Native-to-fibril structural remodelling reveals an amyloid-selective transthyretin epitope for AI-guided binder design

O corpo humano é uma máquina complexa que depende de proteínas para realizar suas tarefas mais vitais. Uma dessas proteínas, chamada transtiretina, atua como um caminhão de entrega no sangue, transportando hormônios para o cérebro e outros órgãos. Normalmente, quatro dessas unidades proteicas se unem para formar uma estrutura estável de quatro partes. No entanto, em certas condições, esse conjunto estável pode se desintegrar. Quando as unidades individuais se separam, elas podem perder sua forma, dobrar-se incorretamente e agrupar-se em fibras longas e rígidas conhecidas como fibrilas amiloides. Essas fibras são a marca registrada de um grupo de doenças chamadas amiloidose, que podem danificar o coração, os nervos e outros tecidos. O desafio para médicos e cientistas sempre foi como distinguir a proteína saudável de quatro partes dessas aglomerações perigosas e deformadas. Se um tratamento não conseguir distinguir entre as duas, poderá atacar acidentalmente as proteínas saudáveis de que o corpo precisa ou falhar em deter as prejudiciais.

Uma equipe de pesquisadores utilizou agora modelagem computacional avançada para encontrar um ponto específico nessas fibras perigosas que está oculto na proteína saudável, mas exposto nas doentes. Ao comparar as estruturas 3D das proteínas saudáveis com as fibras retiradas de pacientes reais, eles descobriram que uma pequena seção no início da cadeia proteica, perto de um marcador químico específico, torna-se muito mais visível quando a proteína se transforma em uma fibra. Esta descoberta é significativa porque oferece um alvo potencial para novos medicamentos. Os pesquisadores então utilizaram inteligência artificial para projetar minúsculos ligantes proteicos, semelhantes a anticorpos, que são moldados para se encaixarem perfeitamente neste novo ponto exposto. As simulações computacionais sugerem que esses ligantes projetados se prenderiam às fibras perigosas, mas como os ligantes também mostraram alta confiança na interação com diferentes partes da proteína saudável, o estudo observa que a ligação seletiva ou a ausência de ligação às proteínas saudáveis ainda não pode ser inferida.

O estudo começou com a coleta de uma enorme coleção de dados. Os pesquisadores examinaram o código genético da transtiretina para entender como ela muda em diferentes pessoas. Eles catalogaram mais de cento e trinta mutações diferentes, que são pequenos erros nas instruções genéticas que podem tornar a proteína instável. Eles também mapearam vinte e seis modificações químicas diferentes que podem ocorrer na proteína à medida que as pessoas envelhecem ou sob estresse. Essas modificações, como a oxidação ou a adição de pequenas etiquetas químicas, podem alterar o comportamento da proteína. Ao criar um mapa detalhado dessas mudanças, a equipe estabeleceu uma linha de base para como a proteína poderia se comportar sob várias condições. Eles usaram programas de computador poderosos para prever como essas mutações e modificações afetariam a estabilidade da proteína, confirmando que muitas das alterações conhecidas causadoras de doenças tornam a proteína muito mais propensa a se desintegrar e formar fibras.

O núcleo da pesquisa envolveu uma comparação direta entre a proteína saudável de quatro partes e as estruturas de fibras encontradas em pacientes. A equipe analisou trinta estruturas de fibras diferentes retiradas de pacientes com várias formas da doença, incluindo aqueles com mutações genéticas e aqueles com a forma comum relacionada à idade. Essas fibras vieram de diferentes partes do corpo, como o coração, o olho e o tecido muscular. Quando os pesquisadores compararam essas estruturas de fibras com a proteína saudável, encontraram uma diferença marcante em uma área específica. Na proteína saudável, um curto trecho da cadeia perto do início está recolhido e escondido do mundo exterior. No entanto, em todas as estruturas de fibras, este mesmo trecho foi empurrado para fora e exposto. Esta seção exposta situa-se logo ao lado de um marcador químico que é frequentemente alterado no processo da doença, mas a exposição em si é resultado da mudança de forma da proteína em uma fibra, e não apenas por causa do marcador químico.

