Hybrid AI-physics screening prioritizes candidate dual MDM2/MDM4 inhibitors from a drug-like library for dedifferentiated liposarcoma

O câncer é frequentemente um jogo de má gestão celular, onde os próprios mecanismos de segurança do corpo são sequestrados para permitir que tumores cresçam sem controle. Em um tipo específico e agressivo de câncer de tecidos moles chamado lipossarcoma desdiferenciado, o problema surge de uma parceria quebrada entre duas proteínas. Uma proteína, conhecida como MDM2, atua como um executor implacável que busca e destrói a p53, uma proteína supressora de tumor vital que normalmente impede as células de se dividirem descontroladamente. Em células saudáveis, a p53 é a guardiã; neste câncer, a MDM2 é hiperativa, caçando constantemente a p53 e neutralizando seu poder. No entanto, a natureza frequentemente tem um plano de reserva. Quando os cientistas tentam deter a MDM2 com medicamentos, as células cancerosas frequentemente se adaptam aumentando os níveis de uma segunda proteína semelhante, chamada MDM4. Esta proteína de reserva assume o trabalho de desativar a p53, tornando os medicamentos que visam apenas a MDM2 ineficazes. Para tratar verdadeiramente esta doença, os pesquisadores acreditam que devem encontrar uma maneira de bloquear ambas as proteínas simultaneamente, uma tarefa que tem se mostrado difícil com os medicamentos existentes.

Uma equipe de pesquisadores recorreu agora a uma poderosa combinação de inteligência artificial e simulação baseada em física para buscar novas soluções. Eles não testaram substâncias químicas em uma placa de laboratório primeiro; em vez disso, construíram um sofisticado pipeline digital para escanear uma vasta biblioteca de quase dez milhões de compostos do tipo fármaco. O objetivo era encontrar duas moléculas específicas que pudessem se ligar fortemente tanto à MDM2 quanto à MDM4, silenciando efetivamente ambos os executores e permitindo que o supressor de tumor natural do corpo desperte. Ao usar o aprendizado de máquina para prever quais compostos poderiam funcionar, seguido de simulações computacionais detalhadas para ver como eles se encaixavam nas proteínas, a equipe reduziu o campo para dois candidatos promissores. Estas duas moléculas, identificadas por seus códigos únicos ZINC9412756 e ZINC20724474, emergiram como as mais prováveis de ter sucesso onde os tratamentos atuais têm tido dificuldades.

A jornada começou com um filtro digital massivo. Os pesquisadores partiram de um banco de dados de compostos quimicamente semelhantes a medicamentos conhecidos, garantindo que os candidatos fossem seguros o suficiente para serem considerados para uso humano. Eles treinaram um modelo computacional em milhares de interações conhecidas entre drogas e a proteína MDM2, ensinando o sistema a reconhecer os padrões estruturais sutis que tornam uma molécula eficaz. Este modelo de inteligência artificial então escaneou a biblioteca de nove milhões de compostos, prevendo a atividade de cada um. O sistema identificou um pequeno grupo de candidatos de alto potencial, mas os pesquisadores sabiam que as previsões computacionais podem às vezes ser enganosas. Para ter certeza, eles submeteram esses principais candidatos a uma simulação física rigorosa. Eles construíram modelos digitais das proteínas MDM2 e MD4, usando dezenas de diferentes estruturas cristalinas para considerar o fato de que estas proteínas são flexíveis e se movem. Eles então simularam como as moléculas candidatas se encaixariam, ou travariam, nos sítios ativos das proteínas.

Os resultados deste rastreamento digital foram impressionantes. Os dois principais candidatos, ZINC9412756 e ZINC20724474, mostraram forças de ligação previstas que eram superiores a muitos medicamentos existentes usados em pesquisas. Nas simulações computacionais, essas moléculas acomodaram-se profundamente nos bolsos de ambas a MDM2 e a MDM4, formando conexões estáveis que as mantinham no lugar. Os pesquisadores analisaram exatamente como elas se prendiam. Eles descobriram que as moléculas dependiam fortemente de uma densa rede de interações hidrofóbicas — essencialmente, as moléculas se compactavam firmemente contra as superfícies das proteínas, tal como o óleo repelindo a água, para criar uma ligação estável. Isso foi sustentado por ligações de hidrogênio específicas, que atuam como um Velcro molecular, ancorando os fármacos em pontos-chave das proteínas. Um dos candidatos formou uma conexão única com uma parte da proteína MDM2 que os medicamentos anteriores haviam amplamente ignorado, sugerindo que ele poderia funcionar de uma forma diferente dos tratamentos atuais.

