Binding Paths: Describing Small Molecule Interactions with Disordered Proteins via a Markov State Model

Immagina di cercare di catturare una medusa scivolosa e mutaforma con una rete. Questo è approssimativamente ciò che i progettisti di farmaci affrontano quando cercano di colpire le "proteine disordinate". A differenza della maggior parte delle proteine, che sono come chiavi rigide e solide con buchi (tasche) specifici in cui i farmaci possono incastrarsi, le proteine disordinate sono flessibili, cambiano costantemente forma e mancano di una struttura fissa. Poiché non possiedono un "buco" stabile su cui agganciarsi, gli scienziati hanno faticato a capire come progettare medicinali che si attacchino a esse.

Questo articolo introduce un nuovo modo per comprendere come le piccole molecole dei farmaci riescano ad afferrare queste proteine ondeggianti. Invece di cercare un buco statico, i ricercatori hanno osservato il viaggio che il farmaco compie.

L'analogia del "Sentiero Escursionistico"
Pensa alla proteina disordinata non come a un oggetto solido, ma come a un vasto paesaggio nebbioso che cambia costantemente il proprio terreno. La molecola del farmaco è come un escursionista che cerca di attraversare questo paesamento. L'escursionista non salta semplicemente direttamente a una destinazione; vaga, percorrendo molti diversi percorsi possibili. Lungo il tragitto, potrebbe aggrapparsi brevemente a una roccia qui, poi a un cespuglio lì, poi al ramo di un albero, prima di fermarsi definitivamente.

I ricercatori chiamano questi percorsi erranti "percorsi di legame" (binding paths). Anche se la proteina è disordinata e il percorso è casuale, la molecola del farmaco segue in realtà un insieme specifico di regole mentre si diffonde sulla superficie, creando e interrompendo piccoli collegamenti temporanei con diversi gruppi di amminoacidi (i mattoni costitutivi della proteina).

La "Mappa e la Bussola" (Il Modello a Stati di Markov)
Per dare un senso a questo vagabondaggio caotico, gli scienziati hanno costruito una mappa digitale chiamata Modello a Stati di Markov (MSM).

• La Mappa: Immagina di suddividere il viaggio dell'escursionista in distinti "punti di controllo" o stati. Anche se il paesaggio cambia, il modello identifica i luoghi più comuni in cui il farmaco si ferma e la probabilità che si sposti da un punto all'altro.
• La Bussola: Questo modello agisce come una bussola che calcola le probabilità. Ci dice quali percorsi sono i più popolari e quali "hotspot" sulla proteina il farmaco è più propenso a visitare.

Visualizzare il Viaggio
Per rendere comprensibili questi dati complessi, hanno trasformato la mappa in un grafo di conoscenza (knowledge graph). Pensa a questo come a una mappa della metropolitana. Invece di mostrare la forma fisica della proteina, mostra le "stazioni" (dove il farmaco si ferma) e le "linee" (i percorsi che il farmaco compie per arrivarci). Ciò fornisce un'immagine chiara di come il farmaco navighi nel disordine.

Testare la Teoria
Il team non ha testato questo approccio su un solo esempio. Hanno dimostrato che il loro metodo funziona applicandolo a:

1. A{beta}42: Una proteina legata all'Alzheimer, in interazione con un farmaco chiamato 10074-G5.
2. {alpha}-sinucleina: Una proteina legata al Parkinson, testata con tre diversi farmaci.
3. Un lungo peptide di 140 residui: Testato con un farmaco chiamato fasudil.

La Grande Conclusione
La conclusione principale è un cambio di prospettiva. In precedenza, gli scienziati pensavano che fosse necessario un "tasca" solida e immutabile per progettare un farmaco. Questo articolo sostiene che, per le proteine disordinate e flessibili, la "tasca" è in realtà un percorso dinamico. Mappando questi sentieri erranti, possiamo identificare quali parti di queste proteine caotiche sono effettivamente "druggable" (ovvero capaci di essere colpite da un farmaco), trasformando sistemi che un tempo erano considerati impossibili da trattare in obiettivi validi per la futura progettazione di farmaci.