How Could Perform a Predictive Model Created Using the Heterogeneous Chemical Space of Compounds against Trypanosoma cruzi?

Autor(es)

Baldim, Joao L. ; Rosa, Welton ; Silva, Thais A. C. ; Ferreira, Daiane D. ; Tempone, Andre Gustavo ; de Paula, Daniela Aparecida C. ; Soares, Marisi G. ; Lago, Joao Henrique G.

• Tipo de documento: Artigo Científico
• Fonte: Journal of the Brazilian Chemical Society; v. 36, n. 8, p. 13-pg., 2025-01-01.

Resumo

The limited treatment options for Chagas disease (CD), coupled with the side effects of approved drugs, highlight the urgent need to identify novel therapeutic candidates for this neglected disease. To address this challenge, we developed a strategy to assess whether existing data on this topic could support a comprehensive approach for predicting the antitrypanosomal properties of natural and synthetic compounds against Trypanosoma cruzi. The chemical space constructed in this study comprised various classes of compounds, which were subjected to machine learning-based screening to evaluate the robustness of different methodologies for handling heterogeneous data. The optimized models accurately predicted the antitrypanosomal activity of multiple compounds in the external test set, achieving correlation coefficient of the training set (R2) = 0.995, robustness (Q2) = 0.935, root mean squared error (RMSE) = 0.366, percentage split (P2) = 980, and correlation with predictions on the external test set (P2(testset)) = 0.888. Additionally, twentyfive compounds were tested in vitro against T. cruzi trypomastigotes, and the model successfully predicted their logarithm of half maximal inhibitory concentration (pIC50) values. This study proposes an approach for developing in house methodologies to identify promising candidates for biological assays by leveraging machine learning within a heterogeneous chemical space. (AU)

• Processo FAPESP: 21/02789-7 - Busca de metabólitos bioativos com ação antiparasitária em espécies vegetais de regiões de Mata Atlântica e Cerrado - uma abordagem química, fenotípica e metabolômica
• Beneficiário: João Henrique Ghilardi Lago
• Modalidade de apoio: Auxílio à Pesquisa - Programa BIOTA - Regular
• Processo FAPESP: 18/10279-6 - Seleção e Otimização de Novos Candidatos a Fármacos para Leishmaniose e Doença de Chagas
• Beneficiário: André Gustavo Tempone Cardoso
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 18/07885-1 - Biomoléculas oriundas de espécies vegetais de áreas remanescentes da Mata Atlântica e do Cerrado para tratamento de doenças tropicais negligenciadas - aspectos químicos e farmacológicos
• Beneficiário: João Henrique Ghilardi Lago
• Modalidade de apoio: Auxílio à Pesquisa - Programa BIOTA - Regular
• Processo FAPESP: 23/12447-1 - Busca de metabólitos especializados oriundos da biodiversidade florística brasileira como candidatos a fármacos para doenças tropicais negligenciadas
• Beneficiário: João Henrique Ghilardi Lago
• Modalidade de apoio: Auxílio à Pesquisa - Programa BIOTA - Regular
• Processo FAPESP: 16/19269-8 - Indução metabólica guiada por análises genômicas em Burkholderia thailandensis para a biossíntese de produtos naturais com atividade antimicrobiana
• Beneficiário: Joao Luiz Baldim Zanin
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado