Rapid classification of β-lactamase activity through AI-based structure prediction and electric field analysis

I batteri combattono contro i nostri medicinali da decenni, evolvendo minuscole macchine molecolari in grado di smantellare gli antibiotici prima ancora che raggiungano il loro bersaglio. Tra questi difensori, i più pericolosi sono enzimi chiamati beta-lattamasi, che agiscono come forbici molecolari, recidendo i legami chimici di una classe principale di farmaci nota come beta-lattamici. Quando questi farmaci falliscono, le infezioni comuni possono diventare mortali, e i pochi antibiotici rimasti come "ultima risorsa", come i carbapenemi, diventano inutili. La sfida per gli scienziati è che i batteri mutano rapidamente, creando nuove versioni di questi enzimi in grado di tagliare anche i farmaci più forti. Per restare al passo, i ricercatori hanno bisogno di un modo per prevedere quanto efficacemente un nuovo variante batterico distruggerà un farmaco, idealmente solo guardando il suo codice genetico, senza aspettare lenti ed costosi esperimenti di laboratorio.

Un team di ricercatori ha ora sviluppato un metodo rapido, basato sul computer, per prevedere esattamente quanto efficientemente questi enzimi batterici possano scomporre gli antibiotici carbapenemici. Invece di aspettare di far crescere i batteri in un laboratorio, hanno utilizzato l'intelligenza artificiale per costruire un modello 3D dell'enzima che tiene in mano il farmaco, creando un'istantanea del momento appena prima che il farmaco venga distrutto. Da questa istantanea, hanno calcolato le forze elettriche invisibili all'interno del sito attivo dell'enzima. Hanno scoperto che la forza e la direzione di questi campi elettrici agiscono come un'impronta digitale affidabile della potenza dell'enzima. Se il campo elettrico è abbastanza forte nella giusta direzione, l'enzima probabilmente distruggerà il farmaco; se non lo è, il farmaco sopravviverà. Questo approccio permette agli scienziati di scansionare nuove sequenze batteriche ed stimare immediatamente i loro livelli di resistenza, offrendo uno strumento cruciale per tracciare la diffusione dei superbatteri.

La storia della resistenza agli antibiotici è una corsa tra l'ingegno umano e l'evoluzione batterica. Gli antibiotici beta-lattamici, che includono la penicillina e i suoi moderni parenti, funzionano bloccando il macchinario che i batteri usano per costruire le loro pareti cellulari. Tuttavia, molti batteri producono enzimi beta-lattamasi che riconoscono questi farmaci e li tagliano, rendendoli innocui. La situazione è particolarmente grave con i carbapenemi, una potente classe di antibiotici spesso riservata alle infezioni più gravi. Quando i batteri evolvono enzimi che possono anche tagliare i carbapenemi, le opzioni di trattamento svaniscono, portando a tassi più elevati di malattia e morte. Tradizionalmente, capire se uno specifico ceppo batterico può resistere a questi farmaci richiede la crescita dei batteri, l'isolamento dell'enzima e il test in laboratorio. Questo processo è lento e non riesce a tenere il passo con la velocità con cui compaiono nuove mutazioni.

Per risolvere questo problema, i ricercatori si sono rivolti a un tipo diverso di strumento: un protocollo computazionale che si basa sulle leggi della fisica e sulla potenza dell'intelligenza artificiale. Sono partiti dalla sequenza genetica di dieci diversi tipi di enzimi beta-lattamasi, alcuni dei quali sono noti per distruggere i carbapenemi e altri no. Utilizzando un sistema di IA addestrato su strutture proteiche note, hanno previsto quale sarebbe stato l'aspetto 3D di ciascun enzima mentre teneva in mano una molecola di farmaco carbapenemico. Questo ha creato un "complesso acil-enzima" virtuale, un'istantanea dell'enzima e del farmaco bloccati insieme, pronti per il passaggio successivo della reazione.

Il momento critico in questo processo è chiamato deacilazione, in cui una molecola d'acqua attacca il legame che tiene il farmaco all'enzima, spezzandolo. I ricercatori si sono concentrati sul primissimo istante di questo attacco, un momento fugace noto come stato di transizione. In una simulazione completa, catturare questo momento richiede una potenza di calcolo e un tempo immensi. Invece, il team ha utilizzato una scorciatoia intelligente. Hanno generato un piccolo set di strutture di "stato di transizione approssimativo" spingendo delicatamente la molecola d'acqua virtuale verso il farmaco e lasciando che il sistema si assestasse in una posizione stabile. Ciò ha richiesto solo una frazione minima del tempo di calcolo solitamente necessario, pur preservando i dettagli fisici essenziali della reazione.

