Integrated XGBoost-Based Virtual Screening and Molecular Dynamics Simulation for the Identification of Potential CCR5 Antagonists
Este estudo identifica o FDB020301 como um promissor composto líder anti-HIV de próxima geração ao integrar triagem virtual baseada em XGBoost, perfilamento ADMET, docking molecular e simulações de dinâmica molecular para demonstrar sua afinidade de ligação e estabilidade superiores contra o receptor CCR5 em comparação com o fármaco clínico Maraviroc.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
O Vírus da Imunodeficiência Humana, ou HIV, continua sendo um desafio persistente à saúde global, exigindo uma busca constante por novas maneiras de impedir que o vírus infecte células humanas. O vírus não entra nas células por conta própria; ele precisa de um conjunto específico de chaves para abrir a porta. Uma das chaves mais importantes é uma proteína na superfície das células imunológicas chamada receptor CCR5. Quando o vírus se liga a este receptor, ele ganha entrada e começa a se replicar. Cientistas sabem há muito tempo que bloquear este receptor pode interromper a infecção, e um medicamento chamado Maraviroc foi desenvolvido para fazer exatamente isso. No entanto, como muitos tratamentos, o vírus pode eventualmente aprender a contornar esse bloqueio, e o medicamento não funciona para todas as cepas de HIV. Essa realidade impulsiona pesquisadores a buscar novos bloqueadores mais fortes que possam superar o vírus e manter as células imunológicas seguras.
Para encontrar esses novos bloqueadores sem gastar anos testando milhares de substâncias químicas em um laboratório, uma equipe de pesquisadores da Universidade de Kakatiya, na Índia, recorreu ao poder dos computadores. Eles combinaram duas abordagens poderosas: o aprendizado de máquina, que é um tipo de inteligência artificial que aprende padrões a partir de dados, e a simulação molecular, que atua como um filme de alta velocidade mostrando como as moléculas se movem e se aderem. O objetivo deles era filtrar uma enorme biblioteca de substâncias químicas derivadas de alimentos para encontrar alguns candidatos promissores que pudessem se ligar firmemente ao receptor CCR5 e desativá-lo. Ao usar um modelo computacional treinado em drogas conhecidas como ativas e inativas, eles reduziram uma lista de quase setenta mil compostos para apenas um punhado de principais concorrentes, identificando eventualmente uma molécula que mostrou uma promessa excepcional em seus testes digitais.
Os pesquisadores começaram sua busca com uma vasta coleção de estruturas químicas conhecida como FooDB, que contém informações sobre mais de setenta mil compostos encontrados em alimentos. Eles primeiro usaram uma ferramenta de aprendizado de máquina chamada XGBoost para prever quais desses produtos químicos poderiam ser capazes de interromper o receptor CCR5. Esta ferramenta havia sido treinada em um conjunto de dados de mais de treze mil substâncias químicas conhecidas, aprendendo a distinguir entre aquelas que bloquearam o receptor com sucesso e aquelas que não o fizeram. Quando a equipe inseriu o banco de dados de alimentos neste modelo treinado, o computador sinalizou mais de dez mil compostos como potencialmente ativos. Para tornar a lista gerenciável, eles focaram nos dois mil candidatos mais prováveis e os verificaram contra regras padrão de segurança e absorção de medicamentos. Este processo, conhecido como filtragem de semelhança com fármacos (drug-likeness), garantiu que as substâncias químicas fossem pequenas o suficiente e tivessem o equilíbrio químico adequado para serem absorvidas pelo corpo humano caso fossem ingeridas via oral.
Após essa triagem inicial, a equipe aplicou uma segunda camada de verificações para prever como as substâncias químicas se comportariam dentro do corpo humano. Eles procuraram sinais de toxicidade, como o potencial de causar câncer ou danos ao coração, e verificaram quão bem o corpo as absorveria e processaria. Apenas onze compostos passaram por todos esses obstáculos de segurança e absorção. Esses onze foram então submetidos a uma simulação computacional detalhada chamada ancoragem molecular (molecular docking). Nesta etapa, os pesquisadores colocaram cada uma das onze substâncias químicas em um modelo digital do receptor CCR5 para ver o quão bem elas se encaixavam. Eles compararam os resultados com o Maraviroc, o medicamento padrão atual. Um composto, identificado como FDB020301, destacou-se imediatamente. Ele se encaixou no receptor com uma energia de ligação de negativa onze ponto quatro quilocalorias por mol, que é uma medida de quão firmemente os dois se aderem. Este escore foi mais forte do que o do Maraviroc, que pontuou negativa dez ponto cinco, sugerindo que o FDB020301 poderia se segurar de forma mais segura.
Para garantir que esse encaixe apertado não fosse apenas um instantâneo de sorte, mas uma realidade estável, os pesquisadores realizaram uma simulação de dinâmica molecular de dez nanossegundos. Este é um experimento computacional que observa como o fármaco e o receptor se movem e interagem ao longo do tempo, levando em conta a constante agitação dos átomos e a presença de moléculas de água. A simulação mostrou que o complexo permaneceu estável durante toda a execução. O receptor não perdeu sua forma e o fármaco permaneceu firmemente no lugar, formando ligações de hidrogênio e outras interações com partes específicas do receptor, como os aminoácidos chamados TYR37 e GLN280. Os pesquisadores também calcularam a energia necessária para afastar o fármaco do receptor, encontrando um valor de negativa trinta e cinco ponto dezenove quilocalorias por mol, o que confirmou ainda mais que a ligação era forte e energeticamente favorável.
O estudo conclui que o FDB020301 é um candidato altamente promissor para um novo tratamento de HIV, mas os pesquisadores fazem questão de notar que esses resultados existem apenas dentro do computador. A molécula ainda não foi testada em uma célula viva ou em um corpo humano. Embora a evidência digital sugira que seja um bloqueador forte com bons perfis de segurança, as próximas etapas exigem experimentos laboratoriais reais para provar que ele funciona contra o vírus no mundo real. Até lá, este trabalho serve como uma demonstração poderosa de como a computação moderna pode guiar cientistas em direção a novas possibilidades, transformando um vasto mar de dados químicos em um alvo único e focado para futuros avanços médicos.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.