Des chercheurs de l’Institut Wyss de l’Université Harvard, du Boston Children’s Hospital et de la Harvard Medical School (HMS), tous situés aux États-Unis, ont mis au point FIND, une plateforme de découverte de médicaments qui explore de vastes bibliothèques moléculaires afin d’identifier des molécules capables de moduler les interactions de liaison entre deux protéines.
FIND utilise des nanointerrupteurs d’ADN pour sélectionner des candidats-médicaments en fonction de leurs effets sur ces interactions protéine-protéine, plutôt que de se limiter à déterminer si elles se lient à une seule protéine cible, ce qui lui confère un avantage clé par rapport aux tests de criblage conventionnels basés sur l’interaction.
Dans une étude publiée dans Science, les chercheurs ont utilisé FIND pour découvrir à la fois des petites molécules et des nanobodies, de petites protéines similaires aux anticorps, qui favorisaient des interactions protéine-protéine spécifiques pertinentes pour différents troubles.
Les protéines fonctionnent généralement en s’associant à d’autres protéines, et les altérations de ces interactions peuvent contribuer au développement de maladies. Certains des médicaments les plus efficaces agissent aussi sur ces interactions protéine-protéine. Par exemple, le médicament contre le diabète Ozempic imite l’hormone naturelle GLP-1 et stimule son récepteur, ce qui aide à réguler la glycémie et à diminuer l’appétit; et l’inhalation de salbutamol active les récepteurs bêta-2 adrénergiques sur les cellules musculaires des voies respiratoires, déclenchant des signaux via les protéines G associées qui relâchent ces muscles et ouvrent les voies respiratoires.
De nombreuses méthodes classiques de criblage de médicaments testent des composés individuellement dans des plaques à puits multiples, avec des instruments mesurant les variations dans des protéines ou des cellules purifiées. Les criblages combinés de bibliothèques de composés codés peuvent analyser des collections beaucoup plus grandes, mais la plupart des méthodes conventionnelles identifient principalement des molécules qui s’attachent à une cible.
« Notre idée était de baser chaque expérience sur une seule molécule d’ADN, afin de pouvoir réaliser de nombreux essais en parallèle dans le même tube », explique l’auteur principal, Wesley Wong, associé à l’Institut Wyss, professeur associé à HMS et chercheur au Boston Children’s Hospital. « Cela nous offre une méthode à haut débit pour rechercher des molécules qui modifient la façon dont les protéines interagissent ».
FIND, acronyme de Functional Interaction-based Nanoswitch Discovery (Découverte de Nanointerrupteurs Basés sur l’Interaction Fonctionnelle), repose sur des nanointerrupteurs d’ADN, une technologie que le groupe de Wong a initialement développée pour des mesures de molécules uniques et qu’il a ensuite adaptée à un essai sur gel en 2015. Wong, qui codirige l’Initiative de Robotique Moléculaire de l’Institut Wyss, et ses collaborateurs ont porté la technologie vers la découverte de médicaments avec d’autres chercheurs de l’Institut Wyss. Leur projet « Laboratoire dans une Molécule » a bénéficié du soutien de Northpond Labs, la filiale de recherche et développement de Northpond Ventures, via son alliance stratégique avec l’Institut Wyss.
Les nanointerrupteurs d’ADN sont des dispositifs programmables fabriqués à partir de longues chaînes d’ADN. Ils basculent entre une forme linéaire, où deux protéines potentielles liées restent séparées, et une forme en boucle où les deux protéines se lisent et rapprochent deux points de l’ADN. Les composés qui favorisent cette interaction augmentent la proportion de nanointerrupteurs en boucle. L’équipe a séparé ces formes par électrophorèse sur gel, une méthode de laboratoire standard pour distinguer des fragments d’ADN de tailles et de structures différentes. Les nanointerrupteurs en boucle se déplaçaient plus lentement dans le gel que les linéaires, ce qui a permis de les récupérer séparément. Pour développer FIND, l’équipe a attaché une molécule candidate à un médicament à chaque nanointerrupteur via un connecteur flexible, accompagné d’un code-barres d’acide nucléique identifiant le candidat.
« Chaque candidat demeure lié au résultat de son propre essai », expliquent les chercheurs. « De cette façon, nous pouvons séparer les nanointerrupteurs selon leur réponse et séquencer les codes-barres pour identifier les molécules sélectionnées. »
À titre d’exemple, les chercheurs ont appliqué FIND au PPAR-gamma, une cible pharmacologique pour le diabète qui aide à réguler la sensibilité à l’insuline et le stockage des lipides. Grâce à un processus de criblage démarrant avec une bibliothèque de petites molécules codées par ADN de 400 millions de membres, ils ont identifié des composés qui favorisaient l’interaction du récepteur avec un fragment de sa protéine associée, CBP. Ces composés ont aussi augmenté l’accumulation de lipides dans des cellules cultivées, ce qui concorde avec l’activation du PPAR-gamma. Ainsi, FIND a pu découvrir de nouveaux composés qui modulent des interactions protéine-protéine complexes, avec un potentiel de développement en médicaments.
Les chercheurs ont également utilisé FIND pour découvrir un nanobody qui modulait l’interaction entre la protéine Spike du SARS-CoV-2 et son récepteur dans des cellules humaines, démontrant son utilité pour trouver de nouveaux outils de recherche pour l’étude des maladies. De plus, l’équipe a validé sa nouvelle approche de découverte de médicaments en récupérant un activateur connu du récepteur bêta-2 adrénergique qui avait été ajouté à un mélange de contrôles avec codes-barres.
« Nous pouvons rechercher directement des molécules qui produisent l’effet souhaité sur une interaction protéine-protéine liée à une maladie », expliquent les chercheurs. « Les molécules que nous trouverons pourraient devenir des points de départ pour développer de nouveaux médicaments ou des outils de recherche utiles pour comprendre les maladies. »
Récemment, la technologie a été licenciée à une jeune société récemment créée, cofondée par des membres de l’équipe de recherche.