Para entender se este ponto exposto poderia ser um alvo para tratamento, os pesquisadores recorreram à inteligência artificial. Eles utilizaram ferramentas de design generativo, que são como arquitetos digitais que podem inventar novas formas de proteínas do zero. Eles pediram a esses programas para projetar pequenos ligantes que se encaixassem especificamente no ponto exposto da fibra. A IA gerou centenas de potenciais designs e depois os filtrou para os candidatos mais promissores. Os pesquisadores então realizaram um segundo conjunto de testes computacionais para ver como esses designs se comportariam. Eles testaram os ligantes contra as estruturas de fibras para as quais foram projetados e também contra a proteína saudável de quatro partes. Os resultados foram encorajadores: os ligantes que foram projetados para se ajustar à forma da fibra prenderam-se ao ponto exposto nas estruturas de fibras. Quando os mesmos ligantes foram testados contra a proteína saudável, o computador previu que eles interagiriam com partes distantes da proteína em vez do ponto alvo. No entanto, como os modelos computacionais ainda mostravam alta confiança nessas interações alternativas com a proteína saudável, os pesquisadores enfatizam que isso ainda não prova que os ligantes ignorarão a proteína saudável em um cenário do mundo real.

O estudo também explorou se esta abordagem poderia funcionar em diferentes tipos de doença. Como os depósitos amiloides podem se formar no coração, no olho ou nos músculos, os pesquisadores questionaram se um ligante projetado para um tecido poderia falhar em outro. Eles projetaram ligantes especificamente para fibras encontradas no olho e depois os testaram contra fibras do coração. As simulações mostraram que os ligantes projetados para as fibras do olho ainda reconheciam e se ligavam ao ponto exposto nas fibras do coração. Isso sugere que o ponto exposto é uma característica comum da doença, independentemente de onde ela se forma no corpo. Esta descoberta aponta para a possibilidade de um tratamento único que possa funcionar para pacientes com diferentes formas da doença, em vez de precisar de um medicamento específico para cada mutação ou tipo de tecido.

Apesar desses resultados computacionais promissores, os pesquisadores advertem cautelosamente que este trabalho ainda está em estágios iniciais. Os designs existem apenas como modelos de computador, e as previsões de quão bem eles se ligarão baseiam-se em simulações, não em experimentos físicos. A equipe ainda não testou esses ligantes em laboratório ou em organismos vivos. Eles ainda não mediram a força com que os ligantes aderem às fibras, nem confirmaram se podem remover as fibras do corpo. O estudo afirma explicitamente que, embora os modelos computacionais sugiram que os ligantes são seletivos, isso não foi provado. Os próximos passos envolveriam a produção dessas proteínas em um laboratório e o teste delas contra amostras reais de pacientes para ver se se comportam como o computador previu.

O valor deste trabalho reside no seu método. Ao combinar uma compreensão profunda da estrutura da proteína com a inteligência artificial moderna, os pesquisadores identificaram um alvo específico e acessível que era anteriormente difícil de visualizar. Eles demonstraram que a transição de uma proteína saudável para uma fibra causadora de doença cria uma nova superfície que pode ser alvo. Esta abordagem fornece um roteiro para o desenvolvimento de terapias que sejam precisas, visando apenas os aglomerados prejudiciais enquanto deixam as proteínas saudáveis em paz. Embora a jornada de um design de computador para um medicamento funcional seja longa e incerta, este estudo oferece uma direção clara. Ele transforma um problema biológico complexo em um desafio de engenharia solucionável, sugerindo que, com as ferramentas certas, podemos projetar moléculas para reconhecer e neutralizar as formas específicas que causam doenças.