Discovery of resistance-resilient quinoline papain-like protease inhibitors through topology-constrained molecular generative design

Dit onderzoek beschrijft de ontdekking van GZNL-2016, een krachtige en weerstandbestendige quinoline-remmer van de papain-achtige protease van SARS-CoV-2 die werd geïdentificeerd via een AI-gestuurde generatieve ontwerpstategie en in muismodellen effectief bleek tegen diverse resistente varianten.

De kern

🦠 De Strijd tegen de Virus-Vermomming: Een AI-gestuurde Doorbraak

Stel je voor dat het coronavirus (SARS-CoV-2) een meester-dief is die voortdurend zijn vermomming (mutaties) verandert om te ontsnappen aan de politie (onze medicijnen en vaccins). De huidige medicijnen werken vaak als een sleutel die in een specifiek slot past. Maar als de dief het slot een beetje verandert, past de sleutel niet meer en breekt de medicatie.

Deze studie vertelt het verhaal van een nieuw team van wetenschappers dat een kunstmatige intelligentie (AI) heeft ingezet om een nieuwe, slimme "meestersleutel" te ontwerpen. Deze sleutel is gemaakt om een heel specifiek deel van het virus te blokkeren: het PLpro-enzym.

1. Het Probleem: De Virus-Deur

Het virus heeft twee belangrijke gereedschappen om zich te vermenigvuldigen. Een daarvan is het PLpro-enzym. Je kunt dit zien als de deurbel en de slotkast van het virus.

• Het helpt het virus om zijn eigen bouwplaten te snijden.
• Het schakelt ook het alarm van het menselijke immuunsysteem uit (zodat het virus ongestoord kan werken).

Helaas hebben eerdere medicijnen die op dit slot mikten, een zwak punt: als het virus een kleine mutatie ondergaat (zoals de verandering E167K), werkt de oude sleutel niet meer. Het virus is dan "resistent" geworden.

2. De Oplossing: De AI-architect (Tree-Invent)

In plaats van jarenlang van alles te proberen in het lab, gebruikten de onderzoekers een slimme AI genaamd Tree-Invent.

• De Analogie: Stel je voor dat je een huis wilt bouwen, maar je hebt geen blauwdruk. De AI is als een architect die duizenden mogelijke huizen ontwerpt in een seconde. Maar deze architect is niet zomaar willekeurig; hij heeft een topologische kaart (een soort stramien). Hij weet precies welke muren (ringstructuren) er moeten zijn om het huis stabiel te houden, en welke ramen (groepen) er open moeten zijn om licht binnen te laten.
• De AI begon met een bestaand, goed werkend medicijn (GZNL-P4), maar zag dat dit medicijn in de lever te snel werd afgebroken (alsof het huis in de regen wegrotte).
• De AI kreeg de opdracht: "Bouw een nieuw huis met dezelfde sterke muren, maar vervang het dak door iets dat niet wegrot in de regen."

3. Het Ontdekken van de Nieuwe Sleutel (Quinoline)

De AI ontwierp duizenden nieuwe moleculen. Ze selecteerden er een paar om te testen in het lab.

• Ze vonden een nieuwe structuur op basis van een quinoline-ring. Dit is als het vinden van een nieuw type metaal dat sterker is dan het oude.
• Ze maakten een prototype, genaamd GZNL-2016 (of Compound 16).

4. Waarom is GZNL-2016 zo speciaal?

Dit nieuwe medicijn heeft drie superkrachten:

1. Het past ook in het veranderde slot:
   De oude medicijnen vielen uit elkaar als het virus de mutatie E167K had. GZNL-2016 is zo ontworpen dat hij ook in dit "vervormde slot" past. Het is alsof de sleutel flexibel genoeg is om zich aan te passen aan de veranderingen in het slot, terwijl de oude sleutels hard en stijf waren.
2. Het blijft lang in het lichaam:
   Het oude medicijn werd in de lever binnen enkele minuten opgegeten. GZNL-2016 is als een stevige rots in de stroom: het blijft veel langer intact in het lichaam, zodat het zijn werk kan doen zonder dat je het elke seconde hoeft in te nemen.
3. Het werkt krachtig:
   Het blokkeert het virus-enzym met een kracht die 1000 keer sterker is dan veel andere middelen. Het is alsof je een deur niet alleen dichtdoet, maar er een betonnen muur voor bouwt.