Para garantir que esses achados não fossem apenas um acaso do modelo computacional, a equipe realizou simulações de dinâmica molecular de longa duração. Eles observaram as proteínas e as drogas interagirem ao longo do tempo, simulando meio milhão de etapas de movimento para ver se as ligações resistiam sob pressão. As simulações mostraram que os fármacos permaneceram firmemente ligados a ambas as proteínas durante todo o teste, confirmando que o encaixe inicial não era um erro temporário. Os pesquisadores também calcularam a energia necessária para manter as drogas ligadas, descobrindo que as forças que as mantinham unidas eram fortes e consistentes. Além disso, verificaram a singularidade química desses novos candidatos. Ao comparar suas estruturas com milhares de inibidores conhecidos de MDM2 e MDM4, confirmaram que essas duas moléculas eram estruturalmente distintas. Elas não se pareciam com os medicamentos atualmente em uso ou em ensaios clínicos; elas ocupavam uma região do espaço químico que não havia sido explorada antes, oferecendo uma abordagem nova para o problema.

Os pesquisadores também olharam além do alvo imediato para entender como esses medicamentos poderiam afetar a célula cancerígena de forma mais ampla. Usando um método chamado farmacologia de rede, eles mapearam como as moléculas candidatas poderiam interagir com outros genes e proteínas conhecidos por estarem ativos no lipossarcoma desdiferenciado. A análise sugeriu que esses medicamentos não apenas atingiriam a MDM2 e a MDM4, mas também engajariam um grupo de outros alvos críticos envolvidos na divisão celular e no crescimento do câncer. Esse efeito de múltiplos alvos poderia ser uma vantagem significativa, potencialmente superando os mecanismos de resistência que permitem que as células cancerosas sobrevivam a drogas de alvo único. As simulações também previram que essas moléculas seriam capazes de serem absorvidas pelo corpo se administradas por via oral, um requisito crucial para qualquer medicamento futuro. No entanto, os modelos computacionais também sinalizaram potenciais preocupações de segurança, incluindo riscos para o fígado e o coração, que precisariam ser abordados no desenvolvimento futuro.

É importante notar que estes resultados existem inteiramente no domínio da simulação computacional. Os pesquisadores ainda não testaram estas moléculas em um laboratório ou em células vivas. As previsões de quão bem elas se ligam, como se movem e como podem afetar o corpo baseiam-se em modelos matemáticos e algoritmos. Embora as simulações sejam altamente detalhadas e os resultados consistentes entre diferentes métodos, elas permanecem hipóteses até serem provadas por experimentos físicos. O estudo afirma explicitamente que as energias de ligação calculadas pelo computador são provavelmente superestimadas e que a força real da interação deve ser medida em um laboratório úmido. A equipe reconhece que o caminho de uma previsão computacional para um medicamento funcional é longo e incerto, repleto de potenciais falhas na síntese química, toxicidade e eficácia.

Apesar dessas limitações, o estudo fornece uma direção clara e promissora para pesquisas futuras. Os dois candidatos moleculares, ZINC9412756 e ZINC20724474, representam uma nova classe de tratamentos potenciais que são estruturalmente diferentes de tudo o que está disponível atualmente. Eles foram encontrados por um método que combinou com sucesso a velocidade da inteligência artificial com a precisão da simulação baseada em física para navegar por um vasto cenário químico. Os pesquisadores identificaram um par de moléculas que, no mundo digital, parecem capazes de desativar o sistema de defesa duplo que protege este câncer agressivo. O próximo passo, conforme delineado pelos autores, é sintetizar esses compostos e testá-los em laboratório para ver se as previsões do computador se sustentam na realidade. Se o fizerem, estas moléculas poderão oferecer uma nova esperança para pacientes com uma doença que possui poucas opções de tratamento eficazes, finalmente quebrando o ciclo de resistência que tem travado esforços anteriores.