Integrated XGBoost-Based Virtual Screening and Molecular Dynamics Simulation for the Identification of Potential CCR5 Antagonists
Questo studio identifica FDB020301 come un promettente lead anti-HIV di prossima generazione integrando lo screening virtuale basato su XGBoost, il profilo ADMET, il docking molecolare e le simulazioni di dinamica molecolare per dimostrare la sua superiore affinità di legame e stabilità contro il recettore CCR5 rispetto al farmaco clinico Maraviroc.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
L'HIV, o virus dell'immunodeficienza umana, rimane una sfida persistente per la salute globale, che richiede una ricerca costante di nuovi modi per impedire al virus di infettare le cellule umane. Il virus non entra nelle cellule da solo; ha bisogno di un set specifico di chiavi per sbloccare la porta. Una delle chiavi più importanti è una proteina sulla superficie delle cellule immunitarie chiamata recettore CCR5. Quando il virus si attacca a questo recettore, ottiene l'accesso e inizia a replicarsi. Gli scienziati sanno da tempo che bloccare questo recettore può fermare l'infezione, e un farmaco chiamato Maraviroc è stato sviluppato proprio per fare questo. Tuttavia, come accade per molti trattamenti, il virus può col tempo imparare a aggirare questo blocco, e il farmaco non funziona per ogni ceppo di HIV. Questa realtà spinge i ricercatori a cercare nuovi, più forti bloccanti che possano superare in astuzia il virus e mantenere al sicuro le cellule immunitarie.
Per trovare questi nuovi bloccanti senza passare anni a testare migliaia di sostanze chimiche in un laboratorio, un team di ricercatori della Kakatiya University in India si è rivolto alla potenza dei computer. Hanno combinato due approcci potenti: l'apprendimento automatico (machine learning), che è un tipo di intelligenza artificiale che apprende modelli dai dati, e la simulazione molecolare, che agisce come un film ad alta velocità che mostra come le molecole si muovono e si attaccano tra loro. Il loro obiettivo era setacciare una vasta libreria di sostanze chimiche derivate dal cibo per trovare alcuni candidati promettenti che potessero legarsi saldamente al recettore CCR5 e spegnerlo. Utilizzando un modello informatico addestrato su farmaci noti come attivi e inattivi, hanno ristretto il campo da una lista di quasi settantamila composti a solo una manciata di principali contendenti, identificando infine una molecola che mostrava una eccezionale promessa nei loro test digitali.
I ricercatori hanno iniziato la loro ricerca con una vasta collezione di strutture chimiche nota come FooDB, che contiene informazioni su oltre settantamila composti presenti negli alimenti. Hanno prima utilizzato uno strumento di apprendimento automatico chiamato XGBoost per prevedere quali di queste sostanze chimiche potessero essere in grado di bloccare il recettore CCR5. Questo strumento era stato addestrato su un insieme di dati di oltre tredici mila sostanze chimiche note, imparando a distinguere tra quelle che bloccavano con successo il recettore e quelle che non lo facevano. Quando il team ha inserito il database alimentare in questo modello addestrato, il computer ha segnalato oltre diecimila composti come potenzialmente attivi. Per rendere la lista gestibile, si sono concentrati sui duemila candidati più probabili e li hanno controllati rispetto alle norme standard di sicurezza e assorbimento del farmaco. Questo processo, noto come filtraggio per la "drug-likeness" (somiglianza con i farmaci), ha garantito che le sostanze chimiche fossero abbastanza piccole e avessero il giusto equilibrio chimico per essere assorbite dal corpo umano se assunte sotto forma di pillola.
Dopo questo screening iniziale, il team ha applicato un secondo livello di controlli per prevedere come le sostanze chimiche si sarebbero comportate all'interno del corpo umano. Hanno cercato segni di tossicità, come il potenziale di causare cancro o danni al cuore, e hanno controllato quanto bene il corpo le assorbirebbe e le processerebbe. Solo undici composti hanno superato tutti questi ostacoli di sicurezza e assorbimento. Questi undici sono stati sottoposti a una dettagliata simulazione computerizzata chiamata docking molecolare. In questa fase, i ricercatori hanno inserito ciascuna delle undici sostanze chimiche in un modello digitale del recettore CCR5 per vedere quanto bene si incastrassero. Hanno confrontato i risultati con il Maraviroc, l'attuale standard terapeutico. Un composto, identificato come FDB020301, si è distinto immediatamente. Si incastrava nel recettore con un'energia di legame di meno undici virgola quattro kilocalorie per mole, che è una misura di quanto strettamente si uniscano i due. Questo punteggio era superiore a quello del Maraviroc, che aveva un punteggio di meno dieci virgola cinque, suggerendo che FDB020301 potesse aggrapparsi in modo più sicuro.
Per garantire che questo incastro stretto non fosse solo un caso fortuito ma una realtà stabile, i ricercatori hanno eseguito una simulazione di dinamica molecolare di dieci nanosecondi. Questa è un'esperienza al computer che osserva come il farmaco e il recettore si muovano e interagiscano nel tempo, tenendo conto del costante tremolio degli atomi e della presenza di molecole d'acqua. La simulazione ha mostrato che il complesso rimaneva stabile durante l'intera corsa. Il recettore non ha perso la sua forma e il farmaco è rimasto saldamente in posizione, formando legami a idrogeno e altre interazioni con parti specifiche del recettore, come gli amminoacidi chiamati TYR37 e GLN280. I ricercatori hanno anche calcolato l'energia necessaria per estrarre il farmaco dal recettore, trovando un valore di meno trentacinque virgola diciannove kilocalorie per mole, il che ha ulteriormente confermato che il legame era forte e favorevole dal punto di vista energetico.
Lo studio conclude che FDB020301 è un candidato molto promettente per un nuovo trattamento contro l'HIV, ma i ricercatori sono cauti nel sottolineare che questi risultati esistono solo all'interno del computer. La molecola non è stata ancora testata in una cellula vivente o in un corpo umano. Sebbene l'evidenza digitale suggerisca che sia un potente bloccante con buoni profili di sicurezza, i passaggi successivi richiedono esperimenti di laboratorio reali per dimostrare che funzioni contro il virus nel mondo reale. Fino ad allora, questo lavoro serve come una potente dimostrazione di come l'informatica moderna possa guidare gli scienziati verso nuove possibilità, trasformando un immenso mare di dati chimici in un singolo, mirato obiettivo per future scoperte mediche.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.