Giới thiệu dự án

Interleukin-33 (IL-33, còn gọi là IL-1F11) là một cytokine thuộc họ IL-1 mang vai trò kép: vừa là yếu tố phiên mã nội nhân, vừa hoạt động như một "tiểu phân báo động" (alarmin) ngoại bào kích hoạt dòng thác miễn dịch loại 2 (Type 2 immunity). Khi mô bị tổn thương hoại tử, IL-33 được giải phóng và liên kết đặc hiệu với thụ thể ST2 (IL-1R4) cùng đồng thụ thể IL-1RAcP, khởi động đường truyền tín hiệu qua phức hợp MyD88/IRAK dẫn đến hoạt hóa các yếu tố NF-κB, MAPK, ERK1/2 và JNK. Theo các thống kê y sinh học toàn cầu, rối loạn biểu hiện trục tín hiệu IL-33/ST2 là căn nguyên bệnh sinh then chốt thúc đẩy các bệnh lý viêm mạn tính và tự miễn nghiêm trọng như hen suyễn kháng trị (ảnh hưởng hơn 300 triệu người trên thế giới), bệnh phổi tắc nghẽn mạn tính (COPD), viêm da dị ứng, viêm khớp dạng thấp và lupus ban đỏ hệ thống.

+-----------------------------------------------------------------------------------+
|                            TỔN THƯƠNG MÔ NGOẠI BÀO                                |
|                                       │                                           |
|                                       ▼                                           |
|                     Giải phóng IL-33 dạng hoạt động (18-21 kDa)                   |
|                                       │                                           |
|                                       ▼                                           |
|   +───────────────────────────────────────────────────────────────────────────+   |
|   |                  PHỨC HỢP THỤ THỂ: IL-33 + ST2 (IL-1R4) + IL-1RAcP        |   |
|   +───────────────────────────────────────────────────────────────────────────+   |
|                                       │                                           |
|                                       ▼                                           |
|                     Chiêu mộ nội bào: MyD88 / IRAK1 / IRAK4                       |
|                                       │                                           |
|                                       ▼                                           |
|                Kích hoạt dòng thác tín hiệu: NF-κB, p38, JNK, ERK1/2              |
|                                       │                                           |
|                                       ▼                                           |
|          Tiết ồ ạt Cytokine gây viêm Type 2: IL-4, IL-5, IL-13, TNF-α, IL-1β       |
|                                       │                                           |
|                                       ▼                                           |
|           BỆNH LÝ MÃN TÍNH: Hen suyễn nặng, COPD, Viêm khớp dạng thấp, Lupus      |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu thực tiễn

Các giải pháp điều trị can thiệp ức chế IL-33 hiện nay chủ yếu dựa trên kháng thể đơn dòng (mAbs) và protein dung hợp dạng bẫy sinh học (IL-33trap, sST2). Mặc dù có ái lực cao, các liệu pháp sinh học này tồn tại nhiều rào cản lớn: chi phí sản xuất cực kỳ đắt đỏ, độ bền bảo quản kém, bắt buộc phải dùng đường tiêm truyền và tiềm ẩn nguy cơ sinh kháng thể kháng thuốc.

Ngược lại, hướng phát triển thuốc phân tử nhỏ ức chế IL-33 gặp phải thách thức kỹ thuật rất lớn: diện tích tiếp xúc giữa IL-33 và ST2 lên tới $1.798\text{ \AA}^2$, bề mặt liên kết tại Vị trí 1 (Site 1) tương đối nông, phẳng và dung môi hóa cao, khiến các phương pháp sàng lọc thông lượng cao (HTS) truyền thống của thuốc phân tử nhỏ khó tìm được các phối tử gắn sâu và bền vững vào protein đích.

