Comparative Molecular Docking and ADMET Profiling of Five Clinically Approved DPP-4 Inhibitors: Structural Insights into Binding Affinity and Interaction Diversity

Stel je Type 2 diabetes voor als een chaotisch feestje waar het insuline van het lichaam (de uitsmijter) moeite heeft om zijn werk te doen. Een van de onruststokers op dit feestje is een eiwit genaamd DPP-4, dat fungeert als een onvermoeibare schoonmaakploeg die de nuttige "incretine"-hormonen wegveegt voordat ze het lichaam kunnen vertellen om insuline af te geven. Om dit te stoppen, hebben wetenschappers vijf verschillende "gliptine"-medicijnen gecreëerd—Sitagliptine, Vildagliptine, Saxagliptine, Alogliptine en Linagliptine—die fungeren als uitsmijters voor de uitsmijter, waardoor ze DPP-4 blokkeren zodat het feestje weer op de rit komt.

Maar hier komt de miljoenenvraag: Welke van deze vijf medicijn-uitsmijters is het beste in het aan zich plakken van DPP-4 en het doen van zijn werk?

In deze studie besloten twee onderzoekers, Sanchit Kumar Rai en Adharsh Kirtan, een enorme, hoogtechnologische simulatie uit te voeren om dit te achterhalen. Ze mengden geen chemicaliën in een laboratorium; in plaats daarvan bouwden ze een digitale speeltuin met behulp van een computerprogramma genaamd AutoDock Vina. Denk aan dit programma als een supernauwkeurige videogame-engine die simuleert hoe deze medicijnmoleculen proberen de DPP-4 eiwit te "omhelzen".

De Grote Digitale Knuffelstrijd

De onderzoekers namen de digitale modellen van alle vijf de medicijnen en gooiden ze in de virtuele actieve site van het DPP-4 eiwit (waarvoor ze een kristalstructuur gebruikten die bekend staat als PDB ID: 1X70). Ze wilden zien wie het stevigst kon vasthouden.

De resultaten kwamen binnen met enkele verrassende scores, gemeten in kcal/mol (een eenheid van energie waarbij een negatiever getal staat voor een strakkere, sterkere knuffel):

1. Sitagliptine won de eerste plaats met een score van −9.181 kcal/mol.
2. Linagliptine kwam heel dichtbij op de tweede plaats met een score van −8.965 kcal/mol.
3. Alogliptine bezette de derde plaats met −6.885 kcal/mol.
4. Saxagliptine en Vildagliptine volgden achteraan met scores van respectievelijk −6.747 kcal/mol en −6.651 kcal/mol.

Maar wacht even! Er is een grote kanttekening.

Het artikel waarschuwt ons expliciet om deze cijfers niet voor waar aan te nemen voor iedereen. Sitagliptine was het "native" medicijn dat al in de kristalstructuur zat die zij gebruikten, dus het is geen verrassing dat het het stevigst knuffelde—het is also$ een persoon vragen om een stoel te knuffelen waar hij al op zat; die past perfect.

Nog belangrijker: Saxagliptine en Vildagliptine zijn "covalente" remmers. Stel je voor dat ze een klein, omkeerbaar klittenbandje hebben dat chemisch aan het eiwit vastklikt. Het computerprogramma dat in deze studie werd gebruikt, weet echter alleen hoe het "zonder klittenband" knuffels (niet-covalente bindingen) moet simuleren. Het kon het klittenband niet zien klikken! Daarom betekenen de lagere scores voor deze twee medicijnen niet dat ze zwak zijn; het betekent simpelweg dat de simulatie hun superkracht niet kon zien. De auteurs suggereren dat als ze het klittenband wel konden zien, deze twee net zo sterk zouden kunnen zijn als de anderen.

De Geheime Handdrukken

Om te begrijpen waarom de medicijnen verschillend knuffelden, gebruikten de onderzoekers een hulpmiddel genaamd PLIP om naar de handdrukken (interacties) op atomair niveau te kijken tussen de medicijnen en het eiwit.

