Proteases sintéticas projetadas por aprendizado profundo cortam alvos proteicos escolhidos

Pesquisadores do Institute for Protein Design, da University of Washington, relatam que projetaram computacionalmente proteases sintéticas, isto é, enzimas que cortam outras proteínas em pontos escolhidos. Segundo a UW Medicine, as equipes usaram métodos de projeto baseados em aprendizado profundo para especificar uma sequência-alvo, construir enzimas capazes de clivá-la e depois verificar a atividade em vários contextos experimentais. A Ars Technica, com base nos estudos originais, descreve o trabalho como uma forma de “encurtar caminho” em relação à longa diversificação natural das proteases, preservando apenas o núcleo catalítico de classes enzimáticas conhecidas e reprojetando o restante.

O trabalho é importante porque as ligações peptídicas, que unem aminoácidos para formar proteínas, são quimicamente muito estáveis por si sós. A Ars Technica afirma que uma ligação peptídica típica em água, sem ajuda enzimática, poderia persistir por centenas de anos. As proteases resolvem esse problema ao organizar com precisão extrema um pequeno conjunto de componentes catalíticos para que a ligação possa ser quebrada. Essa precisão também é o que torna difícil projetar proteases: a “lâmina” catalítica precisa ser posicionada com precisão quase atômica e, segundo a UW Medicine, proteases naturais frequentemente dependem de uma flexibilidade sutil para agarrar seus alvos.

Dois mecanismos de protease, reprojetados

Os pesquisadores trabalharam com dois tipos distintos de química de proteases. Um projeto se concentrou em proteases de cisteína, nas quais uma cisteína ativada na enzima ataca a ligação peptídica do alvo. O outro se concentrou em metaloproteases, descritas pela Ars Technica como proteases de zinco, nas quais um íon metálico ajuda a posicionar e ativar a química necessária para a clivagem. Em ambos os casos, o ponto de partida não foi uma folha em branco: as equipes partiram de proteases conhecidas, incluindo uma protease de cisteína de levedura e uma protease digestiva de zinco de lagostim, e mantiveram os resíduos catalíticos essenciais enquanto reprojetavam a estrutura proteica ao redor.

No fluxo de projeto, a Ars Technica diz que os pesquisadores primeiro usaram o RFdiffusion2 para gerar esqueletos enzimáticos sob várias restrições. O esqueleto projetado precisava aproximar os aminoácidos catalíticos e também acomodar uma sequência-alvo escolhida perto do sítio ativo. Em seguida, eles usaram o ProteinMPNN para atribuir identidades de aminoácidos ao longo desse esqueleto, equilibrando compatibilidade estrutural, formação do sítio catalítico e ligação ao alvo. A UW Medicine resume o mesmo processo de forma mais ampla, como o uso de métodos de projeto baseados em aprendizado profundo para desenvolver estruturas, selecioná-las por sua capacidade de cortar uma sequência específica e confirmar que as estruturas experimentais correspondiam aos planos computacionais.

As equipes também verificaram se essas proteínas apenas reproduziam estruturas naturais já existentes. A Ars Technica relata que previsões do AlphaFold3 para muitos projetos não se pareciam com entradas dos bancos de dados atuais, sugerindo que os modelos não estavam simplesmente reproduzindo dobramentos de proteases já conhecidos. A UW Medicine vai além no trabalho com cisteína e afirma que as proteínas resultantes adotam dobramentos diferentes dos de qualquer protease natural conhecida.

Como os experimentos foram realizados

Os testes iniciais foram estruturados em torno de ensaios diretos de clivagem. A Ars Technica relata que os pesquisadores criaram uma proteína de fusão longa contendo a protease projetada, a sequência-alvo que ela deveria cortar e uma proteína fluorescente. Em seguida, mediram se a clivagem liberava a porção fluorescente. A UW Medicine diz que as equipes testaram as enzimas em proteínas purificadas, em sequências retiradas de proteínas implicadas na doença de Alzheimer e na esclerose lateral amiotrófica e, em um dos estudos, dentro de células humanas vivas cultivadas em laboratório.

• Proteases de cisteína foram projetadas em torno de um centro catalítico de cisteína ativada.
• Metaloproteases foram projetadas em torno de um íon metálico ligado, usado como elemento catalítico.
• Os projetos foram triados quanto à atividade contra sequências-alvo especificadas.
• Alguns candidatos foram testados em sequências associadas a doenças, como a beta-amiloide.
• Pelo menos um estudo incluiu experimentos dentro de células humanas cultivadas.

O projeto de proteases de cisteína produziu uma taxa de sucesso de 19%, segundo as duas fontes. A Ars Technica afirma que 13 projetos funcionaram, observando ao mesmo tempo que todos foram menos ativos do que a enzima natural de levedura usada como modelo. A UW Medicine diz que essas enzimas cortaram sua sequência-alvo até 30 milhões de vezes mais rápido do que a reação não catalisada. As duas descrições são compatíveis: uma compara os projetos a um molde natural, enquanto a outra os compara à ausência de enzima.