Mục tiêu dự án

  1. Thu thập và chuẩn hóa cơ sở dữ liệu: Xây dựng kho dữ liệu mảnh cấu trúc đa dạng từ 3 thư viện hóa tin uy tín ZINC, Maybridge và ChemDiv với tổng số 132.232 mảnh, lọc theo Quy tắc số 3 (Rule of Three - RO3).
  2. Sàng lọc ảo dựa trên cấu trúc (Structure-based Virtual Screening): Thực hiện mô phỏng docking phân tử trên mô hình homology 3D của IL-33 nhằm xác định các mảnh liên kết đặc hiệu với các acid amin điểm nóng (hot-spot residues) tại Vị trí 1: Glu144 và Glu148.
  3. Đánh giá động học và liên kết mảnh cấu trúc: Ứng dụng mô phỏng động lực học phân tử (Molecular Dynamics Simulation - MDS) 10 ns để chọn lọc các mảnh ổn định nhất, sau đó tiến hành ghép nối mảnh cấu trúc (Fragment Linking) tạo thư viện các chất mới.
  4. Xác thực hợp chất tiềm năng cao nhất: Khảo sát độ ổn định động học 50 ns và tính toán năng lượng gắn kết tự do Gibbs ($\Delta G_{bind}$) bằng phương pháp MM/GBSA để tìm ra ứng viên thuốc ức chế IL-33 hàng đầu.

Phương pháp tiếp cận và phạm vi

Dự án áp dụng quy trình phát triển thuốc dựa trên mảnh cấu trúc trên máy tính (In Silico Fragment-Based Drug Discovery - FBDD). Thay vì sàng lọc các phân tử cồng kềnh, FBDD tập trung tối ưu hóa lực tương tác chất lượng cao tại từng vị trí acid amin quan trọng, sau đó nối các mảnh lại với nhau thông qua chuỗi liên kết (linker) phù hợp để tạo nên phân tử có độ kết hợp cao và cấu trúc tinh gọn. Nghiên cứu giới hạn trong phạm vi tính toán in silico, tạo tiền đề dữ liệu cấu trúc chính xác cho các bước tổng hợp hóa dược và thử nghiệm sinh học in vitro/in vivo tiếp theo.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Liệu pháp Kháng thể đơn dòng (mAbs) Sàng lọc thông lượng cao (HTS) phân tử nhỏ Thiết kế dựa trên mảnh cấu trúc In Silico (FBDD)
Bản chất hoạt chất Protein tái tổ hợp (IgG) Phân tử nhỏ thương mại hoàn chỉnh Phân tử nhỏ được thiết kế de novo từ các mảnh liên kết
Đường dùng Tiêm dưới da / Tĩnh mạch Uống / Dùng ngoài Uống / Dùng ngoài
Khả năng gắn bề mặt phẳng Rất tốt (diện tích che phủ lớn) Kém (khó tạo tiếp xúc sâu trên PPI) Rất tốt (tiếp cận chính xác từng hốc tương tác acid amin)
Chi phí R&D ban đầu Rất cao (> hàng triệu USD) Cao (tiêu hao hóa chất, thử nghiệm) Rất thấp (tối ưu hóa hoàn toàn trên mô hình tính toán)
Thời gian sàng lọc 12 - 24 tháng 6 - 12 tháng 2 - 4 tuần

Áp dụng phương pháp phân loại yêu cầu MoSCoW cho hệ thống sàng lọc:

  • Must Have: Mô hình homology 3D IL-33 chuẩn hóa năng lượng; quy tắc lọc RO3; thuật toán docking phân tử FlexX; đo lường tương tác với Glu144/Glu148; mô phỏng MDS với trường lực CHARMM27; tính toán năng lượng tự do MM/GBSA.
  • Should Have: Phân tích dấu vân tay tương tác protein - phối tử (PLIF); thư viện đoạn nối PDB/ZINC đa dạng cấu hình không gian; đánh giá RMSD và RMSF thời gian thực.
  • Could Have: Mở rộng sàng lọc trên các acid amin thứ cấp Asp149 và Asp244; mô phỏng MDS kéo dài 100 ns.
  • Won't Have: Thử nghiệm tổng hợp hóa học ướt (wet-lab synthesis) và đánh giá độc tính tế bào trong giai đoạn này.

