Binding Paths: Describing Small Molecule Interactions with Disordered Proteins via a Markov State Model

Imagina intentar atrapar una medusa resbaladiza y cambiante de forma con una red. Eso es, aproximadamente, lo que enfrentan los diseñadores de fármacos cuando intentan atacar las "proteínas desordenadas". A diferencia de la mayoría de las proteínas, que son como llaves sólidas y rígidas con agujeros específicos (bolsillos) en los que los fármacos pueden encajar, las proteínas desordenadas son laxas, cambian de forma constantemente y carecen de una estructura fija. Debido a que no tienen un "agujero" estable al cual engancharse, a los científicos les ha costado trabajo descifrar cómo diseñar medicinas que se adhieran a ellas.

Este artículo presenta una nueva forma de entender cómo las pequeñas moléculas de fármacos logran agarrarse a estas proteínas ondulantes. En lugar de buscar un agujero estático, los investigadores observaron el viaje que realiza el fármaco.

La analogía del "Sendero de Senderismo"
Piensa en la proteína desordenada no como un objeto sólido, sino como un vasto paisaje nebuloso que cambia constantemente su terreno. La molécula del fármaco es como un excursionista tratando de cruzar este paisaje. El excursionista no simplemente salta directamente a un destino; deambula, tomando muchos caminos posibles diferentes. A lo largo del camino, podría sujetarse brevemente a una roca aquí, luego a un arbusto allá, después a la rama de un árbol, antes de finalmente establecerse.

Los investigadores llaman a estas rutas errantes "rutas de unión" (binding paths). Aunque la proteína es desordenada y el camino es aleatorio, la moléza del fármaco en realidad sigue un conjunto específico de reglas mientras se difunde a través de la superficie, creando y rompiendo pequeñas conexiones temporales con diferentes grupos de aminoácidos (los bloques de construcción de la proteína).

El "Mapa y la Brújula" (El Modelo de Estados de Markov)
Para dar sentido a este deambular caótico, los científicos construyeron un mapa digital llamado Modelo de Estados de Markov (MSM).

• El Mapa: Imagina dividir el viaje del excursionista en "puntos de control" o estados distintos. Aunque el paisaje cambie, el modelo identifica los lugares más comunes donde el fármaco se detiene y la probabilidad de que se mueva de un lugar al siguiente.
• La Brújula: Este modelo actúa como una brújula que calcula las probabilidades. Nos dice qué rutas son las más populares y qué "puntos calientes" de la proteína es más probable que visite el fármaco.

Visualizando el Viaje
Para facilitar la comprensión de estos datos complejos, convirtieron el mapa en un grafo de conocimiento. Piensa en esto como un mapa de metro. En lugar de mostrar la forma física de la proteína, muestra las "estaciones" (donde el fármaco se detiene) y las "líneas" (los caminos que el fármaco toma para llegar allí). Esto ofrece una imagen clara de cómo el fármaco navega a través del desorden.

Probando la Teoría
El equipo no solo probó esto en un ejemplo. Demostraron que su método funciona aplicándolo a:

1. A{beta}42: Una proteína vinculada al Alzheimer, interactuando con un fármaco llamado 10074-G5.
2. {alfa}-sinucleína: Una proteína vinculada al Parkinson, probada con tres fármacos diferentes.
3. Un péptido largo de 140 residuos: Probado con un fármaco llamado fasudil.

La Gran Conclusión
La conclusión principal es un cambio de perspectiva. Anteriormente, los científicos pensaban que se necesitaba un "bolsillo" sólido e inalterable para diseñar un fármaco. Este artículo sostiene que, para las proteínas desordenadas y laxas, el "bolsillo" es en realidad un camino dinámico. Al mapear estas rutas errantes, podemos identificar qué partes de estas proteínas caóticas son realmente "medicables" (capaces de ser blanco de la medicina), convirtiendo sistemas que antes se consideraban imposibles de tratar en objetivos viables para el diseño de fármacos futuro.