Simulacaoquanticacomputacional-Tavares-2022

•

Humanas / Sociais

Estude com artigos

09/05/2023

Prévia do material em texto

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE

PROGRAMA DE PÓS-GRADUAÇÃO EM
BIOQUÍMICA E BIOLOGIA MOLECULAR

CENTRO DE BIOCIÊNCIAS

Ana Beatriz M.L.A. Tavares

Simulação Quântica Computacional de Fármacos Imuno-Oncológicos

Tese de Doutorado em Bioquímica e Biologia Molecular

Natal-RN, Junho de 2022

Ana Beatriz M.L.A. Tavares

Simulação Quântica Computacional de Drogas Imuno-Oncológicas

Tese de Doutorado apresentada ao

Programa de Pós-Graduação em Bioquímica e Biologia Molecular
Centro de Biociências
Universidade Federal do Rio Grande do Norte

como exigência parcial para obtenção do título
Doutor em Bioquímica e Biologia Molecular

Orientador: Prof. Dr. Eudenilson Lins de Albuquerque

Natal- RN Junho de 2022
Tavares, Ana Beatriz Medeiros Lins de Albuquerque.
Simulação Quântica Computacional de Fármacos Imuno-
Oncológicos / Ana Beatriz Medeiros Lins de Albuquerque Tavares.
- 2022.
112 f.: il.
Tese (doutorado) - Universidade Federal do Rio Grande do
Norte, Centro de Biociências, Programa de Pós-graduação em
Bioquímica e Biologia Molecular. Natal/RN, 2022.
Orientador: Prof. Dr. Eudenilson Lins de Albuquerque.
1. Química quântica - Tese. 2. Simulação quântica
computacional - Tese. 3. Fármacos imuno-oncológicos -Tese. I.
Albuquerque, Eudenilson Lins de. II. Universidade Federal do Rio
Grande do Norte. III. Título.
RN/UF/BSCB CDU 544.18
Universidade Federal do Rio Grande do Norte - UFRN
Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Setorial Prof. Leopoldo Nelson - -Centro de Biociências - CB
Elaborado por KATIA REJANE DA SILVA - CRB-15/351
ANA BEATRIZ MEDEIROS LINS DE ALBUQUERQUE TAVARES
Simulação Quântica Computacional de Fármacos Imuno-Oncológicos
Tese apresentada ao Programa de Pós-
graduação em Bioquímica e Biologia
Molecular da Universidade Federal do Rio
Grande do Norte como requisito parcial para
obtenção do título de Doutor em Bioquímica e
Biologia Molecular.
Aprovada em: 10/06/2022
BANCA EXAMINADORA
____________________________________________________
Prof. Dr. José de Miranda Henriques Neto
Examinador Externo à Instituição – UFCG
____________________________________________________
Prof. Dr. José Alzamir Pereira da Costa
Examinador Externo à Instituição – UERN
___________________________________________________
Prof. Dr. Manoel Silva de Vasconcelos
Examinador Externo ao Programa – UFRN
____________________________________________________
Prof. Dr. Luciano Rodrigues da Silva
Examinador Externo ao Programa – UFRN
____________________________________________________
Prof. Dr. Umberto Laino Fulco
Examinador Interno ao Programa – UFRN
___________________________________________________
Prof. Dr. Eudenilson Lins de Albuquerque
Orientador – UFRN
MINISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
SISTEMA INTEGRADO DE PATRIMÔNIO, ADMINISTRAÇÃO E
CONTRATOS
FOLHA DE ASSINATURAS
Emitido em 10/06/2022
FICHA DE AVALIAÇÃO Nº 7/2022 - BIOQ (17.32)
NÃO PROTOCOLADO)(Nº do Protocolo:
(Assinado digitalmente em 20/06/2022 08:55 )
EUDENILSON LINS DE ALBUQUERQUE
PROFESSOR DO MAGISTERIO SUPERIOR
DBF/CB (17.08)
Matrícula: 6345638
(Assinado digitalmente em 21/06/2022 10:08 )
LUCIANO RODRIGUES DA SILVA
PROFESSOR DO MAGISTERIO SUPERIOR
DFTE/CCET (12.03)
Matrícula: 6346140
(Assinado digitalmente em 20/06/2022 15:05 )
MANOEL SILVA DE VASCONCELOS
PROFESSOR DO MAGISTERIO SUPERIOR
DFTE/CCET (12.03)
Matrícula: 1354851
(Assinado digitalmente em 20/06/2022 08:56 )
UMBERTO LAINO FULCO
PROFESSOR DO MAGISTERIO SUPERIOR
DBF/CB (17.08)
Matrícula: 1352009
(Assinado digitalmente em 21/06/2022 10:30 )
JOSE ALZAMIR PEREIRA DA COSTA
ASSINANTE EXTERNO
CPF: 163.576.717-20
(Assinado digitalmente em 21/06/2022 16:11 )
JOSÉ DE MIRANDA HENRIQUES NETO
ASSINANTE EXTERNO
CPF: 213.672.643-91
Para verificar a autenticidade deste documento entre em informando seu número: https://sipac.ufrn.br/documentos/ 7
, ano: , tipo: , data de emissão: e o código de verificação: 2022 FICHA DE AVALIAÇÃO 20/06/2022 24a563ad7f
https://sipac.ufrn.br/public/jsp/autenticidade/form.jsf
i

AGRADECIMENTOS

A essência do academicismo sempre esteve muito presente na minha vida pela influência dos
meus pais. Concluir esse doutorado é mais do que simplesmente um anseio acadêmico, é um
sonho realizado. Assim, agradeço:

Ao meu pai e orientador, Prof. Dr. Eudenilson L. Albuquerque, pela confiança e segurança
transmitidas, além do seu entusiasmo científico contagiante.

À minha mãe, Profa. Dra. Maria Rosa M.L. Albuquerque, pelos cuidados na minha formação e
pelos seus sábios ensinamentos de vida.

À minha irmã, Juliana M.L. Albuquerque (in memoriam), pela sua carinhosa e marcante
presença em minha vida, inspirando-me, inclusive, na minha escolha profissional no ramo da
medicina.

Às pessoas especiais: meu marido Frederico Melo Tavares, meus filho Arthur Albuquerque
Tavares e Antonio Albuquerque Tavares, minha irmã Ana Claudia M.L. Albuquerque Lima, e a
todos os familiares e amigos que, por diversas vezes, compreenderam minhas ausências e
desejaram meu sucesso.

Ao Prof. Dr. Umberto L. Fulco, por todos os ensinamentos transmitidos e pela confiança em
mim depositada.

Aos Drs. José Xavier de Lima Neto e Eveline M. Bezerra, pelas inestimáveis ajudas nos
cálculos computacionais.

Aos professores do Programa de Pós-Graduação em Bioquímica e Biologia Molecular
(PPGBBM) da UFRN que direta ou indiretamente contribuíram para a conclusão dessa tese de
doutorado.

A Samara Oliveira, secretária do Programa de Pós-Graduação em Bioquímica e Biologia
Molecular da UFRN, que tão prestativamente me assessorou durante todo o meu tempo como
membro do corpo discente do PPGBBM.

Finalmente, gostaria de prestar a minha homenagem às minhas pacientes, verdadeiras
heroínas que tanto me instigam e me motivam a procurar outras técnicas e procedimentos no
desenvolvimento de novas perspectivas no tratamento do câncer e de outras patologias
patógena-dependentes.

RESUMO

Simulação Quântica Computacional de Fármacos Imuno-Oncológicos

Muito da recente empolgação na abordagem da imunoterapia contra o câncer foi gerada pelo
reconhecimento de que proteínas de checkpoint imunológico, como os receptores PD-1
(Programmed cell Death-Ligand 1) e CTLA-4 (Cytotoxic T-Lymphocyte-Associated Protein 4),
pode ser bloqueado por medicamentos à base de anticorpos, com efeitos profundos. Dados
clínicos promissores já foram divulgados, apontando para a eficiência dos medicamentos
imuno-oncológicos pembrolizumab (PEM), nivolumab (NIV) e ipilimumab (IPI) para bloquear
a via das proteínas do ponto de controle imunológico, desencadeando os linfócitos T contra
uma ampla gama de tipos de câncer, além de ser uma questão importante para a pesquisa
clínica. Seu uso já foi aprovado pelo US-FDA (United States-Food and Drug Administration)
desde a última década. Até recentemente, embora muitas propriedades estruturais dessas
drogas tenham sido reveladas, as características de energia de ligação de ambas as proteínas
de checkpoint, PD-1 e CTLA-4, com base em dados de raio-X cristalográficos, precisavam de
um entendimento mais profundo.

Nesse contexto, empregando métodos de química quântica baseados na Teoria do Funcional
da Densidade (DFT) e no esquema de fracionamento molecular com caps conjugados (MFCC),
investigamos in silico as características da energia de ligação dos receptores PD-1 e CTLA-4
em complexo com os seus inibidores (PEM, NIV e IPI), destacando as interações resíduo-
resíduo mais relevantes, em busca de novos insights sobre os mecanismos do bloqueio das
suas vias de comunicação com as células cancerígenas,para desenvolver ainda mais sua
afinidade e seletividade. Nossos resultados computacionais não só estão de acordo com a
ordem de afinidade de ligação experimental, mas também fornecem um melhor entendimento
dos mecanismos de ligação, apontando para uma alternativa eficiente para o desenvolvimento
de drogas anticancerígenas. Além disso, eles conduzem a novos tratamentos oncológicos
baseados na imunoterapia, desencadeando a vigilância imunológica para destruir as células
cancerosas, diminuindo sua evasão imunológica. Eles também são uma alternativa eficiente
para o desenvolvimento de novos medicamentos, revelando novos e eficientes tratamentos
para a terapia do câncer.

Por outro lado, embora muitas propriedades estruturais dessas drogas imuno-oncológicas
tenham sido reveladas, poucos estudos se concentraram em suas características vibracionais.
Para preencher esta lacuna, cálculos de química quântica também são empregados aqui para
descrever os modos energéticos de ligação das drogas PEM e NIV, a fim de obtermos suas
propriedades vibracionais através de seus espectros de absorção óptica e espectroscopia de
espalhamento Raman. A interpretação detalhada de suas frequências vibracionais harmônicas
também é apresentada.

