Docking molecular amplia estudo da resistência a pesticidas

O docking molecular ganha espaço na pesquisa sobre resistência a pesticidas por permitir a análise computacional das interações entre moléculas e proteínas. A técnica ajuda a investigar alterações ligadas à resistência e auxilia a seleção de novos compostos. A integração com inteligência artificial amplia a capacidade de triagem e de predição. Os resultados, porém, permanecem como previsões computacionais e exigem validação experimental.

Revisão científica elaborada por pesquisadores chineses analisou aplicações, avanços e limitações dessa abordagem. Os cientistas destacam dois usos principais na resistência a pesticidas: investigação dos mecanismos responsáveis pela perda de sensibilidade e apoio ao desenvolvimento de moléculas com novos perfis de atividade.

Docking molecular

O docking molecular simula o encaixe de um ligante, em geral uma molécula pequena, no sítio ativo de uma macromolécula. O método avalia conformações possíveis e estima a afinidade de ligação. Algoritmos consideram geometria molecular, interações eletrostáticas, ligações de hidrogênio e interações hidrofóbicas.

Na pesquisa sobre resistência, uma das aplicações envolve mutações em proteínas-alvo. O método compara a interação do pesticida com proteínas do tipo selvagem e com versões mutantes. Essa comparação permite avaliar mudanças no local de ligação, na conformação da molécula e nas interações com aminoácidos do alvo.

Diferentes exemplos

Estudos reunidos na revisão mostram diferentes exemplos. Em Bemisia tabaci, análises por modelagem e docking indicaram alteração na ligação do imidacloprido após mutações na subunidade beta um do receptor nicotínico de acetilcolina. Uma das alterações modificou o ambiente de cargas do sítio de ligação e enfraqueceu a interação com o inseticida.

Em Chilo suppressalis, pesquisadores compararam o receptor de rianodina normal e uma versão com a mutação Y4667D. A alteração eliminou uma interação importante e afetou uma ligação de hidrogênio na região associada ao clorantraniliprole. O resultado indicou menor capacidade de ligação do inseticida.

Resistência metabólica

O método também contribui para o estudo da resistência metabólica. Enzimas com maior atividade podem degradar ou sequestrar um pesticida antes da chegada ao alvo. O docking permite avaliar a interação entre essas enzimas e diferentes moléculas. A análise inclui conformação, resíduos envolvidos e posição do composto em relação ao centro catalítico.

Um exemplo envolve Spodoptera frugiperda. Pesquisadores avaliaram a interação da enzima CYP321A9 com clorantraniliprole e tetraclorantraniliprole. As duas moléculas alcançaram o sítio ativo e mantiveram posição compatível com a região próxima ao cofator heme. O resultado apontou potencial para metabolismo oxidativo.

Outro trabalho estudou uma glutationa S-transferase encontrada em uma população resistente de Lolium rigidum. O docking indicou interação da enzima com o ácido diclofop, metabólito ativo do diclofop-metílico. Ensaios posteriores com levedura transgênica e arroz confirmaram a participação dessa proteína na resistência ao herbicida. O caso reforça a necessidade de integrar previsões computacionais e experimentos biológicos.

Alterações no alvo

Além do diagnóstico de mecanismos, o docking pode apoiar a busca por pesticidas capazes de superar alterações no alvo. Quando uma mutação associada à resistência já passou por identificação, pesquisadores podem avaliar o espaço disponível no sítio modificado e selecionar estruturas com capacidade potencial de manter interações importantes.

A triagem virtual representa outra aplicação. Bibliotecas com grande número de compostos passam por análise computacional antes da síntese e dos testes biológicos. O processo reduz o conjunto de candidatos e concentra os experimentos nas moléculas com maior potencial previsto.

A abordagem também alcança moléculas com ação sobre vários alvos. Compostos desse tipo podem atuar em duas ou mais proteínas. O docking permite comparar as interações de uma mesma estrutura com diferentes alvos. A revisão aponta poucos estudos com pesticidas multialvo e destaca a necessidade de avaliar a contribuição de cada alvo para a atividade observada.

Inteligência artificial

A inteligência artificial amplia essas aplicações. Modelos de aprendizado de máquina e aprendizado profundo podem melhorar funções de pontuação, prever sítios de ligação e acelerar a triagem virtual. Alguns sistemas funcionam como filtros prévios para grandes bibliotecas químicas. Os compostos selecionados seguem depois para métodos clássicos de docking.

Em um dos trabalhos citados, um modelo baseado em aprendizado de máquina realizou a pré-seleção de bibliotecas químicas antes do docking convencional. A estratégia aumentou em cem vezes a velocidade da etapa computacional de triagem.

A inteligência artificial também auxilia a predição da estrutura tridimensional de proteínas. Essa aplicação amplia o uso do docking em alvos sem estruturas experimentais disponíveis. Modelos como AlphaFold produzem estruturas a partir da sequência de aminoácidos e fornecem material para análises posteriores de interação molecular.

A revisão cita um estudo com acetolactato sintase de Colletotrichum higginsianum. Pesquisadores utilizaram AlphaFold para prever a estrutura da proteína e introduziram uma mutação A200D. O docking apontou impedimento estérico entre a proteína mutante e o chlorimuron-ethyl. Ensaios enzimáticos posteriores mostraram aumento de 38 vezes na concentração necessária para atingir metade da inibição máxima.

Limites na tecnologia

Apesar do avanço computacional, os pesquisadores ressaltam limites importantes. A precisão depende da qualidade da estrutura proteica, da representação da flexibilidade molecular e das funções usadas para calcular a afinidade. Modelos de inteligência artificial também dependem da quantidade e da diversidade dos dados de treinamento.

O docking fornece hipóteses sobre posição, afinidade e mecanismo de interação. Esses resultados não demonstram, de forma isolada, um mecanismo de resistência ou a eficácia de uma nova molécula. Ensaios bioquímicos, estudos funcionais e outros métodos experimentais precisam confirmar as previsões. A combinação dessas etapas transforma resultados computacionais em evidências com maior suporte para a pesquisa em resistência a pesticidas (doi 10.1016/j.pestbp.2026.107306).