Por Yahya Chaudhry Redator da equipe de Harvard
Quando um vírus sofre mutação, o mundo geralmente descobre da pior maneira. Variantes da gripe e do SARS-CoV-2 podem escapar das vacinas e dos medicamentos com anticorpos antes que os cientistas entendam completamente o que mudou.
Um novo estudo do Departamento de Química e Biologia Química (CCB) sugere que o caminho mais difícil pode não ser inevitável.
Em um artigo publicado recentemente nos Anais da Academia Nacional de Ciências (PNAS), uma equipe liderada por Eugene Shakhnovich , professor de Química Roy G. Gordon, e Vaibhav Mohanty, estudante de MD/PhD na Escola de Pós-Graduação em Artes e Ciências Kenneth C. Griffin de Harvard e na Divisão de Ciências e Tecnologia da Saúde Harvard-MIT, descreve uma maneira de manipular o cenário evolutivo que os vírus experimentam, afastando-os de variantes perigosas e levando-os a becos sem saída evolutivos.
Eles chamam o método de projeto de paisagem de aptidão (FLD, na sigla em inglês).
“É basicamente o inverso de como as pessoas normalmente pensam sobre a evolução”, disse Mohanty. Os biólogos há muito utilizam a metáfora da paisagem de aptidão: cada sequência viral é um ponto no terreno, e sua “altura” reflete o quão bem ela se reproduz e se espalha. A evolução é como uma população de vírus subindo uma colina em busca de maior aptidão.
A maioria das pesquisas considera esse cenário como fixo e questiona se uma determinada mutação aumentará ou diminuirá a aptidão de um vírus. Mohanty e Shakhnovich inverteram a pergunta: podemos moldar o próprio cenário, escolhendo combinações de anticorpos que tornem a maioria das rotas de escape inviáveis?
“Normalmente, os cientistas perguntam: ‘Se essa mutação ocorrer, como ela afetará a replicação viral?’”, disse Mohanty. “Nós estamos perguntando: ‘Podemos suprimir diretamente as mutações que nos preocupam e bloquear esses caminhos antes que eles apareçam?’”
Essa ambição reflete frustrações recentes. A Organização Mundial da Saúde atualiza as vacinas contra a gripe duas vezes por ano, mas mesmo assim, novas cepas continuam surgindo. O SARS-CoV-2, vírus causador da COVID-19, tem produzido um fluxo constante de subvariantes que reduzem a proteção da vacina.
“Os vírus estão em constante mutação para escapar do nosso sistema imunológico”, disse Mohanty. “Nossas vacinas e anticorpos acabam tendo que correr atrás do prejuízo.” A equipe construiu um modelo biofísico que começa com detalhes moleculares e termina com um número que representa a aptidão viral.
Ele descreve como a proteína de superfície de um vírus se liga aos receptores e anticorpos das células humanas e como as mutações alteram essas ligações. Equações de reação padrão traduzem então as forças de ligação em probabilidades de infecção e taxas de crescimento.
“O panorama da aptidão é simplesmente um mapeamento da sequência de quão bem o vírus se espalha”, disse Shakhnovich. “O que estamos fazendo é projetar esse mapeamento por meio de anticorpos.”
Para testar a precisão do modelo, a equipe primeiro recorreu ao norovírus murino, um patógeno comum de laboratório previamente cultivado em frascos com e sem um anticorpo neutralizante. Usando modelos estruturais, eles estimaram como cada mutação afetava as energias de ligação, inseriram esses valores nas equações de aptidão e compararam os resultados com o aumento e declínio reais das cepas virais. As previsões do modelo corresponderam de perto aos experimentos.
Em seguida, aplicaram a mesma estrutura ao SARS-CoV-2, combinando medições de como as variantes da proteína spike se ligam ao receptor ACE2 humano e aos anticorpos com estimativas epidemiológicas do sucesso de cada variante.
“É fundamentalmente multiescalar”, disse Shakhnovich. “Começamos com proteínas, anticorpos, receptores e, em seguida, analisamos as consequências no nível das pandemias.”
Essa combinação é uma marca registrada do seu laboratório.
“Nós unimos biofísica e evolução”, disse Shakhnovich. “Não existem muitos laboratórios que façam biofísica molecular e evolução em nível populacional no mesmo lugar.”
Com o modelo calibrado, o grupo abordou o cerne do FLD: o problema inverso. Em vez de perguntar como a evolução prosseguiria em um determinado cenário, eles começaram especificando um cenário desejável — como um onde toda uma rede de variantes relacionadas do SARS-CoV-2 apresenta aptidão suprimida — e então buscaram conjuntos de anticorpos que o produzissem.
Em simulações, certos coquetéis de anticorpos poderiam aprisionar a evolução viral, transformando rotas que normalmente levariam a variantes de “escape” mais aptas em caminhos que terminam em vales de baixa aptidão. Nesse aspecto, o FLD funciona como um robô de xadrez, calculando vários movimentos à frente da evolução viral e encontrando os melhores anticorpos para suprimir os ganhos de aptidão antes mesmo que as mutações apareçam.
“Em vez de reagir a qualquer mutação que surja, estamos tentando conter o vírus proativamente, para que as vias de escape mais fáceis sejam prejudiciais a ele”, disse Mohanty.
Além das doenças infecciosas, os autores vislumbram aplicações mais amplas para essa estrutura. Na imunoterapia do câncer, tratamentos como a terapia com células CAR-T equipam as células imunológicas com receptores modificados, semelhantes a anticorpos, para atacar tumores que também evoluem.
“Acreditamos que o FLD pode ajudar a aprimorar essas defesas imunológicas, de modo que os cânceres tenham menos rotas de fuga”, disse Mohanty.
Na biotecnologia industrial, os cientistas podem usar um processo chamado evolução dirigida para aprimorar enzimas e outras proteínas para medicamentos e processos de fabricação.
Eles fazem pequenas alterações em uma proteína, selecionam as versões que funcionam melhor e repetem o processo em várias rodadas. No entanto, essa abordagem de tentativa e erro pode ficar estagnada. Os cientistas podem encontrar uma proteína que seja melhor do que a versão inicial, mas ainda longe da melhor possível.
Os pesquisadores acreditam que o design da paisagem de aptidão pode ajudar a direcionar a evolução para além desses becos sem saída e em direção a proteínas com propriedades mais úteis. A equipe também está usando inteligência artificial — incluindo modelos de linguagem de proteínas e ferramentas generativas — para prever como os anticorpos se ligarão às proteínas virais e pesquisar entre muitos outros designs de anticorpos possíveis.
“A ideia de um ambiente propício ao condicionamento físico existe há muito tempo”, disse Shakhnovich. “A novidade é que agora podemos começar a moldar esse ambiente manualmente para combater doenças.” Se essa visão se confirmar experimentalmente, poderá fornecer às empresas farmacêuticas e às autoridades de saúde pública uma arma poderosa na corrida armamentista viral.
Este trabalho foi financiado pelo Instituto Nacional de Ciências Médicas Gerais, R35GM139571.
