Native-to-fibril structural remodelling reveals an amyloid-selective transthyretin epitope for AI-guided binder design

El cuerpo humano es una máquina compleja que depende de las proteínas para llevar a cabo sus tareas más vitales. Una de estas proteínas, llamada transtiretina, actúa como un camión de reparto en la sangre, transportando hormonas al cerebro y otros órganos. Normalmente, cuatro de estas unidades proteicas se ensamblan para formar una estructura estable de cuatro partes. Sin embargo, en ciertas condiciones, este ensamblaje estable puede desmoronarse. Cuando las unidades individuales se separan, pueden perder su forma, plegarse incorrectamente y agruparse en fibras largas y rígidas conocidas como fibrillas amiloides. Estas fibras son el sello distintivo de un grupo de enfermedades llamadas amiloidosis, que pueden dañar el corazón, los nervios y otros tejidos. El desafío para los médicos y científicos siempre ha sido cómo distinguir entre la proteína sana de cuatro partes y estos cúmulos peligrosos y deformes. Si un tratamiento no puede distinguir entre ambos, podría atacar accidentalmente a las proteínas sanas que el cuerpo necesita, o no lograr detener las dañinas.

Un equipo de investigadores ha utilizado modelos computacionales avanzados para encontrar un punto específico en estas fibras peligrosas que está oculto en la proteína sana pero expuesto en las enfermas. Al comparar las estructuras 3as dimensiones de las proteínas sanas con las de las fibras tomadas de pacientes reales, descubrieron que una pequeña sección al principio mismo de la cadena proteica, cerca de un marcador químico específico, se vuelve mucho más visible cuando la proteína se convierte en una fibra. Este descubrimiento es significativo porque ofrece un objetivo potencial para nuevos medicamentos. Los investigadores utilizaron luego inteligencia artificial para diseñar diminentes ligantes proteicos, similares a los anticuerpos, que tienen una forma diseñada para encajar perfectamente en este punto recién expuesto. Las simulaciones por computadora sugieren que estos ligantes diseñados se adherirían a las fibras peligrosas, pero debido a que los ligantes también mostraron una alta confianza en interactuar con diferentes partes de la proteína sana, el estudio señala que aún no se puede inferir la unión selectiva o la ausencia de unión a las proteínas sanas.

El estudio comenzó recopilando una colección masiva de datos. Los investigadores analizaron el código genético de la transtiretina para entender cómo cambia en diferentes personas. Catalogaron más de ciento treinta mutaciones diferentes, que son pequeños errores en las instrucciones genéticas que pueden hacer que la proteína sea inestable. También mapearon veintiséis modificaciones químicas diferentes que pueden ocurrir en la proteína a medida que las personas envejecen o bajo estrés. Estas modificaciones, como la oxidación o la adición de pequeñas etiquetas químicas, pueden alterar cómo se comporta la proteína. Al crear un mapa detallado de estos cambios, el equipo estableció una base sobre cómo la proteína podría comportarse bajo diversas condiciones. Utilizaron potentes programas informáticos para predecir cómo estas mutaciones y modificaciones afectarían la estabilidad de la proteína, confirmando que muchos de los cambios conocidos causantes de enfermedades hacen que la proteína sea mucho más propensa a desmoronarse y formar fibras.

El núcleo de la investigación consistió en una comparación directa entre la proteína sana de cuatro partes y las estructuras de las fibras encontradas en pacientes. El equipo analizó treinta estructuras de fibras diferentes tomadas de pacientes con diversas formas de la enfermedad, incluyendo aquellos con mutaciones genéticas y aquellos con la forma común relacionada con la edad. Estas fibras procedían de diferentes partes del cuerpo, como el corazón, el ojo y el tejido muscular. Cuando los investigadores compararon estas estructuras de fibras con la proteína sana, encontraron una diferencia sorprendente en un área específica. En la proteína sana, un tramo corto de la cadena cerca del principio está guardado y oculto del mundo exterior. Sin embargo, en todas las estructuras de las fibras, este mismo tramo era empujado hacia afuera y expuesto. Esta sección expuesta se encuentra justo al lado de un marcador químico que a menudo se altera en el proceso de la enfermedad, pero la exposición en sí es el resultado de que la proteína cambie su forma a una fibra, no solo debido al marcador químico.

