In silico drug repurposing and in vitro validation of cestode fatty acid binding proteins

Este estudo validou experimentalmente que a hidroclorotiazida, identificada por meio de uma estratégia integrada de triagem virtual e reposicionamento de fármacos, se liga a proteínas de ligação a ácidos graxos de cestódeos, confirmando sua potencialidade como agente terapêutico para o tratamento da equinococose.

O essencial

Imagine que o corpo humano é uma cidade muito movimentada. Às vezes, intrusos indesejados, chamados de cestódeos (um tipo de verme parasita), entram nessa cidade e causam uma doença grave chamada Equinococose. Esses vermes são como ladrões que não sabem cozinhar: eles não conseguem produzir sua própria gordura (lipídios) para sobreviver. Então, eles precisam roubar a gordura do hospedeiro (nós) para se manterem vivos.

Para fazer esse roubo, eles usam "carrinhos de entrega" especiais chamados FABPs (Proteínas de Ligação a Ácidos Graxos). Sem esses carrinhos, os vermes morrem de fome.

O objetivo deste estudo foi encontrar uma maneira de bloquear esses carrinhos e matar o parasita, mas sem criar um remédio do zero (o que é caro e demorado). Em vez disso, os cientistas usaram uma estratégia inteligente: repurposing (reutilização) de remédios que já existem.

Aqui está como eles fizeram isso, passo a passo, usando analogias simples:

1. O Detetive Virtual (Triagem Computacional)

Os cientistas tinham uma biblioteca digital gigante com 435.000 remédios diferentes (desde remédios para dor de cabeça até antibióticos). Eles não podiam testar todos um por um no laboratório (seria como tentar achar uma agulha em um palheiro testando cada palha manualmente).

Então, eles criaram dois "detetives virtuais" (algoritmos de computador) para filtrar essa lista:

• O Detetive da Forma (Baseado na Estrutura):
  Eles olharam para a "feição" do carrinho de entrega (a proteína FABP) no computador. Usaram simulações de água e movimento para ver onde exatamente o remédio deveria encaixar. Foi como tentar achar a chave certa para uma fechadura complexa, mas usando um simulador 3D super rápido. Eles descobriram que a água dentro da fechadura ajudava a segurar a chave, então ajustaram o simulador para considerar isso.
• O Detetive do Padrão (Baseado em Ligantes):
  Este detetive olhou para os remédios que já sabíamos que funcionavam em proteínas parecidas. Ele aprendeu o "estilo" desses remédios (quais partes químicas eles tinham) e procurou outros remédios que tivessem o mesmo estilo, mesmo que parecessem diferentes à primeira vista.

2. A Seleção Final (Os 4 Suspeitos)

Depois de cruzar os dados dos dois detetives, a lista gigante de 435.000 foi reduzida para apenas 4 candidatos promissores. A ideia era pegar remédios que já eram aprovados para outras doenças, pois isso significa que sabemos que são seguros para humanos.

Os quatro escolhidos foram:

1. Hidroclorotiazida: Um remédio comum para pressão alta (diurético).
2. Naratriptan: Usado para enxaqueca.
3. Fenticonazol: Um antifúngico (para micoses).
4. Montelucaste: Usado para asma e alergias.

3. A Prova Real (Laboratório)

Agora, a parte mágica: eles pegaram esses 4 remédios e os testaram no laboratório contra os vermes reais (ou melhor, contra as proteínas dos vermes).

• O Teste da Luz: Eles usaram uma técnica onde a proteína brilha como uma lanterna quando segura uma gordura. Quando eles colocaram o remédio, a luz diminuiu. Isso significou que o remédio tinha "empurrado" a gordura para fora e ocupado o lugar do carrinho.
• O Resultado: O remédio Hidroclorotiazida (aquele para pressão alta) funcionou muito bem! Ele conseguiu bloquear os carrinhos de entrega dos vermes em três tipos diferentes de parasitas. Os outros três também mostraram sinais de interação, mas foram mais difíceis de medir com precisão devido às suas próprias cores e propriedades químicas.