Finalmente, a ligação de três drogas oncológicas diferentes, Cu(BpT)Br, NAMI-A e DOX
(doxorrubicina), amplamente utilizadas no tratamento do câncer de mama, à albumina sérica
humana (HSA), também são investigadas aqui por meio de um dispersion corrected exchange-
correlation functional dentro de uma estratégia de fragmentação. Como consequência, é
possível identificar a magnitude das interações de ligação quântica mais relevantes desses
complexos supramoleculares e, assim, orientar seu processo de modificação molecular. Os
dados obtidos neste trabalho destacam o poder dos cálculos quânticos como uma ferramenta
importante para o processo de projeto de fármacos, e abrem caminho para o uso de interações
HSA-ligante durante o projeto racional de novos compostos anticâncer. Mais importante,
nossos resultados mostram que o complexo multi-fármaco HSA / [Cu (BpT) Br] - (NAMI-A) -
(DOX) aumenta a capacidade de direcionamento em comparação com o uso isolado dos três
fármacos oncológicos, de acordo com predições in vivo.

Em suma, os métodos computacionais de química quântica usados nesta tese de doutorado
emergiram como uma alternativa simples e eficiente para desvendar os resíduos de
aminoácidos das drogas oncológicas tratadas nesta tese. Com efeito, considerando-se o
custo/benefício da operação, a abordagem in silico está se tornando um passo inicial
importante não só na oncologia clínica, mas também na definição da fronteira de investigação
nas ciências biológicas, físicas e químicas.
iii

ABSTRACT

Quantum Computational Simulation of Immuno-Oncological Drugs

Much of the recent excitement in the cancer immunotherapy approach has been generated by
the recognition that immune checkpoint proteins, like the receptors PD-1 (Programmed cell
Death-Ligand 1) and CTLA-4 (Cytotoxic T-Lymphocyte-Associated Protein 4), can be blocked
by antibody-based drugs, with deeper effects. Promising clinical data have already been
released, pointing out to the efficiency of the monoclonal antibody immune-oncological drugs
pembrolizumab (PEM), nivolumab (NIV), and ipilimumab (IPI) to block these immune
checkpoint proteins pathway, triggering the T-lymphocytes against a wide range of cancers, as
well as being an important issue for clinical research. Their use was already approved by the
US-FDA (United States-Food and Drug Administration) office since the last decade. To date,
although many structural properties of these drugs have been unveiled, binding energy features
of both checkpoint proteins, PD-1 and CTLA-4, based on crystallographic X-Ray data, need a
deeper understanding.

In this context, by employing quantum chemistry methods based on the Density Functional
Theory (DFT) and the molecular fractionation with conjugate caps (MFCC) scheme, we
investigate in silico the binding energy features of the receptors PD-1 and CTLA-4 in complex
with their drugs inhibitor (PEM, NIV, and IPI), highlighting the most relevant residue-residue
interactions, looking for new insights into the mechanisms of the pathway blockade to further
engineer their affinity and selectivity. Our computational results are not only in good agreement
with the experimental binding affinity order, but also give a better understanding of the binding
mechanisms, pointing out to an efficient alternative towards the development of antibody-based
drugs. Besides, they lead to new treatments for cancer therapy based upon immunotherapy,
unleashing the immune surveillance to destroy the cancer cells by decreasing their immune
evasion. They are also an efficient alternative towards the development of new small-molecules
and antibody-based drugs, unveiling new treatments for cancer therapy.

On the other hand, although many structural properties of these immune-oncological drugs
have been unveiled, only few studies were focused on their vibrational features. To fill this gap,
quantum chemistry calculations were also employed here to depict the binding energetic modes
of the PEM and NIV antibody drugs, in order to obtain their vibrational properties through their
optical absorption spectra and Raman scattering spectroscopy. Detailed interpretation of their
harmonic vibrational frequencies is also presented.

Finally, the binding of three different anticancer drugs, Cu(BpT)Br, NAMI-A, and DOX
(doxorubicin), widely used in the breast cancer treatment, to the Human Serum Albumin (HSA),
were also investigated here by means of a dispersion corrected exchange-correlation functional
within a fragmentation strategy. As a consequence, it is possible to identify the magnitude of
the most relevant quantum binding interactions of these supramolecular complexes, and thus
guide their molecular modification process. The data obtained in this work highlight the power
of quantum calculations as an important tool for the drug design process, and pave the way for
the use of HSA-ligand interactions during the rational design of new anticancer compounds.
More important, our results show that HSA/[Cu(BpT)Br]–(NAMI-A)-(DOX) multi-drug complex
increases the targeting ability compared with the isolated use of the three anticancer-drugs, in
agreement with in vivo predictions.

All in all, the quantum chemistry computational methods used in this PhD thesis emerged as a
simple and efficient alternative to unveil the drug’s amino-acids residues that play the most
important role on the binding affinity of the receptor-ligand complex. Indeed, taking into account
the cost/benefit of the operation, in silico approach is becoming an important initial step not only
in clinical oncology, but also in defining the research frontier in the biological, physical and
chemical science.

LISTA DE ABREVIATURAS E SIGLAS

• APCs: Antigen-presenting cells
• BFGS: Broyden-Fletcher-Goldfarb-Shanno
• CD28: Cluster of differentiation 28
• CHARMm: Chemistry at HARrvard Molecular mechanics
• COSMO: Conductor-like Screening Model
• CPCM: Conductor-like Polarizable Continuum Model
• CTLA-4: Cytotoxic T-Lymphocyte-Associated Protein 4
• Cu (BpT) Br: 2-Benzoilpiridina Tiosemicarbazona Copper
• DCs: Dendritic Cells
• DFT: Density Functional Theory
• DOX: Doxorrubicina
• DNA: Deoxyribonucleic Acid
• ECD: Extracelular Domain
• FAB: Antigen-Binding Fragment
• FMO: Fragment Molecular Orbital
• GGA: Generalized Gradient Approximation
• GPCR: G Protein-Coupled Receptors
• HBs: Hydrogen Bonds
• HC: Heavy Chain
• HF: Hartree-Fock
• HFS: Hartree-Fock-Slater
• HK: Hohenberg-Kohn
• HOMO: Highest Occupied Molecular Orbital
• HSA: Human Serum Albumin
• irAEs: Immune Related Adverse Events
• KS: Kohn-Sham• LC: Light Chain
• LDA: Local-Density Approximation
• LUMO: Lowest Unoccupied Molecular Orbital
• MD: Molecular Dynamics
• MFCC: Molecular Fractionation with Conjugate Caps
v

• MHC: Major Histocompatibility Complex
• MM: Mecânica Molecular
• MP2: Teoria da perturbação de Moller-Plesset [2]
• MQ: Mecânica Quântica
• NAMI-A: Imidazolium Trans-imidazoledimethylsulphoxide-
tetrachlorido Ruthenate

• NCI: National Cancer Institute

• NIV: Nivolumab

• NMR: Nuclear Magnetic Ressonance
• nHBs: non-conventional Hydrogen Bonds
• ONIOM: Our own N-layered Integrated Molecular Orbital and
Molecular Mechanics

• PDB: Protein Data Bank
• PD-1: Programmed cell death protein 1
• PD-L1: Programmed cell Death-Ligand 1
• PD-L2: Programmed cell Death-Ligand 2
• PEM: Pembrolizumab
• PIE: Pair-Interaction Energy
• QSAR: Quantitative Stucture-Activity Relationship
• RMSD: Root Mean Square Deviation
• RNA: Ribonucleic Acid
• RPA: Random Phase Approximation
• RX: Raios X
• SB: Salt Bridges
• SIC: Self-Interaction Correction
• TCRs: T Cells Receptors
• TIE: Total Interaction Energy
• US-FDA: United States-Food and Drug Administration
• wHBs: water-mediated Hydrogen Bonds
• WHO: World Health Organization
• XC: Exchange-correlation
• IPI: Ipilimumab

LISTA DE FIGURAS

Capítulo 1:

o Figura 1.1: A estrutura molecular do DNA.

o Figura 1.2: Ícones do século XX: (a) a molécula do DNA; (b) o átomo de Rutherford.

o Figura 1.3: Visão pictórica do Dogma Central da Biologia Molecular.

o Figura 1.4: Quando uma célula cancerígena encontra uma célula imune, a interação entre
o seu complexo principal de histocompatibilidade MHC e as moléculas receptoras da célula
imune (TCR) ativa a célula T. No entanto, ao mesmo tempo a proteína de controle PD-L1
na célula cancerígena se liga ao receptor de ponto de controle PD-1 na célula desativando
o sistema imune do paciente.

o Figura 1.5: Novas terapias de inibidores de controle imunológico impedem que a proteína
de controle da célula cancerígena PD-L1 se ligue ao receptor de controle PD-1 da célula T.
Isso permite que a interação MHC e TCR ative a célula T desencadeando o sistema
imunológico para atacar o câncer.

o Figura 1.6: Ligação da proteína de controle cluster of differentiation CD80 da célula
cancerígena ao receptor CTLA-4 do linfócito T e do ligante PD-L1 ao receptor PD-1 da
célula T.

o Figura 1.7: Capa da revista Science de fevereiro de 2013.

o Figura 1.8: Células de defesa em verde envolvem e evitam um “invasor” de atuar no
sistema imunológico.

o Figura 1.9: A linha do tempo de um medicamento.

