Library docking for Cannabinoid-2 Receptor ligands

Este estudio demuestra que el acoplamiento molecular de una biblioteca de 2.6 mil millones de moléculas contra el receptor CB2 permitió descubrir ocho familias diversas de ligandos selectivos y potentes, validando la utilidad de las estructuras de criomicroscopía electrónica y la optimización basada en la estructura para el diseño de fármacos.

Lo esencial

¡Claro que sí! Imagina que este artículo es la historia de una gran búsqueda del tesoro, pero en lugar de buscar oro en un mapa antiguo, los científicos buscaban moléculas mágicas dentro de un océano de billones de posibilidades.

Aquí tienes la explicación de este estudio sobre el receptor CB2 (una parte de nuestro cuerpo que controla el dolor y la inflamación), contada de forma sencilla:

1. El Problema: Una Llave que abre dos puertas

El cuerpo tiene dos "cerraduras" muy parecidas llamadas CB1 y CB2.

• CB1 está en el cerebro y controla cosas como el estado de ánimo y el apetito (¡y es la que hace que te sientas "colocado" si usas cannabis!).
• CB2 está en el resto del cuerpo y ayuda a controlar el dolor y la inflamación sin afectar al cerebro.

El problema es que estas dos cerraduras son casi idénticas (como dos puertas gemelas). Si intentas poner una llave en la cerradura CB2 para aliviar el dolor, a menudo se abre también la puerta CB1, causando efectos secundarios no deseados. Los científicos querían encontrar una llave maestra que solo abriera la puerta CB2 y dejara la CB1 cerrada.

2. La Estrategia: El "Cazador de Moléculas"

En lugar de fabricar llaves una por una (lo cual sería lento y caro), usaron una computadora súper potente para simular el encaje de billones de llaves virtuales en la cerradura CB2.

• El primer intento (La red pequeña): Primero probaron con una "red" de 7 millones de moléculas. Fue como pescar en un lago pequeño. Encontraron algunos peces (moléculas que funcionaban), pero eran peces pequeños (poco potentes) y a veces se confundían con los de la otra puerta.
• El gran salto (La red gigante): Luego, lanzaron una red gigante de 2.6 mil millones de moléculas. Fue como pescar en todo el océano Atlántico. ¡El resultado fue increíble! Encontraron peces mucho más grandes y potentes. Además, al buscar en un océano tan grande, encontraron tipos de peces que nunca habían visto antes (nuevas familias químicas).

3. El Truco Secreto: Buscar lo "Húmedo" en un lugar "Seco"

El receptor CB2 es como una cueva muy grasosa y seca (lipofílica). Normalmente, las llaves que encajan ahí son grasosas. Pero las llaves grasosas suelen encajar en ambas puertas (CB1 y CB2).

Los científicos tuvieron una idea brillante: "¿Y si forzamos a la llave a tener una parte 'húmeda' o polar?"

• Imagina que la cerradura tiene unos pequeños imanes (residuos polares) en un rincón.
• Diseñaron las llaves virtuales para que tuvieran un "gancho" magnético que solo encajara con esos imanes específicos de la puerta CB2.
• Resultado: ¡Funcionó! Al priorizar estas interacciones "húmedas", consiguieron llaves que eran muy selectivas. Abrieron la puerta CB2 y dejaron la CB1 totalmente cerrada.

4. La Prueba de Fuego: ¿Funcionan de verdad?

Encontrar una llave en la computadora es una cosa, pero ver si abre la puerta de verdad es otra.

• Sintetizaron (fabricaron) las mejores llaves que la computadora les sugirió.
• Las probaron en células reales. ¡Funcionaron! Algunas eran tan potentes que necesitaban una cantidad diminuta para hacer su trabajo (nanomolar), mucho mejor que las que encontraron en la red pequeña.
• Además, descubrieron que algunas llaves no solo abrían la puerta, sino que la activaban (agonistas) y otras la apagaban (antagonistas inversos), lo cual es muy útil para diferentes tipos de medicamentos.

5. La Verificación Final: La Foto de Rayos X

Para estar 100% seguros de que sus predicciones eran correctas, usaron una cámara súper avanzada (Crio-Microscopía Electrónica) para tomar una foto real de cómo se veían estas nuevas llaves dentro de la cerradura.

