Facilitating the identification of cryo-EM hit matter in drug discovery with Astex-Faro

Na busca pelo design de novos medicamentos, cientistas frequentemente começam encontrando pequenos fragmentos químicos que se prendem a uma proteína específica, de forma muito semelhante a uma chave encontrando a fechadura certa. Esses fragmentos são geralmente muito pequenos e ligam-se apenas fracamente, o que os torna difíceis de detectar. Para visualizar essas interações, os pesquisadores utilizam uma poderosa técnica de imagem chamada criomicroscopia eletrônica, que congela proteínas em uma fina camada de gelo e tira milhares de fotos para construir um modelo 3D. No entanto, quando um fragmento se liga a apenas algumas das moléculas de proteína em uma amostra, seu sinal se perde no ruído, aparecendo como um borrão tênue e embaçado em vez de uma forma clara. Isso torna difícil determinar se um candidato a fármaco realmente funcionou ou se a imagem é resultado de uma variação experimental.

Uma equipe de pesquisadores desenvolveu um novo método chamado Astex-Faro para resolver esse problema de detectar sinais fracos em um campo lotado. Em vez de olhar para uma única imagem isoladamente, o método compara uma nova imagem com uma grande coleção de imagens de referência tiradas da mesma proteína quando ela não possui o fármaco acoplado. Ao analisar as diferenças entre a nova imagem e o grupo inteiro de imagens de referência, o sistema consegue identificar matematicamente quais partes da estrutura são verdadeiramente diferentes. Isso permite que o software destaque os pontos minúsculos e tênues onde um fragmento de fármaco pode estar se ligando, mesmo que ele esteja presente em apenas uma pequena fração das amostras. Os pesquisadores testaram essa abordagem em três proteínas diferentes, incluindo uma que se localiza dentro de membranas celulares, e descobriram que ela poderia detectar essas interações fracas de forma confiável e torná-las mais claras aos olhos humanos.

O cerne desta nova abordagem baseia-se em um arcabouço estatístico que trata um grupo de imagens de proteínas como uma população única e consistente. Antes de procurar por um fármaco, os pesquisadores primeiro estabelecem como a proteína parece quando está vazia, ou "apo", reunindo um conjunto de muitas reconstruções diferentes dessa mesma proteína vazia. Como nenhuma duas imagens de microscópio são exatamente iguais devido às variações naturais do experimento, a equipe precisou de uma maneira de medir o quão consistentes essas imagens são entre si. Eles introduziram uma nova métrica, que chamam de Coerência de Casca de Fourier (Fourier Shell Coherence), para verificar se o grupo de imagens concorda com os detalhes da estrutura até um nível específico de nitidez. Isso garante que quaisquer diferenças encontradas posteriormente sejam mudanças reais na proteína e não apenas ruído aleatório ou inconsistências na forma como as imagens foram capturadas.

Uma vez que a equipe estabeleceu esse padrão confiável do que a proteína vazia parece, eles puderam testá-lo contra uma nova imagem onde um fármaco pode estar presente. O software calcula uma pontuação para cada ponto minúsculo no modelo 3D, medindo o quanto esse ponto desvia da média do grupo da proteína vazia. Se um ponto for significativamente diferente, ele é sinalizado como um potencial sítio de ligação. Em testes em uma proteína chamada beta-galactosidase, o método destacou com sucesso uma molécula de fármaco e até mostrou como as próprias partes da proteína se deslocaram ligeiramente para acomodar o novo convidado. Os pesquisadores também observaram esses deslocamentos nas cadeias laterais da proteína, que são os pequenos braços que ajudam a segurar o fármaco, confirmando que as mudanças eram biologicamente significativas e não apenas erros aleatórios.