Capítulo 2:

o Figura 2.1: Fluxograma da modelagem molecular utilizada neste trabalho.

o Figura 2.2: Ilustração esquemática do docking molecular de um ligante (molécula pequena
verde) com um alvo de proteína (preto) produzindo um complexo estável.

o Figura 2.3: A Ligação Iônica do cloreto de sódio (NaCl).

o Figura 2.4: Ligação covalente de 2 átomos de hidrogênio H formando a molécula de
hidrogênio H2.

o Figura 2.5: Interação dipolo-dipolo na molécula de H2O, responsável pela força de Van der
Waals.

o Figura 2.6: Ligações de hidrogênio na molécula do DNA.

o Figura 2.7: Representação pictórica dos teoremas de Hohenberg-Kohn.

o Figura 2.8: Representação pictórica do método de Kohn-Sham.

o Figura 2.9: Interação entre uma macromolécula e os resíduos de uma proteína.

o Figura 2.10: (a) Representação estrutural determinado a uma resolução de 2.00 Å do
fragmento de ligação ao antígeno (Fab) do fármaco pembrolizumab (PDB ID: 5GGS) em
complexo com o domínio extracelular do receptor PD-1 humano (PD-1ECD). Aqui, HC
(Heavy Chain) e LC (Light Chain) representam a cadeia pesada e a cadeia leve do
vii

fármaco, respectivamente. Resíduos importantes de amino-ácidos são também mostrados
(TAVARES et al., 2018). (b) Sistema complexo formado pelo receptor PD-1 e o ligante
(fármaco pembrolizumab). Observe o zoom para destacar os principais resíduos na
interação de pares receptor-ligantes (TAVARES et al., 2021).

o Figura 2.11: (a) Representação estrutural determinado a uma resolução de 2.4 Å do
fragmento de ligação ao antígeno (Fab) do fármaco nivolumab (PDB ID: 5GGS) em
complexo com o domínio extracelular do receptor PD-1 humano (PD-1ECD). Aqui, HC
(Heavy Chain) e LC (Light Chain) representam a cadeia pesada e a cadeia leve do
fármaco, respectivamente. Resíduos importantes de amino-ácidos são também mostrados
(TAVARES et al., 2019). (b) Sistema complexo formado pelo receptor PD-1 e o ligante
(fármaco nivolumab). Observe o zoom para destacar os principais resíduos na interação de
pares receptor-ligante (TAVARES et al., 2021).

o Figura 2.12: Representação estrutural do fragmento de ligação ao antígeno (Fab) do
fármaco ipilimumab (PDB ID: 5TRU) complexado com o domínio extracelular do receptor
CTLA-4 humano na sua forma assimétrica. Aqui, HC (Heavy Chain) e LC (Light Chain)
representam a cadeia pesada e a cadeia leve do fármaco, respectivamente (TAVARES and
ALBUQUERQUE, 2021).

o Figura 2.13: Representação estrutural da albumina sérica humana (HSA, PDB ID:
1AO6), mostrando seus domínios (DI, DII e DIII), subdomínios (IA, IIA, IIIA, IB, IIB e IIIB)
além dos denominados sítios Sudlow I e II. Destaca-se também a distribuição espacial dos
resíduos de aminoácidos que formam os principais sítios de ligação das três drogas
anticancerígenas Cu(BpT)Br, NAMI-A e DOX complexadas com HSA. (TAVARES and
ALBUQUERQUE, 2022).

o Figura 2.14: Estruturas moleculares das três drogas anticâncer isoladas em estudo:
a) Cu(BpT)Br; b) NAMI-A; c) DOX (TAVARES and ALBUQUERQUE 2022).

Capítulo 3:

o Figura 3.1: Padrões de interação da superfície de reconhecimento do fármaco
pembrolizumab/receptor PD-1 envolvendo os resíduos de aminoácidos e as moléculas de
água. (a) e (b) resíduos da cadeia pesada (HC); (c) resíduos da cadeia leve (LC)
(TAVARES et al., 2018).

o Figura 3.2: Perfil de energia de cada resíduo do fármaco pembrolizumab na superfície de
reconhecimento com o receptor PD-1. (a) Soma das energias de interação dos seus
resíduos com cada aminoácido da proteína PD-1 dentro de um raio de 8.0 Å, usando a
constante dielétrica ε20. (b) O mesmo para ε40. A linha sólida azul (tracejado verde)
representa o espectro de energia da cadeia pesada (leve) (TAVARES et al., 2018).

o Figura 3.3: Interações intermoleculares dos resíduos mais energéticos da cadeia pesada
do pembrolizumab. (a) Representação estrutural dos resíduos Y33HC, Y101HC, R102HC e
F103HC no site de ligação do receptor PD-1. (b) - (f) Interação destes aminoácidos com os
resíduos mais relevantes do receptor PD-1. As linhas tracejadas em azul claro (roxo)
(marinho) representam ligações de hidrogênio diretas (medidas de água) (não
convencionais) e as linhas verdes representam interações σ-π (TAVARES et al., 2018).

o Figura 3.4: Painel direito: estrutura gráfica mostrando as energias de interação detalhadas
dos resíduos PD-1: (a) V64PD, N66PD, T76PD e K78PD; (b) D85PD, S87PD, Q88PD, P89PD e
G90PD; (c) I126PD, K131PD, A132PD e I134PD, com os resíduos do fármaco imuno-oncológico
pembrolizumab (HC), considerando os valores da função dielétrica ε20 (azul claro) e ε40
(azul escuro). Painel esquerdo: interações intermoleculares detalhadas entre os resíduos
PD-1 / PEM-HC. As linhas tracejadas em marinho (azul claro) (amarelo) representam
ligações de hidrogênio diretas (não convencionais) (mediadas por água). As pontes de sal
são representadas em linhas roxas, enquanto as linhas verdes (trigo) (vermelho escuro)
representam interações σ-π (π-cation) (π-π). As interações eletrostáticas são
representadas pelas linhas laranja (TAVARES et al., 2021).
viii

o Figura 3.5: Painel gráfico descrevendo as interações mais relevantes envolvendo os
resíduos da cadeialeve do fármaco pembrolizumab Y34LC, Y36LC, Y53LC, Y57LC, E59LC,
E95LC, R96LC e D97LC (TAVARES et al., 2018).

o Figura 3.6: Interações intermoleculares dos resíduos da cadeia leve do pembrolizumab
(PEM-LC) mais energéticos. (a) Interação do resíduo Y36LC com os resíduos mais
relevantes do receptor PD-1. (b) O mesmo para os resíduos E59LC e S95LC. As linhas
tracejadas em azul claro (roxo) (marinho) representam ligações de hidrogênio diretas
(hidrogênio não convencionais) (mediadas por água) (TAVARES et al., 2018).

o Figura 3.7: Painel direito: estrutura gráfica mostrando as energias de interação detalhadas
dos resíduos PD-1: (a) S62PD, F63PD e V64PD; (b) P83PD, E84PD, R86PD e S87PD; (c) L128PD
e K131PD, com os resíduos do fármaco imuno-oncológico pembrolizumabe (LC),
considerando os valores da função dielétrica ε20 (verde claro) e ε40 (verde escuro). Painel
esquerdo: interações intermoleculares detalhadas entre os resíduos PD-1/PEM-LC. As
linhas tracejadas em marinho (azul claro) (amarelo) representam ligações de hidrogênio
diretas (não convencionais) (mediadas por água). As pontes de sal são representadas em
linhas roxas, enquanto as linhas verdes (trigo) (vermelho escuro) representam interações
σ-π (π-cation) (π-π). As interações eletrostáticas são representadas pelas linhas laranja
(TAVARES et al., 2021).

o Figura 3.8: As iso-superfícies do potencial eletrostático devido a densidade eletrônica de
alguns resíduos do fármaco pembrolizumab que interagem com os resíduos mais atrativos
do receptor PD-1 (TAVARES et al., 2018).

Capítulo 4:

o Figura 4.1: Painel direito: estrutura gráfica mostrando as energias de interação detalhadas
dos resíduos PD-1: (a) P28PD, D29PD e R30PD; (b) A129PD, P130PD, e K131PD, com os
resíduos do fármaco imuno-oncológico nivolumab (HC), considerando os valores da função
dielétrica ε20 (violeta claro) e ε40 (violeta escuro). Painel esquerdo: interações
intermoleculares detalhadas entre os resíduos PD-1 / NIV-HC. As linhas tracejadas em
marinho (azul claro) (amarelo) representam ligações de hidrogênio diretas (não
convencionais) (mediadas por água). As pontes de sal são representadas em linhas roxas,
enquanto as linhas verdes (trigo) (vermelho escuro) (cinza) (rosa claro) representam
interações π-alkyl (π-cation) (π-π) (σ-π) e (amido-π). As interações eletrostáticas são
representadas pelas linhas laranja (TAVARES et al., 2021).

o Figura 4.2: Painel direito: estrutura gráfica mostrando as energias de interação detalhadas
dos resíduos PD-1: A129PD, P130PD, K131PD e A132PD com os resíduos do fármaco imuno-
oncológico nivolumab (LC), considerando valores da função dielétrica ε20 (laranja claro) e
ε40 (laranja escuro). Painel esquerdo: interações intermoleculares detalhadas entre os
resíduos PD-1 / NIV-LC. As linhas tracejadas em marinho (azul claro) (amarelo)
representam ligações de hidrogênio diretas (não convencionais) (mediadas por água). As
pontes de sal são representadas em linhas roxas, enquanto as linhas verdes (trigo)
(vermelho escuro) representam interações π-alkyl (π-cation) (π-π). As interações
eletrostáticas são representadas pelas linhas laranja (TAVARES et al., 2021).

o Figura 4.3: Painel direito: resíduos de aminoácidos interagindo com o resíduo K131PD para
cada complexo do PD-1/ligante (PD-L1 e NIV). Painel esquerdo: interações detalhadas
mostrando as interações intermoleculares mais relevantes do resíduo K131PD considerando
as constantes dielétricas ε20 e ε40. (a) Interação do aminoácido K131PD com os resíduos
mais relevantes do PD-L1: V76L1, D73L1, N63L1 e Q66L1; (b) o mesmo para o sistema
formado com os aminoácidos do NIV: D50LC, Y49LC, L46LC, D101HC e D100HC. As linhas
tracejadas em azul (verde) (laranja) (vermelho) representam ligações de hidrogênio diretas
(não convencionais) (pontes de sal) (π-cation) (TAVARES et al., 2019).

o Figura 4.4: Painel direito: estrutura gráfica mostrando as energias de interação detalhadas
dos resíduos PD-1: (a) Y68PD e E84PD; (b) Q75PD, T76PD, D77PD e K78PD, com os resíduos
ix

do ligante PD-L1, considerando os valores da função dielétrica ε20 (amarelo claro) e ε40
(amarelo escuro). Painel esquerdo: interações intermoleculares detalhadas entre os
resíduos PD-1 / PD-L1. As linhas tracejadas em marinho (azul claro) representam ligações
de hidrogênio diretas (não convencionais). As pontes de sal são representadas em linhas
roxas, enquanto as linhas verdes (trigo) (vermelho escuro) representam interações π-alkyl
(π-cation) (π-π). As interações eletrostáticas são representadas pelas linhas laranja
(TAVARES et al., 2021).