• El resultado: ¡La foto real coincidía casi perfectamente con el dibujo que la computadora había hecho! Fue como si el arquitecto hubiera diseñado un edificio y, al construirlo, se viera exactamente igual al plano. Esto les dio mucha confianza en que su método funciona.

En Resumen: ¿Qué aprendimos?

1. Más es mejor: Buscar en bibliotecas gigantes (miles de millones de opciones) da resultados mucho mejores que buscar en listas pequeñas.
2. La selectividad es posible: Aunque las puertas CB1 y CB2 son gemelas, podemos diseñar llaves que solo abran una si nos fijamos en los detalles "húmedos" y específicos.
3. La computadora es un gran ayudante: Si combinamos la potencia de la computadora con la química real, podemos encontrar medicamentos nuevos, más seguros y más potentes para el dolor y la inflamación, sin los efectos secundarios de "subirse al tren" del cerebro.

Es como si hubiéramos pasado de buscar agujas en un pajar a usar un imán gigante en un campo entero, y no solo encontramos agujas, sino que encontramos las agujas perfectas para el trabajo.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Acoplamiento de bibliotecas para ligandos del receptor de cannabinoides-2 (CB2)

1. El Problema

Los receptores cannabinoides CB1 y CB2 son GPCRs de la familia de lípidos con un alto grado de identidad de secuencia (~44% global, ~68% en el sitio ortostérico y hasta ~90% en residuos de unión). Esto hace extremadamente difícil diseñar ligandos que sean selectivos para el subtipo CB2 (periférico, inmunomodulador) sobre el CB1 (central, psicotrópico), evitando así efectos secundarios neurológicos. Además, existen desafíos metodológicos en el descubrimiento de fármacos basado en estructura (SBDD) para estos receptores:

• Selectividad: Lograr selectividad de subtipo en sitios de unión altamente hidrofóbicos.
• Funcionalidad: Predecir si un ligando será un agonista, antagonista o agonista inverso basándose en la conformación del receptor (activo vs. inactivo).
• Escala: Determinar si el aumento del tamaño de las bibliotecas virtuales (de millones a miles de millones de moléculas) mejora significativamente las tasas de éxito y la afinidad de los "hits".
• Validación: Confirmar si los ligandos descubiertos son novedosos y si las predicciones de acoplamiento se corresponden con la realidad estructural (Cryo-EM).

2. Metodología

Los autores utilizaron el receptor CB2 como modelo para explorar estrategias de acoplamiento de bibliotecas a gran escala:

• Estrategia de Acoplamiento y Filtrado:

  • Se utilizaron estructuras de Cryo-EM del CB2 en estado activo (PDB: 6PT0) e inactivo (PDB: 5ZTY).
  • Optimización de la puntuación: Para mejorar la selectividad, se modificaron los cálculos electrostáticos aumentando los dipolos locales de residuos polares clave (T3.33, S7.39, S2.60, H2.65 y el esqueleto de L182ECL2) sin cambiar su carga neta. Se aplicaron filtros posteriores para exigir interacciones de puentes de hidrógeno con estos residuos.
  • Bibliotecas probadas:
    1. Biblioteca "In-Stock": ~7 millones de moléculas disponibles comercialmente.
    2. Biblioteca de 1.6 mil millones: Moléculas "make-on-demand" (disponibles bajo pedido) de la base REAL de Enamine.
    3. Biblioteca de 2.6 mil millones: Moléculas totalmente enumeradas (brute-force) de la base REAL, acopladas contra la conformación inactiva.
  • Filtros de Novedad: Se excluyeron moléculas con similitud topológica (Tanimoto < 0.35) con ligandos conocidos de cannabinoides en ChEMBL.

• Validación Experimental:

  • Unión: Ensayos de desplazamiento de radioligandos ([3H]-CP55,940 o [3H]-WIN 55212-2) para determinar Ki.
  • Funcionalidad: Ensayos de acumulación de cAMP (GloSensor) y BRET (TRUPATH) para distinguir entre agonistas, antagonistas e inversos agonistas.
  • Control de Artefactos: Pruebas de agregación coloidal (DLS) e inhibición enzimática para descartar falsos positivos.
  • Estructura: Determinación de estructuras de complejos CB2-ligando mediante Cryo-EM para validar las predicciones de acoplamiento.

