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

Le cancer est souvent un jeu de mauvaise gestion cellulaire, où les propres mécanismes de sécurité du corps sont détournés pour permettre aux tumeurs de croître sans contrôle. Dans un type spécifique et agressif de cancer des tissus mous appelé liposarcome dédifférencié, le problème provient d'un partenariat brisé entre deux protéines. Une protéine, connue sous le nom de MDM2, agit comme un exécuteur implacable qui traque et détruit la p53, une protéine suppresseuse de tumeur vitale qui empêche normalement les cellules de se diviser de manière incontrôlée. Dans les cellules saines, la p53 est le gardien ; dans ce cancer, la MDM2 est hyperactive, traquant constamment la p53 et neutralisant son pouvoir. Cependant, la nature dispose souvent d'un plan de secours. Lorsque les scientifiques tentent de bloquer la MDM2 avec des médicaments, les cellules cancéreuses s'adaptent fréquemment en augmentant les niveaux d'une seconde protéine similaire appelée MDM4. Cette protéine de secours intervient pour poursuivre la tâche de désactivation de la p53, rendant les médicaments ciblant uniquement la MDM2 inefficaces. Pour traiter véritablement cette maladie, les chercheurs pensent qu'ils doivent trouver un moyen de bloquer les deux protéines simultanément, une tâche qui s'est avérée difficile avec les médicaments existants.

Une équipe de chercheurs s'est maintenant tournée vers une puissante combinaison d'intelligence artificielle et de simulation basée sur la physique pour chercher de nouvelles solutions. Ils n'ont pas testé de produits chimiques dans une boîte de Pétri en laboratoire d'abord ; au lieu de cela, ils ont construit un pipeline numérique sophistiqué pour scanner une vaste bibliothèque de près de dix millions de composés de type médicament. Leur objectif était de trouver deux molécules spécifiques capables de se lier étroitement à la fois à MDM2 et MDM4, neutralisant ainsi les deux exécuteurs et permettant au suppresseur de tumeurs naturel du corps de se réveiller. En utilisant l'apprentissage automatique pour prédire quels composés pourraient fonctionner, suivis de simulations informatiques détaillées pour voir comment ils s'insèrent dans les protéines, l'équipe a réduit le champ des possibles à deux candidats prometteurs. Ces deux molécules, identifiées par leurs codes uniques ZINC9412756 et ZINC20724474, sont apparues comme les plus susceptibles de réussir là où les traitements actuels ont échoué.

Le voyage a commencé par un filtrage numérique massif. Les chercheurs ont débuté avec une base de données de composés chimiquement similaires à des médicaments connus, garantissant que les candidats seraient assez sûrs pour être envisagés pour l'usage humain. Ils ont entraîné un modèle informatique sur des milliers d'interactions connues entre des médicaments et la protéine MDM2, apprenant au système à reconnaître les motifs structurels subtils qui rendent une molécule efficace. Ce modèle d'intelligence artificielle a ensuite scanné la bibliothèque de neuf millions de composés, prédisant l'activité de chacun d'eux. Le système a identifié un petit groupe de candidats à haut potentiel, mais les chercheurs savaient que les prédictions informatiques peuvent parfois être trompeuses. Pour en être sûrs, ils ont soumis ces meilleurs candidats à une simulation physique rigoureuse. Ils ont construit des modèles numériques des protéines MDM2 et MDM4, utilisant des dizaines de structures cristallines différentes pour tenir compte du fait que ces protéines sont flexibles et mobiles. Ils ont ensuite simulé la façon dont les molécules candidates s'ancreraient, ou se verrouilleraient, dans les sites actifs des protéines.

Les résultats de ce criblage numérique ont été frappants. Les deux principaux candidats, ZINC9412756 et ZINC20724474, ont montré des forces de liaison prédites supérieures à de nombreux médicaments existants utilisés dans la recherche. Dans les simulations informatiques, ces molécules se sont installées profondément dans les poches de MDM2 et MDM4, formant des connexions stables qui les maintenaient en place. Les chercheurs ont analysé précisément comment elles s'accrochaient. Ils ont découvert que les molécules reposaient fortement sur un réseau dense d'interactions hydrophobes — essentiellement, les molécules se compactaient étroitement contre les surfaces des protéines, de la même manière que l'huile repousse l'eau, pour créer une liaison stable. Ceci était soutenu par des liaisons hydrogène spécifiques, qui agissent comme du Velcro moléculaire, ancrant les médicaments sur des points clés des protéines. L'un des candidats a formé une connexion unique avec une partie de la protéine MDM2 que les médicaments précédents avaient largement ignorée, suggérant qu'il pourrait fonctionner d'une manière différente des traitements actuels.

