Genome-Guided Computational Profiling of Selected Antibiotics for Repurposing against Multiple Resistance Proteins in Multidrug-Resistant Stenotrophomonas maltophilia

Bakterien haben ein gewaltiges Verteidigungssystem entwickelt, das es ihnen ermöglicht, die gegen sie entwickelten Medikamente zu überleben. Dieses Phänomen, bekannt als Antibiotikaresistenz, verwandelt gewöhnliche Infektionen in lebensbedrohliche Krisen. Einige Bakterien tragen spezifische Proteine, die wie molekulare Werkzeuge wirken, indem sie entweder Antibiotika zerschneiden, die bakteriellen Teile, die die Medikamente angreifen, verändern oder das Medikament chemisch so verändern, dass es nicht mehr wirkt. Stenotrophomonas maltophilia ist ein solches Bakterium. Es ist ein hartnäckiges, von Natur aus resistentes Keimchen, das oft Menschen mit geschwächtem Immunsystem oder solche an Beatmungsgeräten infiziert. Da es gegen viele Standardbehandlungen resistent ist, haben Ärzte nur noch sehr wenige Optionen, und das Finden neuer Wege, um es zu bekämpfen, ist eine dringende globale Gesundheitsangelegenheit.

Um dieses Problem anzugehen, ohne Jahre auf die Erfindung neuer Medikamente zu warten, erforscht die Wissenschaft das „Drug Repurposing“ (Umwidmung von Arzneimitteln). Dieser Ansatz beinhaltet das Testen bereits existierender, sicherer Antibiotika darauf, ob sie gegen die spezifischen Resistenzwerkzeuge eines gefährlichen Erregers wirken könnten. Anstatt einen neuen Schlüssel von Grund auf neu zu bauen, fragen Forscher, ob ein alter Schlüssel in ein neues Schloss passen könnte. Bakterien sind jedoch komplex, und ein Medikament, das auf dem Papier vielversprechend aussieht, kann in der chaotischen Umgebung einer lebenden Zelle scheitern. Um diese Lücke zwischen Theorie und Realität zu schließen, nutzen Forscher leistungsstarke Computersimulationen. Diese digitalen Experimente ermöglichen es Wissenschaftlern, die Interaktion von Medikamentenmolekülen mit bakteriellen Proteinen in Zeitlupe zu beobachten und zu sehen, ob sie fest zusammenhalten oder auseinandergleiten, lange bevor ein physischer Test im Reagenzglas durchgeführt wird.

In einer kürzlich durchgeführten Studie konzentrierte sich ein Team von Forschern aus Malaysia und Bangladesch auf drei spezifische Resistenzproteine, die in einem Stamm von Stenotrophomonas maltophilia gefunden wurden. Diese Proteine repräsentieren drei verschiedene Arten, wie sich das Bakterium verteidigt: eines modifiziert Aminoglykosid-Antibiotika, ein anderes verändert die bakterielle Maschinerie, um ein Medikament namens Trimethoprim zu ignorieren, und das dritte ist ein Enzym, das eine breite Klasse von Medikamenten, bekannt als Beta-Laktame, abbaut. Die Forscher wollten sehen, ob eine kleine Auswahl bestehender Antibiotika an diese Proteine binden und potenziell deren Funktion stoppen könnte. Sie wählten eine gezielte Gruppe von Medikamenten aus, darunter Kanamycin C, Trimethoprim und zwei Carbapeneme sowie Cefiderocol, ein neueres Medikament, das bei schwierigen Infektionen eingesetzt wird.

Die Wissenschaftler begannen mit dem Aufbau detaillierter 3D-Computermodelle der drei bakteriellen Proteine. Da die tatsächlichen physikalischen Strukturen dieser spezifischen Proteine noch nicht im Labor erfasst worden waren, nutzte das Team hochpräzise Software, um sie basierend auf sehr ähnlichen, bekannten Strukturen zu konstruieren. Sie überprüften diese Modelle streng, um sicherzustellen, dass sie physikalisch realistisch waren, wobei sie bestätigten, dass die Atome in stabilen, natürlichen Positionen angeordnet waren. Soburch die digitalen Proteine bereit waren, führte das Team eine Reihe von Docking-Simulationen durch. Stellen Sie sich vor, man setzt ein Puzzleteil in eine Aussparung ein; der Computer testete, wie gut jedes Antibiotikum in die wahrscheinlichste Bindungstasche jedes Proteins passte. Sie suchten nach den engsten Passformen und den stabilsten Verbindungen.