Una volta ottenute queste istantanee virtuali, il team ha misurato il campo elettrico all'interno del sito attivo dell'enzima. Un campo elettrico è una forza invisibile che può spingere o tirare particelle cariche. In questo caso, i ricercatori erano interessati a come il campo elettrico dell'enzima interagisse con una parte specifica del farmaco, il gruppo carbonilico, che porta una carica negativa. Hanno scoperto che la forza di questo campo elettrico, specificamente quanto bene stabilizzasse il farmaco al momento dell'attacco, era direttamente collegata alla velocità con cui l'enzima poteva distruggere il farmaco.

I risultati sono stati sorprendenti. Quando i ricercatori hanno confrontato i valori del campo elettrico calcolati con i dati del mondo reale provenienti dagli esperimenti di laboratorio, i numeri corrispondevano con alta precisiono. Gli enzimi che sono noti per essere potenti distruttori di carbapenemi mostravano un campo elettrico negativo forte che stabilizzava perfettamente il farmaco per la distruzione. Gli enzimi che non possono distruggere il farmaco mostravano un campo molto più debole. La correlazione era così forte che il valore del campo elettrico da solo poteva distinguere tra enzimi che degradano i carbapenemi e quelli che non lo fanno. Ciò è rimasto valido anche quando i ricercatori hanno utilizzato tempi di simulazione molto brevi, suggerendo che il metodo sia sia veloce che affidabile.

Uno dei risultati più importanti è stato che i ricercatori non avevano bisogno di conoscere la struttura 3D esatta dell'enzima in precedenza. Partendo solo dalla sequenza genetica e usando l'IA per predire la forma, potevano comunque ottenere risultati accurati. Ciò significa che il metodo può essere applicato a nuovi varianti batterici non appena il loro codice genetico viene sequenziato, senza aspettare che una struttura cristallina venga risolta in laboratorio. Il team ha anche scoperto che l'orientamento specifico di una piccola parte della molecola del farmaco, un gruppo idrossietilico, influenzava i risultati. Concentrandosi sul campo elettrico generato dalla struttura centrale dell'enzima e ignorando questa parte flessibile, hanno migliorato ulteriormente l'accuratezza delle loro previsioni.

Lo studio ha anche evidenziato il ruolo delle molecole d'acqua all'interno dell'enzima. Sebbene la struttura proteica stessa fornisca un campo elettrico forte, le molecole d'acqua che circondano il sito di reazione contribuiscono significativamente alla potenza dell'enzima. I ricercatori hanno scoperto che includere queste molecole d'acqua nei loro calcoli era essenziale per corrispondere ai dati sperimentali. Ciò suggerisce che l'ambiente all'interno dell'enzima è importante tanto quanto la forma stessa dell'enzima.

Questo lavoro non pretende di aver risolto il problema della resistenza agli antibiotici, ma offre una nuova lente potente attraverso cui guardarlo. Dimostrando che un semplice calcolo delle forze elettriche può predire una complessa attività biologica, i ricercatori hanno fornito uno strumento che è allo stesso tempo veloce e radicato nella realtà fisica. Il metodo ha separato con successo gli enzimi pericolosi che distruggono i carbapenemi da quelli innocui, confermando che la capacità di degradare questi farmaci è radicata nel paesaggio elettrico specifico del sito attivo dell'enzima.

Le implicazioni per la salute pubblica sono significative. Man mano che emergono nuovi ceppi batterici, gli scienziati possono ora usare questo protocollo per valutare rapidamente il loro livello di minaccia. Invece di aspettare settimane per i test di laboratorio, potrebbero potenzialmente analizzare il codice genetico di un nuovo variante e sapere immediatamente se pone un rischio per il trattamento con carbapenemi. Questa velocità potrebbe aiutare i medici a scegliere gli antibiotici giusti più velocemente e guidare lo sviluppo di nuovi farmaci che siano progettati per resistere a questi campi elettrici. Lo studio dimostra che, comprendendo le forze invisibili all'opera all'interno di queste macchine molecolari, possiamo prevedere meglio come si comporteranno e, in ultima analisi, come fermarle.