Zephyrnet-logotyp

Denna algoritm designar proteiner från grunden för att påskynda upptäckten av läkemedel

Datum:

proteinbindare

Proteinerna som styr våra liv är som rullande tumbleweeds. Var och en har en trasslig, unik form, med taggiga sidogrenar på ytan. Gömda i skrymslen och vråren finns låsen för att bekämpa våra mest ökända fiender – cancer, diabetes, infektioner eller till och med åldrande –if vi kan hitta rätt nyckel.

Vi har precis fått en universell nyckeltillverkare. I en studie publicerad idag i Natur, ett team ledd av Dr. David Baker från University of Washington utvecklade en algoritm för att designa små proteinnycklar som låser upp dessa mål från grunden. Långt ifrån en strävan efter elfenbenstorn, tacklade algoritmen en av vår tids mest häpnadsväckande läkemedelsupptäcktsutmaningar: kan vi designa läkemedel baserat enbart på strukturen av ett proteins lås?

De pratar inte om vilken drog som helst. Istället för att fokusera på små molekyler, som Tylenol, vände teamet sin uppmärksamhet mot proteinliknande molekyler, kallade "bindemedel". Även om de kan låta exotiska, känner du dem. Monoklonala antikroppar är ett exempel, som har varit nyckeln för att behandla allvarliga Covid-19-fall. De är också några av våra bästa vapen mot cancer. Men dessa terapeutiska jättar kämpar för att tunna in i celler, är svåra att tillverka och är ofta oöverkomligt dyra för utbredd användning.

Vad sägs om ett alternativ? Kan vi utnyttja kraften i modern beräkning och designa liknande men mindre och enklare läkemedel som är lika – om inte mer – effektiva?

Baserat på Baker-teamets studie är svaret ja. Genom att screena nästan en halv miljon kandidatbindemedelsstrukturer för 12 proteinmål, klarade algoritmen sin uppgift, med minimal beräkningskraft jämfört med tidigare försök och framhävde potentiella träffar. Den hittade också en "fuskkod" som gjorde pärmar mer effektiva när det gällde att ta tag i sina mål.

Här är kickern: till skillnad från tidigare verktyg behövde programvaran bara strukturen hos målproteinet för att konstruera bindemedels-”nycklar” från grunden. Det är ett mycket enklare tillvägagångssätt jämfört med tidigare försök. Och eftersom proteiner styr vårt interna biologiska universum, betyder det att de nya mjukvarunyckeltillverkarna kan hjälpa oss att låsa upp hemligheterna i våra cellers molekylära liv – och ingripa när de går snett.

"Förmågan att generera nya proteiner som binder tätt och specifikt till vilket molekylärt mål du vill är ett paradigmskifte i läkemedelsutveckling och molekylärbiologi mer allmänt", säger Baker.

Proteinbindemedel Vad?

Våra kroppar styrs av ett stort konsortium av proteiner. Som kurtisaner i en balsal studsar varje protein runt cellen och tar tillfälligt tag i ett annat protein innan de lämnar dem för att hitta nästa. Specifika parningar kan starta cellulära plots för att trigga – eller hämma – dramatiska cellulära processer. Vissa kan leda en cell att växa eller att lugnt dö. Andra kan göra en cell cancerös eller åldrande, läcker giftiga kemikalier och äventyrar närliggande celler.

Proteinparningar är med andra ord avgörande för livet. De är också ett kraftfullt hack för medicin: om något par utlöser en signalkaskad som skadar en cell eller vävnad, kan vi konstruera en "doorstop"-molekyl för att bokstavligen bryta upp parningen och stoppa sjukdomen.

Problemet? Föreställ dig att försöka skilja två sammanflätade tumbleweeds som rullar längs en motorväg genom att kasta en kort men flexibel pinne på dem. Det verkar vara en omöjlig uppgift. Men den nya studien presenterade ett framgångsrecept: nyckeln är att hitta var man kan bända isär de två.

Uppför väggen

Proteiner beskrivs ofta som pärlor på kedjor som är skrynkliga i sofistikerade 3D-strukturer. Det är inte helt korrekt. De molekylära "pärlorna" som utgör proteiner är mer som humanoida robotar, med en styv bål och floppiga lemmar som kallas "sidokedjor".

När ett protein sätts samman länkar det stamkomponenterna i dess ingående aminosyror till en fast ryggrad. Som ett luddigt garnnystan täcker frizzen – exponerade sidokedjor – proteinets yta. Beroende på deras position och ryggraden bildar de fickor som en naturlig proteinpartner, eller en mimik, lätt kan ta tag i.

