Hybrid AI-physics screening prioritizes candidate dual MDM2/MDM4 inhibitors from a drug-like library for dedifferentiated liposarcoma

Krebs ist oft ein Spiel der zellulären Fehlverwaltung, bei dem die körpereigenen Sicherheitsmechanismen gekapert werden, um das Wachstum von Tumoren ungehindert zuzulassen. Bei einer spezifischen und aggressiven Form des Weichteilkrebses, dem dedifferenzierten Liposarkom, liegt das Problem in einer zerbrochenen Partnerschaft zwischen zwei Proteinen. Ein Protein, bekannt als MDM2, fungiert wie ein unerbittlicher Henker, der darauf abzielt, p53 zu suchen und zu zerstören – ein lebenswichtiges Tumorsuppressor-Protein, das normalerweise die unkontrollierte Zellteilung stoppt. In gesunden Zellen ist p53 der Wächter; in dieser Krebsart ist MDM2 überaktiv und jagt ständig p53, um dessen Kraft zu neutralisieren. Doch die Natur hat oft einen Plan B. Wenn Wissenschaftler versuchen, MDM2 mit Medikamenten zu stoppen, passen sich die Krebszellen häufig an, indem sie den Spiegel eines zweiten, ähnlichen Proteins namens MDM4 erhöhen. Dieses Backup-Protein springt ein, um die Aufgabe der Deaktivierung von p53 fortzuführen, was Medikamente, die nur auf MDM2 abzielen, unwirksam macht. Um diese Krankheit wirklich zu behandeln, glauben Forscher, dass sie einen Weg finden müssen, beide Proteine gleichzeitig zu blockieren – eine Aufgabe, die sich mit bestehenden Arzneimitteln als schwierig erwiesen hat.

Ein Forschungsteam hat sich nun einer leistungsstarken Kombination aus künstlicher Intelligenz und physikbasierter Simulation zugewandt, um nach neuen Lösungen zu suchen. Sie haben Chemikalien nicht zuerst in einer Laborschale getestet; stattdessen bauten sie eine hochentwickelte digitale Pipeline auf, um eine riesige Bibliothek von fast zehn Millionen drogenähnlichen Verbindungen zu scannen. Ihr Ziel war es, zwei spezifische Moleküle zu finden, die fest an sowohl MDM2 als auch MDM4 binden können, um beide Henker effektiv zum Schweigen zu bringen und dem natürlichen Tumorsuppressor des Körpers das Erwachen zu ermöglichen. Durch den Einsatz von maschinellem Lernen, um vorherzusagen, welche Verbindungen funktionieren könnten, gefolgt von detaillierten Computersimulationen, um zu sehen, wie sie in die Proteine passen, grenzte das Team das Feld auf zwei vielversprechende Kandidaten ein. Diese zwei Moleküle, identifiziert durch ihre einzigartigen Codes ZINC9412756 und ZINC20724474, gingen als die wahrscheinlichsten hervor, die dort Erfolg haben würden, wo aktuelle Behandlungen Schwierigkeiten haben.

Die Reise begann mit einem massiven digitalen Filter. Die Forscher starteten mit einer Datenbank von Verbindungen, die chemisch Ähnlichkeiten mit bekannten Medikamenten aufweisen, um sicherzustellen, dass die Kandidaten sicher genug für eine Anwendung beim Menschen sind. Sie trainierten ein Computermodell an Tausenden bekannter Interaktionen zwischen Wirkstoffen und dem MDM2-Protein und lehrten das System, die subtilen strukturellen Muster zu erkennen, die ein Molekül effektiv machen. Dieses Modell der künstlichen Intelligenz scannte dann die Bibliothek von neun Millionen Verbindungen und sagte die Aktivität jeder einzelnen voraus. Das System identifizierte eine kleine Gruppe von Hochpotenzial-Kandidaten, aber die Forscher wussten, dass Computerprognosen manchmal irreführend sein können. Um sicherzugehen, unterzogen sie diese Top-Kandidaten einer strengen physikalischen Simulation. Sie erstellten digitale Modelle der MDM2- und MDM4-Proteine unter Verwendung von Dutzenden verschiedener Kristallstrukturen, um der Tatsache Rechnung zu tragen, dass diese Proteine flexibel sind und sich bewegen. Dann simulierten sie, wie die Kandidatenmoleküle in die aktiven Zentren der Proteine docken oder „einrasten“ würden.

Die Ergebnisse dieses digitalen Screenings waren bemerkenswert. Die beiden führenden Kandidaten, ZINC9412756 und ZINC20724474, zeigten vorhergesagte Bindungsstärken, die denen vieler bestehender in der Forschung verwendeter Medikamente überlegen waren. In den Computersimulationen ließen sich diese Moleküle tief in die Taschen von sowohl MDM2 als auch MDM4 senken und bildeten stabile Verbindungen, die sie an ihrem Platz hielten. Die Forscher analysierten genau, wie sie sich festhielten. Sie fanden heraus, dass die Moleküle stark auf ein dichtes Netzwerk hydrophober Wechselwirkungen angewiesen sind – im Wesentlichen packen sich die Moleküle eng gegen die Proteinoberflächen, ähnlich wie Öl Wasser abstößt, um eine stabile Bindung zu erzeugen. Dies wurde durch spezifische Wasserstoffbrückenbindungen unterstützt, die wie molekulares Klettverschließen wirken und die Wirkstoffe an Schlüsselstellen der Proteine verankern. Einer der Kandidaten bildete eine einzigartige Verbindung mit einem Teil des MDM2-Proteins, den bisherige Medikamente weitgehend ignoriert hatten, was darauf hindeutet, dass er auf eine andere Weise wirken könnte als aktuelle Behandlungen.

