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

Il cancro è spesso un gioco di cattiva gestione cellulare, in cui i meccanismi di sicurezza del corpo vengono dirottati per permettere ai tumori di crescere senza controllo. In un tipo specifico e aggressivo di cancro dei tessuti molli chiamato liposarcoma dedifferenziato, il problema deriva da una partnership interrotta tra due proteine. Una proteina, nota come MDM2, agisce come un implacabile esecutore che cerca e distrugge p53, una vitale proteina oncosoppressore che normalmente impedisce alle cellule di dividersi in modo incontrollato. Nelle cellule sane, p53 è la guardiana; in questo cancro, MDM2 è iperattiva, cacciando costantemente p53 e neutralizzando il suo potere. Tuttavia, la natura ha spesso un piano di riserva. Quando gli scienziati cercano di bloccare MDM2 con i farmaci, le cellule tumorali spesso si adattano potenziando i livelli di una seconda proteina simile, chiamata MDM4. Questa proteina di riserva interviene per continuare il lavoro di disattivazione di p53, rendendo inefficaci i farmaci che mirano solo a MDM2. Per trattare veramente questa malattia, i ricercatori ritengono sia necessario trovare un modo per bloccare entrambe le proteine simultaneamente, un compito che si è dimostrato difficile con i medicinali esistenti.

Un team di ricercatori si è ora rivolto a una potente combinazione di intelligenza artificiale e simulazione basata sulla fisica per cercare nuove soluzioni. Non hanno testato sostanze chimiche in una piastra di laboratorio prima; invece, hanno costruito una sofisticata pipeline digitale per scansionare una vasta libreria di quasi dieci milioni di composti simili a farmaci. Il loro obiettivo era trovare due molecole specifiche che potessero legarsi strettamente sia a MDM2 che a MDM4, silenziando efficacemente entrambi gli esecutori e permettendo al naturale soppressore tumorale del corpo di risvegliarsi. Utilizzando l'apprendimento automatico per prevedere quali composti potessero funzionare, seguiti da dettagliate simulazioni al computer per vedere come si incastrassero nelle proteine, il team ha ristretto il campo a due candidati promettenti. Queste due molecole, identificate dai loro codici unici ZINC9412756 e ZINC20724474, sono emerse come le più probabili a riuscire dove gli attuali trattamenti hanno faticato.

Il viaggio è iniziato con un massiccio filtro digitale. I ricercatori sono partiti da un database di composti chimicamente simili a farmaci noti, assicurandosi che i candidati fossero abbastanza sicuri da essere considerati per l'uso umano. Hanno addestrato un modello informatico su migliaia di interazioni note tra farmaci e la proteina MDM2, insegnando al sistema a riconoscere i sottili schemi strutturali che rendono efficace una molecola. Questo modello di intelligenza artificiale ha poi scansionato la libreria di nove milioni di composti, prevedendo l'attività di ciascuno di essi. Il sistema ha identificato un piccolo gruppo di candidati ad alto potenziale, ma i ricercatori sapevano che le previsioni al computer possono talvolta essere fuorvianti. Per esserne certi, hanno sottoposto questi top candidati a una rigorosa simulazione fisica. Hanno costruito modelli digitali delle proteine MDM2 e MDM4, utilizzando decine di diverse strutture cristalline per tenere conto del fatto che queste proteine sono flessibili e si muovono. Hanno poi simulato come le molecole candidate si aggancerebbero, o si incastrerebbero, nei siti attivi delle proteine.

I risultati di questo screening digitale sono stati sorprendenti. I due candidati principali, ZINC9412756 e ZINC20724474, hanno mostrato una forza di legame prevista superiore a molti farmaci esistenti utilizzati nella ricerca. Nelle simulazioni al computer, queste molecole si sono sistemate profondamente nelle tasche di sia MDM2 che di MDM4, formando connessioni stabili che le tenevano in posizione. I ricercatori hanno analizzato esattamente come si agganciavano. Hanno scoperto che le molecole facevano affidamento pesantemente su una densa rete di interazioni idrofobiche — essenzialmente, le molecole si compattavano strettamente contro le superfici proteiche, proprio come l'olio respinge l'acqua, per creare un legame stabile. Ciò era supportato da specifici legami a idrogeno, che agiscono come il velcro molecolare, ancorando i farmaci in punti chiave sulle proteine. Uno dei candidati ha formato una connessione unica con una parte della proteina MDM2 che i farmaci precedenti avevano ampiamente ignorato, suggerendo che potesse funzionare in un modo diverso rispetto ai trattamenti attuali.

