ProteomeScan: A Toolkit For Target Validation By Proteome-Wide Docking And Analysis

ProteomeScan is een open-source toolkit die cloud-gebaseerde high-performance computing gebruikt om proteoom-brede moleculaire docking uit te voeren voor het snel en nauwkeurig valideren van eiwitdoelen en het ontdekken van nieuwe interacties tussen medicijnachtige moleculen en eiwitten.

De kern

ProteomeScan: De Digitale "Grote Net" voor Medicijnontdekking

Stel je voor dat je een sleutel hebt (een nieuw medicijn) en je wilt weten welke sloten (eiwitten in je lichaam) deze sleutel opent. In de wereld van medicijnen is dit cruciaal: je wilt weten waar het medicijn werkt om ziektes te genezen, maar ook waar het niet werkt om bijwerkingen te voorkomen.

Tot nu toe was dit zoeken als het proberen van een sleutel in één slot per keer. Dat is traag en je mist misschien de belangrijkste deuren. ProteomeScan is een nieuwe, slimme computer-tool die de hele stad (je volledige menselijke lichaam) in één keer doorzoekt.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. De Grote Netten (Het Proteoom)

Het menselijk lichaam heeft duizenden verschillende "sloten" (eiwitten). De onderzoekers hebben een gigantische digitale database gemaakt met de blauwdrukken van bijna alle deze sloten (ongeveer 7.600 unieke eiwitten). Ze noemen dit het proteoom.

2. De Sneltest (Docking)

In plaats van één voor één te proberen, gooit ProteomeScan 20 verschillende medicijnsleutels tegelijkertijd tegen al die sloten aan. De computer simuleert dit met razendsnelheid in de "cloud" (een supercomputer in de lucht).

• De analogie: Denk aan een duizendpoot die 20 verschillende sleutels heeft en in één seconde probeert ze in duizenden deuren te steken. De computer meet hoe goed elke sleutel past (de "binding").

3. Het Probleem van de "Alleskenners" (Promiscuïteit)

Hier komt het slimme deel. Sommige deuren zijn zo open of zo raar gevormd dat ze elke sleutel accepteren. In de biologie noemen we dit promiscuïteit.

• De analogie: Stel je voor dat er een deur is die niet op slot zit. Elke sleutel past erin, maar dat betekent niet dat die deur de goede plek is waar je naartoe wilt. Als je deze deuren niet uitsluit, krijg je een lijst met duizenden "hits", maar je weet niet welke echt belangrijk zijn.
• De oplossing: ProteomeScan herkent deze "alleskenners" en zet ze apart. Zo blijft alleen de lijst over met de deuren die echt specifiek voor jouw medicijn zijn.

4. De "Goede Pasvorm" Check (Pose Analyse)

Soms past een sleutel in een slot, maar zit hij scheef of in een leeg hoekje. De computer kijkt dan niet alleen naar de cijfers, maar ook naar de foto van de sleutel in het slot.

• De analogie: Het is alsof je kijkt of de sleutel echt in het sleutelgat zit, of dat hij maar net tegen de deur leunt. De tool controleert of het medicijn echt in de "diepe holte" van het eiwit zit waar het werk moet doen.

5. Wat hebben ze ontdekt?

De onderzoekers testten hun tool met bekende medicijnen (zoals die tegen kanker).

• Het succes: De tool vond de bekende doelen vaak heel snel terug, veel sneller dan een willekeurig raden.
• De verrassingen: Het vond ook nieuwe, verborgen doelen. Bijvoorbeeld, het zag dat een medicijn tegen kanker ook mogelijk werkt op een eiwit dat te maken heeft met het afbreken van medicijnen in de lever. Dit helpt artsen te begrijpen waarom medicijnen soms bijwerkingen hebben.
• De uitzonderingen: De tool werkt niet perfect voor alles. Sommige medicijnen (zoals Paclitaxel) werken alleen als de deuren al in een groot gebouwd complex zitten (zoals een microtubule). De computer kan die complexe, bewogen gebouwen nog niet goed nabootsen.

Waarom is dit belangrijk?

Vroeger duurde het jaren om te ontdekken wat een medicijn precies doet. Met ProteomeScan kunnen onderzoekers in een paar dagen zien:

1. Waar het medicijn werkt (de goede doelen).
2. Waar het niet moet werken (de gevaarlijke doelen die bijwerkingen geven).
3. Of bestaande medicijnen misschien een nieuw doel hebben (medicijnen hergebruiken).

