Proteases sintéticas concebidas com aprendizagem profunda cortam alvos proteicos escolhidos

Investigadores do Institute for Protein Design da University of Washington relatam que conceberam computacionalmente proteases sintéticas, enzimas que cortam outras proteínas em locais escolhidos. Segundo a UW Medicine, as equipas usaram métodos de conceção baseados em aprendizagem profunda para especificar uma sequência-alvo, construir enzimas para a clivar e depois verificar a atividade em vários contextos experimentais. A Ars Technica, com base nos estudos subjacentes, descreve o trabalho como uma forma de “encurtar caminho” face à longa diversificação natural das proteases, preservando apenas o núcleo catalítico de classes enzimáticas conhecidas e reconcebendo o restante.

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

Dois mecanismos de protease, reconcebidos

Os investigadores trabalharam com dois tipos distintos de química de proteases. Um projeto centrou-se nas proteases de cisteína, nas quais uma cisteína ativada da enzima ataca a ligação peptídica alvo. O outro centrou-se nas metaloproteases, descritas pela Ars Technica como proteases de zinco, nas quais um ião metálico ajuda a posicionar e a ativar a química necessária para a clivagem. Em ambos os casos, o ponto de partida não foi uma folha em branco: as equipas começaram a partir de proteases conhecidas, incluindo uma protease de cisteína de levedura e uma protease digestiva de zinco de lagostim, e conservaram os resíduos catalíticos essenciais enquanto reconcebiam a estrutura proteica circundante.

Quanto ao fluxo de conceção, a Ars Technica refere que os investigadores usaram primeiro o RFdiffusion2 para gerar esqueletos de enzimas sob várias restrições. O esqueleto concebido tinha de aproximar entre si os aminoácidos catalíticos e também tinha de acomodar uma sequência-alvo escolhida perto do sítio ativo. Depois, utilizaram 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 abrangente como a utilização de métodos de conceção baseados em aprendizagem profunda para desenvolver estruturas, selecioná-las quanto à capacidade de cortar uma sequência específica e confirmar que as estruturas experimentais correspondiam aos planos computacionais.

As equipas verificaram também se estas proteínas se limitavam a reproduzir estruturas naturais já existentes. A Ars Technica relata que as previsões do AlphaFold3 para muitos dos modelos não se assemelhavam a entradas nas bases de dados atuais, o que sugere que os modelos não estavam simplesmente a reproduzir dobragens de proteases já conhecidas. A UW Medicine vai mais longe no trabalho sobre cisteína, afirmando que as proteínas resultantes adotam dobragens diferentes de qualquer protease que ocorra naturalmente.

Como foram realizados os ensaios

Os testes iniciais foram construídos em torno de ensaios diretos de clivagem. A Ars Technica informa que os investigadores criaram uma proteína de fusão longa contendo a protease concebida, a sequência-alvo que esta deveria cortar e uma proteína fluorescente. Depois, mediram se a clivagem libertava a porção fluorescente. A UW Medicine diz que as equipas testaram as enzimas em proteínas purificadas, em sequências retiradas de proteínas implicadas na doença de Alzheimer e na esclerose lateral amiotrófica e, num dos estudos, no interior de células humanas vivas cultivadas em laboratório.

• As proteases de cisteína foram concebidas em torno de um centro catalítico de cisteína ativada.
• As metaloproteases foram concebidas em torno de um ião metálico ligado, usado como elemento catalítico.
• Os modelos foram selecionados 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 experiências no interior de células humanas cultivadas.

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

Os resultados das metaloproteases são apresentados de forma algo diferente nas duas fontes, pelo que devem ser lidos com cuidado. A UW Medicine diz que 36% dos modelos mostraram atividade e cortaram com precisão o alvo pretendido, a beta-amiloide, 100 milhões de vezes mais depressa do que a reação não catalisada. A Ars Technica fornece uma decomposição mais detalhada: entre os primeiros modelos, que não incluíam explicitamente a molécula de água catalítica como restrição de conceção, 14 em 89 mostraram atividade fraca. Quando os investigadores passaram antes a impor como restrição a colocação correta de uma molécula de água, 35 em 38 mostraram alguma atividade. A Ars Technica acrescenta ainda que um modelo mais forte carecia de especificidade quanto ao local exato em que cortava. Estes números parecem referir-se a subconjuntos ou fases diferentes do trabalho, e não a uma contradição direta, mas as fontes não reconciliam totalmente essas diferenças.