Para entender si este punto expuesto podría ser un objetivo para el tratamiento, los investigadores recurrieron a la inteligencia artificial. Utilizaron herramientas de diseño generativo, que son como arquitectos digitales que pueden inventar nuevas formas de proteínas desde cero. Pidieron a estos programas que diseñaran diminutos ligantes que encajaran específicamente en el punto expuesto de la fibra. La IA generó cientos de diseños potenciales y luego los filtró hasta llegar a los candidatos más prometedores. Los investigadores realizaron luego un segundo conjunto de pruebas computacionales para ver cómo se comportarían estos diseños. Probaron los ligantes contra las estructuras de las fibras para las que fueron diseñados, y también contra la proteína sana de cuatro partes. Los resultados fueron alentadores: los ligantes que fueron diseñados para encajar en la forma de la fibra se engancharon en el punto expuesto en las estructuras de las fibras. Cuando los mismos ligantes se probaron contra la proteína sana, la computadora predijo que interactuarían con partes distantes de la proteína en lugar del punto objetivo. Sin embargo, debido a que los modelos computacionales todavía mostraban una alta confianza en estas interacciones alternativas con la proteína sana, los investigadores enfatizan que esto no prueba aún que los ligantes ignorarán la proteína sana en un entorno real.

El estudio también exploró si este enfoque podría funcionar en diferentes tipos de la enfermedad. Dado que los depósitos amiloides pueden formarse en el corazón, el ojo o los músculos, los investigadores se preguntaron si un ligante diseñado para un tejido podría fallar en otro. Diseñaron ligantes específicamente para las fibras encontradas en el ojo y luego los probaron contra fibras del corazón. Las simulaciones mostraron que los ligantes diseñados para las fibras del ojo todavía reconocían y se unían al punto expuesto en las fibras del corazón. Esto sugiere que el punto expuesto es una característica común de la enfermedad, independientemente de dónde se forme en el cuerpo. Este hallazgo apunta hacia la posibilidad de un tratamiento único que podría funcionar para pacientes con diferentes formas de la enfermedad, en lugar de necesitar un fármaco único para cada mutación o tipo de tejido específico.

A pesar de estos prometedores resultados computacionales, los investigadores advierten cuidadosamente que este trabajo se encuentra aún en las etapas iniciales. Los diseños existen solo como modelos computacionales, y las predicciones de qué tan bien se unirán se basan en simulaciones, no en experimentos físicos. El equipo aún no ha probado estos ligantes en un laboratorio o en organismos vivos. No han medido con qué fuerza se adhieren los ligantes a las fibras, ni han confirmado si pueden eliminar las fibras del cuerpo. El estudio establece explícitamente que, aunque los modelos computacionales sugieren que los ligantes son selectivos, esto no ha sido probado. Los siguientes pasos implicarían fabricar estas proteínas en un laboratorio y probarlas contra muestras reales de pacientes para ver si se comportan como la computadora predijo.

El valor de este trabajo reside en su método. Al combinar una comprensión profunda de la estructura de la proteína con la inteligencia artificial moderna, los investigadores han identificado un objetivo específico y accesible que antes era difícil de ver. Han demostrado que la transición de una proteína sana a una fibra que causa la enfermedad crea una nueva superficie que puede ser atacada. Este enfoque proporciona una hoja de ruta para desarrollar terapias que sean precisas, apuntando únicamente a los cúmulos dañinos mientras dejan solas a las proteínas sanas. Si bien el viaje desde un diseño computacional hasta un medicamento funcional es largo e incierto, este estudio ofrece una dirección clara. Transforma un problema biológico complejo en un desafío de ingeniería resoluble, sugiriendo que con las herramientas adecuadas, podemos diseñar moléculas para reconocer y neutralizar las formas específicas que causan enfermedades.