Evidence Hub

Estudos computacionais para novas possibilidades DE síntese DE moléculas candidatas a fármacos

Tainara Soares Dos Santos, Michelle Bueno de Moura Pereira, Larissa Moura de Matos Franco, Ana Carolina Menezes Mendonça Valente, João Eustáquio Antunes

LUMEN ET VIRTUS, 2026

Abstract

A descoberta de novos medicamentos é um campo desafiador, com muitas etapas de testes e aprovação regulatória. No entanto, ela tem o potencial de transformar o tratamento de doenças, melhorar a qualidade de vida dos pacientes e até salvar vidas. A bioinformática desempenha um papel fundamental no desenvolvimento de fármacos, permitindo uma abordagem mais eficiente e precisa no processo de descoberta e otimização de medicamentos. A triagem virtual, por exemplo, utiliza técnicas de simulações computacionais para identificar moléculas mais promissoras para alvos específicos. Isso permite a seleção mais rápida e direcionada de candidatos a fármacos promissores, reduzindo o número de compostos a serem testados experimentalmente. Após a identificação e validação de um alvo farmacológico, por exemplo as enzimas quinases em câncer, pode-se planejar moléculas promissoras para este alvo. Se o tipo de câncer for cerebral, tal como o glioblastoma, estudos de moléculas promissoras para a capacidade de atravessar a barreira hematoencefálica podem contribuir de maneira expressiva. Neste sentido, estudos computacionais prévios foram executados para selecionar moléculas com bons parâmetros farmacocinéticos, alta atividade biológica e possibilidade de serem sintetizadas. O objetivo deste trabalho foi realizar estudos in silico para selecionar moléculas promissoras para serem propostas como novos potenciais futuros fármacos para tratamento de Glioblastoma. Foi realizado um estudo in silico…

Read the paper

Related studies

Go deeper in Evidence Hub

Evidence Hub adds a study data sheet (design, sample size, evidence level, key numbers), an AI summary and a chat grounded in the paper's text.

Open this study Sign up free