5. De Proef op de Som: Muizen

De onderzoekers testten het medicijn op muizen die besmet waren met het virus.

• Resultaat: De muizen die het medicijn kregen, hadden veel minder virus in hun longen dan de muizen die niets kregen. Ze werden niet ziek en hun gewicht bleef stabiel.
• Dit bewijst dat het medicijn niet alleen in een reageerbuis werkt, maar ook in een levend lichaam.

Conclusie: Een Nieuwe Hoop

Deze studie is een mooi voorbeeld van hoe AI en biologie samenwerken.

• Vroeger: Wetenschappers gisten naar nieuwe medicijnen (zoals blind zoeken in een donkere kamer).
• Nu: AI helpt hen om precies te zien waar het licht is en bouwt de sleutel direct op maat.

Het nieuwe medicijn GZNL-2016 is nog niet klaar voor de apotheek, maar het is een veelbelovende kandidaat. Het biedt hoop dat we in de toekomst medicijnen kunnen maken die zelfs de slimste, meest gemuteerde varianten van het coronavirus kunnen verslaan, zonder dat het virus zich kan verstoppen.

Kort samengevat: Een slimme computer heeft een nieuwe, onbreekbare sleutel ontworpen die zelfs de meest veranderlijke virus-deuren open kan houden, en die lang genoeg in het lichaam blijft om het virus te verslaan.

Technische samenvatting

Titel: Ontdekking van nieuwe quinoline-remmers van papain-achtige protease (PLpro) voor COVID-19 via een topologie-gedwongen moleculair generatief model

1. Het Probleem

De snelle opkomst van SARS-CoV-2-varianten met resistentie tegen bestaande antivirale middelen vormt een aanhoudende uitdaging. Mutaties in cruciale virale doelen, zoals de RNA-afhankelijke RNA-polymerase (RdRp), de hoofdprotease (3CLpro/Mpro) en de papain-achtige protease (PLpro), verminderen de werkzaamheid van goedgekeurde therapieën aanzienlijk.

• PLpro als doelwit: PLpro is een hooggeconserveerd enzym dat essentieel is voor virale replicatie en het onderdrukken van de gastheer-immuunreactie. Het is een veelbelovend doelwit, maar de ontwikkeling van remmers is vertraagd door problemen met metabolische stabiliteit en de opkomst van resistentie.
• Resistentie: Specifieke mutaties, met name E167K en Y268N in PLpro, hebben geleid tot een drastische vermindering van de werkzaamheid van bestaande remmers (zoals Jun12682 en PF-07957472), waarbij de Ki-waarden met meer dan 1000-voudig zijn toegenomen.
• Behoefte: Er is een dringende noodzaak voor nieuwe, orale antivirale middelen die niet alleen potent zijn, maar ook resistentie kunnen overwinnen en een gunstig farmacokinetisch profiel hebben.

2. Methodologie

De onderzoekers gebruikten een geavanceerde AI-gestuurde drug discovery (AIDD) strategie, gecombineerd met structurele biologie en chemische optimalisatie:

• AI-Model (Tree-Invent): Ze gebruikten een topologie-gedwongen moleculair generatief model genaamd Tree-Invent. Dit model genereert moleculen autoregressief op basis van een grafische representatie (topologische boom) van ringen en knooppunten.
  • Scaffold Hopping: Het model werd getraind om een nieuwe "hoofdgroep" (head group) te genereren die de instabiele tricyclische dihydroacenaphthylene (DHAN) structuur van een eerdere leidverbinding (GZNL-P4) vervangt, terwijl de "linker" en "staart" (tail) behouden blijven.
  • Constraints: De generatie werd beperkt tot 5,6- of 6,6-gefuseerde bicyclische systemen met minstens één aromatische ring om de π-π-stacking interacties met residu Y268 te behouden.
  • Reinforcement Learning (RL): Het model werd getraind met versterkingslering, waarbij de docking-score als beloning fungeerde om moleculen met hoge affiniteit te selecteren.
• Validatie en Optimalisatie:
  • Uit de gegenereerde bibliotheek werden 9 moleculen geselecteerd voor synthese en testen.
  • De beste hit (Compound 2, een quinoline-derivaat) werd vervolgens geoptimaliseerd via structurele modificaties van de R2-substituent (piperazine-groep) om de zoutbrug-interactie met het kritieke residu E167 te verbeteren.
  • Structuurbepaling: Co-kristalstructuren werden opgelost (PDB codes: 8ZSE, 21MS, 21MU) om de bindingsmodi te verifiëren.
  • Biologische testen: Enzymatische remming (IC50), antivirale activiteit in cellen (EC50) tegen diverse varianten (Wild-type, BA.5, XBB.1), metabolische stabiliteit (levermicrosomen), PK-studies in muizen en resistentieprofielen tegen mutanten.