Kortom: ProteomeScan is als een super-snel, slimme detective die de hele stad doorzoekt om te zien welke deuren een sleutel opent, welke deuren te open zijn voor iedereen, en welke deuren echt de juiste zijn om te openen. Het maakt het vinden van nieuwe medicijnen sneller, veiliger en goedkoper.

De onderzoekers hebben de code zelfs gratis beschikbaar gesteld, zodat andere wetenschappers deze "detective" ook kunnen gebruiken om nieuwe wondermedicijnen te vinden.

Technische samenvatting

Probleemstelling

Het identificeren van het specifieke eiwitdoel (target) waaraan een potentieel geneesmiddel bindt, is een kritieke stap in de drugontwikkeling en het bestuderen van ziektemechanismen. Bestaande computergestuurde methoden voor target-identificatie hebben echter ernstige beperkingen:

1. Beperkte dekking: Ze focussen vaak op een klein subset van targets, waardoor therapeutische kansen worden gemist of onbedoelde bijwerkingen (off-target effects) niet worden opgespoord.
2. Schaalbaarheid en nauwkeurigheid: Traditionele moleculaire docking is tijdrovend en moeilijk schaalbaar naar het volledige menselijke proteoom.
3. Promiscuïteit: Een groot probleem is "eiwitpromiscuïteit", waarbij bepaalde eiwitten onspecifiek binden aan een breed scala aan verschillende liganden. Dit leidt tot veel vals-positieven in grote schaal screens en verdoezelt de echte, hoge-affiniteit interacties.

Methodologie: ProteomeScan

ProteomeScan is een grootschalige, gen-gedreven computertoolkit die het volledige menselijke proteoom scant om verborgen eiwit-ligand interacties te ontdekken. De workflow bestaat uit de volgende stappen:

1. Data Voorbereiding:

   • Uit de UniProt-database werden 82.861 menselijke eiwitentries gehaald.
   • Er werd gekozen voor één canoniek eiwit per gen om consistentie te garanderen.
   • Alleen experimenteel bepaalde structuren (PDB) werden geselecteerd; NMR-modellen en supercomplexen met te veel atomen werden uitgesloten.
   • Dit resulteerde in een dataset van 7.657 unieke genen met geoptimaliseerde PDB-structuren (gebaseerd op resolutie en sequentie-dekking).
   • De liganden werden voorbereid uit SMILES-representaties (met RDKit) en 3D-conformaties gegenereerd.

2. Moleculaire Docking (Blind Docking):

   • Er werd gebruik gemaakt van AutoDock Vina voor high-throughput docking.
   • In plaats van het handmatig definiëren van bindingszakken (wat bij duizenden structuren onpraktisch is), werd blind docking toegepast. Dit scant het volledige eiwitoppervlak uniform.
   • Voor elk gen-ligand paar werden de docking-scores (binding affinity in kcal/mol) verzameld. De laagste score (sterkste binding) per paar werd geselecteerd als het beste resultaat.
   • De berekeningen werden uitgevoerd op schaal via de DeepChem Server en de commerciële Prithvi-cloud-omgeving (AWS Batch), met een succesvol afrondingspercentage van 93,65% voor meer dan 300.000 taken.

3. Analyse van Promiscuïteit:

   • Om vals-positieven te filteren, werd een systematische analyse uitgevoerd om "promiscue targets" te identificeren.
   • Een target wordt als promiscue beschouwd als deze in de top $m\%$ van de scores voorkomt voor ten minste $n$ van de $N$ geteste liganden.
   • Door deze breed bindende eiwitten te filteren, wordt de rangschikking van de echte, specifieke targets verbeterd.

4. Pose-analyse en Validatie:

   • Een pipeline werd ontwikkeld om te controleren of de voorspelde bindingsposities (poses) in daadwerkelijke, "druggable" zakken vallen.
   • Met behulp van fpocket werden bindingszakken geïdentificeerd.
   • Metrische waarden zoals "% Ligand Inside Pocket" werden berekend om te bepalen of >50% van de ligandatomeen binnen een voorspelde zak ligt. Dit scheidt biologisch relevante binding van oppervlakkige interacties.