Um sicherzustellen, dass diese Ergebnisse nicht nur ein Zufall des Computermodells waren, führten die Forscher langanhaltende Molekulardynamik-Simulationen durch. Sie beobachteten die Interaktion zwischen Proteinen und Wirkstoffen über die Zeit und simulierten eine halbe Million Bewegungsschritte, um zu sehen, ob die Bindungen unter Druck standhielten. Die Simulationen zeigten, dass die Wirkstoffe während des gesamten Tests fest an beiden Proteinen gebunden blieben, was bestätigte, dass das anfängliche Docking kein temporärer Fehler war. Die Forscher berechneten zudem die Energie, die erforderlich ist, um die Wirkstoffe gebunden zu halten, und fanden heraus, dass die Kräfte, die sie zusammenhalten, stark und konsistent sind. Darüber hinaus überprüften sie die chemische Einzigartigkeit dieser neuen Kandidaten. Durch den Vergleich ihrer Strukturen mit Tausenden bekannter MDM2- und MDM4-Inhibitoren bestätigten sie, dass diese beiden Moleküle strukturell verschieden sind. Sie ähnelten nicht den derzeit in Gebrauch befindlichen oder in klinischen Studien befindlichen Medikamenten; sie besetzten einen Bereich des chemischen Raums, der zuvor noch nicht erforscht worden war, was einen frischen Ansatz für das Problem bot.

Die Forscher blickten auch über das unmittelbare Ziel hinaus, um zu verstehen, wie diese Medikamente die breitere Krebszelle beeinflussen könnten. Mit einer Methode namens Netzwerk-Pharmakologie kartierten sie, wie die Kandidatenmoleküle mit anderen Genen und Proteinen interagieren könnten, die im dedifferenzierten Liposarkom aktiv sind. Die Analyse deutete darauf hin, dass diese Medikamente nicht nur MDM2 und MDM4 angreifen, sondern auch mit einem Cluster anderer kritischer Ziele interagieren würden, die an der Zellteilung und dem Krebswachstum beteiligt sind. Dieser Multi-Target-Effekt könnte ein bedeutender Vorteil sein, da er potenziell die Resistenzmechanismen überwindet, die es Krebszellen ermöglichen, gegen Wirkstoffe mit nur einem Ziel anzugehen. Die Simulationen sagten auch voraus, dass diese Moleküle oral aufgenommen werden könnten, was eine entscheidende Voraussetzung für jedes zukünftige Medikament ist. Die Computermodelle warnten jedoch auch vor potenziellen Sicherheitsbedenken, einschließlich Risiken für Leber und Herz, die in der zukünftigen Entwicklung adressiert werden müssten.

Es ist wichtig zu beachten, dass diese Ergebnisse vollständig im Bereich der Computersimulation existieren. Die Forscher haben diese Moleküle noch nicht in einem Labor oder in lebenden Zellen getestet. Die Vorhersagen darüber, wie gut sie binden, wie sie sich bewegen und wie sie den Körper beeinflussen könnten, basieren auf mathematischen Modellen und Algorithmen. Obwohl die Simulationen hochdetailliert sind und die Ergebnisse über verschiedene Methoden hinweg konsistent sind, bleiben sie Hypothesen, bis sie durch physische Experimente bewiesen werden. Die Studie stellt explizit klar, dass die vom Computer berechneten Bindungsenergien wahrscheinlich Überschätzungen sind und dass die wahre Stärke der Wechselwirkung in einem „Nasslabor“ gemessen werden muss. Das Team räumt ein, dass der Weg von einer Computerprognose zu einem funktionierenden Medikament lang und ungewiss ist, geprägt von potenziellen Fehlern in der chemischen Synthese, Toxizität und Wirksamkeit.

Trotz dieser Einschränkungen bietet die Studie eine klare und vielversprechende Richtung für die zukünftige Forschung. Die beiden Kandidatenmoleküle, ZINC9412756 und ZINC20724474, repräsentieren eine neue Klasse potenzieller Behandlungen, die sich strukturell von allem derzeit Verfügbaren unterscheiden. Sie wurden durch eine Methode gefunden, die erfolgreich die Geschwindigkeit künstlicher Intelligenz mit der Präzision physikbasierter Simulationen kombiniert hat, um durch eine riesige chemische Landschaft zu navigieren. Die Forscher haben ein Paar von Molekülen identifiziert, die in der digitalen Welt in der Lage zu sein scheinen, das duale Verteidigungssystem auszuschalten, das diesen aggressiven Krebs schützt. Der nächste Schritt, wie von den Autoren skizziert, besteht darin, diese Verbindungen zu synthetisieren und sie im Labor zu testen, um zu sehen, ob die Vorhersagen des Computers der Realität standhalten. Wenn dies der Fall ist, könnten diese Moleküle Patienten mit einer Krankheit, die nur wenige wirksame Behandlungsoptionen bietet, neue Hoffnung geben und schließlich den Kreislauf der Resistenz durchbrechen, der bisherige Bemühungen erschwert hat.