Os resultados com metaloproteases são apresentados de modo um pouco diferente nas duas fontes, por isso devem ser lidos com cuidado. A UW Medicine diz que 36% dos projetos mostraram atividade e cortaram com precisão o alvo pretendido, a beta-amiloide, 100 milhões de vezes mais rápido do que a reação não catalisada. A Ars Technica oferece uma decomposição mais detalhada: entre os projetos iniciais que não incluíam explicitamente a molécula de água catalítica como restrição de projeto, 14 de 89 mostraram atividade fraca. Quando os pesquisadores, em vez disso, impuseram ao projeto a restrição de posicionar corretamente uma molécula de água, 35 de 38 apresentaram alguma atividade. A Ars Technica também diz que um projeto mais forte carecia de especificidade quanto ao ponto exato em que cortava. Esses números parecem se referir a subconjuntos ou etapas diferentes do trabalho, e não a uma contradição direta, mas as fontes não os conciliam completamente.

A iteração melhorou atividade e especificidade

Uma parte notável dos estudos foi o que aconteceu depois que os primeiros projetos funcionaram apenas de maneira modesta. A Ars Technica diz que as equipes identificaram resíduos próximos ao sítio ativo que não eram diretamente responsáveis pela catálise e os substituíram por aminoácidos alternativos com baixa probabilidade de perturbar a estrutura. Essa otimização local melhorou substancialmente o desempenho. Para o sistema de cisteína, a Ars Technica relata que a melhor versão acelerou a clivagem da ligação peptídica em um fator de 10^9, mantendo alta especificidade para sua sequência-alvo pretendida. Para o sistema baseado em zinco, afirmou-se que uma segunda versão era 30 vezes mais ativa do que o projeto original e acelerava a clivagem em um fator de 10^10.

A UW Medicine apresenta números máximos de aceleração mais baixos para os artigos da Nature mencionados: até 30 milhões de vezes mais rápido do que a reação não catalisada para as proteases de cisteína e 100 milhões de vezes para as metaloproteases. Como esses números diferem de alguns resultados posteriores otimizados citados pela Ars Technica, é prudente tratá-los como descrições de pontos finais diferentes relatados nos trabalhos, provavelmente de projetos distintos ou de níveis distintos de resumo, em vez de presumir um único número principal para cada plataforma.

Alvos de doenças e promessa terapêutica

Como prova de relevância além de substratos modelo, as equipes direcionaram alguns projetos a proteínas associadas a doenças neurológicas. A UW Medicine diz que elas testaram sequências retiradas de proteínas implicadas na doença de Alzheimer e na esclerose lateral amiotrófica. A Ars Technica afirma especificamente que o trabalho com metaloproteases teve como alvo proteínas associadas à doença de Alzheimer e à demência frontotemporal, e que os pesquisadores acabaram obtendo um projeto capaz de cortar o alvo pretendido em células. Ela também destaca uma lição importante: simplesmente redirecionar um projeto já existente não funcionou bem, então a equipe reiniciou o processo de projeto do zero para a nova sequência.

A lógica terapêutica é direta. Ao contrário de um medicamento convencional ou de um anticorpo, que se liga a uma molécula-alvo por vez, uma enzima pode agir cataliticamente e depois seguir adiante. A UW Medicine afirma que uma única protease projetada poderia cortar milhares a milhões de alvos especificados ao longo de sua vida útil, o que potencialmente permitiria uma dose menor do que a de um medicamento baseado apenas em ligação. A mesma fonte também argumenta que as proteases poderiam atacar proteínas frequentemente descritas como “não drogáveis”, porque a clivagem não exige um bolso de ligação convencional. Entre os usos potenciais mencionados estão destruir uma proteína viral, eliminar uma toxina bacteriana, remover uma proteína mal dobrada em doença neurodegenerativa ou ativar um medicamento apenas em um tecido escolhido ao cortar uma capa protetora.

O que ainda não está resolvido

Os estudos são animadores, mas tanto as limitações relatadas quanto o escopo experimental sugerem um caminho longo antes de qualquer uso médico. A Ars Technica enfatiza que os primeiros projetos bem-sucedidos em geral foram menos ativos do que as enzimas naturais que os inspiraram, mesmo que a otimização posterior tenha melhorado isso. Ela também aponta obstáculos práticos de entrega: proteínas podem ser difíceis de levar ao tecido relevante, podem provocar respostas imunes e se tornam ainda mais difíceis de empregar quando o alvo pretendido está dentro das células, e não fora delas.

Esse desafio intracelular pode exigir que as próprias células passem a produzir a protease a partir de um gene entregue, o que acrescenta outra camada de complexidade. Nenhum dos textos-fonte afirma que uma terapia esteja próxima. Em vez disso, eles sustentam uma conclusão mais comedida: o trabalho mostra que o projeto de proteínas guiado por aprendizado profundo agora consegue produzir proteases sintéticas com especificidade escolhida, atividade catalítica mensurável e ao menos alguma função em células. Se essas capacidades poderão ser traduzidas em medicamentos seguros, eficazes e passíveis de entrega, isso ainda precisa ser demonstrado.

Para empresas e equipes de P&D, a mudança de curto prazo não é um novo tratamento aprovado, mas uma nova capacidade de projeto a ser acompanhada. Times de biotecnologia e da indústria farmacêutica podem ver esses resultados como um sinal inicial de que proteínas catalíticas personalizadas podem ampliar a seleção de alvos para além de moléculas que apenas se ligam, especialmente no caso de proteínas associadas a doenças que não apresentam bolsos clássicos para fármacos. Na prática, isso pode influenciar estratégia de pesquisa e desenvolvimento, prospecção de parcerias e avaliação de plataformas em engenharia de proteínas, ao mesmo tempo que deixa em aberto grandes questões de execução, como fabricação, entrega, especificidade em tecidos complexos e comprovação regulatória.