Capítulo 5:

o Figura 5.1: Energia total de interação em função do raio r, variando de 0 a 8 Å, calculada
usando o funcional GGA B97D. Valores crescentes da constante dielétrica, a saber ε = ε20
= 20 (cor azul) e ε = ε40 = 40 (cor vermelha) foram considerados. Os resíduos mais atrativos
das regiões HC e LC do ipilimumab são destacados (TAVARES and ALBUQUERQUE,
2021).

o Figura 5.2: Sítio de ligação, energia de interação e painel gráfico de domínio de resíduos
mostrando os resíduos mais relevantes que contribuem para a ligação das regiões
determinantes de complementaridade de cadeia pesada (HC) HCDR1, HCDR2, HCDR3 do
fármaco ipilimumab em complexo com o ponto de verificação imuno-oncológico CTLA-4.
Observe a presença de moléculas de água em algumas interações de pares. Os valores da
constante dielétrica considerada aqui são rotulados em azul, para ε20 = 20, e vermelho,
para ε40 = 40 (TAVARES and ALBUQUERQUE, 2021).

o Figura 5.3: Interações intermoleculares destacando os principais resíduos da cadeia
pesada que contribuem para a energia de ligação do complexo CTLA-4/Ipilimumab (HC), a
saber: Thr33, Tyr53, Asn57, Ser52, Trp101, Tyr59, Leu102 e Ser31 (TAVARES and
ALBUQUERQUE, 2021).

o Figura 5.4: Painel gráfico mostrando os resíduos mais relevantes que contribuem para a
ligação das regiões determinantes de complementaridade da cadeia leve (LC) LCDR1,
LCDR2, LCDR3 do fármaco ipilimumab com a proteína de ponto de verificação imuno-
oncológica CTLA-4. As moléculas de água são apresentadas na maioria das interações de
pares. Constantes dielétricas são consideradas aqui rotuladas em azul, para ε20 = 20 e
vermelho, para ε40 = 40 (TAVARES and ALBUQUERQUE, 2021).

o Figure 5.5: Interações intermoleculares destacando os principais resíduos da cadeia leve
que contribuem para sua energia de ligação, a saber: Ser3, Tyr50, Ser54, Gly93, Ser94 e
Tyr33 (TAVARES and ALBUQUERQUE, 2021).

o Figura 5.6: Isosuperfícies do potencial eletrostático mostrando as densidades eletrônicas
projetadas para alguns amino-ácidos do fármaco ipilimumab interagindo com os resíduos
mais atrativos do receptor CTLA-4: a) cadeia leve (LC); b) cadeia pesada (HC) (TAVARES
and ALBUQUERQUE, 2021).

Capítulo 6:

o Figura 6.1: Espectros de absorção óptica em unidade arbitrária (a.u.) das drogas imuno-
oncológicas monoclonais pembrolizumab (a) e nivolumab (b) calculadas usando os
funcionais DFT-LDA/PWC (linha preta sólida), DFT-GGA/PBE (linha vermelha tracejada) e
DFT-GGA/BLYP (linha azul tracejada), respectivamente, com alargamento gaussiano de
5.00 nm (TAVARES and ALBUQUERQUE, 2022 A).

o Figura 6.2: Espectros do espalhamento Raman em unidade arbitrária (a.u.) do fármaco
imuno-oncológico pembrolizumab usando os funcionais (de cima para baixo) GGA/BLYP
(linha azul); GGA/PBE (linha vermelha); e LDA/PWC (linha preta), respectivamente,
considerando a faixa de números de onda compreendida entre 0 e 4.000 cm-1. As linhas
x

tracejadas mostram os picos de absorção de ressonância mais importantes (TAVARES and
ALBUQUERQUE, 2022 A).

o Figura 6.3: Espectros do espalhamento Raman em unidade arbitrária (a.u.) do fármaco
imuno-oncológico nivolumab usando os funcionais (de cima para baixo) GGA/BLYP (linha
azul); GGA/PBE (linha vermelha); e LDA/PWC (linha preta), respectivamente, considerando
a faixa de númerosde onda compreendida entre 0 e 4.000 cm-1. As linhas tracejadas
mostram os picos de absorção de ressonância mais importantes (TAVARES and
ALBUQUERQUE, 2022 A).

Capítulo 7:

o Figura 7.1: Representação esquemática dos fármacos anticâncer Cu(BpT)Br (a), NAMI-A
(b) e DOX (c), em complexo com a proteína HSA mostrando os resíduos mais relevantes
que contribuem para sua ligação (TAVARES and ALBUQUERQUE, 2022 B).

o Figura 7.2: Painel gráfico mostrando os resíduos mais relevantes que contribuem para a
ligação dos fármacos Cu(BpT)Br, NAMI-A, DOX em complexo com a proteína HSA.
Observe a presença de moléculas de água na interação de alguns pares. Consideramos a
constante dielétrica ε = ε20 = 20. As energias de ligação atrativas (repulsivas) são
representadas na cor azul (vermelha) (TAVARES and ALBUQUERQUE, 2022 B).

o Figura 7.3: A energia total de interação em função do raio r variando de 2 a 10 Å,
calculada usando o funcional GGA-B97D para todos os fármacos anticâncer aqui
considerados, a saber: Cu(BpT)Br (cor vermelha), NAMI-A (cor azul) e DOX (cor verde).
Também está representado o complexo multifármaco HSA / [Cu (BpT) Br - (NAMI-A) -
(DOX)] (cor preta) (TAVARES and ALBUQUERQUE, 2022 B).

o Figura 7.4: Energia de interação total do complexo multifármaco HSA/[Cu (BpT) Br -
(NAMI-A) - (DOX)] e HSA/drogas anticâncer isoladas Cu(BpT)Br, NAMI-A e DOX,
considerando r = 5.0 (cor verde), 7.5 (cor azul) e 10.0 (cor marrom) Å (TAVARES and
ALBUQUERQUE, 2022 B).

Capítulo 8:

o Figura 8.1: A biologia do câncer.

o Figura 8.2: Vencedores do prêmio Nobel de Fisiologia e Medicina em 2018.

o Figura 8.3: Esquema pictórico mostrando a inibição dos checking-points PD-1 e CTLA-4.

LISTA DE TABELAS

o Tabela 3.1: Energias de interação total (TIE - Total Interaction Energy) calculadas em
kcal/mol para valores da constante dielétrica ε20 e ε40, juntamente com o número de
pares de interação envolvidos, avaliados através do esquema MFCC-DFT para os
aminoácidos mais energéticos de: (a) receptor PD-1 interagindo com resíduos da
cadeia pesada de pembrolizumab (PEM-HC); (b) Cadeia pesada de pembrolizumab
(PEM-HC) interagindo com resíduos de PD-1 (TAVARES et al., 2021).

o Tabela 3.2: Energias de interação total (TIE - Total Interaction Energy) calculadas em
kcal/mol para valores da constante dielétrica ε20 e ε40, juntamente com o número de
pares de interação envolvidos, avaliados através do esquema MFCC-DFT para os
aminoácidos mais energéticos de: (a) receptor PD-1 interagindo com resíduos da
cadeia leve de pembrolizumab (PEM-LC); (b) Cadeia leve de pembrolizumab (PEM-LC)
interagindo com resíduos de PD-1 (TAVARES et al., 2021).

o Tabela 4.1: Energias de interação total (TIE - Total Interaction Energy) calculadas em
kcal/mol para valores da constante dielétrica ε20 e ε40, juntamente com o número de
pares de interação envolvidos, avaliados através do esquema MFCC-DFT para os
aminoácidos mais energéticos de: (a) receptor PD-1 interagindo com resíduos da
cadeia pesada do nivolumab (NIV-HC); (b) Cadeia pesada de nivolumab (NIV-HC)
interagindo com resíduos de PD-1(TAVARES et al., 2021).

o Tabela 4.2: Energias de interação total (TIE - Total Interaction Energy) calculadas em
kcal/mol para valores da constante dielétrica ε20 e ε40, juntamente com o número de
pares de interação envolvidos, avaliados através do esquema MFCC-DFT para os
aminoácidos mais energéticos de: (a) receptor PD-1 interagindo com resíduos da
cadeia leve do nivolumab (NIV-LC); (b) Cadeia leve de nivolumab (NIV-LC) interagindo
com resíduos de PD-1(TAVARES et al., 2021).

o Tabela 4.3: Energias de interação total (TIE - Total Interaction Energy) calculadas em
kcal/mol para valores da constante dielétrica ε20 e ε40, juntamente com o número de
pares de interação envolvidos, avaliados através do esquema MFCC-DFT para os
aminoácidos mais energéticos de: (a) receptor PD-1 interagindo com resíduos do
ligante PD-L1); (b) Ligante PD-L1 interagindo com resíduos de PD-1 (TAVARES et al.,
2021).

o Tabela 6.1: Principais modos Raman ativos do fármaco imuno-oncológico
pembrolizumab (TAVARES and ALBUQUERQUE, 2022 A).

o Tabela 6.2: Principais modos Raman ativos do fármaco imuno-oncológico nivolumab
(TAVARES and ALBUQUERQUE, 2022 A).

xii

SUMÁRIO

CAPÍTULO 1: INTRODUÇÃO ...........................................................................1
1.1 Histórico ................................................................................................................. 1
1.2 A Modelagem Computacional ................................................................................ 4
1.3 O Câncer e a Imunoterapia .................................................................................... 8
1.4 Pesquisa e Desenvolvimento (P & D) de Fármacos .............................................. 9
1.5 Escopo da Tese ....................................................................................................11

CAPÍTULO 2: MATERIAIS E MÉTODOS .......................................................16
2.1 O Docking Molecular ............................................................................................. 16
2.2 Método Clássico: A Mecânica Molecular ............................................................... 17
2.3 Método Clássico: A Dinâmica Molecular ................................................................18
2.4 Ligações Químicas .................................................................................................19
2.4.1 Ligações Iônicas
2.4.2 Ligações Covalentes
2.4.3 Ligações de Van der Waals
2.4.4 Ligações de Hidrogênio
2.5 Método Quântico: O Método DFT (Density Functional Theory) ............................ 22
2.5.1 A Densidade Eletrônica
2.5.2 Os Teoremas de Hohenberg-Kohn
2.5.3 O Método de Kohn-Sham
2.5.4 O Funcional de Troca-Correlação
2.6 O Método de Fracionamento Molecular com Caps Conjugados ........................... 27
2.7 Fármacos Imuno-Oncológicos ............................................................................... 28
2.7.1 O Fármaco Pembrolizumab (PEM)
2.7.2 O Fármaco Nivolumab (NIV)
2.7.3 O Fármaco Ipilimumab (IPI)
2.8 Fármacos Oncológicos Ligados à Albumina Humana........................................... 33
2.9 Energias de Ligação dos Complexos Bioquímicos ............................................... 35

