Wetenschap
De chemische structuur van een alfa-synucleïnevezel met een "voorbeeld" molecuul, weergegeven als gekleurde bollen, gebonden aan een eerder geïdentificeerde bindingsplaats. Onderzoekers van Penn hebben onlangs een nieuwe methode gedemonstreerd om moleculen computationeel te screenen en te identificeren, die vervolgens kunnen worden ontwikkeld tot beeldvormende sondes voor het bestuderen van eiwitten die geassocieerd zijn met de ziekte van Parkinson. Krediet:E. James Petersson
Voor veel van de 200 000 patiënten gediagnosticeerd met de ziekte van Parkinson in de Verenigde Staten per jaar, de diagnose komt vaak pas na het optreden van ernstige symptomen zoals tremoren of spraakmoeilijkheden. Met als doel neurologische aandoeningen eerder te herkennen en te behandelen, onderzoekers zijn op zoek naar nieuwe manieren om biologische moleculen af te beelden die ziekteprogressie aangeven voordat symptomen verschijnen. Een dergelijke kandidaat, en een bekend kenmerk van de ziekte van Parkinson, is de vorming van klonten van alfa-synucleïne-eiwit, en, terwijl dit eiwit meer dan 20 jaar geleden werd geïdentificeerd, een betrouwbare manier om alfa-synucleïne-aggregaten in de hersenen te volgen, moet nog worden ontwikkeld.
Nutsvoorzieningen, een nieuwe studie gepubliceerd in Chemische Wetenschappen beschrijft een innovatieve benadering voor het identificeren van moleculen die kunnen helpen bij het volgen van de progressie van de ziekte van Parkinson. Uitgevoerd door onderzoekers in de laboratoria van E. James Petersson, Robert Mach, en Virginia Lee, deze proof-of-concept-studie zou het paradigma kunnen veranderen voor hoe onderzoekers nieuwe moleculen screenen en testen voor het bestuderen van een breed scala aan neurodegeneratieve ziekten.
Het bestuderen van dit soort eiwitaggregaten vereist nieuwe tracers, radioactieve moleculen die clinici gebruiken om weefsels en organen in beeld te brengen, voor positronemissietomografie (PET). Als senior onderzoeker op het gebied van PET-tracerontwikkeling, Mach en zijn groep werkten een aantal jaren samen met de Michael J. Fox Foundation om een alfa-synucleïne-tracer te ontwikkelen, maar zonder gegevens over de structuur van het eiwit konden ze geen kandidaten vinden die selectief genoeg waren om als diagnostisch hulpmiddel te worden gebruikt.
Vervolgens, met de eerste publicatie van de structuur van alfa-synucleïne en een toename van beschikbare hulpmiddelen op het gebied van computationele chemie, Mach en Petersson begonnen samen te werken aan de ontwikkeling van een alfa-synucleïne PET-tracer. Door hun respectieve expertise in radiochemie en eiwittechnologie te combineren, ze konden experimenteel bevestigen waar op het alfa-synucleïne-eiwit potentiële tracermoleculen konden binden, cruciale informatie om hen te helpen moleculen te ontdekken en te ontwerpen die specifiek zijn voor alfa-synucleïne.
In hun laatste onderzoek, de onderzoekers ontwikkelden een rekenmethode met hoge doorvoer, waardoor ze miljoenen kandidaat-moleculen kunnen screenen, om te zien welke zullen binden aan de bekende bindingsplaatsen op alfa-synucleïne. Voortbouwend op een eerder gepubliceerde methode, hun aanpak identificeert eerst een "voorbeeld, " een pseudo-molecuul dat perfect past in de bindingsplaats van alfa-synucleïne. Dan, dat voorbeeld wordt vergeleken met echte moleculen die in de handel verkrijgbaar zijn om te zien welke een vergelijkbare structuur hebben. De onderzoekers gebruiken vervolgens andere computerprogramma's om de lijst met kandidaten voor testen in het laboratorium te verkleinen.
Om de prestaties van hun screeningmethode te evalueren, de wetenschappers identificeerden een kleine subset van 20 veelbelovende kandidaten uit de 7 miljoen verbindingen die werden gescreend en ontdekten dat twee extreem hoge bindingsaffiniteit voor alfa-synucleïne hadden. De onderzoekers gebruikten ook hersenweefsel van muizen van de Lee-groep om deze nieuwe methode verder te valideren. De onderzoekers waren onder de indruk, en aangenaam verrast, door hun slagingspercentage, die zij toeschrijven aan het specifieke karakter van hun zoekmethode. "Er komt zeker ook een beetje geluk bij kijken, "Petersson voegt eraan toe, "Waarschijnlijk de grootste verrassing is hoe goed het werkte."
Het idee om de voorbeeldmethode te gebruiken om dit probleem aan te pakken, kwam bij de eerste auteur en Ph.D. afgestudeerde John "Jack" Ferrie terwijl hij computationele scheikundige methoden leerde aan het Institute for Protein Design aan de Universiteit van Washington als onderdeel van een zomerbeurs van de Parkinson Foundation. "De zomerbeurs is bedoeld om studenten te trainen in nieuwe methoden die kunnen worden toegepast op onderzoek naar de ziekte van Parkinson, en dat is precies wat hier gebeurde, "zegt Petersson. "De ideeën waarmee Jack terugkwam, vormden de basis van een grote inspanning in zowel mijn laboratorium als dat van Bob Mach om PET-tracers computationeel te identificeren."
Nutsvoorzieningen, als onderdeel van een grote multi-institutionele subsidie, Petersson, Mach, Lee, en vele andere medewerkers staan klaar om de lessen die uit deze bevinding zijn getrokken te gebruiken om PET-tracers voor Parkinson en andere neurodegeneratieve ziekten te ontwikkelen. "Ik zie dit echt als een doorbraak in de manier waarop we PET-sondes ontwikkelen, " zegt Mach. "Het belang is dat we in een zeer korte tijd miljoenen verbindingen kunnen screenen, en we zijn in staat om grote aantallen verbindingen te identificeren die waarschijnlijk met hoge affiniteit aan alfa-synucleïne zullen binden. We gaan dezelfde methode ook toepassen op de ontwikkeling van andere sondes die belangrijk zijn, maar die uitdagingen voor het veld hebben opgeleverd."
Door betrouwbare high-throughput tools te ontwikkelen die gebruik maken van gedetailleerde kennis van de eiwitstructuur, het doel van toekomstige inspanningen is om nieuwe tracer-kandidaten te vinden en ze in de kliniek te krijgen zodra ze klaar zijn om getest te worden. "Het is zeker versneld in vergelijking met wat typisch is, " zegt Petersson over de tijdlijnen van de subsidie. "Dit kan iets zijn dat 10 tot 15 jaar in de industrie duurt, en we proberen het in ongeveer vijf uur te doen."
Mach voegt eraan toe dat deze inspanning een perfect voorbeeld is van "hoe de dingen hier bij Penn werken, " met succes mogelijk gemaakt door samenwerkingen tussen onderzoekers met diverse en unieke vaardigheden. "Penn is een geweldige plek omdat je veel getalenteerde mensen hebt met een echte geest van samenwerking, en dat is wat er nodig is om in deze tijd wetenschap te bedrijven, " hij zegt.
Wetenschap © https://nl.scienceaq.com