Thiết kế hệ thống và công cụ

flowchart TD
    A["Thư viện mảnh thô (132.232 mảnh)<br/>ZINC, Maybridge, ChemDiv"] --> B["Bộ lọc Quy tắc số 3 (RO3)<br/>MOE 2015.10"]
    B --> C["53.959 mảnh cấu trúc đạt chuẩn RO3"]
    C --> D["Molecular Docking (LeadIT 2.8 / FlexX)<br/>Khoang gắn Vị trí 1 IL-33 (Bán kính 14 Å)"]
    D --> E["42.626 mảnh dock thành công<br/>(Lọc Unique & Docking Score < -20 kJ/mol)"]
    E --> F["Phân tích PLIF tương tác Hot-spot<br/>Glu144 (251 mảnh) & Glu148 (364 mảnh)"]
    F --> G["Mô phỏng Động lực học phân tử MDS 10 ns<br/>GROMACS 2020.2 (CHARMM27/TIP3P)"]
    G --> H["Chọn 4 mảnh Glu144 + 5 mảnh Glu148 tối ưu"]
    H --> I["Ghép nối mảnh Fragment Linking (SeeSAR 11.2)<br/>Linker library: PDB & ZINC"]
    I --> J["2.573 Hợp chất mới thiết kế"]
    J --> K["Docking & MDS 10 ns tái sàng lọc"]
    K --> L["Ứng viên Lead: CD_P207-8824_ZINC16911528_7prc_BPB1L401N13"]
    L --> M["MDS chuyên sâu 50 ns & Tính Năng lượng tự do<br/>gmx_MMPBSA (MM/GBSA)"]

Ngăn xếp công nghệ và thông số cấu hình

  • Molecular Operating Environment (MOE 2015.10): Chuẩn bị cấu trúc protein bằng công cụ QuickPrep (Protonate 3D, tối thiểu hóa năng lượng với RMS Gradient = $0.0001\text{ kcal/mol/\AA}$). Tối thiểu hóa năng lượng phối tử (Energy Minimize, Gradient = $0.0001\text{ kcal/mol}$). Phân tích tương tác hóa học và dấu vân tay PLIF.
  • LeadIT 2.8 (Module FlexX): Thuật toán docking bán linh động dựa trên phân mảnh và dựng lại cấu tử (incremental construction). Thiết lập Top 1 pose, maximum solutions per iteration = 1000, maximum solutions per fragmentation = 200. Khoang gắn kết bao trọn các vị trí Glu144, Glu148, Asp149, Asp244 với bán kính mở rộng 14 Å.
  • GROMACS 2020.2: Công cụ mô phỏng động lực học phân tử. Trường lực CHARMM27, mô hình nước TIP3P trong hộp đa diện 12 mặt (dodecahedron, khoảng cách biên tối thiểu 1.0 nm), trung hòa điện tích bằng ion $\text{Na}^+$ và $\text{Cl}^-$ ở nồng độ sinh lý 0.15 M. Cân bằng hệ NVT (300 K, 100 ps) và NPT (1 bar, 100 ps).
  • SeeSAR 11.2 (Module Inspirator / Linking & Merging): Ghép nối các mảnh tối ưu qua thư viện cấu trúc đoạn nối (linkers) trích xuất từ Protein Data Bank (PDB) và ZINC.
  • gmx_MMPBSA v1.4+: Tính toán năng lượng gắn kết tự do Gibbs ($\Delta G_{bind}$) bằng phương pháp MM/GBSA:

$$\Delta G_{binding} = \Delta G_{complex} - (\Delta G_{protein} + \Delta G_{ligand}) = \Delta E_{MM} + \Delta G_{solv} - T\Delta S$$

Trong đó: $$\Delta E_{MM} = \Delta E_{bond} + \Delta E_{angle} + \Delta E_{dihedral} + \Delta E_{vdW} + \Delta E_{ele}$$ $$\Delta G_{solv} = \Delta G_{GB} + \Delta G_{SA}$$

  • Visual Molecular Dynamics (VMD 1.4): Phân tích quỹ đạo động học, đo lường liên kết hydro (tiêu chuẩn: khoảng cách Donor - Acceptor $\le 3.5\text{ \AA}$, góc liên kết $\ge 130^\circ$).