4. Por que isso é importante?

Imagine que você precisa consertar um telhado, mas não tem dinheiro para comprar telhas novas e contratar um mestre de obras do zero. Em vez disso, você olha ao redor e vê que tem um monte de telhas sobrando de uma reforma antiga que servem perfeitamente.

• Economia de Tempo e Dinheiro: Como esses remédios já são aprovados para uso em humanos, eles já passaram por testes de segurança. Isso significa que, se funcionarem contra o verme, eles podem virar um tratamento novo muito mais rápido do que um remédio totalmente novo.
• Luta contra Doenças Esquecidas: A Equinococose é uma doença que afeta principalmente populações pobres e é "esquecida" pelas grandes empresas de remédios. Usar inteligência artificial para encontrar soluções em remédios antigos é uma forma brilhante de dar uma nova vida a esses medicamentos e ajudar quem mais precisa.

Resumo da Ópera:
Os cientistas usaram computadores superpoderosos para encontrar "agulhas no palheiro" entre remédios antigos. Eles descobriram que um remédio comum para pressão alta pode, na verdade, matar vermes perigosos bloqueando a forma como eles "comem". É um exemplo perfeito de como a tecnologia e a criatividade podem salvar vidas de forma barata e rápida.

Resumo técnico

Título do Estudo

Reposicionamento de fármacos in silico e validação in vitro de proteínas de ligação a ácidos graxos (FABPs) de cestódeos.

1. O Problema

A Echinococcosis (hidatidose cística e alveolar) é uma Doença Tropical Negligenciada (DTN) causada por Echinococcus granulosus e E. multilocularis, representando um grande ônus para a saúde pública.

• Limitações Terapêuticas Atuais: O tratamento padrão utiliza benzimidazóis (ex: albendazol), muitas vezes em combinação com praziquantel. No entanto, esses fármacos apresentam baixa tolerância, eficácia variável dependendo do tamanho e localização do cisto, e não são curativos em todos os casos.
• Alvo Biológico: Cestódeos carecem de enzimas chave para a biossíntese de novo de lipídios e dependem da captura de lipídios do hospedeiro. As Proteínas de Ligação a Ácidos Graxos (FABPs) são essenciais para o tráfego e transporte intracelular de lipídios nesses parasitas, tornando-se alvos terapêuticos promissores e potencialmente "drogáveis".
• Necessidade: Há uma urgência no desenvolvimento de novos agentes anti-helmínticos e na busca por moléculas já aprovadas (reposicionamento de fármacos) para acelerar o processo de descoberta.

2. Metodologia

Os autores implementaram uma estratégia integrada de triagem virtual (Virtual Screening - VS) combinando abordagens baseadas em ligantes e baseadas em estrutura, seguida de validação experimental.

A. Triagem Virtual Baseada em Ligantes (LBVS)

• Construção de Modelos: Foram gerados 4.000 classificadores lineares utilizando descritores moleculares Mordred e uma abordagem de subespaço aleatório.
• Ensemble Learning: Os modelos foram combinados em um ensemble (MIN32) utilizando o operador "MIN" (mínimo), que demonstrou o melhor desempenho na métrica BEDROC (enriquecimento precoce).
• Validação: Os modelos foram validados por Y-randomização e validação cruzada Leave-Group-Out (LGO), confirmando robustez e ausência de correlações espúrias.
• Definição de Limiar: Uma superfície de Valor Preditivo Positivo (PPV) foi construída para definir um limiar de pontuação, priorizando especificidade (Sp) sobre sensibilidade (Se).
• Triagem: Cerca de 435.000 compostos de oito bancos de dados (incluindo DrugBank e Drug Repurposing Hub) foram filtrados.

B. Triagem Virtual Baseada em Estrutura (SBVS)

• Dinâmica Molecular (MD): Simulações de 100 ns da proteína EgFABP1 (apo) foram realizadas para identificar sítios de água (Water Sites - WS) estáveis no bolso de ligação.
• Algoritmo WATCLUST: Identificou três clusters de água distintos próximos ao tríade de ligação (Arg107, Arg127, Tyr129).
• Docking com Viés (Bias): O algoritmo de docking AutoDock Bias foi utilizado, incorporando os sítios de água como potenciais de viés (doadores ou aceptores de ligação de hidrogênio).
• Otimização: O protocolo "DDD" (três doadores) e, posteriormente, uma configuração simplificada "-D-" (apenas o sítio de água central como doador) mostraram o melhor desempenho (AUC-ROC).
• Triagem: A mesma base de dados de 435.000 compostos foi submetida a este protocolo.

