In silico drug repurposing and in vitro validation of cestode fatty acid binding proteins

Questo studio combina screening virtuale e validazione sperimentale per identificare e confermare che farmaci esistenti come l'idroclorotiazide si legano alle proteine leganti gli acidi grassi di *Echinococcus*, proponendoli come candidati promettenti per il riposizionamento terapeutico contro l'echinococcosi.

L'essenziale

🦠 Il Problema: Un Parassita "Senza Cucina"

Immagina di dover sopravvivere in una casa dove non hai né cucina né frigorifero. Non puoi cucinare il tuo cibo, quindi sei costretto a rubare tutto ciò che ti serve direttamente dai vicini.

Questo è esattamente il problema dei parassiti chiamati Echinococcus (che causano una malattia grave chiamata echinococcosi). Questi vermi non hanno gli strumenti (enzimi) per creare i propri grassi, che sono il loro carburante vitale. Per sopravvivere, devono "rubare" i grassi dal corpo umano o degli animali che infettano.

Per fare questo furto, usano dei trasportatori speciali, come dei piccoli camioncini che entrano nelle cellule e portano via i grassi. Questi camioncini si chiamano FABP (Proteine Leganti gli Acidi Grassi).

🕵️‍♂️ La Missione: Trovare i "Falsi Camioncini"

Gli scienziati hanno pensato: "Se riusciamo a bloccare questi camioncini, il parassita morirà di fame!". Ma trovare un farmaco che blocchi esattamente questi camioncini è come cercare un ago in un pagliaio, perché ci sono milioni di sostanze chimiche diverse nel mondo.

Invece di testare a mano milioni di sostanze (che costerebbe una fortuna e richiederebbe anni), gli scienziati hanno usato un supercomputer per fare una ricerca virtuale. È come usare un metal detector molto intelligente per cercare l'ago nel pagliaio prima di andare fisicamente a scavare.

🧠 La Strategia: Due Metodi di Ricerca

Hanno usato due approcci diversi, come se avessero due detective con metodi differenti:

1. Il Detective "Per Analogia" (Screening basato sui leganti):
   Questo detective guarda le forme dei farmaci che già conosciamo. Sa che certi farmaci funzionano su camioncini simili in altri animali. Quindi, cerca farmaci esistenti che abbiano una "forma" simile a quelli che potrebbero bloccare i camioncini del parassita.

   • Risultato: Ha trovato 4 sospetti promettenti tra i farmaci già esistenti (perché è più facile riutilizzare un farmaco vecchio che crearne uno nuovo).

2. Il Detective "Architetto" (Screening basato sulla struttura):
   Questo detective ha una mappa 3D precisa del camioncino (la proteina FABP). Ha simulato al computer come milioni di molecole si incastrano in quel camioncino. Ha notato che c'è un piccolo "laghetto" d'acqua dentro il camioncino che aiuta a tenere fermo il carico. Ha cercato molecole che si legano perfettamente a quel laghetto.

   • Risultato: Ha trovato un altro sospetto promettente.

💊 I 4 Sospetti Scelti

Dopo aver filtrato centinaia di migliaia di sostanze, il computer ha selezionato 4 candidati da testare nel mondo reale. Tre di questi sono farmaci che usiamo già per altre cose:

• Idroclorotiazide: Un diuretico per la pressione alta.
• Naratriptan: Un farmaco per l'emicrania.
• Fenticonazolo: Un antimicotico (per i funghi).
• Montelukast: Un farmaco per l'asma.

L'idea è geniale: se uno di questi funziona, possiamo usarlo subito per curare l'echinococcosi senza dover aspettare 10 anni per sviluppare un nuovo farmaco da zero!

🧪 La Verifica: Il Test di Laboratorio

Gli scienziati hanno preso questi 4 farmaci e li hanno messi in provetta con le proteine del parassita.

• Il risultato: L'Idroclorotiazide (il farmaco per la pressione) ha funzionato perfettamente! È riuscito a legarsi ai camioncini del parassita e a bloccarli.
• Gli altri farmaci hanno mostrato segnali interessanti, ma l'Idroclorotiazide è stato il vincitore chiaro.

