R.C., Zakrzewski, V.G., Montgomery, Jr. J.A., Stratmann, R.E., Dapprich, J.C.B.S., Millam, J.M., Daniels, A.D., Strain, K.N.K.M.C., Farkas, O., Tomasi, J., Barone, V., Cammi, M.C.R., Mennucci, B., Pomelli, C., Adamo, C., Clifford, S., Petersson, J.O.G.A., Ayala, P.Y., Cui, Q., Morokuma, K., Rabuck, D.K.M.A.D., Raghavachari, K., Foresman, J.B., Ortiz, J.C.J.V., Stefanov, B.B., Liu, G., Liashenko, A., Komaromi, P.P.I., Gomperts, R., Martin, R.L., Fox D.J., Al-Laham, T.K.M.A., Peng, C.Y., Nanayakkara, A., Gonzalez, C., Challacombe, M., Gill, P.M.W., Johnson, B., Chen, W., Wong, M.W., Andres, J.L., Gonzalez, C., Head-Gordon, M., Replogle E.S. and Pople, J.A.; Gaussian Inc.,: Pittsburgh, PA, 2003. [6] Jolliffe, I.. T., “Principal Component Analysis”, SPRINGERS, New Yok, 2002.
[7] Mingoti, S. A., “Análise de Dados Através de Métodos de Estatística Multivariada”, EDITORA UFMG, Belo Horizonte, 2007.
[8] Mizutani, M. Y.; Itai, A., Efficient method for high-throughput virtual screening based on flexible docking: Discovery of novel acetylcholinesterase inhibitors, Journal of Medicinal Chemistry, 47, pp. 4818-4828, (2004).
[9] Pivetta, M., Na raiz do Alzheimer, Pesquisa Fapesp, 21, pp. 16-21, (2008).
[10] Racchi, M.; Mazzucchelli, M.; Porrello, E.; Lanni, C.; Govoni, S., Acetylcholinesterase inhibitors: novel activities of old molecules, Pharmacological Research, 50, pp. 441-451, (2004). [11] Rydberg, E. H.; Brumshtein, B.; Greenblatt, H. M.; Wong, D. M.; Shaya, D.; Williams, L. D.; Carlier, P. R.; Pang, Y. P.; Silman, I.; Sussman, J. L., Complexes of alkylene-linked tacrine dimers with Torpedo californica acetylcholinesterase: Binding of bis(5)-tacrine produces a dramatic rearrangement in the active-site gorge, Journal of Medicinal Chemistry, 49, pp. 5491-5500, (2006). [12] Sippl, W.; Contreras, J. M.; Parrot, I.; Rival, Y. M.; Wermuth, C. G., Structure-based 3D QSAR and design of novel acetylcholinesterase inhibitors, Journal of Computer-Aided Molecular Design, 15, pp.395-410, (2001).
[13] Sugimoto, H.; Ogura, H.; Arai, Y.; Iimura, Y.; Yamanishi, Y., Research and development of donepezil hydrochloride, a new type of acetylcholinesterase inhibitor, Japanese Journal of Pharmacology, 89, pp. 7-20, (2002).