C. Seleção de Candidatos e Validação Experimental

• Seleção: Quatro compostos foram priorizados para validação experimental, focando em candidatos de reposicionamento (fármacos já aprovados):
  1. Hidroclorotiazida (LBVS)
  2. Naratriptano (LBVS)
  3. Fenticonazol (LBVS)
  4. Montelucaste (SBVS)
• Ensaios In Vitro: Proteínas recombinantes (EgFABP1, EmFABP1, EmFABP3) foram expressas e purificadas. A ligação dos compostos foi avaliada através de ensaios de deslocamento de fluorescência usando ANS (ácido 1-anilino-8-naftaleno-sulfônico) como sonda.

3. Principais Resultados

• Desempenho Computacional:
  • O ensemble MIN32 (LBVS) identificou 56 compostos ativos entre 435.000, demonstrando alta especificidade.
  • O protocolo de docking com viés de água (-D-) (SBVS) identificou 98 compostos ativos, nenhum dos quais sobreposto aos encontrados pelo LBVS, indicando complementaridade das abordagens.
• Validação Experimental:
  • Hidroclorotiazida: Confirmou-se a ligação experimental com as três isoformas de FABP testadas (EgFABP1, EmFABP1, EmFABP3).
  • Constantes de Dissociação Aparente ($K_{d,app}$):
    • EgFABP1: 2,19 µM
    • EmFABP1: 9,90 µM
    • EmFABP3: 2,75 µM
  • A hidroclorotiazida apresentou maior afinidade pela EgFABP1 e EmFABP3 em comparação à EmFABP1.
  • Os outros três compostos (naratriptano, fenticonazol e montelucaste) foram testados, mas suas propriedades espectroscópicas interferiram no ensaio de fluorescência, impedindo a determinação precisa da $K_{d,app}$, embora tenham mostrado sinais de interação.
• Descoberta Chave: A validação da hidroclorotiazida (um diurético tiazídico comum) como um ligante de FABP de cestódeos confirma a capacidade preditiva do fluxo de trabalho computacional e valida a hipótese de que a presença de grupos ácidos é crucial para a ligação a FABPs.

4. Contribuições Chave

1. Estratégia Integrada: Demonstração prática de como combinar triagem baseada em ligantes e estrutura (com tratamento explícito de moléculas de água no docking) aumenta a taxa de sucesso na descoberta de novos alvos.
2. Reposicionamento de Fármacos: Identificação bem-sucedida de um fármaco aprovado (hidroclorotiazida) com potencial anti-helmíntico, oferecendo uma via rápida para desenvolvimento clínico devido ao perfil de segurança já estabelecido.
3. Mecanismo de Ligação: Reforço da importância das moléculas de água estruturais no bolso de ligação das FABPs de cestódeos para o reconhecimento de ligantes, validado através de simulações de MD e docking com viés.
4. Validação Experimental Robusta: Confirmação in vitro de previsões in silico para múltiplas isoformas de FABP de diferentes espécies de Echinococcus.

5. Significado e Impacto

Este estudo destaca o valor das abordagens computacionais integradas para acelerar a descoberta de medicamentos para Doenças Tropicais Negligenciadas (DTNs), onde o investimento do setor privado é limitado.

• Eficiência: A metodologia permitiu identificar candidatos promissores em prazos curtos e com custos reduzidos em comparação à triagem experimental tradicional.
• Novas Terapias: A hidroclorotiazida, agora validada como um candidato a anti-helmíntico, pode servir como ponto de partida para programas de otimização "hit-to-lead" ou para ensaios clínicos de reposicionamento direto.
• Futuro: O trabalho estabelece um protocolo robusto para o desenvolvimento de novos fármacos contra platelmintos, focando em alvos metabólicos essenciais (transporte de lipídios) que são distintos dos alvos humanos, potencialmente reduzindo efeitos colaterais.