Implementation và kết quả

Quy trình triển khai chi tiết

Quá trình sàng lọc và thiết kế được chia thành 4 giai đoạn logic chặt chẽ:

+------------------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: Chuẩn hóa dữ liệu thô và Lọc Quy tắc số 3 (RO3)                            |
| • 132.232 mảnh ban đầu -> Lọc RO3 (MW <= 300, ClogP <= 3, HBD/HBA <= 3, RotB <= 3)      |
| • Kết quả: 53.959 mảnh cấu trúc đạt chuẩn chất lượng                                     |
+------------------------------------------------------------------------------------------+
                                            │
                                            ▼
+------------------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: Molecular Docking & Khảo sát tương tác Hot-spot                             |
| • LeadIT 2.8 / FlexX: 53.698 mảnh dock thành công (99,52%) -> Lọc Unique: 42.626 mảnh     |
| • Lọc điểm số docking < -20 kJ/mol: 3.359 mảnh (7,87%)                                   |
| • Phân tích PLIF: Chọn Top 20 mảnh gắn kết Glu144 và Top 20 mảnh gắn kết Glu148          |
+------------------------------------------------------------------------------------------+
                                            │
                                            ▼
+------------------------------------------------------------------------------------------+
| GIAI ĐOẠN 3: Động lực học phân tử (MDS 10 ns) & Ghép nối mảnh (Fragment Linking)         |
| • GROMACS 2020.2: Đánh giá RMSD, RMSF, Tần suất H-bond (> 75%)                           |
| • Chọn lọc: 4 mảnh Glu144 xuất sắc nhất + 5 mảnh Glu148 xuất sắc nhất                    |
| • SeeSAR 11.2: Ghép nối tự động với thư viện đoạn nối PDB/ZINC -> 2.573 chất mới         |
+------------------------------------------------------------------------------------------+
                                            │
                                            ▼
+------------------------------------------------------------------------------------------+
| GIAI ĐOẠN 4: Tái sàng lọc, Động học 50 ns & Tính toán Năng lượng tự do MM/GBSA          |
| • Docking + MDS 10 ns xác định Lead: CD_P207-8824_ZINC16911528_7prc_BPB1L401N13          |
| • MDS chuyên sâu 50 ns: RMSD ổn định 0,15-0,20 nm; duy trì liên kết hydro bền vững        |
| • Tính toán delta G gắn kết qua gmx_MMPBSA: Đạt ái lực liên kết âm sâu vượt trội         |
+------------------------------------------------------------------------------------------+

Dưới đây là tập lệnh tự động hóa quá trình chạy cân bằng hệ và mô phỏng động lực học phân tử trong môi trường GROMACS:

#!/bin/bash
# Pipeline chạy mô phỏng Động lực học phân tử cho Phức hợp Protein - Phối tử trên GROMACS 2020.2
set -e

PROTEIN="IL33_homology"
LIGAND="CD_P207-8824_ZINC16911528_7prc_BPB1L401N13"
COMPLEX="complex"

echo "=== BƯỚC 1: XÂY DỰNG HỘP DUNG MÔI VÀ TRUNG HÒA ĐIỆN TÍCH ==="
gmx editconf -f ${COMPLEX}.gro -o ${COMPLEX}_box.gro -c -d 1.0 -bt dodecahedron
gmx solvate -cp ${COMPLEX}_box.gro -cs spc216.gro -o ${COMPLEX}_solv.gro -p topol.top
gmx grompp -f ions.mdp -c ${COMPLEX}_solv.gro -p topol.top -o ions.tpr
echo "SOL" | gmx genion -s ions.tpr -o ${COMPLEX}_solv_ions.gro -p topol.top -pname NA -nname CL -neutral -conc 0.15

echo "=== BƯỚC 2: TỐI THIỂU HÓA NĂNG LƯỢNG (ENERGY MINIMIZATION) ==="
gmx grompp -f em.mdp -c ${COMPLEX}_solv_ions.gro -p topol.top -o em.tpr
gmx mdrun -v -deffnm em

echo "=== BƯỚC 3: CÂN BẰNG HỆ NVT (300 K, 100 ps) VÀ NPT (1 bar, 100 ps) ==="
gmx grompp -f nvt.mdp -c em.gro -r em.gro -p topol.top -o nvt.tpr
gmx mdrun -v -deffnm nvt

gmx grompp -f npt.mdp -c nvt.gro -r nvt.gro -t nvt.cpt -p topol.top -o npt.tpr
gmx mdrun -v -deffnm npt

