Uso de algoritmos de aprendizado de máquina para a busca de modelos de previsão da atividade inibitória da enzima n-miristoiltransferase de leishmania donovani .

Abstract

A leishmaniose é uma doença negligenciada (DN) e representa um desafio global. As empresas farmacêuticas investem pouco na fabricação de medicamentos para DNs, porque o retorno é pequeno e essas doenças afetam principalmente as regiões de baixo poder aquisitivo . Os medi- camentos usados no tratamento contra leishmaniose são administrados com base na inibição de outras doenças e tem efeitos colaterais. O campo da modelagem molecular tem se mostrado efi- ciente para o desenvolvimento de novos medicamentos, quanto a recurso e tempo. Este trabalho tem como objetivo aplicar o método QSAR (Quantitative Structure Activity) para a modelagem molecular de estruturas sintetizadas e promissoras no combate a Leishmania donovani, jun- tamente com uma análise de métodos lineares e não lineares de aprendizado de máquina em caráter inibitório do protozoário, o melhor modelo foi aquele com o menor RMSE, nas eta- pas de calibração e validação cruzada leave-one-out, sendo este o método de regressão linear múltipla (MLR).