Computational Design and Evaluation of De Novo Protein Minibinders Targeting Specific Sites of STAT3

Dentro da maquinaria microscópica de uma célula viva, uma proteína chamada STAT3 atua como um interruptor mestre, ligando genes que dizem às células quando crescer e se dividir. Em um corpo saudável, esse interruptor é rigorosamente regulado, mas em muitos tipos de câncer, ele fica preso na posição "ligado", impulsionando o crescimento descontrolado e a propagação de tumores. Os cientistas há muito tentam construir medicamentos para desligar esse interruptor, mas a abordagem usual — usar pequenas moléculas químicas para travar o mecanismo — falhou repetidamente em ensaios clínicos. A superfície da proteína STAT3 é frequentemente muito plana ou muito semelhante a outras proteínas para que essas pequenas moléculas possam agarrar-se com precisão suficiente. Isso deixou os pesquisadores em busca de um tipo diferente de ferramenta, uma que seja maior e mais específica, capaz de se fixar à proteína com a certeza de uma chave encaixando em uma fechadura.

Uma equipe de pesquisadores voltou-se agora para a inteligência artificial para projetar essas novas ferramentas do zero. Em vez de pegar emprestado da biblioteca de proteínas existentes na natureza, eles usaram um programa de computador para inventar estruturas proteicas minúsculas inteiramente novas, projetadas para se ligar a pontos específicos na superfície da STAT3. O objetivo era criar "minibinders" — pequenos fragmentos de proteína estáveis que poderiam se fixar à STAT3 e potencialmente impedir que ela realize seu trabalho prejudicial. Ao visar diferentes regiões da proteína, incluindo áreas que foram difíceis de alcançar com drogas tradicionais, a equipe esperava gerar um novo conjunto de candidatos que pudessem ser testados no laboratório para ver se conseguem bloquear efetivamente a proteína que impulsiona o câncer.

Os pesquisadores começaram identificando sete "hotspots" específicos na proteína STAT3, que são pequenos aglomerados de aminoácidos localizados em diferentes partes da molécula. Esses pontos foram escolhidos porque são acessíveis e desempenham papéis importantes em como a proteína funciona, como ajudar a colar em receptores celulares ou ligar-se ao DNA. Usando uma ferramenta moderna de design por IA chamada BindCraft, a equipe gerou milhares de sequências de proteínas potenciais, cada uma sendo uma tentativa única de envolver um desses hotspots. O programa de computador atuou como um arquiteto virtual, esboçando formas que teoricamente se encaixariam no alvo, enquanto filtrava designs que pareciam instáveis ou improváveis de se ligar. De um grupo inicial de 139 designs que passaram pela verificação inicial do computador, a equipe estreitou seu foco para os candidatos mais promissores.

Para garantir que esses designs digitais realmente funcionariam no mundo real, os pesquisadores submeteram-nos a uma segunda rodada rigorosa de avaliação usando um sistema de IA mais avançado conhecido como AlphaFold3. Este sistema é altamente habilidoso em prever como as proteínas se dobram em suas formas tridimensionais e como interagem umas com as outras. A equipe buscou designs que mostrassem um alto grau de confiança em sua capacidade de acoplar-se à proteína STAT3. Onze designs emergiram como os principais contendores, todos previstos para se ligarem firmemente aos seus alvos pretendidos. Esses onze minibinders foram projetados para se fixar a cinco dos sete hotspots originais, cobrindo regiões em seus domínios coiled-coil, SH2 e de ligação ao DNA. As simulações sugeriram que essas pequenas proteínas se assentariam firmemente na superfície da STAT3, muitas vezes cobrindo os aminoácidos específicos que os pesquisadores visavam.

Além de apenas grudar na proteína, os pesquisadores examinaram se esses novos ligantes eram criações verdadeiramente novas. Eles passaram as sequências dos onze principais ligantes por um banco de dados massivo de todas as proteínas conhecidas para ver se algum deles parecia algo que já existe na natureza. Os resultados foram impressionantes: seis dos ligantes não tinham correspondências no banco de dados, o que significa que eram sequências completamente novas, nunca antes vistas em qualquer organismo vivo. Os outros cinco ligantes mostraram apenas similaridades muito fracas e insignificantes com proteínas bacterianas obscuras, confirmando que os designs não eram cópias acidentais de partes biológicas existentes. Isso sugere que a IA inventou com sucesso formas moleculares únicas, em vez de apenas rearranjar partes conhecidas.

O estudo também revelou que alguns desses minibinders poderiam potencialmente trabalhar juntos. Como os ligantes se fixam a áreas diferentes e não sobrepostas da proteína STAT3, é possível usar dois deles ao mesmo tempo para "sanduichar" o alvo. Por exemplo, as simulações mostraram que um ligante projetado para uma região poderia se assentar confortavelmente ao lado de outro ligante projetado para uma região diferente, sem colidir com ele. Isso abre a porta para uma nova estratégia onde duas pequenas proteínas poderiam prender a STAT3 simultaneamente, potencialmente tornando mais difícil para a célula cancerígena contornar o bloqueio. Embora os pesquisadores enfatizem que esses resultados baseiam-se atualmente em simulações de computador e ainda não foram testados em laboratório, os altos escores de confiança dos modelos de IA fornecem uma base sólida para o próximo passo.

Este trabalho representa um avanço significativo no uso da inteligência artificial para enfrentar alvos terapêuticos difíceis. Ao projetar com sucesso proteínas que são previstas para se ligar a pontos específicos e desafiadores de uma proteína relacionada ao câncer, a equipe forneceu à comunidade científica uma lista de candidatos concretos para testes experimentais. As onze sequências descritas no artigo estão agora disponíveis para que outros cientistas as sintetizem e estudem em laboratório. Se essas previsões digitais se sustentarem em experimentos físicos, elas poderão oferecer um novo caminho para tratar cânceres impulsionados pela STAT3, indo além das limitações das drogas químicas pequenas e entrando em uma nova era de terapêutica de precisão de proteínas.