echo "=== BƯỚC 4: CHẠY MÔ PHỎNG SẢN XUẤT PRODUCTION MDS (50 ns) ==="
gmx grompp -f md_50ns.mdp -c npt.gro -t npt.cpt -p topol.top -o md_50ns.tpr
gmx mdrun -v -deffnm md_50ns

echo "=== BƯỚC 5: TÍNH TOÁN NĂNG LƯỢNG TỰ DO BẰNG GMX_MMPBSA ==="
mpirun -np 4 gmx_MMPBSA -O -i mmpbsa.in -cs md_50ns.tpr -ct md_50ns_noPBC.xtc -cp topol.top -cg 1 13 -o FINAL_RESULTS_MMPBSA.dat

Kiểm tra, đánh giá và kết quả đạt được

Kết quả sàng lọc phân tầng qua từng giai đoạn đạt độ hội tụ cao và nhất quán giữa mô hình tĩnh (docking) và mô hình động (MDS):

PHÂN BỐ ĐIỂM DOCKING CỦA 42.626 MẢNH DUY NHẤT:
  < -30 kJ/mol         :      4 mảnh ( 0,01%)
  -30 đến -20 kJ/mol   :  3.355 mảnh ( 7,87%)  <== Vùng mảnh tiềm năng cao
  -20 đến -10 kJ/mol   : 33.896 mảnh (79,52%)
  -10 đến 0 kJ/mol     :  5.371 mảnh (12,60%)
  • Sàng lọc mảnh đơn lẻ:
    • Nhóm tương tác với Glu144: Xác định 4 mảnh xuất sắc nhất gồm CD_P207-8824 (Docking score: $-26.38\text{ kJ/mol}$), CD_P207-8825 ($-25.97\text{ kJ/mol}$), ZINC72266122 ($-25.71\text{ kJ/mol}$), ZINC88324138 ($-25.39\text{ kJ/mol}$). Trong mô phỏng MDS 10 ns, các mảnh này duy trì tần suất tạo liên kết hydro với Glu144 trên 75%, giá trị RMSD protein dao động ổn định trong khoảng $0.15\text{ nm}$.
    • Nhóm tương tác với Glu148: Chọn lọc 5 mảnh tối ưu gồm ZINC16911528 ($-28.67\text{ kJ/mol}$), ZINC13856292 ($-27.65\text{ kJ/mol}$), ZINC31720446 ($-27.32\text{ kJ/mol}$), ZINC21952334 ($-27.30\text{ kJ/mol}$), ZINC72201364 ($-26.96\text{ kJ/mol}$).
  • Ghép nối và phát hiện hợp chất Lead:
    • Từ việc ghép nối tổ hợp giữa 4 mảnh nhóm Glu144 và 5 mảnh nhóm Glu148 bằng SeeSAR, đã thu được 2.573 dẫn chất mới.
    • Sàng lọc kép qua docking và MDS 10 ns đã xác định hợp chất tối ưu nhất: CD_P207-8824_ZINC16911528_7prc_BPB1L401N13 (được tạo bởi mảnh P207-8824 của ChemDiv liên kết với mảnh ZINC16911528 của ZINC thông qua đoạn nối 7prc_BPB1L401N13 từ thư viện tinh thể PDB).
  • Xác thực nâng cao 50 ns MDS và Năng lượng tự do:
    • Trong suốt 50 ns mô phỏng quỹ đạo phân tử, phức hợp giữa IL-33 và hợp chất chì đạt độ thăng bằng nhanh chóng sau 5 ns với RMSD backbone protein giữ vững ở mức $0.15 - 0.20\text{ nm}$.
    • RMSF tại các vùng acid amin trọng yếu $\text{Site 1}$ (Glu144, Glu148, Asp149, Asp244) đều $< 0.18\text{ nm}$, khẳng định khoang liên kết không bị biến dạng cấu trúc khi phối tử gắn kết.
    • Hợp chất hình thành mạng lưới liên kết hydro đa điểm bền vững (tần suất $> 60%$ trong 50 ns) đồng thời với cả hai gốc acid amin trọng yếu Glu144 và Glu148, thành công vượt qua nhược điểm chỉ gắn đơn điểm của các mảnh cấu trúc ban đầu.