O poder deste método torna-se ainda mais evidente ao lidar com alvos difíceis, como proteínas inseridas em membranas celulares. Essas estruturas são naturalmente mais complexas e variáveis, tornando mais difícil visualizar pequenas moléculas de fármacos. Quando a equipe aplicou seu método a uma proteína de membrana chamada TRPML1, eles conseguiram encontrar um fármaco ligando-se profundamente dentro da membrana, uma região que é normalmente muito ruidosa e difícil de interpretar. Mesmo que o sinal do fármaco fosse tênue e fragmentado, a análise estatística identificou-o como uma mudança significativa em relação à proteína vazia. O método também revelou que a estrutura da proteína se rearranjou ao redor do fármaco, fornecendo uma imagem clara de como a interação funciona, apesar do ambiente desafiador.

Talvez a característica mais valiosa do Astex-Faro seja sua capacidade de recuperar sinais que são tão fracos que normalmente seriam invisíveis. Isso acontece quando um fármaco se liga apenas a uma pequena porcentagem das proteínas em uma amostra, uma situação conhecida como ocupação parcial. Nesses casos, a densidade do fármaco é diluída pelas muitas proteínas vazias, fazendo com que ele desapareça no fundo. Os pesquisadores mostraram que seu método poderia calcular um fator de ponderação específico para remover matematicamente o sinal "vazio" da imagem. Quando aplicaram essa correção a um conjunto de dados onde o fármaco estava presente em apenas uma pequena fração das moléculas, as linhas tênues e fragmentadas do fármaco tornaram-se subitamente uma forma contínua e clara. Esse aprimoramento foi tão eficaz que permitiu ver a estrutura do fármaco em níveis de detalhe superiores aos possíveis com os dados originais não processados.

Para provar que esse aprimoramento era real e não um artefato do software, a equipe criou conjuntos de dados artificiais misturando imagens geradas por computador de proteínas vazias com imagens de proteínas ligadas a fármacos em proporções conhecidas. Eles descobriram que, à medida que reduziam a quantidade de proteína ligada ao fármaco, o sinal enfraquecia, mas o método ainda conseguia recuperar a forma do fármaco até o ponto em que apenas 20% a 30% das moléculas estavam ligadas. Mesmo nesses cenários difíceis, o software conseguia distinguir o fármaco do ruído de fundo e aguçar a imagem o suficiente para ver a conexão entre o fármaco e a proteína. Isso sugere que o método é robusto o suficiente para lidar com a realidade desordenada dos experimentos reais, onde a ligação do fármaco é frequentemente incompleta e as imagens estão cheias de ruído.

Os pesquisadores também compararam sua nova ferramenta com métodos existentes que tentam melhorar a clareza da imagem. Embora outras técnicas possam suavizar imagens ou normalizar o contraste, elas não têm a capacidade de identificar estatisticamente quais partes de uma imagem são verdadeiramente diferentes de um grupo de referência. O novo método destaca-se porque busca especificamente por outliers — partes da estrutura que não se encaixam no padrão da proteína vazia. Essa abordagem direcionada significa que ele pode encontrar um evento de ligação de fármaco sem se distrair com o resto da proteína, tornando-o uma ferramenta mais precisa para a descoberta de fármacos. A equipe confirmou que seus resultados foram consistentes em diferentes tipos de proteínas e condições experimentais, desde amostras simples e uniformes até proteínas de membrana complexas com baixa ocupação de fármaco.

Em última análise, este trabalho fornece um arcabouço prático para a triagem de um grande número de potenciais candidatos a fármacos usando criomicroscopia eletrônica. Ao facilitar a detecção de eventos de ligação fracos e parciais, o método reduz o risco de perder um candidato a fármaco promissor simplesmente porque o sinal era muito tênue para ser visto. Ele aumenta a confiança dos cientistas em suas descobertas, garantindo que, quando identificam um "hit", trata-se de uma interação genuína e não de um alarme falso. À medida que o campo da descoberta de fármacos avança em direção à análise de centenas de conjuntos de dados para encontrar a próxima geração de medicamentos, ferramentas como esta serão essenciais para transformar vastas quantidades de dados brutos em informações claras e acionáveis sobre como os fármacos interagem com seus alvos.