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

In het uitgestrekte landschap van de moderne geneeskunde begint de zoektocht naar nieuwe behandelingen vaak lang voordat een medicijn ooit een menselijk lichaam aanraakt. Het begint in de wereld van het zeer kleine, waar wetenschappers krachtige computers gebruiken om te simuleren hoe minuscule moleculen als puzzelstukjes in elkaar kunnen passen. Dit veld, bekend als computationele geneesmiddelenontdekking, stelt onderzoekers in staat om duizenden potentiële medicijnen virtueel te testen, waardoor tijd en middelen worden bespaard door te voorspellen welke kandidaten de grootste kans van slagen hebben. De kern van dit proces is de studie van eiwitten, de complexe moleculaire machines die bijna elke functie binnen onze cellen uitvoeren. Soms functioneren deze eiwitten niet goed, wat leidt tot ziekten zoals kanker. Om hen te stoppen, zoeken wetenschappers naar specifieke moleculen, liganden genoemd, die aan het defecte eiwit kunnen binden en het gedrag ervan kunnen veranderen. De sterkte en stabiliteit van deze binding zijn cruciaal; als een molecuul te zwak hecht, zal het loslaten, maar als het te sterk of op de verkeerde manier hecht, werkt het mogelijk niet zoals bedoeld. Door deze interacties met hoge precisie te simuleren, kunnen onderzoekers de meest veelbelovende kandidaten voor verder onderzoek identificeren, waardoor de zoektocht naar levensreddende therapieën effectief wordt vernauwd.

In een recente studie pasten Arup Kumar Sarma en Dr. Rajendra Kumar deze digitale hulpmiddelen toe om een specifieke klasse eiwitten te onderzoeken die bekend staan als S100-eiwitten. Dit zijn kleine, calciumbindende moleculen die door het hele lichaam worden gevonden, maar wanneer hun niveaus uit balans raken, worden ze in verband gebracht met ernstige aandoeningen waaronder kanker, ontsteking en neurologische stoornissen. Omdat deze eiwitten vaak in het bloed en andere lichaamsvloeistoffen worden aangetroffen, worden ze beschouwd als belangrijke doelwitten voor nieuwe therapieën. De onderzoekers richtten zich op een enkele medicijnkandidaat genaamd Parecoxib, een verbinding behorend tot de klasse van isoxazolverbindingen, die bekend staan om hun potentiële mogelijkheden in de behandeling van kanker. Hun doel was om te zien hoe goed dit molecuul interageerde met vijf verschillende typen S100-eiwitten: S100A6, S100A2, S100A4, S100A7 en S100A11. Met behulp van een softwareprogramma genaamd AutoDock Vina voorspelden ze eerst hoe Parecoxib fysiek zou hechten aan elk van deze vijf eiwitten. De computer genereerde meerdere mogelijke posities, of poses, voor het molecuul en berekende de energie van elke positie. In deze context duidt een lagere energiescore op een sterkere, stabielere binding, vergelijkbaar met een magneet die twee objecten steviger vasthoudt dan een zwakke.

De initiële screening onthulde dat Parecoxib de sterkste potentie had om te binden met het S100A11-eiwit. Om deze bevinding te bevestigen en te begrijpen hoe de binding in de loop van de tijd stand zou houden, ging het team over naar een geavanceerder stadium van simulatie. Ze gebruikten een softwarepakket genaamd GROMACS om een moleculaire dynamica-simulatie uit te voeren, die in essentie de bewegingen en interacties van het eiwit en het medicijn observeert over een periode van 100 nanoseconden. Deze stap is cruciaal omdat een statisch beeld van een gebonden molecuul niet voldoende is; de onderzoekers moesten zien of het complex stabiel bleef terwijl het bewoog en verschoof onder omstandigheden die het menselijk lichaam nabootsen. Ze analyseerden verschillende belangrijke indicatoren van stabiliteit, zoals hoeveel de vorm van het eiwit veranderde ten opzichte van de oorspronkelijke vorm en hoeveel van het oppervlak werd blootgesteld aan het omringende water. De resultaten toonden aan dat het complex gevormd tussen Parecoxib en S100A11 gedurende de simulatie opmerkelijk stabiel bleef, met zeer weinig structurele afwijking. In contrast hiermee vertoonden de complexen gevormd met S100A2, S100A4 en S100A7 tekenen van minder stabiliteit, aangezien zij hogere fluctuaties in hun atomaire posities vertoonden vergeleken met het S100A11-complex.

Om exact te kwantificeren hoeveel energie er nodig was om het medicijn en het eiwit bij elkaar te houden, voerde het team een gedetailleerde thermodynamische berekening uit, bekend als Molecular Mechanics Poisson-Boltzmann Surface Area analyse. Deze methode breekt de totale energie van de interactie af in de verschillende componenten, zoals de krachten die atomen bij elkaar houden en de effecten van het omringende water. De berekeningen bevestigden dat de binding tussen Parecoxib en S100A11 energetisch gunstig was, wat betekent dat het proces spontaan plaatsvond en resulteerde in een stabiel systeem. De analyse onthulde ook de specifieke aard van de verbinding: het medicijn vormde acht verschillende soorten gunstige interacties met het eiwit, waaronder twee waterstofbruggen, twee stapelinteracties tussen de ringvormige delen van de moleculen, en diverse andere krachten die hielpen hen op hun plaats te vergrendelen. Deze specifieke verbindingen verklaarden waarom het paar zo goed bij elkaar bleef vergeleken met de anderen.

De studie concludeert dat hoewel Parecoxib veelbelovend is als een potentiële inhibitor voor het S100A11-eiwit, deze bevinding momenteel beperkt is tot de computersimulatie. De onderzoekers benadrukken dat dit werk dient als een voorlopig onderzoek, een manier om minder veelbelovende kandidaten te filteren voordat men overgaat naar duurdere en tijdrovendere laboratoriumexperimenten. De gegevens suggereren dat Parecoxib een grote waarschijnlijkheid heeft om effectief te zijn tegen kankers of ziekten die worden gedreven door het S100A11-eiwit, maar dit potentieel is nog niet bewezen in levende cellen of menselijke klinische studies. De auteur merkt op dat de volgende stappen het creëren van een stabiele fysieke versie van dit complex voor kristallografische studies zou zijn, en uiteindelijk het uitvoeren van klinische studies om veiligheid en effectiviteit te verifiëren. Tot die tijd heeft de computer een sterk signaal gegeven dat dit specifieke medicijn-eiwitpaar de aandacht waard is, wat een duidelijke richting biedt voor toekomstig medisch onderzoek.