Ultra-selectieve aptameren geven virussen een voorproefje van hun eigen medicijn

Geïnspireerd door de manier waarop virussen hechten aan cellen, hebben EPFL-wetenschappers een methode ontwikkeld voor het engineering van ultra-selectieve aptameren.

Aptameren zijn korte segmenten van DNA of RNA die zijn ontworpen om, zoals antilichamen, te binden aan specifieke doelen. Synthetisch en goedkoop om te produceren, aptameren zijn aantrekkelijke alternatieven voor antilichamen voor biomedische diagnostiek en therapeutica.

Wanneer nieuwe aptameerbindmiddelen nodig zijn, bijvoorbeeld om een ​​nieuw virus te detecteren, zijn ze ontwikkeld uit bibliotheken van miljoenen nucleïnezuursequenties waaruit de beste overeenkomsten voor een bepaald doel worden geselecteerd en versterkt.

Tot nu toe bevatten dergelijke bibliotheken alleen monovalente bindmiddelen: sequenties die binden aan één plaats op een doelmolecuul. Maar dit staat in contrast met de structuur van veel real-world eiwitten, waaronder de SARS-COV-2, influenza en HIV spike-eiwitten. Deze structuren, die virussen gebruiken om cellen te infecteren, bestaan ​​uit drie identieke subeenheden die drie potentiële bindingsplaatsen vertonen.

Helaas is het gebruik van monovalente bindmiddelen voor deze drie-eenheid (trimerische) complexen hit-or-miss. In feite, Maartje Bastings, hoofd van het programmeerbare biomaterialenlab in EPFL’s School of Engineering, vergelijkt het met “een kom spaghetti aan de muur gooien, omdat ‘iets’ zeker ‘ergens’ zal plakken.

Bastings legt uit: “U kunt niet bepalen waar een monovalent binder interactie heeft met zijn doelwit: het kan bijvoorbeeld binden aan de zijkant van een eiwit, in plaats van de bindende interface, waardoor de functionaliteit wordt verminderd. Met andere woorden, u kunt de plek op de muur niet kiezen op de muur waar een bepaalde spaghetti-noedle zal blijven. magisch effectief. “

Bastings en haar team melden de eerste techniek voor het produceren van multimere aptameren, die zich richten op eiwitcomplexen met ongekende precisie en functionaliteit. De bindmiddelen die zijn ontwikkeld met de nadering van het laboratorium, genaamd Medusa (multivalent ontwikkelde op DNA gebaseerde supramoleculaire assemblages), leveren bindende affiniteiten op die tussen de 10 en 1.000 keer sterker zijn dan die welke worden bereikt met monovalente binders. Naast sterker, bleken ze ook veel selectiever te zijn, wat cruciaal is voor diagnostiek.

Het onderzoek is gepubliceerd in Natuurnanotechnologie.

Een bio -geïnspireerde aanpak

De sleutel tot het ontwikkelen van trimerische bindmiddelen is de steiger: een moleculaire structuur waarrond drie bindingen op natuurlijke wijze samenkomen. In hun experimenten ontwikkelden de onderzoekers hun steiger op basis van de geometrie van het SARS-COV-2 spike-eiwit.

Door deze op maat gemaakte steigers toe te voegen aan hun aptamer -bibliotheek, was het team in staat om de sequentieruimte te beïnvloeden naar trimere kandidaten die vanaf het begin functioneel functioneel zouden binden aan de doelinterface.

“We hebben het natuurlijke paradigma dat wordt gezien in virussen retro-ontworpen, waarbij multivalente moleculaire complexen co-evolueren, en het vertaald in een nieuwe methode voor het ontdekken van de bindmiddel waarmee we multivalente bindmiddelen kunnen selecteren die dergelijke virussen kunnen blokkeren,” vat Ph.D. Student en eerste auteur Artem Kononenko.

Zodra een eerste reeks bindmiddelen is geïdentificeerd, worden kandidaten met toenemende affiniteit voor hun doel ontwikkeld door een iteratief selectie- en versterking genaamd “Evolution”.

Hoewel het ontwerpen van nieuwe steigers een kwestie van uren kan duren, kan het evolutieproces weken duren. Vooruitkijkend, wil het onderzoeksteam dit tijdsbestek verkorten om beter te voldoen aan de behoeften van biomedische diagnostiek en therapeutica.

Een ander doel is om multimere bindmiddelen te ontwikkelen die gericht zijn op pathogenen met nog complexere configuraties, zoals dengue -koorts (zes bindende subeenheden) of anthrax (zeven).

“Uiteindelijk willen we deze nieuwe multivalente sequentieruimte gebruiken om generatieve kunstmatige intelligentiemodellen te trainen om dit voor ons te doen”, zegt Bastings.