AVALIAÇÃO DE FOTOSSENSIBILIZADORES PARA TERAPIA FOTODINÂMICA COM TÉCNICAS DE MACHINE LEARNING
Bons fotossensibilizadores apresentam alta estabilidade fotoquímica, eletroquímica e térmica, o que lhes confere diversificadas aplicações tecnológicas, como corantes, em células solares e na terapia fotodinâmica (PDT, da sigla em inglês). A PDT é empregada no tratamento de câncer e outras doenças não oncológicas, em que são utilizados fármacos fotossensibilizadores ativados por luz em comprimentos de onda específicos, a PDT destrói células cancerígenas, preservando células saudáveis. No entanto, a eficiência da PDT depende criticamente das propriedades do fotossensibilizador, impulsionando a necessidade de descobrir novos compostos com propriedades ideais. A integração de cálculos de química quântica e métodos de Machine Learning (ML) emerge como uma estratégia poderosa para essa descoberta. Este estudo propôs um novo método de identificação de fotossensibilizadores por meio de ML, realizando cálculos de química quântica para compreender propriedades dos principais corantes utilizados na PDT. Além disso, uma base de dados com informações detalhadas das propriedades moleculares foi estruturada. Foram implementados descritores químicos e construídos modelos de classificação, empregando CatBoost, LightGBM e XGBoost. Os resultados mostraram modelos robustos e eficazes na discriminação entre corantes e não corantes, indicando sua aplicabilidade na triagem de corantes para a terapia fotodinâmica.