Alors que la pandémie de COVID-19 dispersait et isolait les gens, les chercheurs de Virginia Tech se sont connectés pour une collaboration basée sur les données cherchant à améliorer les médicaments pour lutter contre la maladie et potentiellement de nombreuses autres maladies.
Une collaboration multidisciplinaire couvrant plusieurs collèges de Virginia Tech a abouti à une étude récemment publiée, « Data Driven Computational Design and Experimental Validation of Drugs for Accelerated Mitigation of Pandemic-like Scenarios », dans la revue Journal de lettres de chimie physique.
L’étude se concentre sur l’utilisation d’algorithmes informatiques pour générer des adaptations aux molécules des composés de médicaments existants et potentiels qui peuvent améliorer la capacité de ces molécules à se lier à la protéase principale, une enzyme à base de protéines qui décompose les protéines complexes, dans le SRAS-CoV-2. , le virus qui cause le COVID-19.
Ce processus permet d’envisager un nombre exponentiel d’adaptations moléculaires plus important que ne le permettraient les méthodes traditionnelles d’essais et d’erreurs pour tester les médicaments un par un. Les adaptations de molécules candidates peuvent être identifiées parmi une myriade de possibilités, puis réduites à quelques-unes ou à une seule qui peut être créée en laboratoire et testée pour son efficacité.
Nous présentons un nouveau cadre basé sur les données transférables qui peut être utilisé pour accélérer la conception de nouvelles petites molécules et matériaux, avec les propriétés souhaitées, en modifiant la combinaison des éléments constitutifs ainsi qu’en les décorant de groupes fonctionnels.
Sanket A. Deshmukh, professeur agrégé de génie chimique, College of Engineering, Virginia Tech
Un « groupe fonctionnel » est un groupe d’atomes qui conserve généralement ses propriétés caractéristiques, quels que soient les autres atomes de la molécule.
« Il est intéressant de noter que le médicament fonctionnalisé nouvellement conçu avait non seulement une valeur de concentration efficace maximale de moitié supérieure à celle de son médicament parent, mais également plusieurs des antiviraux proposés et utilisés, dont le Remdesivir », a déclaré Deshmukh, faisant référence à une mesure de la puissance du composé.
Passer à travers toutes les phases de l’étude n’aurait pas été possible sans une vaste collaboration interdépartementale.
Quatre membres du corps professoral de Virginia Tech – Deshmukh ; Anne M. Brown, professeure agrégée aux bibliothèques universitaires et au département de biochimie du Collège d’agriculture et des sciences de la vie ; Andrew Lowell, professeur adjoint au Département de chimie du Collège des sciences ; et James Weger-Lucarelli, professeur adjoint au Département des sciences biomédicales et de pathobiologie du Virginia-Maryland College of Veterinary Medicine – ; font partie des 13 co-auteurs de l’étude publiée.
L’expertise du groupe Deshmukh dans le développement de modèles et de cadres informatiques transférables pour la conception accélérée de petites molécules et de matériaux de type médicament, et l’expertise informatique approfondie de Brown dans les relations structure-fonction des protéines se sont parfaitement intégrées comme base de référence pour l’étude.
« Le groupe de Sanket disposait d’un cadre de réutilisation moléculaire et j’ai de l’expérience dans l’exploitation de cibles protéiques », a déclaré Brown. « En collaboration avec Andrew qui effectue la synthèse, qui consiste à fabriquer le composé, puis avec James qui effectue les tests et les analyses virales, nous avons formé une collaboration fantastique. »
Mais les professeurs soulignent que ce sont les étudiants diplômés et postdoctoraux des laboratoires qui ont rendu l’étude possible. Neuf d’entre eux sont co-auteurs : Samrendra K. Singh, génie chimique, Kelsie King, génétique, bioinformatique et biologie computationnelle ; Cole Gannett, chimie ; Christina Chuong, sciences biomédicales et vétérinaires ; Soumil Y. Joshi, génie chimique ; Charles Plate, génie chimique; Parisa Farzeen, génie chimique; Emily M. Webb, entomologie ; et Lakshmi Kumar Kunche, génie chimique.
Les professeurs ont déclaré que les étudiants communiquaient bien entre eux sans aucune incitation de leurs mentors. « Je pense que l’une des choses formidables à voir, c’est que les étudiants parlent réellement entre eux et collaborent entre eux sans que nous ayons à dire ‘Faites ceci' », a déclaré Deshmukh.
Enfin, les molécules fonctionnalisées ont été testées contre le SRAS-CoV-2 vivant dans un laboratoire d’une école vétérinaire par Weger-Lucarelli et son équipe.
« Le criblage virtuel initial de la base de données existante a identifié un composé parent censé inhiber la protéase du SRAS-CoV-2 », a déclaré Weger-Lucarelli. « Ensuite, le cadre basé sur les données a modifié la structure de cette molécule pour améliorer cette activité. Nous les avons comparés côte à côte pour montrer que ce nouveau composé qui devait être plus puissant contre le SRAS-CoV-2 que le composé parent ne l’était, en en fait, plus puissant contre le SRAS-CoV-2.
Le processus de développement et de test d’une molécule fonctionnalisée contre le COVID-19 a de nombreuses applications potentielles, même au-delà de l’atténuation du COVID-19. Des études sont en cours au sein de l’équipe pour utiliser le même type de recherche afin de trouver des molécules fonctionnalisées qui pourraient traiter l’hépatite E, la dengue et le chikungunya, ces deux dernières maladies transmises par les moustiques.
« Une autre direction dans laquelle nous nous dirigeons est de cibler les protéases et les enzymes d’autres virus et d’essayer de concevoir d’autres nouvelles molécules », a déclaré Lowell.
Le processus algorithmique a également un potentiel dans des utilisations non biologiques, a déclaré Sankit. « L’approche est très polyvalente et est appliquée pour fonctionnaliser et concevoir d’autres matériaux tels que des structures métallo-organiques (MOF), des glycomatériaux, des polymères, etc. », indique le document.
L’équipe interdisciplinaire réunie prévoit poursuivre ses collaborations.
« Aucun de nous ne pourrait réaliser ce travail sans les autres personnes participant à cette collaboration », a déclaré Weger-Lucarelli.
« C’est un excellent exemple de la synergie entre le passage de la prédiction informatique à la synthèse chimique en passant par les tests sur les virus », a déclaré Brown, « et la façon dont nous, à Virginia Tech, mettons vraiment l’accent sur l’interaction entre ces trois domaines et la faisons passer au niveau supérieur pour développer des équipes collaboratives solides.