A iteração melhorou a atividade e a especificidade

Uma parte notável dos estudos foi o que aconteceu depois de os primeiros modelos só terem funcionado de forma modestamente eficaz. A Ars Technica diz que as equipas identificaram resíduos próximos do sítio ativo que não eram diretamente responsáveis pela catálise e substituíram-nos por aminoácidos alternativos com pouca 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 por um fator de 10^9, mantendo-se altamente específica para a sequência-alvo pretendida. Para o sistema baseado em zinco, foi dito que uma segunda versão era 30 vezes mais ativa do que o modelo original e acelerava a clivagem por um fator de 10^10.

A UW Medicine apresenta valores máximos de aceleração mais baixos para os artigos da Nature mencionados: até 30 milhões de vezes mais depressa do que a reação não catalisada para as proteases de cisteína e 100 milhões de vezes mais depressa para as metaloproteases. Como estes números diferem de alguns dos resultados otimizados mais tardios citados pela Ars Technica, é prudente entendê-los como descrições de pontos finais reportados diferentes, provavelmente a partir de modelos distintos ou de níveis de síntese diferentes, em vez de assumir um único número de destaque para cada plataforma.

Alvos de doença e promessa terapêutica

Como prova de relevância para além de substratos-modelo, as equipas orientaram alguns modelos para proteínas associadas a doenças neurológicas. A UW Medicine diz que 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 visou proteínas associadas à doença de Alzheimer e à demência frontotemporal, e que os investigadores acabaram por obter um modelo capaz de cortar o alvo pretendido em células. A mesma fonte assinala ainda uma lição importante: simplesmente redirecionar um modelo já existente não funcionou bem, pelo que a equipa reiniciou o processo de conceção a partir do zero para a nova sequência.

A lógica terapêutica é simples. Ao contrário de um fármaco convencional ou de um anticorpo, que se liga a uma molécula-alvo de cada vez, uma enzima pode atuar cataliticamente e depois prosseguir. A UW Medicine diz que uma única protease concebida poderia cortar milhares a milhões de alvos especificados ao longo da sua vida útil, permitindo potencialmente uma dose mais baixa do que um medicamento baseado em ligação. A mesma fonte argumenta também que as proteases poderiam abordar proteínas frequentemente descritas como “indrogáveis”, porque a clivagem não exige um bolso de ligação convencional. Entre as utilizações potenciais mencionadas estão destruir uma proteína viral, eliminar uma toxina bacteriana, remover uma proteína mal dobrada em doença neurodegenerativa ou ativar um fármaco apenas num tecido escolhido, cortando uma tampa protetora.

O que continua por resolver

Os estudos são encorajadores, mas tanto as limitações referidas como o alcance experimental sugerem um caminho longo antes de qualquer utilização médica. A Ars Technica sublinha que os primeiros modelos bem-sucedidos eram, em geral, menos ativos do que as enzimas naturais que os inspiraram, mesmo que a otimização subsequente tenha melhorado esse aspeto. A publicação aponta também obstáculos práticos de administração: as proteínas podem ser difíceis de fazer chegar ao tecido relevante, podem provocar respostas imunitárias e tornam-se ainda mais difíceis de usar quando o alvo pretendido está dentro das células e não fora delas.

Esse desafio intracelular poderá exigir que as próprias células produzam a protease a partir de um gene administrado, o que acrescenta outra camada de complexidade. Nenhum dos textos-fonte afirma que uma terapia esteja próxima. Em vez disso, sustentam uma conclusão mais comedida: o trabalho mostra que a conceção de proteínas guiada por aprendizagem profunda já consegue produzir proteases sintéticas com especificidade escolhida, atividade catalítica mensurável e pelo menos alguma função em células. Resta demonstrar se essas capacidades podem ser traduzidas em medicamentos seguros, eficazes e administráveis.

Para as empresas anglófonas, a mudança no curto prazo não é um novo tratamento aprovado, mas sim uma nova capacidade de conceção a acompanhar. Equipas de biotecnologia e farmacêutica poderão ver estes resultados como um primeiro sinal de que proteínas catalíticas personalizadas podem alargar a seleção de alvos para além dos ligantes, especialmente no caso de proteínas de doença sem bolsos farmacológicos clássicos. Em termos práticos, isso poderá influenciar a estratégia de I&D, a prospeção de parcerias e a avaliação de plataformas em torno da engenharia de proteínas, deixando por resolver grandes questões de execução — fabrico, administração, especificidade em tecidos complexos e prova regulatória.