Machine Learning–Based QSAR Screening of Natural Product and ZINC Libraries Uncovers Stable BACE-1 Inhibitors Validated by Gaussian Accelerated Molecular Dynamics (GaMD) Simulations

Resumen Técnico: El cribado de bibliotecas de productos naturales y ZINC basado en aprendizaje automático revela inhibidores estables de BACE-1 validados mediante simulaciones de Dinámica Molecular Acelerada de Gauss (GaMD)

Planteamiento del Problema
La enfermedad de Alzheimer (EA) es un trastorno neurodegenerativo prevalente caracterizado por la acumulación de péptidos β-amiloide (Aβ), que forman placas neurotóxicas. La enzima BACE-1 (enzima que corta la proteína precursora amiloide en el sitio β) es la enzima limitante en la vía amiloidogénica responsable de la producción de Aβ. Si bien la inhibición de BACE-1 es una estrategia terapéutica validada, el desarrollo de inhibidores potentes y selectivos se ha visto dificultado por el sitio activo profundo e hidrofóbico de la enzima y los problemas de toxicidad observados en candidatos clínicos previos (ej. toxicidad hepática, ocular y cardíaca). Los métodos tradicionales de descubrimiento de fármacos suelen ser costosos y lentos. En consecuencia, existe la necesidad de marcos computacionales robustos que puedan identificar eficientemente nuevos inhibidores de BACE-1 estructuralmente estables a partir de grandes bibliotecas químicas, particularmente de productos naturales, para acelerar el descubrimiento de terapias de próxima generación.

Metodología
El estudio empleó un flujo de trabajo computacional integrado que combina el modelado de Relación Estructura-Actividad Cuantitativa (QSAR), cribado virtual, acoplamiento molecular (docking) y simulaciones avanzadas de dinámica molecular (MD).

1. Curación de Datos y Modelado QSAR:

   • Se recuperó un conjunto de datos de 15,642 inhibidores de BACE-1 de la base de datos ChEMBL. Tras un preprocesamiento riguroso (estandarización, eliminación de duplicados y filtrado para valores de IC₅₀ consistentes en unidades nanomolares), se estableció un conjunto curado de 1,532 compuestos únicos.
   • Se generaron doce clases de huellas moleculares (incluyendo CDK, CDK Extended, PubChem, MACCS, Klekota-Roth y Substructure Count) utilizando PaDEL-Descriptor y RDKit.
   • Se utilizaron algoritmos de Bosque Aleatorio (Random Forest, RF) para construir los modelos QSAR. El conjunto de datos se dividió en conjuntos de entrenamiento (80%) y de validación externa (20%) mediante el algoritmo Kennard–Stone.
   • El rendimiento del modelo se evaluó utilizando $R^2$, $Q^2_{cv}$ de validación cruzada y $Q^2_{ext}$ externo. Se realizó un análisis del Dominio de Aplicabilidad (AD) mediante gráficos de Williams para asegurar la fiabilidad de la predicción.

2. Cribado Virtual y Acoplamiento Molecular:

   • El modelo QSAR optimizado se aplicó para cribar las bibliotecas ZINC y NPASS (Productos Naturales).
   • Los hits mejor clasificados fueron sometidos a acoplamiento molecular contra la estructura cristalina de la BACE-1 humana (PDB ID: 6EQM, unida con el inhibidor CNP520) utilizando AutoDock Vina. El sitio activo se definió para abarcar la díada catalítica (Asp32, Asp228) y los residuos de la zona de bucle de la tapa (flap-loop).

3. Dinámica Molecular y Cálculos de Energía Libre:

   • Los complejos ligando-proteína seleccionados se sometieron a 200 ns de simulaciones de Dinámica Molecular Acelerada de Gauss (GaMD) utilizando Amber v24. Este método de muestreo mejorado se utilizó para evaluar la estabilidad dinámica, la flexibilidad conformacional y las interacciones de unión bajo condiciones endosómicas ácidas (pH 5.0).
   • Las métricas de estabilidad incluyeron la Desviación de la Raíz Cuadrática Media (RMSD), la Fluctuación de la Raíz Cuadrática Media (RMSF), el Radio de Giro (RoG) y el Área de Superficie Accesible al Solvente (SASA).
   • Se realizó un Análisis de Componentes Principales (PCA) para analizar los movimientos colectivos, y las energías libres de unión ($\Delta G_{bind}$) se calcularon mediante el método de Mecánica Molecular/Área de Superficie de Born Generalizada (MM/GBSA).