CAPÍTULO 3: INIBIÇÃO DA PROTEÍNA PD-1 PELO FÁRMACO IMUNO-
ONCOLÓGICO PEMBROLIZUMAB .............................................................. 37

3.1 Introdução ..............................................................................................................37
3.2 Resultados e Discussões ...................................................................................... 39
3.2.1 Superfície de reconhecimento PD-1/Pembrolizumab
3.2.1 Energia de interação do receptor PD-1/Pembrolizumab (HC)
3.2.3 Energia de interação do receptor PD-1/Pembrolizumab (LC)
3.3 Conclusões ............................................................................................................ 50

CAPÍTULO 4: INIBIÇÃO DA PROTEÍNA PD-1 PELO FÁRMACO IMUNO-
ONCOLÓGICO NIVOLUMAB ........................................................................ 52

4.1 Introdução ..............................................................................................................52
4.2 Resultados e Discussões ...................................................................................... 53
4.2.1 Superfície de reconhecimento PD-1/Nivolumab
4.2.2 Superfície de reconhecimento PD-1/PD-L1
4.3 Conclusões ........................................................................................................... 62

xiii

CAPÍTULO 5: INIBIÇÃO DA PROTEÍNA CTLA-4 PELO FÁRMACO IMUNO-
ONCOLÓGICO IPILIMUMAB ........................................................................64

5.1 Introdução ............................................................................................................. 64
5.2 Resultados e Discussões ...................................................................................... 67
5.2.1 Energia de interação do receptor CTLA-4/Ipilimumab (HC)
5.2.2 Energia de interação do receptor CTLA-4/Ipilimumab (LC)
5.2.3 Iso-superfícies do potencial eletrostático
5.3 Conclusões ............................................................................................................ 74

CAPÍTULO 6: PROPRIEDADES VIBRACIONAIS DE FÁRMACOS IMUNO-
ONCOLÓGICOS ............................................................................................. 76

6.1 Introdução ..............................................................................................................76
6.2 Resultados e Discussões ...................................................................................... 77
6.2.1 Espectros de absorção óptica
6.2.2 Espectro Raman
6.3 Conclusões ............................................................................................................ 84

CAPÍTULO 7: INIBIÇÃO DO CÂNCER DE MAMA POR FÁRMACOS
ONCOLÓGICOS LIGADAS À ALBUMINA HUMANA .................................... 86

7.1 Introdução ..............................................................................................................86
7.2 Resultados e Discussões ...................................................................................... 88
7.2.1 Considerações gerais
7.2.2 Energia de interação do receptor HSA/Fármacos oncológicos individuais
7.2.3 Energia de interação do receptor HSA/Complexo Multi-fármaco
7.3 Conclusões ............................................................................................................ 94

CAPÍTULO 8: PERSPECTIVAS FUTURAS .................................................. 96

REFERÊNCIAS ............................................................................................ 100

ANEXO 1 ....................................................................................................... 105

ANEXO 2 ...................................................................................................... 112

CAPÍTULO 1: INTRODUÇÃO

Neste capítulo vamos introduzir a nossa Tese de Doutorado baseada no que está
sendo considerado uma das grandes revoluções tecnológicas do século XXI: a
NanoBioTecnologia. Tentaremos descrever como esta nova ciência está
transformando, entre outras coisas, a pesquisa, o desenvolvimento e a entrega de
fármacos, com grandes consequências no mundo em que vivemos. Além disso,
pretendemos mostrar como esta tese de doutorado, versando sobre inibição do
câncer utilizando a imunoterapia através de uma modelagem computacional ou
experimentação in silico, está organizada.

1.1 Histórico

O século XX iniciou-se com a Física dominando o panorama das ciências. A
publicação, no período entre 1905 e 1930, das teorias básicas da Relatividade
Especial e Geral (EINSTEIN, 1905,1916) e da Física Quântica (BORN and
HEISENBERG, 1925; SCHRÖDINGER, 1926; HEISENBERG, 1927; DIRAC,
1925,1926,1927,1928) definiu o limite do conhecimento da época. O mundo ficou
dividido em duas partes: o macroscópico e o microscópico, colocando por terra a
convicção de que seria regido por um único conjunto de leis, em todas as escalas e
grandezas, como o apregoado pela Física Clássica Newtoniana do século XIX.
Aparentemente tudo estava resolvido, a menos de uma pergunta fundamental: qual
é o segredo da vida?

Foi neste ambiente que surgiu o livro "What is Life? - O que é Vida”?
(SCHRÖDINGER, 1944). Nele, foi sugerido que a vida poderia ser concebida em
termos da armazenagem e transmissão de informações biológicas confinadas em
uma estrutura molecular, em contraponto dela depender de algo espiritual.
Extrapolando, foi especulado que a compreensão do que era “vida” poderia nos
levar para além das leis correntes da ciência contemporânea, em que pese as suas
investigações e conclusões. O livro teve grande repercussão e estimulou a busca
por um "código da vida", tão perfeito a ponto de transmitir a exuberância do mundo
vivo.

Na época, acreditava-se que eram as proteínas, com a sua estrutura composta de
20 aminoácidos, os verdadeiros portadores das instruções genéticas. Quando, em
1944, o grupo de pesquisa liderado pelo bacteriologista americano O. Avery (AVERY
et al., 1944) descobriu que era a molécula do DNA (e não as proteínas) a
responsável pela informação genética, teve então início uma grande corrida para
decifrá-la.

O seu ápice ocorreu em uma manhã de sábado, 23 de fevereiro de 1953, quando
James D. Watson (biólogo americano) e Francis H.C. Crick (físico inglês), no
Laboratório Cavendish da Universidade de Cambridge (Inglaterra), descreveram a
estrutura tipo dupla hélice da molécula do DNA, descoberta que daria novos rumos à
ciência.

No dia 25 de abril daquele ano, a revista inglesa Nature publicou o artigo de Watson
e Crick intitulado “Molecular Structure of Nucleic Acids” (WATSON and CRICK,
1953) junto com dois outros trabalhos experimentais desenvolvidos no King's
2

College de Londres (Inglaterra) dando suporte ao mesmo (WILKINS et al., 1953;
FRANKLIN and GOSLING, 1953), comunicando à comunidade científica mundial a
descoberta da estrutura molecular da molécula da vida (como a molécula do DNA
passou a ser conhecida).

O trabalho descrevia a estrutura do DNA como uma longa molécula constituída por
duas fitas enroladas em torno de seu próprio eixo, como se fosse uma escada do
tipo caracol. Cada degrau desta escada é formado pelo emparelhamento das bases
nitrogenadas, que se ligam sempre da mesma forma: a timina (T) sempre se fixa à
adenina (A) e a guanina (G) à citosina (C), tendo o esqueleto açúcar-fosfato como o
seu corrimão (ver a Fig. 1.1).

Figura 1.1: A estrutura molecular do DNA (www.significados.com.br).

Os fatos desta época encontram-se magistralmente narrados nos livros
autobiográficos de três cientistas envolvidos nesta descoberta fundamental
(WATSON, 1969; CRICK, 1988; WILKINS, 2003). Por esta descoberta, Crick,
Watson e Wilkins dividiram o Prêmio Nobel em Fisiologia ou Medicina de 1962.
Rosalind Franklin, também provável ganhadora do prêmio, faleceu em 1958.

A partir daí, a imagem da dupla hélice marcou o imaginário popular tornando-se um
dos ícones da virada do milênio, assim como a do átomo de Rutherford impregnou a
cultura de massas no início do século XX (ver Fig. 1.2).

(a) (b)

Figura 1.2: Ícones do século XX: (a) a molécula do DNA (www.dnacibernetico.blogspot.com); (b) o
átomo de Rutherford (www.timetoast.com).
3

Mais do que construir um modelo elegante, que se revelaria correto em quase todos
os detalhes, Watson e Crick abriram as portas de uma nova área de pesquisa, que
ficaria conhecida como Biologia Molecular, e que atingiria seu clímax no Projeto
Genoma Humano.

A estrutura tridimensional da molécula de DNA deu nova motivação à comunidade
científica, mas a dimensão e a importância do feito não foram reconhecidas de
imediato pelos pesquisadores da época. Era muito difícil imaginar que informações
tão diferentes, como as que caracterizam um ser humano, pudessem estar
codificadas na molécula do DNA, dada a sua simplicidade topológica. Mais difícil
ainda era imaginar como essa informação poderia ser duplicada e transmitida de
uma geração a outra.

Isto demorou mais de uma década para ser desvendado, até que em 1970 em um
artigo seminal na Nature (CRICK, 1970), foi estabelecido o chamado "Dogma
Central da Biologia Molecular”, ou seja, o fluxo de informação vai unilateralmente do
DNA para a proteína via os chamados RNA mensageiros (Fig. 1.3). Em seguida, por
meio da tecnologia do DNA recombinante, permitiu-se que se isolassem os
fragmentos de DNA quecontêm os genes, para posteriormente transferi-los de um
organismo para outro.

Figura 1.3: Visão pictórica do Dogma Central da Biologia Molecular (www.medium.com).

Surgiram os primeiros organismos geneticamente modificados com genes inseridos
de maneira cirúrgica. Toda a coleção de genes de um organismo (o genoma) foi
determinada, culminando com a decifração do seu sequenciamento completo,
abrindo inúmeras possibilidades para o melhoramento da saúde e do bem-estar dos
seres humanos.

Graças ao conhecimento da estrutura do DNA e ao posterior desenvolvimento da
biologia molecular, hoje a medicina vislumbra, por meio da terapia gênica, a
possibilidade da geração de novas técnicas terapêuticas e tratamentos para
doenças até então consideradas incuráveis.