Tidigare studier utnyttjade dessa fickor för att designa efterliknande pärmar. Men processen är beräkningsmässigt tung och bygger ofta på kända proteinstrukturer - en värdefull resurs som inte alltid är tillgänglig. Ett annat tillvägagångssätt är att jaga "hot spots" på ett målprotein, men dessa är inte alltid tillgängliga för bindemedel.

Här tog teamet ett hugg på problemet på ett sätt som är analogt med bergsklättrare som försöker skala en ny vägg. Klättrarna är bindemedlen, väggen är målproteinytan. Tittar man uppåt finns det gott om handtag och fotfästen gjorda av sidokedjor och proteinfickor. Men de största, "hot spots", kan inte nödvändigtvis hålla klättraren för rutten.

Ett annat tillvägagångssätt, förklarade teamet, är att kartlägga alla laster, även om vissa verkar svaga. Detta öppnar ett nytt universum av potentiella bindningspunkter – de flesta kommer att misslyckas, men vissa kombinationer kan överraskande nog lyckas. En delmängd av dessa punkter utmanas sedan med tusentals klättrare som var och en försöker identifiera en lovande rutt. När de bästa rutterna dyker upp kommer en andra omgång klättrare att utforska dessa rutter i detalj.

"Efter denna analogi, utarbetade vi en flerstegsstrategi för att övervinna" tidigare utmaningar, sa teamet.

Till att börja med skannade teamet ett bibliotek av potentiella proteinryggrader och en enorm uppsättning sidokedjepositioner som kan haka fast på ett proteinmål.

De initiala urvalsstorlekarna var enorma. Tusentals potentiella "stammar" av proteinryggraden och nästan en miljard möjliga sidokedje-"armar" dök upp för varje mål.

Med hjälp av Rosetta, programmet för kartläggning av proteinstruktur och funktion som Bakers team utvecklade, minskade teamet urvalet till en handfull lovande bindemedel.

Valet av dessa bindemedel förlitar sig på "traditionell fysik" utan att utnyttja maskininlärning eller djupinlärningskrafter, säger Dr. Lance Stewart, chefsstrategi- och operationschef vid Institute for Protein Design, där Bakers labb är baserat. Det "gör det här genombrottet ännu mer imponerande."

Vägledande liv

Nästa stora fråga: så pärmarna kan binda in silico. Men fungerar de faktiskt i celler?

I ett proof of concept valde teamet ut 12 proteiner för att testa deras algoritm. Bland dessa fanns proteiner som var nära involverade i cancer, insulin och åldrande. En annan grupp zoomade in på att bekämpa patogener, inklusive ytproteiner på influensa eller SARS-CoV-2, viruset bakom Covid-19.

Teamet screenade 15,000 100,000–XNUMX XNUMX bindemedel för vart och ett av proteinmålen och testade toppkandidater i E.coli bakterie. Som väntat var pärmarna mycket effektiva för att blockera sina mål. Vissa klipper bort tillväxtsignaler som kan leda till cancer. Andra riktade sig mot en vanlig region av influensa - influensa - som i teorin skulle kunna neutralisera flera stammar, vilket banar väg för ett universellt influensavaccin. Inte ens SARS-CoV-2 skonad, med "ultrapotent” bindemedel som ger skydd mot dess invasion i möss (dessa resultat var tidigare publicerat).

Studien visade att det är möjligt att designa proteinliknande läkemedel från grunden. Allt som krävs är målproteinets struktur.

"Möjligheterna för tillämpning verkar oändliga," anmärkte Dr Sjors Scheres, gemensam chef för strukturella studier vid MRC Laboratory of Molecular Biology i Cambridge, Storbritannien, på Twitter, som inte var inblandad i studien.

Algoritmen, även om den är kraftfull, är inte perfekt. Trots att man hittade miljontals potentiella pärmar, var det bara en liten del av designen som verkligen höll fast vid sitt mål. Även de bästa kandidaterna behövde flera förändringar av sin aminosyrasammansättning för optimal bindning till ett mål.

Men det är banbrytande arbete för ett område som i grunden kan förändra medicinen. För närvarande ger metoden och den stora datamängden en utgångspunkt för att ta reda på hur proteiner interagerar inuti våra celler. Dessa data kan i sin tur vägleda ännu bättre beräkningsmodeller i en god cirkel, särskilt med en extra dos av djupinlärningsmagi.

Det kommer att "ytterligare förbättra hastigheten och noggrannheten i designen", sa Stewart. Det är "arbete som redan pågår i våra labb."

Bildkredit: Longxing Cao, Brian Coventry, David Baker, UW Medicine

plats_img

Senaste intelligens

plats_img

Chatta med oss

Hallå där! Hur kan jag hjälpa dig?