Đổi mới và đóng góp

Đặc tính kỹ thuật Hợp chất tự nhiên UNPD36 (Adamu et al.) Hợp chất DB00158 / DB00642 (Mai Thành Tấn et al.) Phân tử FBDD Lead trong đề tài
Chiến lược thiết kế Sàng lọc thư viện hợp chất tự nhiên Sàng lọc ảo theo nhóm dược (Pharmacophore) Thiết kế de novo từ mảnh cấu trúc & đoạn nối PDB
Vị trí tương tác mục tiêu Gắn kết chung vào khe protein Tương tác bổ sung điện tích Vị trí 1 Khóa đồng thời cả 2 điểm nóng Glu144 và Glu148
Độ ổn định động học MDS 10 ns sơ bộ MDS 10 ns sơ bộ MDS 50 ns toàn diện kèm phân tích dao động RMSF
Đánh giá năng lượng Điểm số docking thuần túy Điểm số docking thuần túy Tính toán Năng lượng tự do Gibbs bằng MM/GBSA
Tiềm năng tối ưu hóa Khung chromone cố định Cấu trúc có sẵn, khó tùy biến Dễ dàng thay đổi đoạn nối để tinh chỉnh ADMET

Đóng góp học thuật và công nghệ

  1. Ứng dụng FBDD trên bề mặt protein phẳng (PPI): Chứng minh tính khả thi vượt trội của phương pháp thiết kế dựa trên mảnh cấu trúc đối với các cytokine có bề mặt phẳng, mở ra hướng đi mới cho bài toán ức chế tương tác protein - protein vốn là rào cản lớn của hóa dược.
  2. Khám phá phân tử Lead mang cấu trúc độc bản: Phân tử lai CD_P207-8824_ZINC16911528_7prc_BPB1L401N13 cung cấp bộ khung hóa học (scaffold) hoàn chỉnh, tương thích lập thể và bổ sung điện tích hoàn hảo với Vị trí 1 của IL-33.
  3. Chuẩn hóa quy trình tính toán hiệu năng cao: Rút ngắn thời gian sàng lọc hàng trăm nghìn hợp chất từ nhiều năm thí nghiệm xuống chỉ còn vài tuần xử lý dữ liệu với độ tin cậy cơ học phân tử cao.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------------------------------------+
|                                    LỘ TRÌNH PHÁT TRIỂN ỨNG DỤNG THUỐC                                 |
+-------------------------------------------------------------------------------------------------------+
| Giai đoạn 1 (Đã hoàn thành): In Silico Screening                                                      |
| [Xác định Lead Scaffold] ────► [Mô hình hóa MDS 50ns] ────► [Tính toán Năng lượng Gibbs MM/GBSA]       |
+-------------------------------------------------------------------------------------------------------+
                                                    │
                                                    ▼
+-------------------------------------------------------------------------------------------------------+
| Giai đoạn 2 (3 - 6 tháng): Hóa tổng hợp & In Vitro Binding                                            |
| [Tổng hợp hữu cơ phân tử Lead] ───► [Kiểm tra ái lực SPR / NMR] ───► [Đo lường IC50 ức chế IL-33/ST2] |
+-------------------------------------------------------------------------------------------------------+
                                                    │
                                                    ▼
+-------------------------------------------------------------------------------------------------------+
| Giai đoạn 3 (6 - 12 tháng): Tối ưu hóa Dược động học & In Vivo                                        |
| [Tối ưu hóa Lipinski / ADMET] ────► [Mô hình chuột Hen suyễn / COPD] ───► [Đánh giá nồng độ dịch BAL] |
+-------------------------------------------------------------------------------------------------------+
  • Tình huống ứng dụng lâm sàng: Điều trị bệnh nhân hen phế quản mức độ nặng không đáp ứng với corticosteroid dạng hít (ICS); điều trị dự phòng đợt cấp COPD; can thiệp sớm ngăn chặn phản ứng viêm trong viêm khớp dạng thấp và viêm da cơ địa dị ứng bằng thuốc uống phân tử nhỏ tiện lợi.
  • Hiệu quả kinh tế - xã hội (ROI): Việc thay thế kháng thể đơn dòng giá hàng chục nghìn USD/năm bằng thuốc phân tử nhỏ dạng uống ước tính giúp giảm chi phí điều trị cho bệnh nhân hơn 80%, đồng thời giảm hơn 90% chi phí thử nghiệm sai hỏng trong giai đoạn R&D tiền lâm sàng nhờ định hướng cấu trúc chính xác từ ban đầu.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Mô hình dung môi liên tục (GB model) trong tính toán MM/GBSA mang tính chất xấp xỉ, chưa phản ánh trọn vẹn hiện tượng dung môi hóa cục bộ của từng phân tử nước tại rãnh liên kết; nghiên cứu hiện dừng lại ở dữ liệu mô phỏng tính toán, chưa có dữ liệu hoạt tính sinh học từ phòng thí nghiệm ướt.
  • Hướng nghiên cứu tiếp theo:
    1. Tiến hành tổng hợp hóa học phối tử CD_P207-8824_ZINC16911528_7prc_BPB1L401N13.
    2. Đánh giá ái lực liên kết thực nghiệm ($K_d$) bằng kỹ thuật cộng hưởng plasmon bề mặt (Surface Plasmon Resonance - SPR) và phổ cộng hưởng từ hạt nhân (NMR).
    3. Thử nghiệm khả năng ức chế tương tác IL-33/ST2 trên mô hình tế bào ILC2s và đo lường nồng độ các cytokine Th2 (IL-5, IL-13) tiết ra.
    4. Tối ưu hóa cấu trúc dẫn chất (Hit-to-Lead Optimization) để cải thiện độ hòa tan và sinh khả dụng đường uống.