Contribuições importantes para o estudo das estruturas de proteínas e enzimas
foram também desenvolvidas na época. Em 1949, a sequência exata de
aminoácidos contida na molécula da insulina, a chamada estrutura primária, foi
obtida pelo biólogo britânico Frederick Sanger em Cambridge-UK (SANGER, 1949).
Alguns anos depois, L. Pauling e seu grupo no Caltech-USA determinaram a
estrutura de uma proteína como uma sequência de aminoácidos em ligação
peptídica (PAULING et al., 1951).
4

Em 1964, Dorothy Hodgkin determinou a conformação espacial da insulina mediante
estudos de difração de raios-X em Oxford-UK (HODGKIN, 1964). A hemoglobina e a
mioglobina foram as primeiras proteínas a terem suas estruturas tridimensionais
determinadas em alta resolução por Perutz (PERUTZ et al., 1951) e Kendrew
(KENDREW et al., 1958) respectivamente, na década de 50 em Cambridge-UK. Em
1965, foi determinada a estrutura tridimensional da primeira enzima, a lisozima, por
Blake (BLAKE et al., 1965) em Harvard-USA.

A partir destes estudos um grande número de proteínas e outras moléculas
biológicas foram caracterizadas. As estruturas resolvidas são geralmente
acrescentadas ao Protein Data Bank (PDB), um recurso disponível gratuitamente
que permite consultar os dados estruturais de milhares de proteínas.

Conhece-se um número muito maior de sequências genéticas do que de estruturas
proteicas. Além disso, o conjunto de estruturas resolvidas tende a focar-se naquelas
que podem ser facilmente adequadas às condicionantes da cristalografia de raios X.
As proteínas globulares, em particular, são as mais fáceis de preparar para a
cristalografia de raios X, enquanto as proteínas com membranas são difíceis de
cristalizar e comparativamente pouco representadas no PDB.

Existem ainda métodos de previsão de estruturas proteicas que tentam fornecer algo
plausível para proteínas cujos estudos cristalográficos ainda não foram conclusivos
experimentalmente. Atualmente, existem disponíveis mais de 91.000 estruturas
tridimensionais de proteínas, pouco mais de 2.600 estruturas de DNA e RNA, e
cerca de 4.600 estruturas de proteínas complexadas a ácidos nucléicos no banco de
dados de proteínas RCSB-PDB (BERMAN, 2000).

1.2 A Modelagem Computacional

Métodos experimentais têm sido desenvolvidos para investigar as propriedades
dinâmicas das proteínas. Embora estudos experimentais possam revelar os pontos
finais associados a transições conformacionais, estes métodos geralmente não têm
acesso a informações estruturais do caminho entre os pontos inicial e final.

Tal informação pode ser acessível através de modelagem computacional, também
conhecida como experimentação in silico. Os estudos computacionais podem
ampliar o conhecimento fornecendo informações a nível atômico sobre a dinâmica
das proteínas, como também de outras biomoléculas, indo além do que é acessível
aos dados experimentais.

A modelagem computacional pode ser usada para investigar a energia associada
com alterações tanto na estrutura conformacional quanto química. Atualmente, a
modelagem computacional está sendo utilizada para facilitar a determinação
experimental de estruturas macromoleculares auxiliando no refinamento da estrutura
tanto em dados de ressonância magnética nuclear (RMN) quanto de raios-X (RX),
podendo ser aplicada também em situações em que as estruturas determinadas
experimentalmente não estão disponíveis.

A modelagem computacional representa atualmente um dos mais importantes
avanços na pesquisa e desenvolvimento de novos fármacos. Ela é uma ferramenta
essencial para a investigação e compreensão das propriedades de sistemas
nanométricos, no refinamento/construção de novas moléculas com potencial
farmacológico, e na compreensão das interações moleculares que ocorrem em
sistemas biológicos.

Ela também possibilita a mudança da estrutura de um medicamento para melhorar
as propriedades farmacológicas, bem como a identificação de novos compostos.
Este último pode ser realizado a partir da identificação de compostos com elevado
potencial para a atividade através dos bancos de dados disponíveis de compostos
químicos. A utilização de um novo fármaco que tenha estrutura química semelhante
também é bastante utilizada, construindo-se ligantes totalmente inéditos para os
sítios de ligação na biomolécula alvo.

Além de ajudar no design de compostos que se ligam a moléculas específicas, a
modelagem computacional oferece a possibilidade de melhorar a capacidade de
otimização de medicamentos para acessar os seus sítios alvo no organismo. Ela
permite a obtenção de informações, como as propriedades específicas de um
composto, que podem influenciar na interação com seu receptor.

Em estudos farmacológicos, é de fundamental importância conhecer
detalhadamente os princípios pelos quais os alvos moleculares reconhecem,
interagem e se associam com as moléculas ativadoras ou inibidoras. Como
consequência, há um grande investimento em métodos e ferramentas
computacionais usados para modelar os processos envolvidos nessas interações,
visando aprimorar suas características e contribuindo para uma maior relevância
farmacêutica.

Neste sentido, os métodos computacionais têm sido usados para prever, com a
maior precisão possível nos cálculos, a afinidade da interação receptor-ligante, na
medida em que novas estruturas vão sendo reveladas. Esses cálculos, são parte
importante nos projetos de descoberta e desenvolvimento de novas drogas.

Uma das mais importantes aplicações da modelagem computacional se deu na área
da nanoeletrônica (ALBUQUERQUE et al., 2014A; 2014B). Diferentemente das
proteínas, o transporte de cargas na molécula do DNA, bem como a sua
empregabilidade como um potencial dispositivo nanoeletrônico molecular não pode
depender apenas da transferência de longo-alcance destes portadores de carga
através da molécula (ALBUQUERQUE et al., 2005; DE MOURA et al., 2008;
SARMENTO et al., 2009).
A razão para isto baseia-se no mecanismo propriamente dito: ele falha ao explicar a
persistência da eficiência dos transportadores de cargas quando as taxas de
transferência não diminuem rapidamente com a distância. No entanto, o arranjo π
dos pares das bases nitrogenadas, aqui considerado como uma sequência simbólica
das cinco letras (A, T, G, C, U) relacionadas aos diferentes nucleotídeos (Adenina,
Timina, Guanina, Citosina e Uracila), respectivamente, revela o caminho apropriado
para o transporte de cargas de longo-alcance, responsável pela determinação
precisa da condutividade eletrônica nestes sistemas, a despeito de que o
6

mecanismo de transferência de curto-alcance possa ser completamente diferente
(BEZERRIL et al., 2009; MAIA Jr. et al., 2011; OLIVEIRA et al., 2014).
Esses avanços têm permitido que estudos computacionais de processos
bioquímicos sejam realizados com maior precisão e em condições que permitem a
comparação direta com estudos experimentais. Logo, muitas das operações que
antes eram de competência exclusiva dos especialistas nos grandes laboratórios de
pesquisa médica/farmacêutica através de processos in vitro e in vivo, agora podem
ser realizadas com pequeno custofinanceiro e curta demanda de tempo através de
experimentos in silico (ALBUQUERQUE et al., 2006).

A combinação desses avanços com a evolução do poder computacional tanto do
ponto de vista de hardware quanto do desenvolvimento de algoritmos (softwares), e
níveis teóricos/computacionais cada vez mais robustos, contribuíram para a
expansão da aplicabilidade de métodos computacionais para biomoléculas.

1.3 O Câncer e a Imunoterapia

Câncer é um crescimento descontrolado de células de um tecido que invadem e
fazem a metástase, destruindo, localmente e à distância, outros tecidos do
organismo. Em outras palavras, câncer é o termo que se emprega para definir um
grupo de enfermidades com um denominador comum: a transformação da célula
normal em outra que se comporta de maneira muito perigosa para o corpo humano
(HESKETH, 2013; PERCOLINO, 2016).

Os diferentes tipos de câncer correspondem aos vários tipos de células do corpo
humano. Por exemplo, existem diversos tipos de câncer de pele porque a pele é
formada por mais de um tipo de célula. Se o câncer tem início em tecidos epiteliais
como pele ou mucosas ele é denominado carcinoma. Se começa em tecidos
conjuntivos como osso, músculo ou cartilagem é chamado de sarcoma. A palavra
neoplasia é também utilizada nesse contexto mas esta, assim como a definição
tumor, pode significar uma série de afecções benignas (HOLLEB, 1986).

O câncer surge quando, por algum motivo, ocorre um erro na duplicação das células
do corpo, dando origem a uma célula cancerosa. Com o DNA danificado, ela passa
a se multiplicar fora de controle. Essas células podem enganar o sistema
imunológico para que ele pense que elas não representam ameaça. Assim, são
capazes de desligar a resposta imune que poderia destruí-las.

Conhecer profundamente os mecanismos das células tumorais e como elas agem
no organismo permite o desenvolvimento de medicações para o tratamento do
câncer. Baseado neste princípio, atualmente novos tipos de condutas terapêuticas
estão sendo desenvolvidos, como a imunoterapia (SHARMA and ALLISON, 2015).
Há várias décadas, a medicina vem buscando maneiras de usar nosso próprio
sistema imunológico para enfrentar doenças. Nos últimos anos, no entanto, novas
descobertas fizeram com que essa estratégia de tratamento, a imunoterapia,
finalmente apresentasse animadores resultados contra o câncer (ROSENBERG,
2004).
7

O objetivo da imunoterapia é ensinar o sistema imunológico a reconhecer o tumor
como algo a ser combatido e, assim, reduzir os mecanismos de resistência da célula
tumoral. As reações imunológicas podem ser resultado da interação antígeno-
anticorpo ou dos mecanismos envolvidos na imunidade mediada por células. Com a
imunoterapia, o sonho de tantas décadas da medicina — usar o nosso próprio
sistema imunológico para combater doenças — torna-se realidade.

A produção de anticorpos está relacionada com as células ou linfócitos B,
enquanto que a imunidade mediada por células se relaciona com as células ou
linfócitos T. Esses mediadores podem ser classificados como fatores auxiliares,
supressores, reguladores do crescimento e citotóxicos.

No entanto, passaram-se mais de um século para os cientistas aprenderem a
aproveitar o sistema imunológico para combater o câncer. Entre as décadas de 1980
e 1990, quando passou a ser utilizado no tratamento de melanoma e tumores renais,
os medicamentos de imunoterapia disponíveis (interferon e interleucina-2) eram
indicados para poucos pacientes devido aos efeitos colaterais provocados. Novas
pesquisas, contudo, proporcionaram terapias menos tóxicas e mais eficazes.