🌟 Perché è Importante?

Questa storia ci insegna due cose fondamentali:

1. L'intelligenza artificiale e i computer sono potenti: Hanno permesso di trovare un potenziale farmaco salvavita in tempi brevissimi e a costi bassissimi, evitando di testare a caso milioni di sostanze.
2. Il "Riuso" è la chiave: A volte la soluzione a una malattia dimenticata (come quella causata dall'Echinococcus) non è inventare qualcosa di nuovo, ma guardare con occhi nuovi a farmaci che abbiamo già in dispensa.

In sintesi: gli scienziati hanno usato un computer per trovare un "ladro" (un farmaco vecchio) che può fermare un "ladro" (il parassita), salvando la vita a chi ne ha bisogno. È un esempio brillante di come la tecnologia possa aiutare la medicina a essere più veloce ed economica.

Sommario tecnico

Titolo: Riconversione di farmaci in silico e validazione in vitro delle proteine leganti gli acidi grassi dei cestodi

1. Il Problema Scientifico

L'echinococcosi, causata dai cestodi Echinococcus granulosus ed Echinococcus multilocularis, è una malattia tropicale negletta (NTD) che rappresenta un grave onere per la salute pubblica, specialmente nelle regioni endemiche.

• Limitazioni attuali: I trattamenti attuali si basano principalmente sui benzimidazoli, spesso associati al praziquantel. Tuttavia, questi farmaci presentano una scarsa tollerabilità, efficacia variabile in base alle dimensioni e alla posizione delle cisti, e richiedono lunghi cicli di terapia.
• Target biologico: I cestodi mancano degli enzimi chiave per la biosintesi de novo di acidi grassi e colesterolo, dipendendo quindi interamente dall'ospite per il loro metabolismo lipidico. Le Proteine Leganti gli Acidi Grassi (FABP) sono cruciali per il trasporto intracellulare dei lipidi in questi parassiti e sono state identificate come target terapeutici essenziali e potenzialmente "druggable" (attaccabili da farmaci).
• Obiettivo: Sviluppare nuovi agenti antelmintici attraverso strategie di drug repurposing (riposizionamento di farmaci) e screening virtuale integrato per identificare nuovi ligandi per le FABP dei cestodi.

2. Metodologia

Lo studio ha adottato un approccio integrato che combina screening virtuale basato su ligandi e basato sulla struttura, seguito da validazione sperimentale.

A. Screening Virtuale Basato su Ligandi (Ligand-Based VS)

• Dataset: È stato creato un dataset di 288 composti (187 attivi, 101 inattivi) basandosi su dati sperimentali contro la FABP degli adipociti umani (AFABP), utilizzando un paradigma di riposizionamento.
• Modellazione: Sono stati generati 4.000 classificatori lineari utilizzando descrittori molecolari Mordred e un approccio di sottospazio casuale.
• Ensemble Learning: I modelli sono stati combinati in un ensemble (MIN32) utilizzando l'operatore "MIN" (minimo punteggio), che ha dimostrato la migliore capacità di arricchimento precoce (misurato con la metrica BEDROC).
• Validazione: I modelli sono stati validati tramite Y-randomization e cross-validation Leave-Group-Out (LGO).
• Screening: È stato applicato a circa 435.000 composti provenienti da diverse banche dati (DrugBank, Drug Repurposing Hub, ecc.).

B. Screening Virtuale Basato sulla Struttura (Structure-Based VS)

• Target: Struttura cristallina di EgFABP1 (PDB ID: 1O8V).
• Dinamica Molecolare (MD): Sono state eseguite simulazioni MD di 100 ns sulla forma apoproteica di EgFABP1 per identificare siti idratati stabili (Water Sites - WS) vicino al triade di legame.
• Algoritmo WATCLUST: Ha identificato tre cluster di acqua con una probabilità di occupazione 5 volte superiore al solvente bulk.
• Docking: È stato utilizzato il protocollo AutoDock Bias (AD-Bias), incorporando i siti idratati come potenziali di bias (donatori/accettori di legami idrogeno). Il protocollo ottimale ha utilizzato un singolo bias donatore al secondo sito idratato (-D-).
• Screening: Lo stesso set di 435.000 composti è stato sottoposto a docking.