Die anfänglichen Ergebnisse waren bemerkenswert. Ein Medikament, Kanamycin C, rangierte konsistent als der beste Fit über alle drei verschiedenen Resistenzproteine hinweg. Es zeigte in jedem Fall die stärksten vorhergesagten Bindungswerte, was darauf hindeutete, dass es eine natürliche Affinität zu diesen bakteriellen Abwehren besaß. Eine gute Passform in einer statischen Momentaufnahme garantiert jedoch keine stabile Bindung in einem beweglichen System. Um zu verstehen, was im Laufe der Zeit passieren würde, unterzogen die Forscher die vielversprechendsten Kombinationen molekulardynamischen Simulationen. Dieser Prozess gleicht dem Abspielen eines High-Speed-Films der Interaktion zwischen dem Medikament und dem Protein, wodurch sie sehen konnten, ob das Medikament fest an seinem Platz bleibt oder ob es wackelt und wegdriftet.

Der Film enthüllte eine komplexere Geschichte. Als Kanamycin C mit dem ersten Protein, dem Aminoglykosid-modifizierenden Enzym, kombiniert wurde, hielt es bemerkenswert gut fest. Das Medikament setzte sich in die Tasche des Proteins und blieb dort, wobei es während der gesamten Simulation eine stabile Position und ein starkes Netzwerk chemischer Verbindungen beibehielt. Dies deutet darauf hin, dass Kanamycin C diesen spezifischen Resistenzmechanismus effektiv angreifen könnte. Die Geschichte änderte sich jedoch mit den anderen Proteinen. Als dasselbe Medikament gegen das zweite Protein, die Dihydrofolat-Reduktase, getestet wurde, wurde es rastlos. Anstatt an einem Ort zu bleiben, veränderte es mehrfach seine Position und erkundete verschiedene Bereiche der Bindungsstelle. Im dritten Fall, der das Enzym betraf, das Beta-Laktame abbaut, driftete das Medikament schließlich weit von seiner Ausgangsposition weg, was darauf hindeutete, dass die für den Test gewählte Bindungsstelle kein stabiles Zuhause für das Molekül war.

Interessanterweise verhielt sich ein anderes Medikament, Cefiderocol, anders. Obwohl es nicht die Spitze der Rangliste bildete, zeigte es eine überraschende Stabilität, wenn es mit dem zweiten Protein gepaart wurde, und bewahrte eine kompakte und stetige Präsenz, die Kanamycin C fehlte. Dies verdeutlichte eine entscheidende Lektion: Ein Medikament, das in einem schnellen Computer-Scan am besten aussieht, ist nicht immer am stabilsten in einer dynamischen Umgebung. Die Forscher berechneten auch die Energie dieser Interaktionen, um die wirkenden Kräfte zu verstehen. Sie fanden heraus, dass die starke Bindung zwischen Kanamycin C und dem ersten Protein durch kraftvolle elektrische Anziehungskräfte getrieben wurde, während die Stabilität von Cefiderocol mit dem zweiten Protein eher auf der physischen Nähe der Moleküle beruhte.

Die Studie kam zu dem Schluss, dass die Computermodelle zwar auf Kanamycin C als einen sehr konsistenten Kandidaten für weitere Untersuchungen hindeuteten, die Ergebnisse jedoch kein endgültiger Beweis für den Erfolg waren. Die Simulationen zeigten, dass das Verhalten des Medikaments vollständig davon abhängt, auf welches bakterielle Protein es trifft. Das Team betonte, dass diese Ergebnisse durch Computer generierte Hypothesen sind und keine bestätigten biologischen Fakten. Die starke Bindung, die in der Simulation von Kanamycin C mit dem ersten Protein beobachtet wurde, ist ein vielversprechender Hinweis, aber es bedarf realer Laborexperimente, um zu verifizieren, ob das Medikament tatsächlich die Fähigkeit der Bakterien stoppen kann, Behandlungen zu resistent zu werden. Die Forscher behaupteten nicht, ein Heilmittel gefunden zu haben, sondern vielmehr eine Reihe spezifischer, testbarer Ideen darüber, wie diese Medikamente mit den Verteidigungen des Feindes interagieren könnten.

Letztendlich bietet diese Arbeit eine klare Roadmap für zukünftige Experimente. Sie identifiziert Kanamycin C als primären Kandidaten, um gegen das spezifische Resistenzprotein zu testen, das Aminoglykoside modifiziert, und legt nahe, dass andere Medikamente besser für die anderen Ziele geeignet sein könnten. Durch die Kombination von statischem Docking mit dynamischer Bewegungsanalyse konnten die Forscher zwischen den Medikamenten unterscheiden, die lediglich gut aussahnen, und jenen, die scheinbar festhielten. Dieser integrierte Ansatz bietet einen zuverlässigeren Weg, um zu priorisieren, welche alten Medikamente die Zeit und die Ressourcen eines physischen Versuchs verdienen, und bringt die Wissenschaft einen Schritt näher daran, die sich entwickelnden Abwehrmechanismen multiresistenter Bakterien zu überlisten.