Teoricamente, por não se tratar de uma ação direta da medicação no tumor, mas
sobre o sistema imunológico do paciente, a imunoterapia pode ser aplicada para
vários tipos de câncer. Publicações recentes demonstram sucessos importantes
dessa estratégia em tumores de pulmão, além de ser objetos de estudos em
diversos outros tipos de câncer, como estômago, bexiga e linfoma.

Várias estratégias para conseguir isso foram testadas, até se perceber que a
abordagem de bloqueio dos pontos de controle imunes (imune checking points) foi
particularmente eficaz contra uma série de diferentes tipos de câncer. Os pontos de
controle imunológico são proteínas especializadas que atuam como freios no
sistema imunológico, assegurando que as defesas imunológicas estão envolvidas
somente quando são necessárias e durante o tempo que forem necessárias. Eles
impedem o sistema imunológico de se tornar super-ativo, o que pode levar a
inflamações excessivas ou ao aparecimento de doenças autoimunes.

Os tratamentos contra o câncer, baseados nos inibidores de ponto de controle
imunológico, desencadeiam o sistema imunológico para atacar as células
cancerígenas. Desde os primeiros relatórios, ligados ao combate ao câncer de pele
(melanoma) em 2011, as pesquisas nesta área têm se desenvolvido em um ritmo
impressionante. Pictoricamente, as Figs. 1.4 e 1.5 mostram como o processo é
realizado, ativando e desativando o nosso sistema imune.

O Prêmio Nobel de Medicina de 2018 foi atribuído a dois cientistas, o americano J.
P. Allison e o japonês T. Honjo, pela descoberta da imuno-oncologia através do
estudo de duas proteínas, a CTLA-4 (Cytotoxic T-Lymphocyte-Associated Protein 4)
e a PD-1 (Programmed cell death protein 1) que paralisam o sistema imune do
paciente quando acopladas aos seus respectivos ligantes CD80/CD86 e PD-L1,
respectivamente.

Vários tratamentos estão sendo desenvolvidos pela indústria farmacêutica com o
objetivo de estimular a resposta imunológica contra as células malignas. As drogas
8

imune-oncológicas retiram esse bloqueio do sistema imunológico ao se acoplarem
aos seus respectivos receptores (CTLA-4 e PD-1) e recuperam o poder de ataque
dos linfócitos que estariam paralisados caso os receptores PD-1 estivessem
acoplados ao ligante PD-L1 da célula tumoral, ou alternativamente, caso o receptor
CTLA-4 estivesse acoplado ao ligante CD80/86 da célula tumoral. Poucas drogas
foram aprovadas em oncologia com essa finalidade. Dentre elas, os fármacos
imune-oncológicos pembrolizumab, nivolumab (anti PD-1) e ipilimumab (anti CTLA-
4), objetos de estudo desta tese de doutorado, estão apresentando resultados
animadores e impressionantes, demonstrando um grande potencial para tornar-se
uma mudança de paradigma na terapia contra o câncer.

Figura 1.4: Quando uma célula cancerígena encontra uma célula imune, a interação entre o seu
complexo principal de histocompatibilidade MHC e as moléculas receptoras da célula imune (TCR)
ativa a célula T. No entanto, ao mesmo tempo a proteína de controle PD-L1 na célula cancerígena se
liga ao receptor de ponto de controle PD-1 na célula T, desativando o sistema imune do paciente.

Figura 1.5: Novas terapias de inibidores de controle imunológico impedem que a proteína de controle
da célula cancerígena PD-L1 se ligue ao receptor de controle PD-1 da célula T. Isso permite que a
interação MHC e TCR ative a célula T desencadeando o sistema imunológico para atacar o câncer.

Resultados de estudos clínicos confirmaram que a imunoterapia, classificada de
Avanço do Ano pela revista Science, em 2013 (Fig. 1.7), pode fazer com que
pacientes em estágio avançado de câncer sobrevivam por mais tempo do que se
esperava – em alguns casos, até mesmo erradicando a doença.

Figura 1.6: Ligação da proteína de controle cluster of differentiation CD80 da célula cancerígena ao
receptor CTLA-4 do linfócito T, assim como do ligante PD-L1 ao receptor PD-1 da célula T.

A ação do fármaco é combater a inibição da resposta imunológica contra o tumor,
reforçando o sistema de defesa do paciente e permitindo que o organismo
reconheça e ataque apenas as células cancerosas de forma mais eficiente. A
resposta que se espera é que haja uma restauração da capacidade do sistema
imunológico defender-se do câncer, reduzindo o tumore bloqueando a sua
evolução. A imunoterapia muda o ambiente que estava confortável para a célula
tumoral, de forma que o tumor não cresça e se espalhe (ver Fig. 1.8).

Figura 1.7: Capa da revista Science de fevereiro de 2013.

Apesar dos desafios e da imensa falta de informação, o que mais as pessoas e
pacientes esperam é a chegada dos avanços científicos e que estes estejam
acessíveis. Cabe a nós pensarmos juntos como faremos para que esses avanços
estejam disponíveis a preços razoáveis a todos que podem deles se beneficiar.

Figura 1.8: Células de defesa em verde envolvem e evitam um “invasor” de atuar no sistema
imunológico.

1.4 Pesquisa e Desenvolvimento (P&D) de Fármacos

Nos últimos anos, a descoberta de novas drogas tem levado a um progresso
acelerado na luta contra muitas doenças. O uso adequado de medicamentos causa
enorme impacto sobre a melhoria da qualidade de vida da população,

a) aumentando a expectativa de vida;
b) tratando ou retardando a progressão da doença;
c) diminuindo o número de complicações e internações/cirurgias;
d) prevenindo doenças;
e) reduzindo os efeitos colaterais.

Para que um medicamento chegue ao mercado ele deve passar por um longo
processo que consome tempo e custo financeiro. Os riscos do setor de pesquisa e
desenvolvimento de fármacos são altos devido, principalmente, aos investimentos
elevados. A linha do tempo de um medicamento é, portanto, um processo longo e
oneroso, como mostra a Fig. 1.9.

Figura 1.9: A linha do tempo de um medicamento (www.marajoeconomics.blogspot.com).

O processo de pesquisa e desenvolvimento de novos fármacos pode ser dividido em
quatro estágios:

a) estágio 1: a descoberta do fármaco.
A fase de descoberta pode durar de 2 a 4 anos e envolve 5.000 a 10.000
compostos, a identificação do novo alvo terapêutico, a síntese, o screening da
atividade farmacológica, a busca do composto líder e a sua otimização. Estima-
se que 90% dos produtos oriundos destas investigações resultem em frustrações.

b) estágio 2: estudos pré-clínicos em laboratórios e em animais.
Durante o segundo estágio, ocorrem os estudos pré-clínicos onde são realizados
os testes in vitro e in vivo que podem durar até 2 anos com a avaliação de cerca
de 250 compostos.

c) estágio 3: estudos clínicos em seres humanos.
Em seguida à obtenção dos resultados dos estudos pré-clínicos inicia-se o
estágio 3, os estudos clínicos que podem durar de 6 a 7 anos iniciando com 5
compostos e 20-100 voluntários na fase I, 100-500 voluntários na fase II e,
finalmente, 1.000-5.000 voluntários na fase III sendo conduzidos para avaliar a
segurança clínica e a eficácia do composto líder.

d) estágio 4: fármaco-vigilância com a aprovação do governo e a entrada no
mercado consumidor.
O estágio 4 é a fase de registro e pode levar de 1 a 2 anos. Neste estágio, todos
os dados da pesquisa são avaliados para que o medicamento obtenha o seu
registro nos órgãos competentes.

Os modelos tradicionais de pesquisa e desenvolvimento (P&D) de fármacos estão
progressivamente sendo melhorados com o auxílio da modelagem molecular e da
nanotecnologia atuando em caráter multi- e inter-disciplinar. Neste contexto, a
modelagem molecular associada a nanotecnologia ajuda a desenvolver/modificar
fármacos com formulações otimizadas como, por exemplo, aumentando sua
solubilidade e bioavaliabilidade, ao mesmo tempo que reduzindo a sua toxicidade e
efeitos colaterais (THORLEY and TETLEY, 2013; DEVALAPALLY et al., 2007).

1.5 Escopo da Tese

Na presente tese, utilizamos métodos da química quântica e da dinâmica molecular
clássica para estudarmos, utilizando uma modelagem computacional ou
experimentação in silico, a inibição do câncer por meio de técnicas e fármacos de
imunoterapia.

Ela está organizada em oito Capítulos e dois Anexos, a saber:

O Capítulo 1, apresenta uma breve introdução à Nanobiotecnologia e a modelagem
computacional relacionados ao design de drogas de uma maneira geral, assim como
apresenta um breve histórico das descobertas que levaram ao seu desenvolvimento.
Descrevemos preliminarmente o câncer e o seu tratamento via imunoterapia, por
meio de uma discussão abrangente, desde a sua caracterização e diagnóstico até
as diversas formas de tratamento, enfatizando a falta de conhecimento das causas
da doença o que dificulta, consequentemente, a sua cura. Uma descrição sobre a
pesquisa e desenvolvimento de fármacos é também apresentada para ilustrar o
nosso estudo.
12

O Capítulo 2 apresenta os fundamentos teóricos/computacionais dos métodos
utilizados na determinação das propriedades conformacionais e estruturais do
complexo biológico abordado nesta tese. Primeiramente descrevemos a dinâmica
molecular clássica para um sistema de muitos átomos. Na sequência, apresentamos
os conceitos fundamentais ligados à teoria do funcional da densidade (Density
Functional Theory - DFT), com uma descrição detalhada do método Kohn-Sham,
assim como a descrição do funcional de troca e correlação eletrônica e suas
aproximações: Densidade Local (Local Density Approximation - LDA), Gradiente
generalizado (Generalized Gradient Approximation - GGA) e híbrido. Finalmente,
apresentamos uma breve discussão sobre o Método do Fracionamento Molecular
com Caps Conjugados (Molecular Fractional with Conjugate Caps - MFCC).