Per garantire che questi risultati non fossero solo un colpo di fortuna del modello informatico, il team ha eseguito simulazioni di dinamica molecolare a lunga durata. Hanno osservato l'interazione tra proteine e farmaci nel tempo, simulando mezzo milione di passi di movimento per vedere se i legami resistessero alla pressione. Le simulazioni hanno mostato che i farmaci rimanevano saldamente attaccati a entrambe le proteine durante l'intero test, confermando che l'aggancio iniziale non era un glitch temporaneo. I ricercatori hanno anche calcolato l'energia necessaria per mantenere legati i farmaci, scoprendo che le forze che li tenevano insieme erano forti e costanti. Inoltre, hanno controllato l'unicità chimica di questi nuovi candidati. Confrontando le loro strutture con migliaia di inibitori di MDM2 e MDM4 noti, hanno confermato che queste due molecole erano strutturalmente distinte. Non somigliavano ai farmaci attualmente in uso o in sperimentazione clinica; occupavano una regione dello spazio chimico che non era mai stata esplorata prima, offrendo un approccio fresco al problema.

I ricercatori hanno anche guardato oltre il bersaglio immediato per capire come questi farmaci potessero influenzare la cellula tumorale nel suo complesso. Utilizzando un metodo chiamato farmacologia di rete, hanno mappato come le molecole candidate potrebbero interagire con altri geni e proteine noti per essere attivi nel liposarcoma dedifferenziato. L'analisi ha suggerito che questi farmaci non colpirebbero solo MDM2 e MDM4, ma coinvolgerebbero anche un gruppo di altri bersagli critici coinvolti nella divisione cellulare e nella crescita del cancro. Questo effetto multi-bersaglio potrebbe essere un vantaggio significativo, potenzialmente superando i meccanismi di resistenza che permettono alle cellule tumorali di sopravvivere ai farmaci a bersaglio singolo. Le simulazioni hanno anche previsto che queste molecole sarebbero state in grado di essere assorbite dal corpo se assunte per via orale, un requisito crucialo per qualsiasi futuro medicinale. Tuttavia, i modelli informatici hanno anche segnalato potenziali preoccupazioni per la sicurezza, inclusi i rischi per il fegato e il cuore, che dovrebbero essere affrontati nello sviluppo futuro.

È importante notare che questi risultati esistono interamente nell'ambito della simulazione al computer. I ricercatori non hanno ancora testato queste molecole in un laboratorio o in cellule viventi. Le previsioni su quanto bene si leghino, come si muovano e come potrebbero influenzare il corpo si basano su modelli matematici e algoritmi. Sebbene le simulazioni siano altamente dettagliate e i risultati siano coerenti tra i diversi metodi, rimangono ipotesi finché non saranno provate da esperimenti fisici. Lo studio afferma esplicitamente che le energie di legame calcolate dal computer sono probabilmente sovrastime e che la vera forza dell'interazione deve essere misurata in un laboratorio umido (wet lab). Il team riconosce che il percorso da una previsione al computer a un farmaco funzionante è lungo e incerto, pieno di potenziali fallimenti nella sintesi chimica, nella tossicità e nell'efficacia.

Nonostante queste limitazioni, lo studio fornisce una direzione chiara e promettente per la ricerca futura. Le due molecole candidate, ZINC9412756 e ZINC20724474, rappresentano una nuova classe di potenziali trattamenti che sono strutturalmente diversi da tutto ciò che è attualmente disponibile. Sono state trovate attraverso un metodo che ha saputo combinare con successo la velocità dell'intelligenza artificiale con la precisione della simulazione basata sulla fisica per navigare in un vasto panorama chimico. I ricercatori hanno identificato una coppia di molecole che, nel mondo digitale, sembrano capaci di disattivare il sistema di doppia difesa che protegge questo aggressivo cancro. Il passo successivo, come delineato dagli autori, è sintetizzare questi composti e testarli in laboratorio per vedere se le previsioni del computer si dimostreranno vere nella realtà. Se lo faranno, queste molecole potrebbero offrire una nuova speranza per i pazienti affetti da una malattia che ha poche opzioni terapeutiche efficaci, rompendo finalmente il ciclo di resistenza che ha ostacolato gli sforzi precedenti.