C. Validazione Sperimentale

• Selezione dei candidati: Sono stati selezionati quattro composti prioritari per il riposizionamento: idroclorotiazide, naratriptan, fenticonazolo e montelukast.
• Assay: Sono stati eseguiti saggi di spostamento della fluorescenza (ANS displacement assay) utilizzando le FABP ricombinanti purificate di E. granulosus (EgFABP1) e E. multilocularis (EmFABP1, EmFABP3).
• Calcolo: Sono state stimate le costanti di dissociazione apparenti ($K_{d,app}$).

3. Risultati Chiave

• Performance dei Modelli Computazionali:

  • L'ensemble MIN32 (basato su ligandi) ha mostrato un'alta specificità, con un BEDROC di 0,632 (RL1-A) e 0,603 (RL1-B), superando significativamente i singoli modelli.
  • Lo screening basato su ligandi ha identificato 56 hit su 435.000 composti.
  • Il docking basato sulla struttura, ottimizzato con il bias idratato (-D-), ha ottenuto un AUC-ROC superiore (0,7794 per dRL1 e 0,9052 per dRL2) rispetto ad altri protocolli di docking.
  • Lo screening basato sulla struttura ha identificato 98 hit, nessuno dei quali sovrapposto a quelli trovati dal modello basato su ligandi, dimostrando la complementarità dei due approcci.

• Validazione Sperimentale:

  • Idroclorotiazide: Ha mostrato un'affinità di legame confermata sperimentalmente per tutte e tre le isoforme testate. I valori di $K_{d,app}$ sono stati:
    • EgFABP1: 2,19 µM
    • EmFABP1: 9,90 µM
    • EmFABP3: 2,75 µM
  • Gli altri tre composti (montelukast, fenticonazolo, naratriptan) hanno mostrato interferenza nei saggi di fluorescenza a causa delle loro proprietà spettroscopiche, impedendo il calcolo preciso della $K_{d,app}$, ma la loro selezione è stata guidata dalle previsioni computazionali.

4. Contributi Principali

1. Integrazione di Metodi: Dimostrazione dell'efficacia di un flusso di lavoro ibrido che combina modelli QSAR (basati su ligandi) e docking molecolare avanzato (basato su struttura con gestione esplicita dell'acqua) per la scoperta di farmaci contro le NTD.
2. Ruolo dell'Acqua nel Docking: Validazione dell'ipotesi che le molecole d'acqua strutturali nel sito di legame delle FABP dei cestodi siano critiche per il riconoscimento del ligando. L'uso del bias "donatore" su un sito idratato specifico ha migliorato significativamente la capacità predittiva del docking.
3. Scoperta di Nuovi Farmaci: Identificazione dell'idroclorotiazide (un diuretico tiazidico già approvato) come un potente legante per le FABP dei cestodi, fornendo un candidato immediato per il riposizionamento terapeutico.
4. Strategia per NTD: Evidenza che il drug repurposing può accelerare lo sviluppo di terapie per malattie trascurate, riducendo costi e tempi di sviluppo grazie ai profili di sicurezza già noti.

5. Significato e Implicazioni

Questo studio conferma che le FABP dei cestodi sono target validi per lo sviluppo di nuovi antelmintici. La validazione sperimentale dell'idroclorotiazide non solo supporta l'accuratezza del flusso di lavoro computazionale, ma offre anche una soluzione immediata e a basso costo per l'echinococcosi.
Il lavoro sottolinea come le strategie computazionali integrate possano superare le limitazioni degli screening sperimentali tradizionali, identificando candidati promettenti in tempi brevi e con risorse limitate, un aspetto cruciale per le malattie che colpiscono le popolazioni a basso reddito. Inoltre, apre la strada a programmi di ottimizzazione "hit-to-lead" per sviluppare analoghi dell'idroclorotiazide con maggiore potenza e specificità contro i parassiti.