O Capítulo 3 apresenta o estudo da inibição do câncer usando a droga imuno-
oncológica pembrolizumab (PEM) baseada em uma modelagem computacional
quântica. Vários aspectos bioquímicos são analisados, principalmente àqueles
relacionados com os inibidores do ponto de controle imunológico PD-1 (imune
checking points) com resultados evidenciando um grande salto qualitativo para a
imunoterapia tornar-se uma mudança de padrão na terapia contra o câncer.
Ele é baseado nos artigos científicos:

o Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto, U.L. Fulco and E.L. Albuquerque
“Inhibition of the checkpoint protein PD-1 by the therapeutic antibody pembrolizumab outlined by
quantum chemistry”
Scientific Reports 8, 1840 (2018).
FI = 4.4

o Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto, U.L. Fulco and E.L. Albuquerque
“Blockade of the checkpoint PD-1 by the immuno-oncological drugs Pembrolizumab and
Nivolumab”
Physical Chemistry Chemical Physics 23, 21207-21217 (2021).
FI = 3.7

O Capítulo 4, investiga a interação entre a proteína de morte celular programada 1
(PD-1) com o ligante de morte celular programada 1 (PD-L1) e o medicamento
imuno-oncológico nivolumab (NIV), por meio de métodos da química quântica
baseados na Teoria do Funcional da Densidade (DFT) e no esquema de
fracionamento molecular com caps conjugados (MFCC). O nosso objetivo foi o de
ampliarmos o estudo anterior ligado a droga imuno-oncológica pembrolizumab
(PEM), mapeando as suas regiões de hot-spot. Nossos resultados mostraram que a
ordem de energia de interação total dos três complexos está de acordo com a ordem
de afinidade de ligação experimental: PD-1/PEM > PD-1/NIV > PD-1/PD-L1. Além
disso, uma investigação detalhada revelou a interação de pares resíduo-resíduo
energeticamente mais relevante para cada complexo. Nossos resultados
computacionais foram capazes de fornecer um melhor entendimento do mecanismo
de interação entre a proteína PD-1 e seus ligantes (naturais e inibidores),
desencadeando a vigilância imunológica para destruir as células cancerosas,
diminuindo sua evasão imunológica.
Ele é baseado nos artigos científicos:

o Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto, U.L. Fulco and E.L. Albuquerque
“A Quantum Biochemistry Approach to Investigate Checkpoint Inhibitors Drugs for Cancer”
New Journal of Chemistry 43, 7185-7189 (2019).
FI = 3.6
13

O Capitulo 5 investiga a inibição da proteína de checkpoint CTLA-4 (Cytotoxic T-
Lymphocyte-Associated Protein 4) pelo anticorpo monoclonal aprovado pelo US-
FDA, ipilimumab (IPI), proporcionando terapias inovadoras contra uma ampla gama
de doenças oncológicas. Apesar de muitas de suas propriedades estruturais já terem
sido investigadas, as características de energia de ligação do receptor CTLA-4 em
complexo com este fármaco imuno-oncológico, precisavam ainda de uma
compreensão mais profunda. Dentro deste contexto, com base em dados
cristalográficos e através do emprego da química quântica, investigamos in silico as
características de energia de ligação da proteína CTLA-4 em complexo com seu
inibidor de drogas (IPI), destacando as interações resíduo-resíduo mais relevantes,
em busca de novos insights sobre os mecanismos de inibição anti-oncológicas.
Nossos resultados computacionais não só forneceram uma boa compreensão dos
mecanismos de ligação, mas também apontaram para uma alternativa eficiente para
o desenvolvimento de drogas baseadas em anticorpos, levando a novos tratamentos
para a terapia do câncer baseada na imunoterapia.
Ele é baseado no artigo científico:

o Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“Quantum binding energies of the checkpoint CTLA-4 in complex with the immuno-oncological
drug ipilimumab”
Physical Chemistry Chemical Physics 23, 15620-627 (2021).
FI = 3.7

O Capitulo 6 discute novamente a inibição do receptor-1 de morte celular
programada (PD-1) e suas vias de ligantes PD-L1 e PD-L2 pelos anticorpos
monoclonais aprovados pelo FDA-USA, pembrolizumab e nivolumab, uma
importante questão em pesquisas clínicas. Embora muitas propriedades estruturais
dessas drogas já tivessem sido reveladas, apenas alguns estudos foram focados em
suas características vibracionais. Para preencher essa lacuna, neste capítulo
apresentamos cálculos de química quântica empregados para descrever os modos
energéticos de ligação dessas drogas de anticorpos, a fim de obter suas
propriedades vibracionais por meio de uma espectroscopia de espalhamento
Raman. A interpretação detalhada de suas frequências vibracionais harmônicas
também é apresentada, principalmente àqueles na faixa de 2.750 a 3.750 (1.200 a
1.750) cm-1 para o medicamento oncológico pembrolizumab (nivolumab). Os
resultados teóricos computacionais destas propriedades vibracionais são, não
apenas importantes e originais, mas podem também definir uma nova técnica viável
para melhorar as terapias do câncer.
Ele é baseado no artigo científico:

o Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“Vibration Properties of Immune-Oncological Drugs”
Journal of Raman Spectroscopy, 53, 715-723 (2022).
FI = 3.1

O Capitulo 7 investiga as ligações de três diferentes fármacos oncológicos, Cu
(BpT)Br, NAMI-A e doxorrubicina (DOX), amplamente utilizados no tratamento do
14

câncer de mama, à albumina sérica humana (HSA). Usando uma abordagem de
química quântica, baseada em um funcional de correlação de troca corrigido por
dispersão, foi possível identificar-se a magnitude das interações mais relevantes
desses complexos supramoleculares e, assim, orientar seu processo de modificação
molecular. Os dados obtidos neste capítulo mais uma vez destacaram o poder dos
cálculos quânticos como uma ferramenta importante para o processo de design de
fármacos, abrindo caminhos para o uso de interações HSA-ligante durante o projeto
racional de novos compostos anticâncer. Mais importante, nossos resultados
mostram que o complexo multifármaco HSA/{[Cu(BpT)Br] - (NAMI-A) - (DOX)}
aumenta a eficácia do fármaco em comparação com o uso isolado dos três
medicamentos oncológicos, de acordo com previsões in vivo.
Ele é baseado no artigo científico:

o Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“A Quantum Chemistry Approach of Breast Cancer Drugs Bound to Human Serum Albumin”
Advanced Theory and Simulations, 5, 2100464 (2022).
FI = 4.0

Por fim, no Capítulo 8, apresentamos as observações finais e perspectivas futuras
de novos trabalhos, seguindo a metodologia empregada nesta tese, enfatizando a
busca de novos conhecimentos nesta área que ajudam a melhorar os prognósticos
dos pacientes oncológicos. Entre os vários tratamentos e técnicas que estão sendo
atualmente desenvolvidos e investigados pela indústria farmacêutica, a pesquisa in
silico, como apresentada nesta tese, está desempenhando um papel importante com
bem menos custos financeiros e demanda de tempo quando comparada às técnicas
in vitro e in vivo.

O Anexo 1 contém abstracts dos trabalhos científicos, listados abaixo, apresentados
em congressos científicos internacionais:

1. E.L. Albuquerque, Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto, L.R. da Silva and U.L. Fulco,
“A quantum biochemistry investigation of cancer immunotherapy”,
American Society for Clinical Oncology – ASCO 2017
Chicago-IL, Estados Unidos, Junho de 2017.

2. Ana Beatriz M.L.A. Tavares, E.L. Albuquerque, J.X. Lima-Neto, L.R. da Silva and U.L. Fulco,
“A quantum biochemistry investigation of breast cancer by using immunotherapy technique”,
19th International Conference on Medical, Biological and Pharmaceutical Science
New York-NY, Estados Unidos, Junho de 2017.

3. E.L. Albuquerque, Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto and U.L. Fulco,
“Check Point Inhibitor Technique to Treat Breast Cancer”,
II International Conference on Cancer Research and Targeted Therapy (CRT 2017)
Miami-FL, Estados Unidos, Outubro de 2017.

4. E.L. Albuquerque, Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto and U.L. Fulco
“In silico approach to inhibit the check-point protein PD-1 by the monoclonal antibody nivolumab”
American Society for Clinical Oncology – ASCO 2018
Chicago-IL, Estados Unidos, Junho de 2018.

5. Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“A Quantum Biochemistry Investigation of the Immuno-oncological Drug Ipilimumab”
RSC Chemical Science Symposium
Cambridge, Inglaterra, Setembro de 2021.

6. Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“Quantum Simulation of Anticancer Drugs Bounded to the Human Serum Albumin”
RSC Chemical Biology Symposium
London, Inglaterra, Maio de 2022.

O Anexo 2 contém reprints dos trabalhos científicos baseados nesta tese de
doutorado:

1. Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto, U.L. Fulco and E.L. Albuquerque
“Inhibition of the checkpoint protein PD-1 by the therapeutic antibody pembrolizumab outlined by
quantum chemistry”
Scientific Reports 8, p.1840 (2018).
FI = 4.4

2. Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto, U.L. Fulco and E.L. Albuquerque
“A Quantum Biochemistry Approach to Investigate Checkpoint Inhibitors Drugs for Cancer”
New Journal of Chemistry 43, 7185-7189 (2019).
FI = 3.6

3. Ana Beatriz M.L.A. Tavares, J.X. Lima-Neto, U.L. Fulco and E.L. Albuquerque
“Blockade of the checkpoint PD-1 by the immuno-oncological drugs Pembrolizumab and
Nivolumab”
Physical Chemistry Chemical Physics 23, 21207 - 21217 (2021).
FI = 3.7

4. Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“Quantum binding energies of the checkpoint CTLA-4 in complex with the immuno-oncological
drug ipilimumab”
Physical Chemistry Chemical Physics 23, 15620–15627 (2021).
FI = 3.7

5. Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“Vibration Properties of Immune-Oncological Drugs”
Journal of Raman Spectroscopy, 53, 715-723 (2022).
FI = 3.1

6. Ana Beatriz M.L.A. Tavares and E.L. Albuquerque
“A Quantum Chemistry Approach of Breast Cancer Drugs Bound to Human Serum Albumin”
Advanced Theory and Simulations, 5, 2100464 (2022).
FI = 4.0

CAPÍTULO 2: MATERIAIS E MÉTODOS

Neste capítulo descreveremos os materiais, assim como os modelos
teóricos/computacionais, empregados nesta tese para efetuar as simulações
utilizadas no estudo da imunoterapia no tratamento do câncer.

Pretendemos abordar de forma