Durante as últimas décadas as infecções fúngicas têm se tornado um crescente problema de saúde, especialmente para pacientes imunocomprometidos. Infelizmente, o padrão-ouro de terapia profilática para tal doença é baseada em derivados azólicos, que são mais fungistáticos do que fungicidas contra C. neoformans e causam hepatotoxicidade. Objetivando contornar estes problemas, inibidores não-azólicos de CYP51 foram planejados. Aqui, um abrangente estudo de relação estrutura-atividade foi executado para uma série de 110 moléculas através de um estudo de QSAR baseado em hologramas e descritores moleculares. O melhor modelo de QSAR baseado em descritores (r² = 0,92, q² = 0,90, 6 LVs e r²pred =0,86) sugere que o efeito de ressonância (ESpm08r) desempenha um papel principal para a atividade antifúngica. O modelo de QSAR baseado em hologramas (r² = 0,87, q² = 0,81, 6 LVs e r²pred = 0,84) sustenta esta hipótese. Estas percepções obtidas pelas análises integradas dos modelos de QSAR, juntamente com o bom poder preditivo comprovam sua utilidade para futuros esforços em planejamento de fármacos.
Over the last decades fungal infections have become an increasing health problem, especially for immunocompromised patients. Unfortunately, the gold standard prophylactic therapy for such ailment is based on azole derivatives, which are fungistatic rather than fungicidal against C. neoformans and cause hepatotoxicity. Aiming at circumvent these problems, non-azole CYP51 inhibitors were designed. Herein a comprehensive structure-activity relationships study was carried out for a dataset of 110 molecules by means of hologram- and descriptor-based QSAR studies. The best descriptor-based QSAR model (r² = 0.92, q² = 0.90, 6 LVs and r²pred =0.86) suggests that resonance effects (ESpm08r) play a major role for antifungal activity. The hologram-based QSAR (r² = 0.87, q² = 0.81, 6 LVs and r²pred = 0.84) supports this hypothesis and hints at steric properties that should also contribute to non-azole inhibitors potency. The insights provided by the integrated analysis of QSAR models, along with their good predictive power prove their usefulness to future drug design efforts.