Cientistas da Washington State University usaram inteligência artificial e simulações moleculares para identificar uma interação crucial de aminoácidos em uma proteína de fusão do vírus herpes necessária para a invasão celular. Quando engenharam uma mutação neste local, o vírus não pôde mais se fundir com ou entrar nas células, de acordo com um estudo publicado na Nanoscale.
Pesquisadores da School of Mechanical and Materials Engineering e do Department of Veterinary Microbiology and Pathology da Washington State University colaboraram em um estudo visando uma proteína de fusão que os vírus herpes usam para entrar nas células. Essa proteína passa por mudanças de forma complexas para impulsionar a infecção, e o entendimento limitado de sua dinâmica tem dificultado o desenvolvimento de vacinas e medicamentos.
Para investigar o problema, os professores Jin Liu e Prashanta Dutta recorreram à inteligência artificial e simulações moleculares detalhadas para analisar milhares de interações potenciais entre aminoácidos na proteína de fusão, relata a Washington State University. Eles construíram um algoritmo para examinar essas interações e depois aplicaram aprendizado de máquina para identificar aquelas mais propensas a serem essenciais para a entrada viral.
"Vírus são muito espertos. Todo o processo de invasão de células é muito complexo, e há muitas interações. Nem todas as interações são igualmente importantes—a maioria pode ser apenas ruído de fundo, mas há algumas interações críticas", disse Liu no relato da universidade sobre o trabalho.
Após simulações destacarem uma interação chave de aminoácidos, a equipe passou para experimentos de laboratório liderados por Anthony Nicola no Department of Veterinary Microbiology and Pathology. Ao introduzir uma mutação direcionada neste aminoácido, descobriram que o vírus não conseguia mais se fundir com sucesso às células, bloqueando efetivamente o vírus herpes de entrar nas células por completo, de acordo com o resumo do estudo no ScienceDaily.
Liu disse que a triagem computacional acelerou substancialmente a pesquisa. Testar interações experimentalmente uma a uma teria levado muito mais tempo, observou. "Era apenas uma interação de milhares de interações. Se não fizéssemos a simulação e em vez disso fizéssemos esse trabalho por tentativa e erro, poderia ter levado anos para encontrar. A combinação de trabalho computacional teórico com os experimentos é tão eficiente e pode acelerar a descoberta dessas interações biológicas importantes", disse ele.
Embora a equipe tenha confirmado a importância dessa interação específica para a fusão e entrada viral, alertaram que muitas perguntas permanecem sobre como a mutação altera a estrutura tridimensional e os movimentos em larga escala da proteína de fusão completa. Os pesquisadores planejam continuar usando simulações e aprendizado de máquina para explorar como pequenas mudanças moleculares se propagam pela proteína e para afunilar outros locais potencialmente vulneráveis.
"Há uma lacuna entre o que os experimentalistas veem e o que podemos ver na simulação", disse Liu. "O próximo passo é como essa pequena interação afeta a mudança estrutural em escalas maiores. Isso também é muito desafiador para nós."
O trabalho, realizado por Liu, Dutta, Nicola e alunos de doutorado Ryan Odstrcil, Albina Makio e McKenna Hull, foi financiado pelos National Institutes of Health e detalhado na revista Nanoscale sob o título Modulação de interações específicas dentro de uma proteína de fusão viral prevista a partir de aprendizado de máquina bloqueia fusão de membrana.
De acordo com a Washington State University, essa abordagem guiada por IA pode informar estratégias antivirais futuras ajudando os cientistas a identificar e perturbar 'interruptores' moleculares específicos em proteínas virais essenciais para a infecção.
