Combinando física computacional com dados experimentais, pesquisadores da Universidade de Arkansas desenvolveram modelos de computador para determinar a capacidade de um candidato a medicamento de direcionar e se ligar a proteínas dentro das células.
Se preciso, esse estimador poderia demonstrar computacionalmente a afinidade de ligação e, assim, evitar que pesquisadores experimentais precisassem investigar milhões de compostos químicos. O trabalho pode reduzir substancialmente o custo e o tempo associados ao desenvolvimento de novos medicamentos.
“Desenvolvemos uma estrutura teórica para estimar a ligação ligante-proteína”, disse Mahmoud Moradi, professor associado de química e bioquímica no Fulbright College of Arts and Sciences. “O método proposto atribui uma energia efetiva ao ligante em cada ponto da grade em um sistema de coordenadas, que tem sua origem na localização mais provável do ligante quando está em seu estado ligado.”
Um ligante é uma substância — um íon ou molécula — como uma droga que se liga a outra molécula, como uma proteína, para formar um sistema complexo que pode causar ou impedir uma função biológica.
A pesquisa de Moradi se concentra em simulações computacionais de doenças, incluindo o coronavírus. Para este projeto, ele colaborou com Suresh Thallapuranam, professor de bioquímica e da Cooper Chair of Bioinformatics Research.
Moradi e Thallapuranam usaram simulações tendenciosas – bem como técnicas de reponderação não paramétricas para explicar o viés – para criar um estimador de ligação que fosse computacionalmente eficiente e preciso. Eles então usaram uma técnica matematicamente robusta chamada formalismo de quatérnio de orientação para descrever melhor as mudanças conformacionais do ligante à medida que se ligava às proteínas-alvo.
Os pesquisadores testaram essa abordagem estimando a afinidade de ligação entre o fator de crescimento de fibroblastos humanos 1 – uma proteína de sinalização específica – e heparina hexassacarídeo 5, um medicamento popular.
O projeto foi concebido porque Moradi e Thallapuranam estavam estudando a proteína do fator de crescimento 1 de fibroblastos humanos e seus mutantes na ausência e presença de heparina. Eles encontraram forte concordância qualitativa entre simulações e resultados experimentais.
“Quando se trata de afinidade de ligação, sabíamos que os métodos típicos que tínhamos à nossa disposição não funcionariam para um problema tão difícil”, disse Moradi. “É por isso que decidimos desenvolver um novo método. Tivemos um momento de alegria quando os dados experimentais e computacionais foram comparados entre si, e os dois números combinaram quase perfeitamente.”
O trabalho dos pesquisadores foi publicado na Natureza Ciência Computacional.
Moradi recebeu atenção anteriormente por desenvolver simulações computacionais do comportamento das proteínas spike do SARS-CoV-2 antes da fusão com receptores de células humanas. O SARS-CoV-2 é o vírus que causa a COVID-19.
Com informações de Science Daily.