A Computational Study of Some Cancer Causing S100 Proteins Interacting With a Ligand, Parecoxib and Investigation of Drug Likenes Potential of the Ligand

Nel vasto panorama della medicina moderna, la ricerca di nuovi trattamenti inizia spesso molto prima che un farmaco tocchi un corpo umano. Inizia nel regno del minuscolo, dove gli scienziati utilizzano potenti computer per simulare come piccole molecole possano incastrarsi tra loro come pezzi di un puzzle. Questo campo, noto come scoperta computazionale di farmaci, permette ai ricercatori di testare virtualmente miglia di potenziali medicinali, risparmiando tempo e risorse prevedendo quali candidati abbiano maggiori probabilità di successo. Al cuore di questo processo c'è lo studio delle proteine, le complesse macchine molecolari che svolgono quasi ogni funzione all'interno delle nostre cellule. A volte, queste proteine funzionano male, portando a malattie come il cancro. Per fermarle, gli scienziati cercano molecole specifiche, chiamate ligandi, che possano legarsi alla proteina difettosa e alterarne il comportamento. La forza e la stabilità di questo legame sono critiche; se una molecola si attacca troppo debolmente, si staccherà, ma se si attacca troppo fortemente o nel modo sbagliato, potrebbe non funzionare come previsto. Simulando queste interazioni con alta precisione, i ricercatori possono identificare i candidati più promettenti per ulteriori studi, restringendo efficacemente la ricerca di terapie salvavita.

In uno studio recente, Arup Kumar Sarma e il Dr. Rajendra Kumar hanno applicato questi strumenti digitali per investigare una specifica classe di proteine note come proteine S100. Queste sono piccole molecole leganti il calcio presenti in tutto il corpo, ma quando i loro livelli diventano sbilanciati, sono collegate a gravi condizioni tra cui il cancro, l'infiammazione e i disturbi neurologici. Poiché queste proteine si trovano spesso nel sangue e in altri fluidi corporei, sono considerate obiettivi importanti per nuove terapie. I ricercatori si sono concentrati su un singolo candidato farmaceutico chiamato Parecoxib, un composto incluso nella classe dei composti isossazolici, noti per avere potenzialità nelle possibilità di trattamento del cancro. Il loro obiettivo era vedere quanto bene questa molecola interagisse con cinque diversi tipi di proteine S100: S100A6, S100A2, S100A4, S100A7 e S100A11. Utilizzando un programma software chiamato AutoDock Vina, hanno prima previsto come il Parecoxib si sarebbe fisicamente attaccato a ciascuna di queste cinque proteine. Il computer ha generato molteplici posizioni possibili, o pose, per la molecola e ha calcolato l'energia di ciascuna. In questo contesto, un punteggio di energia più basso indica un legame più forte e stabile, proprio come un magnete che tiene uniti due oggetti più saldamente rispetto a uno debole.

Lo screening iniziale ha rivelato che il Parecoxib aveva il potenziale più forte per legarsi con la proteina S100A11. Per confermare questo risultato e capire come il legame si sarebbe mantenuto nel tempo, il team è passato a una fase di simulazione più avanzata. Hanno utilizzato una suite di software chiamata GROMACS per eseguire una simulazione di dinamica molecolare, che essenzialmente osserva la proteina e il farmaco muoversi e interagire durante un periodo di 100 nanosecondi. Questo passaggio è cruciale perché un'immagine statica di una molecola che si lega non è sufficiente; i ricercatori avevano bisogno di vedere se il complesso rimanesse stabile mentre si agitava e si spostava sotto condizioni che mimano il corpo umano. Hanno analizzato diversi indicatori chiave di stabilità, come quanto la forma della proteina sia cambiata dalla sua forma originale e quanta la sua superficie fosse esposta all'acqua circostante. I risultati hanno mostrato che il complesso formato tra Parecoxib e S100A11 è rimasto straordinariamente stabile durante la simulazione, con pochissima deviazione strutturale. Al contrario, i complessi formati con S100A2, S100A4 e S100A7 hanno mostrato segni di minore stabilità, poiché hanno esibito fluttuazioni più elevate nelle loro posizioni atomiche rispetto al complesso S100A11.

Per quantificare esattamente quanta energia fosse necessaria per mantenere uniti il farmaco e la proteina, il team ha eseguito un calcolo termodinamico dettagliato noto come analisi Molecular Mechanics Poisson-Boltzmann Surface Area. Questo metodo suddivide l'energia totale dell'interazione nelle sue parti componenti, come le forze che tengono uniti gli atomi e gli effetti dell'acqua circostante. I calcoli hanno confermato che il legame tra Parecoxib e S100A11 era energeticamente favorevole, il che significa che il processo è avvenuto spontaneamente e ha dato origine a un sistema stabile. L'analisi ha anche rivelato la natura specifica della connessione: il farmaco ha formato otto distinte tipologie di interazioni favorevoli con la proteina, inclusi due legami a idrogeno, due interazioni di stacking tra le parti ad anello delle molecole e diverse altre forze che hanno aiutato a bloccarli in posizione. Queste connessioni specifiche hanno spiegato perché la coppia rimanesse così ben unita rispetto alle altre.

Lo studio conclude che, sebbene il Parecoxib mostri una promessa come potenziale inibitore della proteina S100A11, questa scoperta è attualmente limitata alla simulazione al computer. I ricercatori sottolineano che questo lavoro funge da indagine preliminare, un modo per filtrare i candidati meno promettenti prima di passare a esperimenti di laboratorio più costosi e dispendiosi in termini di tempo. I dati suggeriscono che il Parecoxib ha un'alta probabilità di essere efficace contro i tumori o le malattie guidate dalla proteina S100A11, ma questo potenziale non è ancora stato provato in cellule viventi o trial clinici. L'autore nota che i passi successivi consisterebbero nel creare una versione fisica stabile di questo complesso per studi cristallografici e, infine, nel condurre trial clinici per verificarne la sicurezza e l'efficacia. Fino ad allora, il computer ha fornito un segnale forte che questa specifica coppia farmaco-proteina merita attenzione, offrendo una direzione chiara per la futura ricerca medica.