El acoplamiento proteína-ligando es una técnica de modelado molecular . El objetivo del acoplamiento proteína-ligando es predecir la posición y orientación de un ligando (una molécula pequeña) cuando se une a un receptor de proteína o enzima. [1] La investigación farmacéutica emplea técnicas de acoplamiento para una variedad de propósitos, sobre todo en la selección virtual de grandes bases de datos de sustancias químicas disponibles para seleccionar posibles fármacos candidatos. Ha habido un rápido desarrollo en la capacidad computacional para determinar la estructura de proteínas con programas como AlphaFold , [2] y la demanda de las correspondientes predicciones de acoplamiento proteína-ligando está impulsando la implementación de software que pueda encontrar modelos precisos. Una vez que se pueda predecir con precisión el plegamiento de la proteína junto con cómo los ligandos de diversas estructuras se unirán a la proteína, será posible que el desarrollo de fármacos progrese a un ritmo mucho más rápido.
El diseño de fármacos asistido por ordenador (CADD) se introdujo en la década de 1980 para detectar fármacos nuevos. [3] La premisa subyacente es que al analizar un conjunto de datos extremadamente grande para compuestos químicos que pueden ser viables para fabricar un determinado producto farmacéutico, los investigadores pudieron minimizar la cantidad de novedades sin probarlos todos experimentalmente. Sin embargo, la capacidad de predecir con precisión los sitios de unión objetivo es un fenómeno nuevo que amplía la capacidad de analizar simplemente un conjunto de datos de compuestos químicos; Ahora, gracias a la creciente capacidad computacional, es posible inspeccionar las geometrías reales del sitio de unión proteína-ligando in vitro. Los avances del hardware en computación han convertido estos métodos de descubrimiento de fármacos orientados a la estructura en la próxima frontera de la biofarmacia del siglo XXI. Para entrenar con precisión los nuevos algoritmos para capturar la geometría precisa de la capacidad de unión proteína-ligando, se puede utilizar un conjunto de datos recopilados experimentalmente aplicando técnicas como la cristalografía de rayos X o la espectroscopia de RMN . [3]
Se encuentran disponibles varias aplicaciones de software de acoplamiento de proteína-ligando que calculan el sitio, la geometría y la energía de pequeñas moléculas o péptidos que interactúan con proteínas, como AutoDock y AutoDock Vina , rDock , FlexAID , Molecular Operating Environment y Glide . Los péptidos son un tipo de ligando muy flexible que ha demostrado ser un tipo de estructura difícil de predecir en programas de unión de proteínas. DockThor implementa hasta 40 enlaces giratorios para ayudar a modelar estos enlaces fisicoquímicos complejos en el sitio objetivo. [4] La desviación cuadrática media es el método estándar para evaluar el rendimiento de varios programas dentro del modo de unión de la estructura proteína-ligando. Específicamente, es la desviación cuadrática media entre la postura de acoplamiento del ligando predicha por el software y el modo de unión experimental. La medición de RMSD se calcula para todas las posiciones generadas por computadora de las posibles uniones entre la proteína y el ligando. El programa no siempre predice perfectamente la pose física real al evaluar el RMSD entre los candidatos. Para luego evaluar la solidez de un algoritmo informático para predecir el acoplamiento de proteínas, se debe examinar la clasificación de RMSD entre los candidatos generados por computadora para determinar si la pose experimental realmente se generó pero no se seleccionó.
La capacidad computacional ha aumentado dramáticamente en las últimas dos décadas [ ¿cuándo? ] haciendo posible el uso de métodos más sofisticados y computacionalmente intensivos en el diseño de fármacos asistido por computadora. Sin embargo, abordar la flexibilidad de los receptores en las metodologías de acoplamiento sigue siendo un tema espinoso. [5] La principal razón detrás de esta dificultad es el gran número de grados de libertad que deben considerarse en este tipo de cálculos. Sin embargo, en la mayoría de los casos, descuidarlo conduce a resultados de acoplamiento deficientes en términos de predicción de la postura de enlace en entornos del mundo real. [6] El uso de modelos de proteínas de grano grueso para superar este problema parece ser un enfoque prometedor. [5] Los modelos de grano grueso a menudo se implementan en el caso del acoplamiento proteína-péptido, ya que con frecuencia implican transiciones de conformación a gran escala del receptor de proteína . [7] [8]
AutoDock es una de las herramientas computacionales que se utiliza con frecuencia para modelar las interacciones entre proteínas y ligandos durante el proceso de descubrimiento de fármacos. Aunque los algoritmos utilizados clásicamente para buscar posturas efectivas a menudo suponen que las proteínas del receptor son rígidas mientras que el ligando es moderadamente flexible, los enfoques más nuevos también están implementando modelos con una flexibilidad de receptor limitada. AutoDockFR es un modelo más nuevo que puede simular esta flexibilidad parcial dentro de la proteína receptora al permitir que las cadenas laterales de la proteína adopten varias posiciones en su espacio conformacional. Esto permite que el algoritmo explore un espacio mucho más grande de posturas energéticamente relevantes para cada ligando probado. [9]
Para simplificar la complejidad del espacio de búsqueda de algoritmos de predicción, se han probado varias hipótesis. Una de esas hipótesis es que los cambios conformacionales de las cadenas laterales que contienen más átomos y rotaciones de mayor magnitud en realidad tienen menos probabilidades de ocurrir que las rotaciones más pequeñas debido a las barreras de energía que surgen. El impedimento estérico y el costo de energía rotacional que se introducen con estos cambios más importantes hicieron que fuera menos probable que se incluyeran en la postura real de proteína-ligando. [10] Hallazgos como estos pueden facilitar a los científicos el desarrollo de heurísticas que puedan reducir la complejidad del espacio de búsqueda y mejorar los algoritmos.
El método original para probar los modelos moleculares de varios sitios de unión se introdujo en los años 1980, donde el receptor se estimaba de manera aproximada mediante esferas que ocupaban las hendiduras de la superficie. [11] El ligando se aproximó mediante más esferas que ocuparían el volumen relevante. Luego se ejecutó una búsqueda para maximizar la superposición estérica entre las esferas tanto de unión como de receptor.
Sin embargo, las nuevas funciones de puntuación para evaluar la dinámica molecular y el potencial de acoplamiento proteína-ligando están implementando un enfoque de dinámica molecular supervisada [3] . Básicamente, las simulaciones son secuencias de pequeñas ventanas de tiempo mediante las cuales se calcula la distancia entre el centro de masa del ligando y la proteína. Los valores de distancia se actualizan a frecuencias regulares y luego se ajustan linealmente de forma regresiva. Cuando la pendiente es negativa, el ligando se acerca al sitio de unión y viceversa. Cuando el ligando sale del sitio de unión, el árbol de posibilidades se poda justo en ese momento para evitar cálculos innecesarios. La ventaja de este método es la velocidad sin la introducción de ningún sesgo energético que pueda alterar el modelo desde asignaciones precisas hasta las verdades experimentales. [3]