MODELOS DE RELAÇÃO QUANTITATIVA ENTRE ESTRUTURA E ATIVIDADE (QSAR) APLICADOS A INTERAÇÕES FÁRMACO-FÁRMACO

Resumo

Interações fármaco-fármaco (IFF) provocam cerca de um terço de todas as reações adversas de medicamentos. Dessa forma, é importante compreender melhor e identificar o quanto antes esse tipo de interação, a fim de evitá-las. O objetivo do presente trabalho é desenvolver e validar rigorosamente modelos de QSAR (Quantitative Structure-Activity Relationship) que sejam capazes de predizer as IFF. Os dados foram coletados a partir de bases de dados públicas de fármacos e IFF relacionadas a quatro isoformas de citocromo P450 (1A2, 2C9, 2D6 e 3A4). Conjuntos de dados foram construídos para cada isoforma, a saber: 55 fármacos e 1.485 IFF para a isoforma 1A2, 73 fármacos e 2.628 IFF para a isoforma 2C9, 94 fármacos e 4.371 IFF para a isoforma 2D6, 237 fármacos e 27.966 IFF para a isoforma 3A4. Combinações de fármacos foram representadas como misturas e depois caracterizadas por descritores Simplex e QNA (Quantitative Neighborhoods of Atoms). Os métodos RBF-SCR (Radial basis function with Self-consistent regression) e RF (Random Forest) foram usados para gerar modelos calculando a probabilidade de interação fármaco-fármaco baseado nos descritores citados acima. Os modelos de QSAR apresentaram capacidade de predição acima de 0,7 e boa cobertura com relação aos conjuntos-teste (acima de 0,8). Mais de 4.500 interações fármaco-fármaco foram confirmadas por informações encontradas na base de dados DrugBank (www.drugbank.ca). Estes resultados podem ser úteis para predizer se a combinação entre dois fármacos pode ou não ser perigosa.Palavras-Chave: interações fármaco-fármaco, QSAR, reações adversas, toxicidade.