3. Belangrijkste Bijdragen

• Ontwikkeling van een nieuwe chemische reeks: De identificatie van een volledig nieuwe quinoline-gebaseerde reeks PLpro-remmers, afgeleid van een AI-gedreven scaffold hopping.
• Overcoming Resistentie: De ontwikkeling van een leidverbinding die effectief blijft tegen de klinisch relevante E167K-mutatie, waarvoor bestaande remmers falen.
• Integratie van AI en Experiment: Een succesvolle toepassing van een topologie-gedwongen generatief model om niet alleen nieuwe scaffolds te vinden, maar ook om de metabolische stabiliteit van een eerdere leidverbinding aanzienlijk te verbeteren.

4. Resultaten

• Compound GZNL-2016 (Compound 16): Dit is de meest veelbelovende leidverbinding.
  • Enzymatische Potentie: Zeer sterke remming van PLpro met een IC50 van 10,5 nM.
  • Resistentie: GZNL-2016 behoudt aanzienlijke remmende activiteit tegen de E167K-mutant (IC50 = 480,2 nM; Ki = 439,3 nM). In tegenstelling hiermee vertonen Jun12682 en PF-07957472 een Ki > 10 µM tegen deze mutant.
  • Antivirale Activiteit: Sterke activiteit tegen SARS-CoV-2 varianten, inclusief Omicron BA.5 en XBB.1, met EC50-waarden in het nanomolaire tot lage micromolaire bereik en een grote therapeutische venster (CC50/EC50 > 379).
  • Metabolische Stabiliteit: De leverstabiliteit is drastisch verbeterd ten opzichte van de voorganger GZNL-P4. De halfwaardetijd (t1/2) in ratlevermicrosomen is 120,12 min (tegenover 7,95 min voor GZNL-P4).
  • Farmacokinetiek (PK): Na orale toediening (20 mg/kg) bij muizen toonde GZNL-2016 een hoge systemische blootstelling (AUC) en een snelle absorptie.
  • Veiligheid: Laag risico op remming van CYP-enzymen en de hERG-kanaal, wat wijst op een veilig profiel.
• In vivo Werkzaamheid: In een SARS-CoV-2 (EG.5) geïnfecteerd muismodel leidde orale toediening van GZNL-2016 (25 mg/kg) tot een significante reductie van de virale titers in de longen, vergelijkbaar met de positieve controle (PF-07321332/Nirmatrelvir).
• Bindingsmechanisme: Kristallografie toont aan dat de quinoline-ring π-π-stacking vormt met Y268 en dat de piperazine-staart een cruciale zoutbrug vormt met E167. Bij GZNL-2016 wordt een water-gemedieerd waterstofbruggennetwerk waargenomen dat de superieure binding verklaart.

5. Significantie

Deze studie demonstreert de kracht van AI-gestuurde drug discovery om snel nieuwe, effectieve antivirale middelen te vinden die specifiek gericht zijn op het overwinnen van resistentie.

• Klinische Relevantie: GZNL-2016 biedt een oplossing voor het toenemende probleem van PLpro-resistentie (vooral E167K), wat een zwakke plek is in huidige therapeutische strategieën.
• Toekomstperspectief: De studie levert een robuuste leidverbinding op met een gunstig profiel voor verdere ontwikkeling als orale therapie voor COVID-19.
• Methodologische Doorbraak: Het succes van Tree-Invent voor "scaffold hopping" met behoud van topologische constraints biedt een blauwdruk voor de snelle ontdekking van medicijnen tegen andere muterende virale doelen.

Samenvattend heeft dit onderzoek een nieuwe generatie PLpro-remmers geproduceerd die niet alleen potent zijn, maar ook bestand tegen de meest zorgwekkende resistentiemutaties, met een sterk onderbouwd veiligheids- en farmacokinetisch profiel.