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

El cáncer es a menudo un juego de mala gestión celular, donde los propios mecanismos de seguridad del cuerpo son secuestrados para permitir que los tumores crezcan sin control. En un tipo específico y agresivo de cáncer de tejido blando llamado liposarcoma desdiferenciado, el problema surge de una asociación rota entre dos proteínas. Una proteína, conocida como MDM2, actúa como un ejecutor implacable que busca y destruye la p53, una proteína supresora de tumores vital que normalmente detiene la división celular descontrolada. En las células sanas, la p53 es la guardiana; en este cáncer, la MDM2 está hiperactiva, cazando constantemente a la p53 y neutralizando su poder. Sin embargo, la naturaleza suele tener un plan de respaldo. Cuando los científicos intentan detener la MDM2 con fármacos, las células cancerosas se adaptan frecuentemente potenciando los niveles de una segunda proteína similar llamada MDM4. Esta proteína de respaldo interviene para continuar la tarea de deshabilitar la p53, haciendo que los fármacos que solo se dirigen a la MDM2 resulten ineficaces. Para tratar verdaderamente esta enfermedad, los investigadores creen que deben encontrar una manera de bloquear ambas proteínas simultáneamente, una tarea que ha resultado difícil con los medicamentos existentes.

Un equipo de investigadores ha recurrido ahora a una poderosa combinación de inteligencia artificial y simulación basada en la física para buscar nuevas soluciones. No probaron sustancias químicas en una placa de laboratorio primero; en su lugar, construyeron un sofisticado flujo de trabajo digital para escanear una enorme biblioteca de casi diez millones de compuestos de tipo fármaco. Su objetivo era encontrar dos moléculas específicas que pudieran unirse fuertemente tanto a la MDM2 como a la MDM4, silenciando eficazmente a ambos ejecutores y permitiendo que el supresor de tumores natural del cuerpo despierte. Al utilizar el aprendizaje automático para predecir qué compuestos podrían funcionar, seguido de simulaciones computacionales detalladas para ver cómo encajan en las proteínas, el equipo redujo el campo a dos candidatos prometedores. Estas dos moléculas, identificadas por sus códigos únicos ZINC9412756 y ZINC20724474, surgieron como las más probables para tener éxito donde los tratamientos actuales han tenido dificultades.

El viaje comenzó con un filtro digital masivo. Los investigadores partieron de una base de datos de compuestos que son químicamente similares a medicamentos conocidos, asegurando que los candidatos fueran lo suficientemente seguros como para ser considerados para el uso humano. Entrenaron un modelo informático con miles de interacciones conocidas entre fármacos y la proteína MDM2, enseñando al sistema a reconocer los sutiles patrones estructurales que hacen que una molécula sea efectiva. Este modelo de inteligencia artificial escaneó la biblioteca de nueve millones de compuestos, prediciendo la actividad de cada uno. El sistema identificó un pequeño grupo de candidatos de alto potencial, pero los investigadores sabían que las predicciones computacionales a veces pueden ser engañosas. Para estar seguros, sometieron estos principales candidatos a una riguroosa simulación física. Construyeron modelos digitales de las proteínas MDM2 y MDM4, utilizando docenas de estructuras cristalinas diferentes para tener en cuenta el hecho de que estas proteínas son flexibles y se mueven. Luego simularon cómo las moléculas candidatas se acoplarían, o se encajarían, en los sitios activos de las proteínas.

Los resultados de este cribado digital fueron sorprendentes. Los dos candidatos principales, ZINC9412756 y ZINC20724474, mostraron fuerzas de unión predichas que son superiores a muchos de los fármacos existentes utilizados en investigación. En las simulaciones computacionales, estas moléculas se asentaron profundamente en los bolsillos de ambas proteínas, MDM2 y MDM4, formando conexiones estables que las mantenían en su lugar. Los investigadores analizaron exactamente cómo se sujetaban. Descubrieron que las moléculas dependían fuertemente de una densa red de interacciones hidrofóbicas —esencialmente, las moléculas se empaquetaban estrechamente contra las superficies proteicas, de forma muy similar a como el aceite repele el agua, para crear un enlace estable. Esto fue respaldado por enlaces de hidrógeno específicos, que actúan como un velcro molecular, anclando los fármacos a puntos clave en las proteínas. Uno de los candidatos formó una conexión única con una parte de la proteína MDM2 que los fármacos anteriores habían ignorado en gran medida, lo que sugiere que podría funcionar de una manera diferente a los tratamientos actuales.