Pour s'assurer que ces résultats n'étaient pas un simple coup de chance du modèle informatique, l'équipe a lancé des simulations de dynamique moléculaire de longue durée. Ils ont observé les interactions entre les protéines et les médicaments au fil du temps, simulant un demi-million d'étapes de mouvement pour voir si les liaisons résistaient à la pression. Les simulations ont montré que les médicaments restaient fermement attachés aux deux protéines tout au long du test, confirmant que l'amarrage initial n'était pas un glitch temporaire. Les chercheurs ont également calculé l'énergie requise pour maintenir les médicaments liés, constatant que les forces les maintenant ensemble étaient fortes et constantes. De plus, ils ont vérifié l'unicité chimique de ces nouveaux candidats. En comparant leurs structures à des milliers d'inhibiteurs de MDM2 et MDM4 connus, ils ont confirmé que ces deux molécules étaient structurellement distinctes. Elles ne ressemblaient pas aux médicaments actuellement en usage ou en essais cliniques ; elles occupaient une région de l'espace chimique qui n'avait pas été explorée auparavant, offrant une approche nouvelle au problème.

Les chercheurs ont également regardé au-delà de la cible immédiate pour comprendre comment ces médicaments pourraient affecter la cellule cancéreuse dans son ensemble. En utilisant une méthode appelée pharmacologie de réseau, ils ont cartographié la façon dont les molécules candidates pourraient interagir avec d'autres gènes et protéines connus pour être actifs dans le liposarcome dédifférencié. L'analyse a suggéré que ces médicaments ne frapperaient pas seulement MDM2 et MDM4, mais interagiraient également avec un groupe d'autres cibles critiques impliquées dans la division cellulaire et la croissance cancéreuse. Cet effet multi-cibles pourrait constituer un avantage significatif, permettant potentiellement de surmonter les mécanismes de résistance qui permettent aux cellules cancéreuses de survivre aux médicaments à cible unique. Les simulations ont également prédit que ces molécules pourraient être absorbées par l'organisme par voie orale, une exigence cruciale pour tout futur médicament. Cependant, les modèles informatiques ont également signalé des préoccupations potentielles en matière de sécurité, notamment des risques pour le foie et le cœur, qui devront être abordés lors du développement futur.

Il est important de noter que ces résultats existent entièrement dans le domaine de la simulation informatique. Les chercheurs n'ont pas encore testé ces molécules dans un laboratoire ou dans des cellules vivantes. Les prédictions sur la qualité de leur liaison, leur mouvement et leur effet potentiel sur le corps sont basées sur des modèles mathématiques et des algorithmes. Bien que les simulations soient très détaillées et que les résultats soient cohérents à travers différentes méthodes, elles restent des hypothèses jusqu'à ce qu'elles soient prouvées par l'expérience physique. L'étude précise explicitement que les énergies de liaison calculées par l'ordinateur sont probablement des surestimations et que la force réelle de l'interaction doit être mesurée dans un laboratoire humide. L'équipe reconnaît que le chemin allant d'une prédiction informatique à un médicament fonctionnel est long et incertain, parsemé de potentiels échecs en matière de synthèse chimique, de toxicité et d'efficacité.

Malgré ces limites, l'étude offre une direction claire et prometteuse pour les recherches futures. Les deux molécules candidates, ZINC9412756 et ZINC20724474, représentent une nouvelle classe de traitements potentiels qui sont structurellement différents de tout ce qui est disponible actuellement. Elles ont été trouvées par une méthode qui a réussi à combiner la rapidité de l'intelligence artificielle avec la précision de la simulation basée sur la physique pour naviguer dans un vaste paysage chimique. Les chercheurs ont identifié une paire de molécules qui, dans le monde numérique, semblent capables de désactiver le système de défense dual qui protège ce cancer agressif. La prochaine étape, telle que décrite par les auteurs, est de synthétiser ces composés et de les tester en laboratoire pour voir si les prédictions de l'ordinateur se confirment dans la réalité. Si elles se confirment, ces molécules pourraient offrir un nouvel espoir aux patients souffrant d'une maladie qui dispose de peu d'options de traitement efficaces, brisant enfin le cycle de résistance qui a entravé les efforts précédents.