Expansion of DNA-Encoded Library Hits Using Generative Chemistry and Ultra-Large Compound Catalogs

La scoperta di un nuovo medicinale inizia spesso con una ricerca attraverso un vasto e caotico mare di possibilità chimiche. Gli scienziati devono trovare una singola molecola che si incastri perfettamente in un bersaglio biologico specifico, come una chiave che scivola in una serratura, per fermare un processo patologico o riparare un meccanismo interrotto nel corpo. Per decenni, il metodo standard per farlo è stato lo screening ad alto rendimento (high-throughput screening), un metodo in cui le macchine testano uno per uno centinaia di migliaia di sostanze chimiche fisiche. Sebbene efficace, questo approccio è lento, costoso e richiede enormi quantità di materiali fisici. Una tecnica più moderna, chiamata librerie codificate tramite DNA, è emersa come una potente alternativa. In questo metodo, gli scienziati attaccano un codice a barre di DNA unico a ogni singolo elemento costruttivo chimico tra miliardi. Li mescolano insieme e li lasciano interagire con una proteina bersaglio. I tag di DNA fungono da registro, permettendo ai ricercatori di leggere rapidamente quali sostanze chimiche si sono legate alla proteina e quali no. Ciò consente lo screening di un numero enorme di composti con costi e sforzi molto inferiori rispetto ai metodi tradizionali. Tuttavia, queste librerie sono limitate dalle specifiche sostanze chimiche che i ricercatori hanno deciso di costruire inizialmente. Se la migliore molecola possibile non esiste all'interno di quel set iniziale di elementi costruttivi, la ricerca si ferma lì, e una potenziale cura rimane non scoperta.

I ricercatori dell'Università della Carolina del Nord a Chapel Hill hanno sviluppato una nuova strategia per superare questo limite, combinando i dati del mondo reale di queste librerie di DNA con il potere predittivo dell'intelligenza artificiale. Il loro lavoro si concentra su una proteina chiamata 53BP1, che svolge un ruolo critico nel modo in cui le cellule riparano il DNA danneggiato. Comprendendo come bloccare questa proteina, gli scienziati sperano di migliorare gli strumenti di editing genico come CRISPR, rendendoli più efficienti. Il team è partito da una collezione mirata di circa 58.000 sostanze chimiche che erano già state testate contro la proteina 53BP1 utilizzando il metodo della libreria di DNA. Hanno identificato alcuni candidati promettenti che mostravano una certa capacità di legarsi alla proteina. Invece di fermarsi lì, hanno utilizzato questi risultati iniziali per addestrare un modello di intelligenza artificiale generativa. Questo modello non si limita a cercare copie delle sostanze chimiche esistenti; apprende le regole che rendono una molecola capace di aderire alla proteina e poi inventa strutture completamente nuove che seguono tali regole. Per garantire che queste nuove idee fossero pratiche, il team ha incrociato le proprie invenzioni con un enorme catalogo di miliardi di sostanze chimiche disponibili commercialmente, noto come Enamine REAL Space.

Il processo è stato simile a un tour guidato attraverso un vasto panorama di possibilità chimiche. I ricercatori hanno prima preso i migliori risultati dal loro screening iniziale della libreria di DNA e li hanno utilizzati per trovare un milione di molecole simili nel catalogo commerciale. Hanno poi inserito questo gruppo nel loro sistema di IA, che ha generato miglia di nuove molecole ipotetiche progettate per legarsi ancora meglio alla proteina 53BP1. Il sistema ha poi controllato questi nuovi design rispetto alla forma reale della proteina per vedere se si sarebbero adattati. I candidati virtuali più promettenti sono stati quindi accoppiati con sostanze chimiche reali e acquistabili presenti nel catalogo. Questo ciclo è stato ripetuto, permettendo all'IA di perfezionare i suoi suggerimenti ed esplorare forme chimiche ancora più diverse. Il risultato è stato un elenco di nuovi composti che erano strutturalmente molto diversi da quelli originariamente trovati nella libreria di DNA, eppure erano tutti acquistabili immediatamente dai fornitori chimici.

Quando il team ha testato questi nuovi composti nominati dall'IA in laboratorio, i risultati sono stati incoraggianti. Hanno utilizzato un saggio sensibile per misurare quanto bene le sostanze chimiche potessero spostare un legante noto dalla proteina 53BP1. Tre dei nuovi composti hanno mostrato una forte attività, con concentrazioni di 50 micromolare o meno necessarie per ottenere un effetto significativo, mentre altri undici hanno performato bene a concentrazioni fino a 100 micromolare. Questi risultati sono comparabili ai migliori colpi ottenuti dalla libreria di DNA originale, molto più piccola. Fondamentalmente, i nuovi composti non erano semplici copie di quelli vecchi; possedevano una varietà più ampia di forme e caratteristiche chimiche. Sembravano anche avere proprietà migliori per diventare farmaci, come una maggiore solubilità prevista in acqua e una struttura più facile da sintetizzare per i chimici. Lo studio ha dimostrato che, utilizzando una piccola quantità di dati sperimentali per guidare un'intelligenza artificiale, i ricercatori possono espandere rapidamente la loro ricerca oltre i limiti fisici della loro libreria iniziale. Questo approccio permette loro di trovare molecole nuove, potenti e commercialmente disponibili senza la necessità di sintetizzare migliaia di nuovi composti da zero, offrendo un percorso snello verso la scoperta della prossima generazione di strumenti terapeutici.