Нова технологія створює мультимерні аптамери для точного націлювання на віруси

Ми всі чули про антитіла – білки, які виробляються нашим організмом для зв'язування з вірусами або бактеріями, позначаючи їх знищення імунною системою. Але не всі з нас знайомі з аптамерами: короткими відрізками ДНК або РНК, які призначені для зв'язування, як і антитіла, з певними мішенями. Синтетичні та недорогі у виробництві, аптамери є привабливою альтернативою антитілам для біомедичної діагностики та терапії.

Коли потрібні нові сполучні речовини аптамерів, наприклад, для виявлення нового вірусу, вони розробляються з бібліотек мільйонів послідовностей нуклеїнових кислот, з яких вибираються і ампліфікуються найкращі збіги для даної мети. До цього часу такі бібліотеки містили лише моновалентні сполучні речовини: послідовності, які зв'язуються з однією ділянкою на цільовій молекулі. Але це контрастує зі структурою багатьох реальних білків, включаючи SARS-CoV-2, грип та спайкові білки ВІЛ. Ці структури, які віруси використовують для зараження клітин, складаються з трьох ідентичних субодиниць, що представляють три потенційні місця зв'язування.

На жаль, застосування моновалентних в'яжучих для цих трикомпонентних (тримериних) комплексів є або хорошим, або поганим. Насправді, Мартьє Бастінгс, керівник лабораторії програмованих біоматеріалів в Інженерній школі EPFL, порівнює це з «киданням миски спагетті в стіну, тому що щось обов'язково кудись прилипне».

«Ви не можете контролювати, де моновалентний сполучна речовина взаємодіє зі своєю мішенню: наприклад, він може зв'язуватися зі стороною білка, а не з інтерфейсом зв'язування, знижуючи його функціональність. Іншими словами, ви не можете вибрати місце на стіні, куди прилипне певна локшина для спагетті. Тому ми подумали: чи не краще заздалегідь організувати нашу бібліотеку для швидкозшивачів, які відповідають точній геометрії цілі? І цей підхід виявляється магічно ефективним», - Мартьє Бастінгс, керівник лабораторії програмованих біоматеріалів в Інженерній школі EPFL

Бастінгс та її команда нещодавно повідомили про першу методику виробництва мультимерних аптамерів, які націлені на білкові комплекси з безпрецедентною точністю та функціональністю. Дійсно, сполучні речовини, розроблені з використанням лабораторного підходу під назвою MEDUSA (Multivalent Evolved DNA based Supramolecular Assemblies), дають спорідненість до зв'язування, яка в 10-1000 разів сильніша, ніж та, що досягається за допомогою моновалентних сполучних речовин. Крім того, що вони сильніші, вони також виявилися набагато більш вибірковими, що має вирішальне значення для діагностики. Дослідження було опубліковано в журналі Nature Nanotechnology.

Біологічний підхід

Ключем до розробки тримерних сполучних речовин є каркас: молекулярна структура, навколо якої природним чином збираються три зв'язуючі одиниці. У своїх експериментах дослідники розробили свій каркас на основі геометрії спайкового білка SARS-CoV-2. Додавши ці спеціально розроблені фреймворки до своєї бібліотеки аптамерів, команда змогла змістити простір послідовностей у бік тримерних кандидатів, які б функціонально прив'язувалися до цільового інтерфейсу з самого початку.

«Ми ретро-конструювали природну парадигму, що спостерігається у вірусів, в якій коеволюціонують полівалентні молекулярні комплекси, і трансформували її в новий метод виявлення в'яжучих речовин, що дозволяє нам підбирати полівалентні в'яжучі речовини, здатні блокувати такі віруси», – резюмує аспірант і перший автор Артем Кононенко.

Після того, як перша партія сполучних речовин ідентифікована, кандидати зі зростаючою спорідненістю до своєї мети розробляються за допомогою ітеративного процесу відбору та ампліфікації, який називається «еволюцією».

У той час як проектування нових риштувань може зайняти кілька годин, процес еволюції може зайняти тижні. Заглядаючи в майбутнє, дослідницька група прагне скоротити цей термін, щоб краще задовольняти потреби в біомедичній діагностиці та терапії.

Іншою метою є розробка багатовимірних сполучних речовин, які націлені на патогени з ще більш складними конфігураціями, такі як лихоманка денге (шість зв'язуючих субодиниць) або сибірська виразка (сім). «Зрештою, ми хочемо використовувати цей новий багатовалентний простір послідовностей, щоб навчити генеративні моделі штучного інтелекту робити це за нас», — каже Бастінгс.

Джерело: École Polytechnique Fédérale de Lausanne