Contribuciones Clave y Resultados

• Rendimiento del Modelo QSAR:

  • Entre las doce clases de huellas, los descriptores CDK Extended y CDK exhibieron el mayor rendimiento predictivo, alcanzando $Q^2_{cv} = 0.78 \pm 0.03$ y $Q^2_{ext} = 0.79 \pm 0.01$ (para CDK Extended).
  • La huella de Conteo de Subestructuras (Substructure Count), a pesar de usar solo 31 descriptores, demostró una fuerte capacidad predictiva ($Q^2_{ext} = 0.76$) y eficiencia computacional, lo que la hace apta para un cribado rápido.
  • Los modelos mostraron brechas estrechas entre $R^2$ y $Q^2$ (0.10–0.16), lo que indica una robusta generalizabilidad y un mínimo sobreajuste (overfitting).
  • El análisis fisicoquímico reveló que los compuestos activos poseen típicamente pesos moleculares entre 400–600 Da y valores de LogP de 2–6.

• Cribado Virtual y Acoplamiento Molecular:

  • El flujo de trabajo identificó cinco candidatos de alto rango de las bibliotecas ZINC y NPASS: NPC475168, NPC313966, NPC252056, NPC471858 y ZINC71913776.
  • Los resultados de acoplamiento indicaron que estos ligandos formaron enlaces de hidrógeno fuertes e interacciones hidrofóbicas con residuos catalíticos clave (Asp32, Asp228, Thr72, Thr231) y la región del bucle de la tapa.
  • NPC252056 mostró el puntaje de acoplamiento más favorable (–13.08 kcal/mol), superando al inhibidor de referencia CNP520 (–5.73 kcal/mol).

• Estabilidad Dinámica y Afinidad de Unión (GaMD y MM/GBSA):

  • Estabilidad: Las simulaciones de 200 ns de GaMD confirmaron que la mayoría de los complejos permanecieron estructuralmente estables. NPC471858 y NPC475168 exhibieron las estructuras más compactas y rígidas (bajo RMSD, fluctuaciones estrechas de RoG y muestreo conformacional restringido en PCA). En contraste, NPC313966 mostró una mayor flexibilidad conformacional.
  • Enlaces de Hidrógeno: NPC475168 mantuvo la red de enlaces de hidrógeno más consistente (3–4 enlaces) durante toda la simulación, lo que correlaciona con su rigidez estructural.
  • Energía Libre de Unión: Los cálculos de MM/GBSA identificaron a NPC475168 como el ligando con la unión más favorable con una energía libre de unión total de –64.84 kcal/mol, superando significativamente al inhibidor de referencia CNP520 (–41.06 kcal/mol). NPC313966 (–52.25 kcal/mol) y NPC252056 (–42.95 kcal/mol) también mostraron una fuerte afinidad, mientras que NPC471858 (–40.39 kcal/mol) igualó al de referencia.

Significancia y Reivindicaciones
Los autores afirman que este estudio establece con éxito un marco computacional integrado y robusto (QSAR–MD) para el descubrimiento de inhibidores de BACE-1. La principal significancia radica en la identificación de NPC475168 como un compuesto líder computacional altamente prometedor, distinguido por su energía libre de unión superior, estabilidad estructural y fuertes interacciones con residuos catalíticos críticos.

El artículo sostiene que los compuestos identificados, particularmente NPC475168, junto con NPC252056, NPC313966 y NPC471858, proporcionan una base para la optimización guiada por la estructura. El estudio posiciona estos hallazgos como un paso hacia la validación experimental de inhibidores de BACE-1 de próxima generación para la enfermedad de Alzheimer, enfatizando que el flujo de trabajo multinivel filtra eficazmente tanto la alta afinidad como la estabilidad dinámica, abordando un vacío crítico en los esfuerzos actuales de descubrimiento de fármacos. Los autores no reclaman una eficacia clínica inmediata, sino que presentan estas moléculas como candidatos sólidos para evaluaciones bioquímicas y farmacocinéticas adicionales.