Essas ferramentas avançadas de modelagem permitem estudar interações biológicas complexas e são cruciais para monitorar a evolução dos vírus e projetar vacinas mais eficazes. As equações da mecânica quântica são usadas para descrever e prever as estruturas e propriedades das moléculas. No entanto, até agora, raros eram os métodos capazes de calcular mais do que algumas centenas de átomos.
Pesquisadores desenvolveram um método de simulação, QM-CR, que permite simular milhares de átomos usando mecânica quântica (QM) associada a uma redução da complexidade dos graus de liberdade (CR). Neste estudo, eles conseguiram simular a estrutura eletrônica de aproximadamente 13.000 átomos para prever e caracterizar as ligações das variantes da proteína spike do vírus SARS-CoV-2 com o receptor humano haACE2.
Os pesquisadores compararam quatro variantes da proteína spike: Wuhan, Ômicron e duas variantes baseadas na Ômicron. Para avaliar suas ligações com o receptor haACE2, os cientistas consideraram a contribuição energética dos aminoácidos e simularam uma projeção do efeito de certas mutações para cada aminoácido.
Este estudo permitiu compreender de forma mais detalhada como diferentes mutações afetam a interação entre a proteína spike e o receptor hACE2. Além disso, as previsões das simulações foram validadas comparando a eficácia das variantes da proteína spike em se ligar a células que expressam hACE2 (ver figura).
Esses resultados são ainda mais notáveis porque, quando foram publicados em 2021, a mutação A484K, supostamente envolvida na ligação com ACE2, ainda não havia sido identificada pelos laboratórios de epidemiologia. Foi necessário esperar 20 meses para que essa mutação fosse efetivamente observada na variante BA.2.86, confirmando todo o interesse das simulações quânticas para obter previsões muito avançadas.
Figura: à esquerda (em laranja), a simulação quântica da virulência das quatro variantes do SARS-CoV-2 é confirmada pelos testes experimentais, à direita (em azul).
© CEA
Este modelo de simulação quântica QM-CR demonstrou sua capacidade de identificar mutações cruciais para as interações intermoleculares. Este método não apenas ajuda a entender os mecanismos subjacentes das ligações proteicas, mas também pode orientar o design de novos tratamentos altamente específicos. Este trabalho destaca a importância das ferramentas avançadas de modelagem no estudo de interações biológicas complexas e seu potencial para monitorar a evolução dos vírus e projetar vacinas mais robustas.
Colaboração:
- Boston College Department of Biology (EUA)
- Harvard Medical School (EUA)
- RIKEN Center for Computational Science (Japão)
Referências:
ZACCARIA M, GENOVESE L, LAWHORN BE, DAWSON W, JOYAL AS, HU J, AUTISSIER P, NAKAJIMA T, JOHNSON WE, FOFANA I, FARZAN M e MOMENI B.
Predicting potential SARS-CoV-2 mutations of concern via full quantum mechanical modelling.
J. R. Soc. Interface 2024.