Para asegurar que estos hallazgos no fueran solo un error del modelo computacional, el equipo realizó simulaciones de dinámica molecular de larga duración. Observaron la interacción entre las proteínas y los fármacos a lo largo del tiempo, simulando medio millón de pasos de movimiento para ver si los enlaces resistían bajo presión. Las simulaciones mostraron que los fármacos permanecían firmemente adheridos a ambas proteínas durante toda la prueba, confirmando que el acoplamiento inicial no fue un fallo temporal. Los investigadores también calcularon la energía necesaria para mantener los fármacos unidos, encontrando que las fuerzas que los mantenían juntos eran fuertes y consistentes. Además, comprobaron la singularidad química de estos nuevos candidatos. Al comparar sus estructuras con miles de inhibidores conocidos de MDM2 y MDM4, confirmaron que estas dos moléculas eran estructuralmente distintas. No se parecían a los fármacos que se usan actualmente o que están en ensayos clínicos; ocupaban una región del espacio químico que no había sido explorada antes, ofreciendo un enfoque fresco al problema.

Los investigadores también miraron más allá del objetivo inmediato para comprender cómo estos fármacos podrían afectar a la célula cancerosa en su totalidad. Utilizando un método llamado farmacología de redes, mapearon cómo las moléculas candidatas podrían interactuar con otros genes y proteínas que se sabe que están activos en el liposarcoma desdiferenciado. El análisis sugirió que estos fármacos no solo atacarían a MDM2 y MDM4, sino que también se involucrarían con un grupo de otras dianas críticas implicadas en la división celular y el crecimiento del cáncer. Este efecto de múltiple diana podría ser una ventaja significativa, superando potencialmente los mecanismos de resistencia que permiten a las células cancerosas sobrevivir a los fármacos de diana única. Las simulaciones también predijeron que estas moléculas podrían ser absorbidas por el cuerpo si se toman por vía oral, un requisito crucial para cualquier medicamento futuro. Sin embargo, los modelos computacionales también señalaron posibles preocupaciones de seguridad, incluyendo riesgos para el hígado y el corazón, que tendrían que abordarse en el desarrollo futuro.

Es importante señalar que estos resultados existen enteramente dentro del ámbito de la simulación computacional. Los investigadores aún no han probado estas moléculas en un laboratorio o en células vivas. Las predicciones sobre qué tan bien se unen, cómo se mueven y cómo podrían afectar al cuerpo se basan en modelos matemáticos y algoritmos. Si bien las simulaciones son altamente detalladas y los resultados son consistentes a través de diferentes métodos, siguen siendo hipótesis hasta que sean probadas mediante experimentos físicos. El estudio establece explícitamente que las energías de unión calculadas por la computadora son probablemente sobreestimaciones y que la verdadera fuerza de la interacción debe medirse en un laboratorio húmedo. El equipo reconoce que el camino desde una predicción computacional hasta un fármaco funcional es largo e incierto, lleno de posibles fallos en la síntesis química, la toxicidad y la eficacia.

A pesar de estas limitaciones, el estudio proporciona una dirección clara y prometedora para la investigación futura. Las dos moléculas candidatas, ZINC9412756 y ZINC20724474, representan una nueva clase de tratamientos potenciales que son estructuralmente diferentes a todo lo disponible actualmente. Fueron halladas mediante un método que combinó con éxito la velocidad de la inteligencia artificial con la precisión de la simulación basada en la física para navegar por un vasto paisaje químico. Los investigadores han identificado un par de moléculas que, en el mundo digital, parecen capaces de deshabilitar el sistema de defensa dual que protege este cáncer agresivo. El siguiente paso, tal como describen los autores, es sintetizar estos compuestos y probarlos en el laboratorio para ver si las predicciones de la computadora se cumplen en la realidad. Si lo hacen, estas moléculas podrían ofrecer una nueva esperanza para los pacientes con una enfermedad que tiene pocas opciones de tratamiento efectivas, rompiendo finalmente el ciclo de resistencia que ha obstaculizado los esfuerzos previos.