Crystal Structure, DFT Studies, Molecular Docking and In Vitro Antibacterial–Antifungal Evaluation of 2,4-Dinitro-1-naphthyl 4-Toluenesulfonate (PTN): A Combined Experimental–Theoretical Study with an Outlook on AI Applications

In de microscopische wereld waar bacteriën en schimmels gedijen, hangt het leven vaak af van een enkele chemische handdruk. Deze kleine organismen vertrouwen op specifieke eiwitten om te overleven, die fungeren als essentiële machines voor hun groei en voortplanting. Wetenschappers die onderzoeken hoe ze deze pathogenen kunnen stoppen, zoeken naar moleculen die in deze eiwitmachines kunnen glippen en de tandwielen kunnen blokkeren. Om dit effectief te doen, moeten ze twee dingen begrijpen: de exacte vorm van het molecuul dat ze testen, en de vorm van het eiwit dat het probeert te blokkeren. Het is een spel van driedimensionale pasvorm, waarbij zelfs een lichte draai in de structuur van een molecuul het verschil kan betekenen tussen een genezing en een mislukking. Decennialang hebben onderzoekers krachtige computers gebruikt om te voorspellen hoe goed een kandidaat-medicijn zou passen, maar deze voorspellingen zijn slechts zo goed als de kaart waarmee ze beginnen. Als de kaart van het molecuul iets afwijkt, zal de voorspelling fout zijn. Dit is waarom het combineren van een nauwkeurige fysieke meting van de structuur van een molecuul met computersimulaties een van de meest betrouwbare manieren blijft om te begrijpen hoe een nieuw chemisch bestanddeel infecties kan bestrijden.

Een team van onderzoekers aan het Presidency College in Chennai, India, heeft deze rigoureuze aanpak onlangs toegepast op een specifiek chemisch bestanddeel dat bekend staat als 2,4-dinitro-1-naftyl-4-tolueensulfonaat, afgekort als PTN. Dit molecuul behoort tot een klasse van chemicaliën die veelbelovend zijn gebleken in het bestrijden van microben, maar het exacte gedrag ervan in het lichaam was niet volledig begrepen. De onderzoekers wilden zien of ze, met zowel fysiek bewijs als computermodellering, konden bewijzen dat PTN een sterke kandidaat is voor het stoppen van schadelijke bacteriën en schimmels. Ze begonnen met het kweken van een perfect, enkel kristal van de stof en bestraalden dit met röntgenstraling. Dit proces, bekend als röntgencristallografie, stelde hen in staat om een nauwkeurige, driedimensionale kaart van elk atoom in het molecuul te bouwen, die precies laat zien hoe ze in de ruimte zijn gerangschikt. Ze ontdekten dat de atomen een specifieke vorm vormen waarbij een centraal zwavelatoom verbonden is met een zuurstofatoom in een flexibele binding, wat een structuur creëert die licht gedraaid is in plaats van perfect plat.

Met deze fysieke kaart in handen, stapte het team over op computersimulaties om te zien hoe PTN zich gedraagt wanneer het niet gevangen zit in een kristal. Ze gebruikten een methode genaamd dichtheidsfunctionaaltheorie, die berekent hoe elektronen rond de atomen bewegen om de stabiliteit en reactiviteit van het molecuul te bepalen. Het computermodel bevestigde dat de vorm die ze in het kristal zagen grotendeels correct was, met slechts een minuscuul verschil in de lengte van die flexibele zwavel-zuurstofbinding, een variatie die verwacht wordt bij de overgang van een vast kristal naar een vrij zwevend molecuul. De berekeningen onthulden ook dat het molecuul een sterke elektrische aantrekkingskracht heeft, met een significante scheiding van positieve en negatieve ladingen. Dit elektrische on evenwicht suggereert dat het molecuul goed uitgerust is om te interageren met de geladen oppervlakken van biologische eiwitten, een belangrijke vereiste voor een medicijn om te werken.

De onderzoekers namen vervolgens de volgende stap door de computer te gebruiken om te simuleren hoe PTN zou interageren met de specifieke eiwitten die gevaarlijke microben in leven houden. Ze testten het molecuul tegen drie verschillende doelwitten: een eiwit dat een veelvoorkomende huidbacterie genaamd Staphylococcus aureus helpt bij het maken van DNA, een eiwit dat Shigella-bacteriën helpt bij het opbouwen van hun celwanden, en een eiwit dat de schimmel Candida albicans helpt bij het opbouwen van zijn celmembraan. In elk geval voorspelde de computer dat PTN sterker aan deze eiwitten zou binden dan de standaardmedicijnen die momenteel worden gebruikt om ze te behandelen. Wanneer het bijvoorbeeld tegen het schimmeleiwit werd getest, liet de simulatie zien dat PTN met een sterkte vasthield die aanzienlijk beter was dan die van fluconazol, een veelgebruikt antischimmelmedicijn. Dit was een opmerkelijk resultaat, vooral omdat de onderzoekers ook de praktische effectiviteit van de verbinding in een laboratoriumschaaltest hadden getest.

Toen het team de bacteriën en schimmels daadwerkelijk blootstelde aan PTN in het laboratorium, kwamen de resultaten overeen met hun computervoorspellingen. De verbinding stopte succesvol de groei van Staphylococcus aureus, Shigella en Candida albicans. Het meest opvallend was dat het werkte tegen een stam van Candida die volledig immuun was voor fluconazol, de standaardbehandeling. Dit bevestigde dat de sterke binding die de computer voorspelde echt was en dat het molecuul inderdaad de tandwielen van deze microscopische machines kon blokkeren. De onderzoekers merkten ook op dat hoewel de computer de sterkste binding tegen het schimmeleiwit voorspelde, de bacteriën in het laboratorium in de praktijk gevoeliger waren. Zij verklaarden dat dit verschil geen tegenstrijdigheid is, maar een herinnering dat computermodellen meten hoe stevig een molecuul aan een eiwit kleeft, terwijl een labtest ook afhangt van hoe gemakkelijk een molecuul door een gel kan bewegen en de bacterie kan bereiken. De twee methoden meten verschillende dingen, maar samen vertellen ze een consistent verhaal: PTN is een krachtig agens dat goed past in de doelwitten die het beoogt te raken.

Vooruitblikkend suggereren de auteurs dat de instrumenten die in deze studie zijn gebruikt, met behulp van kunstmatige intelligentie nog krachtiger kunnen worden gemaakt. Hoewel de huidige methoden betrouwbaar zijn, kunnen ze traag en rekenintensief zijn. Nieuwere AI-technieken zouden het proces van het vinden van de juiste vorm voor een molecuul of het voorspellen van hoe het aan een eiwit bindt, potentieel kunnen versnellen, waardoor wetenschappers duizenden kandidaten kunnen testen in de tijd die het nu kost om er een paar te testen. De onderzoekers waarschuwen echter dat deze AI-instrumenten nog niet perfect zijn voor elk type chemische stof, vooral niet voor die met complexe of ongebruikelijke structuren zoals de stof die zij bestudeerden. Voor nu blijft de combinatie van fysieke kristalmeting en zorgvuldige computersimulatie de gouden standaard. Deze studie biedt een volledig en reproduceerbaar blauwdruk voor het begrijpen van PTN, en biedt een helder pad voor toekomstige wetenschappers om zelfs betere versies van deze verbinding te ontwerpen om de groeiende dreiging van medicijnresistente infecties te bestrijden.