• Het Aromatische Feestje: De medicijnen die de hoogste scores behaalden (Sitagliptine, Linagliptine en Alogliptine) hadden allemaal coole "π-stacking" en "π-cation" interacties. Je kunt dit zien als speciale magnetische high-fives tussen de platte, ringvormige delen van het medicijn en het eiwit. De twee medicijnen met de lagere scores (Saxagliptine en Vildagliptine) kregen deze high-fives niet in de simulatie, wat hun lagere cijfers verklaart.
• De Lone Wolf: Linagliptine was de buitenbeentje. Terwijl de andere medicijnen (behalve de klittenband-varianten) zich vasthielden aan een specif een paar aminozuren genaamd Glu205/Glu206, negeerde Linagliptine deze! In plaats daarvan greep het Arg125 en Ser630 vast. Dit is logisch, omdat Linagliptine een uniek "xanthine" scaffold heeft (een andere chemische vorm) vergeleken met de anderen. Het vond een andere manier om de knuffelstrijd te winnen zonder de gebruikelijke regels te volgen.

De Veiligheidscontrole (ADMET)

Voordat een medicijn kan worden gebruikt, moet het een veiligheidstest doorstaan. De onderzoekers voerden een digitale veiligheidscontrole uit genaamd ADMET om te zien hoe de medicijnen zich in het lichaam zouden gedragen:

• Absorptie: Alle vijf de medicijnen werden voorspeld goed te worden opgenomen door de darmen.
• Hersentoegang: Alleen Sitagliptine werd voorspeld de bloed-hersenbarrière (de beveiligingspoort naar de hersenen) te kunnen passeren. De anderen werden buiten gehouden.
• Toxiciteit: Hier werd het vreemd. De computer markeerde Saxagliptine als potentieel zeer toxisch, met een voorspelde LD50 van 3 mg/kg (een zeer lage dosis die gevaarlijk zou zijn). Dit is een enorme uitschieter vergeleken met de anderen, die varieerden van 684 mg/kg tot 2500 mg/kg.

Echter, de auteurs zijn sceptisch. Ze stellen dat deze angstaanjagende toxiciteitswaarschuwing waarschijnlijk een "glitch" is in de voorspellingssoftware van de computer. Ze vermoeden dat de software in de war is geraakt door een specifieke chemische groep in Saxagliptine (de nitrilgroep), die eigenlijk verantwoordelijk is voor het "klittenband"-effect op het eiwit. Aangezien Saxagliptine al een veilig, goedgekeurd medicijn is dat door miljoenen mensen wordt gebruikt, geloven de auteurs dat de computer een fout heeft gemaakt, en niet dat het medicijn daadwerkelijk gevaarlijk is.

De Kern van het Verhaal

Deze studie heeft geen nieuw medicijn ontdekt of bewezen dat het klinisch beter is dan de anderen in een echt menselijk lichaam. In plaats daarvan bouwde het een gevalideerde computer-pipeline om ze te vergelijken.

• Wat we zeker weten: In deze specifieke simulatie vertoonden Sitagliptine en Linagliptine de sterkste niet-covalente binding.
• Wat we vermoeden: De lagere scores voor Saxagliptine en Vildagliptine zijn waarschijnlijk omdat de simulatie hun speciale "klittenband"-mechanisme miste, en niet omdat ze zwak zijn.
• Wat we zien als een glitch: De angstaanjagende toxiciteitswaarschuwing voor Saxagliptine is waarschijnlijk een vals alarm veroorzaakt door de voorspellingsinstrumenten van de computer.

De onderzoekers suggereren dat toekomstige studies geavanceerdere simulaties moeten gebruiken die daadwerkelijk het "klittenband"-klikken kunnen zien en langere tests moeten draaien om te zien of deze digitale knuffels stabiel blijven over een langere tijd. Voor nu geeft deze studie ons een coole, gedetailleerde kaart van hoe deze vijf medicijnen proberen vast te klampen aan hun doelwit, wat wetenschappers helpt om in de toekomst nog betere medicijnen te ontwerpen.