5. Open Source:

   • De kernalgoritmen zijn open-source gemaakt binnen het DeepChem-ecosysteem om transparantie en reproduceerbaarheid te waarborgen.

Belangrijkste Resultaten

• Validatie van Bekende Targets:

  • ProteomeScan slaagde erin om bekende drug-doelwitten significant beter te rangschikken dan een willekeurige baseline.
  • De Known Target Recovery (KTR) metric toonde aan dat een aanzienlijk percentage van de bekende targets binnen de top 5-30% van de voorspellingen werd gevonden (bijv. 13,64% in de top 5% voor de volledige run, stijgend tot 20,45% na het filteren van promiscue targets).
  • Statistische tests (Mann-Whitney U) bevestigden dat deze resultaten significant beter zijn dan willekeur.

• Analyse van Mutanten:

  • Het systeem kon klinisch relevante mutaties onderscheiden. Bijvoorbeeld, BRAF V600E werd correct hoger gerangschikt dan het wild-type voor de drug dabrafenib, wat overeenkomt met klinische data.
  • Echter, voor sommige gevallen (zoals EGFR-mutanten met erlotinib) gaf de pure docking-score een misleidend resultaat. De pose-analyse toonde aan dat de wild-type binding vaak in een niet-druggable zak plaatsvond (0% overlap), terwijl de mutanten wel in relevante zakken binden, wat de noodzaak van pose-validatie onderstreept.

• Identificatie van Promiscue Targets:

  • Er werden 166 promiscue targets geïdentificeerd (de top 25% die voorkwamen bij alle 20 liganden).
  • Deze groep bevatte bekende metabole enzymen met brede specificiteit, zoals CYP3A4 (drugmetabolisme), BCHE (butyrylcholinesterase) en HSP90AA1.
  • De pose-analyse bevestigde dat de meeste van deze interacties plaatsvinden in druggable zakken, wat suggereert dat het om echte, maar onspecifieke, polyfarmacologische interacties gaat.

• Beperkingen en Uitdagingen:

  • Assemblage-afhankelijke binding: De tool faalde bij Paclitaxel, dat bindt aan geassembleerde microtubuli en niet aan geïsoleerde tubuline-dimeren. De bekende target (TUBB) werd slecht gerangschikt (positie 5724) omdat statische docking de noodzakelijke conformationele veranderingen en assembly-afhankelijkheid niet kan modelleren.
  • Allosterische binding: Hoewel allosterische inhibitoren over het algemeen goed presteerden, zijn complexe mechanismen die grote conformationele verschuivingen vereisen, moeilijk te voorspellen met statische structuren.

Bijdragen en Significance

1. Schalbaarheid: ProteomeScan demonstreert de haalbaarheid van het uitvoeren van een volledig proteoom-docking (7.657 genen x 20 liganden) met behulp van cloud-computing en geautomatiseerde workflows.
2. Nieuwe Validatiemetric: De introductie van Known Target Recovery (KTR) biedt een nieuwe standaard om de prestaties van docking-algoritmen op proteoom-schaal te evalueren.
3. Omgaan met Promiscuïteit: De toolkit biedt een gestructureerde methode om promiscue targets te identificeren en te filteren, wat de precisie van target-identificatie verbetert en inzicht geeft in polyfarmacologie.
4. Toepassingen:
   • Drug Repurposing: Het kan helpen om nieuwe toepassingen voor bestaande medicijnen te vinden door onverwachte interacties te ontdekken.
   • Toxicologie: Het kan helpen bij het vroegtijdig opsporen van off-target toxiciteit door screening tegen duizenden eiwitten in plaats van slechts een beperkt panel.
5. Open Science: Door de code open-source te maken, wordt de basis gelegd voor verdere verbetering en validatie door de wetenschappelijke gemeenschap.

Conclusie:
ProteomeScan is een krachtige tool die de kloof overbrugt tussen fenotypische screening en mechanistisch inzicht. Hoewel het beperkingen heeft bij zeer dynamische of assembly-afhankelijke systemen, biedt het een robuust raamwerk voor het prioriteren van kandidaat-doelen en het begrijpen van de complexiteit van eiwit-ligand interacties op een schaal die voorheen niet mogelijk was. Het benadrukt dat docking-scores alleen niet voldoende zijn en dat validatie via pose-analyse en begrip van biologische context essentieel is.