Orientador: Douglas Soares GalvãoDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Fisica Gleb WataghinResumo: Neste trabalho estudamos dois grupos de moléculas na tentativa de correlacionar a estrutura eletrônica com a atividade biológica. Um grupo é formado por inibidores da enzima integrase, necessária para replicação do HIV-1, e o outro grupo por inibidores da Escherichia Coli, uma das bactérias causadoras da diarréia. Em nossas investigações aplicamos a Metodologia dos Índices Eletrônicos (MIE) para verificar a correlação estrutura-atividade dos compostos. Em caráter de comparação e validação dos dados produzidos pela MIE utilizamos também algumas das metodologias mais usuais na área de reconhecimento de padrões: a Análise de Componentes Principais (PCA), Análise Hierárquica de Agrupamentos (HCA) e as Redes Neurais Artificiais. Após o desenvolvimento completo deste trabalho concluímos que a MIE tratou com êxito o problema de reconhecimentos de padrões relacionados à atividade biológica das moléculas estudadas. Em um passo mais especulativo propomos novos derivados de tetraciclinas e submetemos à previsão pelo modelo proposto no início da segunda parte do trabalho. Nesta segunda parte foi possível sugerir observando os resultados e os parâmetros da MIE alguns compostos, que apresentam características de inibidores da Escherichia Coli. Os resultados deste trabalho somam-se às diferentes classes de outros compostos já estudados, totalizando mais de 2000 compostos em que os mesmos descritores da MIE se mostraram eficientes na classificação biológicaAbstract: In this work we have studied two classes of molecular groups trying to establish correlations between their electronic structure and correlated biological activity. The first group contains integrase inhibitors, which are necessary to HIV-1 replication; the second group contains Escherichia Coli inhibitors, one bacterium which caused diarrhea. Electronic Index Methodology (EIM) was used in the Structure-Activity Relationship (SAR) analysis. In order to have an independent statistical validation, the data produced from EIM were contrasted with more standard pattern recognition methodologies: Principal Component Analysis (PCA), Hierarchical Cluster Analysis (HCA), and Artificial Neural Networks (ANN). Our results shown that EIM can be sucessfully use for pattern recognition. As in previous works for other organic families the EIM out performed PCA, HCA and ANN techniques presenting the same predictive power with a significant reduction of computational effort. In more speculative approach EIM was used to propose new tetraciclines derivatives. Our results with other class of compounds recently studied sum more them 2000 compounds where EIM have been proved very efficient for biological classificationMestradoFísicaMestre em Física