Minicurso · IFRO · 2026

Docking Molecular & Química Computacional

O que mudou de 2020 a 2026 e como você pode usar isso hoje, a partir de uma única molécula.

Prof. Dr. Rafael Vieira · Instituto Federal de Rondônia

Vitor Hugo Batista · Instituto Federal de Rondônia

Para começar

Quanto custa descobrir um novo medicamento?

10–15

anos, em média, do laboratório até a farmácia

US$ bi

bilhões de dólares por fármaco aprovado, somando os fracassos

~90%

dos candidatos que entram em ensaios clínicos não chegam à aprovação

E se pudéssemos testar milhões de moléculas no computador antes de ir para a bancada?

O campo

Química computacional: o laboratório dentro do computador

⚛️

Química quântica

DFT e métodos ab initio: elétrons, energias, espectros e mecanismos de reação.

🌊

Dinâmica molecular

Simula o movimento dos átomos no tempo: estabilidade de complexos, solvatação.

🔑

Docking molecular

Prevê como e quão forte uma molécula se encaixa em uma proteína-alvo.

🤖

Quimioinformática & IA

Aprendizado de máquina sobre milhares de moléculas: QSAR, classificação, triagem.

Hoje esses métodos não competem entre si: eles se combinam em um mesmo fluxo de trabalho.

Docking molecular

A molécula é a chave. A proteína é a fechadura.

  • O ligante (pequena molécula) procura um encaixe no sítio ativo da proteína.
  • Hoje sabemos que a fechadura também se mexe: encaixe induzido (Koshland).
  • O docking responde a duas perguntas: qual a pose? e qual a afinidade?
Proteína-alvo · sítio ativo ΔG ≈ −8,4 kcal/mol
Por dentro do algoritmo

Todo docking tem duas engrenagens

🔍

1 · Algoritmo de busca

Explora posições, orientações e conformações do ligante dentro da caixa (grid box). No AutoDock Vina: busca estocástica + otimização local.

→ gera milhares de poses

⚖️

2 · Função de pontuação

Estima a energia de ligação de cada pose: ligações de hidrogênio, contatos hidrofóbicos, repulsões, perda de torção.

→ ranqueia por score (kcal/mol)

Uma boa busca com uma pontuação ruim acha a resposta errada com muita confiança. As duas precisam funcionar.

Passo a passo

O fluxo de um docking bem feito

01
🧱

Alvo

Estrutura do PDB ou prevista (AlphaFold)

02
🧹

Preparar proteína

Remover águas, adicionar H, cargas

03
💊

Ligante

SMILES → 3D, protonação, minimização

04
📦

Sítio

Definir a caixa sobre o sítio ativo

05
⚙️

Docking

Vina, GNINA, Dynamic Dock…

06
🔬

Análise

Poses, interações, validação

💡 O Dynamic Dock, desenvolvido no IFRO, automatiza as etapas 02 a 05, incluindo a detecção do sítio ativo.

Interpretação

Como ler o resultado

  • Score mais negativo = maior afinidade prevista.
  • Valide o protocolo com redocking: a pose recriada deve ficar a RMSD ≤ 2 Å do ligante cristalográfico.
  • Compare sempre com um controle (um fármaco ou ligante conhecido do mesmo alvo).
  • Score não é atividade! É uma hipótese que precisa de confirmação experimental.

Referência aproximada (Vina, kcal/mol)

Fraca
−4 a −6
Moderada
−6 a −8
Forte
≤ −8

Os limites dependem do alvo e do tamanho da molécula. Moléculas grandes tendem a ganhar scores melhores só por terem mais contatos.

Linha do tempo · parte 1

Quarenta anos de docking clássico

1982

DOCK

Kuntz e colaboradores: o primeiro programa de docking, baseado em formas complementares.

1990

AutoDock

Goodsell & Olson: grades de energia e busca automatizada.

2010

AutoDock Vina

Trott & Olson: muito mais rápido e preciso. Vira padrão mundial.

2017

Redes neurais

CNNs começam a pontuar poses (base do GNINA).

2019

Docking ultragrande

Lyu et al. (Nature): 170 milhões de moléculas triadas contra um alvo.

2021

Vina 1.2

Novos campos de força, múltiplos ligantes e interface em Python.

Prof. Dr. Rafael Vieira
2019 · foi aqui que a minha história começou

Onde entrei nessa história

Foi nesse período que comecei a minha pesquisa em química computacional, cursando Química Medicinal, Química Orgânica Medicinal e Quimioinformática na UNESP, UNICAMP e USP.

Linha do tempo · parte 2 · a virada da IA

2020–2026: a revolução da inteligência artificial

2020

AlphaFold 2

Vence o CASP14 e prevê estruturas de proteínas com precisão próxima da experimental.

2022

AlphaFold DB & DiffDock

Mais de 200 milhões de estruturas abertas. O docking passa a usar modelos generativos (difusão).

2024

AlphaFold 3 & RoseTTAFold AA

Co-folding: proteína e ligante previstos juntos.

2024

PoseBusters

Teste de realidade: muitas poses de IA eram fisicamente impossíveis.

2024

Nobel de Química

Baker (design de proteínas), Hassabis & Jumper (AlphaFold).

2025+

Modelos abertos

Chai-1, Boltz-1 e Boltz-2: co-folding aberto e previsão de afinidade.

Prof. Dr. Rafael Vieira
Prof. Rafael
Vitor Hugo Batista
Vitor Hugo
2024 · e a história continuou aqui no IFRO

Orientação, plataforma e registro

Em 2024 orientei o estudante Vitor Hugo Batista no projeto C2TROPICS — exploração racional de produtos naturais contra a dengue —, que virou capítulo de livro. Dali vieram publicações sobre docagem molecular, como o PREDACTORS, e o registro de software no INPI.

