Sobre polinômios co-índice topológicos para modelagem preditiva das propriedades físico-químicas de antivirais

Por que a matemática pode acelerar a busca por remédios contra Ebola

Descobrir novos antivirais costuma ser lento e caro, porque cada molécula promissora precisa ser sintetizada e testada em laboratório. Este estudo explora um atalho: usar ideias da matemática e da teoria dos grafos para "ler" a estrutura de um fármaco como um código de barras e prever seu comportamento sem misturar um único composto. O trabalho foca em medicamentos propostos contra o vírus Ebola e mostra como impressões digitais numéricas bem desenhadas das moléculas podem prever propriedades físicas importantes para o desempenho do fármaco no organismo.

Transformando moléculas em figuras simples

No cerne dessa abordagem está uma maneira de redesenhar uma molécula como uma rede simples: átomos viram pontos e ligações químicas viram linhas que os conectam. Uma vez que um fármaco é representado como uma rede, os autores calculam índices topológicos — números que capturam características como quantos ramos a molécula tem, quão fortemente seus átomos estão conectados ou quão simétrica é sua forma geral. Esses índices condensam uma estrutura 3D complexa em alguns valores descritivos, tornando possível comparar e analisar muitas moléculas rapidamente em um computador.

Novas impressões digitais moleculares com detalhe extra

Com base em trabalhos anteriores, os pesquisadores introduzem e analisam uma família de índices refinados chamados co-índices topológicos, derivados de duas construções matemáticas conhecidas como polinômios CoM e CoNM. Em vez de olhar apenas para átomos diretamente ligados, esses novos descritores também consideram pares de átomos que não estão conectados diretamente, mas ainda se influenciam pela estrutura global. CoM foca em quantas ligações encontram cada átomo, enquanto CoNM monitora a "vizinhança" ao redor de cada átomo. Ao codificar essa informação mais rica em polinômios compactos, o método pode gerar muitos índices diferentes em um só passo, oferecendo uma impressão digital mais nuançada de cada molécula sem alto custo computacional.

Testando o método em candidatos a medicamentos contra Ebola

A equipe aplicou sua estrutura a oito antivirais discutidos no contexto do tratamento de Ebola, incluindo Galidesivir, Cloroquina, Favipiravir, Amodiaquina, Azitromicina, Brincidofovir, Clomifeno e Remdesivir. Para cada fármaco, calcularam um conjunto de co-índices baseados em grau e em vizinhança e os compararam com dados experimentais extraídos da base ChemSpider. As propriedades físicas examinadas incluíram volume molar, refratividade molar, polarizabilidade (quão facilmente os elétrons da molécula são distorcidos), tensão superficial, complexidade estrutural geral, balanço óleo–água da molécula (LogP), densidade e índice de refração. Em essência, perguntaram: essas impressões digitais matemáticas podem substituir medições demoradas?

Encontrando as melhores correlações entre estrutura e comportamento

Para sondar essas ligações, os autores construíram modelos de Relação Quantitativa Estrutura–Propriedade (QSPR) — equações que relacionam cada co-índice topológico a uma dada propriedade física. Testaram três famílias de modelos: ajustes lineares simples, ajustes logarítmicos e ajustes quadráticos curvos. Muitas propriedades mostraram fortes correlações com índices específicos, com coeficientes de correlação frequentemente próximos de um, indicando que as previsões acompanhavam de perto os dados experimentais. Alguns descritores, como o co-índice de conectividade átomo–ligação e vários índices baseados em vizinhança, surgiram repetidamente como os preditores mais confiáveis para propriedades-chave como volume molar, refratividade molar, polarizabilidade e complexidade estrutural. Para traços mais sutis, como balanço óleo–água e densidade, modelos não lineares — especialmente formas logarítmicas e quadráticas — capturaram melhor as relações do que linhas retas, ressaltando que a ligação estrutura–propriedade é frequentemente inerentemente curva e não linear.

O que isso significa para a descoberta futura de fármacos

No geral, o estudo mostra que co-índices topológicos bem projetados, gerados a partir dos polinômios CoM e CoNM, podem servir como substitutos poderosos para medições de laboratório das propriedades de antivirais. Ao prever com precisão o comportamento de moléculas candidatas, essas ferramentas matemáticas podem ajudar cientistas a filtrar rapidamente grandes bibliotecas de compostos, concentrar experimentos nos candidatos mais promissores e ajustar o desenho molecular antes da síntese. Embora não substituam testes biológicos, esses descritores oferecem uma forma rápida e de baixo custo para navegar no espaço químico — um recurso especialmente valioso ao responder a ameaças de rápida evolução como o Ebola e outras doenças infecciosas emergentes.

Citação: Meharban, S., Ullah, A., Zaman, S. et al. On topological co-index polynomials for predictive modeling of the physicochemical properties of antiviral drugs. Sci Rep 16, 12456 (2026). https://doi.org/10.1038/s41598-026-43640-3

Palavras-chave: antivirais contra Ebola, índices topológicos, modelagem QSPR, teoria de grafos moleculares, projeto computacional de fármacos