3. Contribuciones Clave

• Estrategia de Selectividad: Demostración de que priorizar interacciones polares en un sitio de unión lipofílico es una estrategia efectiva para obtener ligandos selectivos de CB2 sobre CB1.
• Escalabilidad de Bibliotecas: Evidencia empírica de que aumentar el tamaño de la biblioteca de 7 millones a 2.6 mil millones de moléculas mejora drásticamente la afinidad de los hits y la tasa de éxito, descubriendo ligandos con actividad en el rango nanomolar que no se encontraron en bibliotecas más pequeñas.
• Análisis de Estado Funcional: Un estudio exhaustivo sobre si acoplar contra estados activos o inactivos predice la función del ligando, concluyendo que, aunque hay tendencias, la distinción funcional pura basada solo en la conformación del receptor sigue siendo difícil para CB2.
• Validación Estructural: Resolución de estructuras de Cryo-EM de dos nuevos agonistas (representando diferentes quimiotipos) que confirmaron la precisión de las predicciones de acoplamiento (RMSD de 1.1 y 1.8 Å).

4. Resultados

• Biblioteca de 7 Millones (In-Stock):

  • Se probaron 34 moléculas; 6 fueron activas (Ki entre 0.9 y 7.1 µM).
  • Dos compuestos mostraron selectividad >40x para CB2 sobre CB1.
  • Limitación: Ninguno de los hits mostró actividad funcional medible (agonismo/antagonismo) en ensayos funcionales.

• Biblioteca de 1.6 Millones (Make-on-Demand):

  • Se sintetizaron y probaron 151 moléculas.
  • Se identificaron 16 ligandos con Ki < 15 µM.
  • Descubrimiento Funcional: Por primera vez, se encontraron agonistas e inversos agonistas con actividad funcional (EC50 en el rango de micromolar a nanomolar).

• Biblioteca de 2.6 Millones (Enumerada Completa):

  • Se probaron 290 moléculas sintetizadas.
  • Mejora de Afinidad: Se descubrieron ligandos con afinidades en el rango de nanomolar (Ki < 1 µM). El mejor agonista tuvo un Ki de 65 nM y un EC50 de 2.5 nM; el mejor inverso agonista tuvo un EC50 de 28 nM.
  • Selectividad: Se identificaron familias de ligandos con selectividad de 8 a 115 veces para CB2 sobre CB1.
  • Novedad: Se descubrieron 8 familias químicas diversas. Siete de ellas eran completamente novedosas (Tc < 0.35) respecto a los ligandos de cannabinoides conocidos en ChEMBL.

• Optimización de Ligandos:

  • Mediante relaciones estructura-actividad (SAR), se mejoraron los hits iniciales en 10 a 140 veces su potencia.
  • La optimización de un hit de la biblioteca de 7 millones ('6138) llevó a análogos con EC50 en el rango de nanomolar.

• Estructuras de Cryo-EM:

  • Se resolvieron las estructuras de los agonistas '5249 y '1029 unidos a CB2.
  • Las poses experimentales coincidieron bien con las predicciones de acoplamiento, validando el modelo de unión, aunque se observaron ajustes en las interacciones de puentes de hidrógeno (ej. mediación por agua o cambios de isómeros) no previstos inicialmente.

5. Significado e Implicaciones

• Validación del SBDD a Gran Escala: El estudio confirma que el acoplamiento de bibliotecas ultra grandes (miles de millones de moléculas) es una herramienta poderosa para descubrir ligandos de alta afinidad y novedosos en receptores difíciles como los GPCRs lipídicos.
• Nuevas Herramientas Químicas: Se han generado 8 familias de ligandos CB2 altamente potentes y selectivos, muchos de ellos agonistas e inversos agonistas con afinidad nanomolar, que sirven como herramientas moleculares superiores para investigar la biología del CB2.
• Desafíos Persistentes: Aunque se mejoró la afinidad, la capacidad de predecir la función (agonista vs. inverso agonista) basándose únicamente en la conformación del receptor (activo vs. inactivo) sigue siendo limitada, sugiriendo que otros factores dinámicos o de la membrana influyen en la selectividad funcional.
• Futuro: Los resultados apoyan la inversión en bibliotecas de síntesis "make-on-demand" y métodos de enumeración completa, así como la necesidad de refinar los métodos de puntuación para capturar mejor la selectividad funcional.

En resumen, este trabajo demuestra que la combinación de estrategias de acoplamiento optimizadas (enfoque en polaridad), bibliotecas virtuales masivas y validación estructural rigurosa permite superar las limitaciones históricas en el descubrimiento de ligandos selectivos para el receptor CB2.