Adendo · a palavra é do Vitor Hugo Batista

O que saiu das PESQUISAS DO IFRO?

Quatro resultados concretos de um projeto que começou com um estudante de graduação. Clique em cada um para abrir.

🎤 Vitor, conta pra gente: como foi sair da sala de aula e chegar a um capítulo de livro, um artigo internacional e dois softwares registrados no INPI?

Prêmio Nobel de Química · 2024

Quando a computação ganhou o Nobel de Química

  • David Baker: design computacional de proteínas que não existem na natureza.
  • Demis Hassabis & John Jumper: AlphaFold, que prevê a estrutura 3D a partir da sequência de aminoácidos.
  • Para o docking, isso significa que quase todo alvo agora tem uma estrutura para trabalhar, mesmo sem cristal.
200 mi+

estruturas de proteínas previstas e disponíveis gratuitamente no AlphaFold DB

Antes, o PDB reunia cerca de 200 mil estruturas experimentais, acumuladas ao longo de 50 anos.

O que mudou no docking

Da proteína rígida ao co-folding

Docking clássico

Proteína (quase) fixa + ligante flexível

Precisa de uma estrutura 3D do alvo. É rápido, interpretável e baseado em física.

Vina · GNINA · Dynamic Dock

IA generativa · co-folding

Sequência + SMILES → complexo inteiro

O modelo prevê a proteína e o ligante juntos, inclusive a mudança de forma do sítio.

AlphaFold 3 · RoseTTAFold AA · Boltz · Chai

Tendência de 2025–2026: fluxos híbridos. A IA gera hipóteses e a física (docking, dinâmica, energia livre) confere.

Senso crítico

⚠️ Cuidado com o entusiasmo

🧩

Poses impossíveis

O PoseBusters (2024) mostrou choques entre átomos e geometrias irreais em métodos de IA que pareciam ótimos pelo RMSD.

🧭

Generalização

Modelos de IA acertam mais em alvos parecidos com os do treino e caem em sítios realmente novos.

🧪

Score ≠ fármaco

Afinidade é só o começo: toxicidade, absorção, metabolismo e síntese decidem o resto.

Regra de ouro: todo resultado computacional é uma hipótese, não uma conclusão.

Triagem virtual

A escala mudou de milhares para bilhões

Bibliotecas "sob demanda" (como a Enamine REAL) oferecem dezenas de bilhões de moléculas que podem ser sintetizadas quando pedidas.

Para tornar isso viável, o aprendizado de máquina pré-seleciona os candidatos e só uma fração passa pelo docking completo.

Quantas moléculas cada estratégia avalia (escala log)

Bancada (HTS)
~10⁶
Docking 2019
~10⁸
Docking + IA
~10⁹
Sob demanda
>10¹⁰
Depois do docking

O docking é a porta de entrada, não o fim

🌊

Dinâmica molecular

O complexo se mantém estável por nanossegundos em água?

🔋

MM/GBSA & FEP

Energias livres mais rigorosas e mais caras, para os melhores candidatos.

💊

ADMET in silico

Absorção, distribuição, metabolismo, excreção e toxicidade.

📈

QSAR & ML

Modelos que aprendem a relação estrutura → atividade.

Ciência feita aqui

Química computacional contra as arboviroses

Dengue, zika e chikungunya são problemas de saúde pública em Rondônia. Três plataformas desenvolvidas no IFRO atacam o problema:

Classificação

🦟 ArboMol

Recebe um SMILES e indica se a molécula se parece com compostos em desenvolvimento contra arbovírus e com qual vírus (dengue, zika ou chikungunya).

Docking

🎯 Dynamic Dock

Docking proteína–ligante automatizado com detecção do sítio ativo, baseado no AutoDock Vina (In Silico Research in Biomedicine, 2026).

Predição

🔮 PREDACTORS

Prediz a atividade biológica a partir do SMILES, com aprendizado de máquina treinado em dados de docking.

A linguagem das moléculas

SMILES: a molécula em uma linha de texto

  • Letras = átomos (C, N, O, Cl…). Hidrogênios ficam implícitos.
  • = ligação dupla · # ligação tripla · ( ) ramificação
  • Números abrem e fecham anéis; letras minúsculas indicam átomos aromáticos.
Etanol
CCO
Benzeno
c1ccccc1
Ácido acetilsalicílico (AAS)
CC(=O)Oc1ccccc1C(=O)O
Cafeína
Cn1c(=O)c2c(ncn2C)n(C)c1=O
Mão na massa

🧬 Sua Missão Molecular

Cada um vai receber, por sorteio, uma molécula diferente e investigá-la como um químico computacional:

00
🎲

Sorteio

Sua molécula exclusiva

01
✍️

SMILES

Traduza a estrutura

02
⚖️

Propriedades

Massa molar e Lipinski

03
🦟

ArboMol

Classificação

04
🎯

Dynamic Dock

Docking nos 3 alvos

05
🧠

Conclusão

Interprete como cientista

Encerramento

Obrigado! Sua opinião importa.

Responda ao questionário de percepção. Leva 2 minutos, é só clicar, e ajuda a melhorar os próximos minicursos.

Prof. Dr. Rafael Vieira · rafael.vieira@ifro.edu.br · rafaelvieira.org

clique ou use → para avançar
1 / 19
Desafio

🧬 Missão Molecular

Uma molécula só sua. Um sorteio e cinco etapas: cada uma resolvida destrava a próxima.

Percepção

📝 Como foi o minicurso para você?

Clique na opção que melhor representa sua opinião. As respostas são anônimas.

Resultados

📊 Análise de Dados

Gráficos e interpretações gerados automaticamente a partir das respostas gravadas na planilha.