Đối tượng hưởng lợi

  • Sinh viên ngành Dược & Hóa tin: Nắm vững phương pháp luận FBDD thực chiến, kỹ năng thao tác thành thạo trên chuỗi công cụ MOE, LeadIT, GROMACS, SeeSAR và xử lý dữ liệu động lực học phân tử.
  • Kỹ sư Hóa tin y sinh & Nhà phát triển phần mềm: Tiếp cận quy trình tích hợp các thuật toán docking, MDS, fragment-linking và tự động hóa pipeline phân tích sinh học phân tử quy mô lớn.
  • Doanh nghiệp Dược phẩm & Viện nghiên cứu: Sở hữu dữ liệu cấu trúc của một ứng viên thuốc ức chế IL-33 tiềm năng cao, sẵn sàng cho các dự án hợp tác bảo hộ sáng chế và triển khai tổng hợp hóa dược thực nghiệm.
  • Nhà khoa học Y học cơ sở: Hiểu sâu hơn về mặt vật lý - hóa học cơ chế gắn kết phân tử giữa cytokine IL-33 và thụ thể ST2 tại các điểm nóng acid amin mang tính quyết định.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng để triển khai hệ thống mô phỏng này là gì?

Hệ thống tính toán khuyến nghị cần trang bị CPU tối thiểu 8 nhân (Intel Core i7/i9 hoặc AMD Ryzen 7/9), 32 GB RAM, và đặc biệt là card đồ họa chuyên dụng hỗ trợ CUDA (NVIDIA RTX 3060 trở lên hoặc dòng NVIDIA Quadro/Tesla) để tăng tốc độ xử lý các tác vụ mô phỏng động lực học phân tử trên GROMACS.

2. Tại sao lại chọn phương pháp ghép nối mảnh (Fragment Linking) thay vì phát triển mảnh (Fragment Growing)?

Bề mặt tiếp xúc giữa IL-33 và ST2 tại Vị trí 1 có đặc điểm trải rộng với hai điểm nóng acid amin quan trọng nằm cách xa nhau là Glu144 và Glu148. Phương pháp Fragment Linking cho phép tìm kiếm đồng thời hai mảnh có ái lực tối ưu tại từng điểm nóng riêng biệt, sau đó dùng một đoạn nối (linker) chuẩn hóa để liên kết chúng lại, giúp khóa đồng thời cả hai vị trí tương tác hiệu quả hơn so với việc phát triển tuần tự từ một mảnh đơn lẻ.

3. Quy tắc số 3 (Rule of Three - RO3) trong sàng lọc mảnh cấu trúc có tiêu chí cụ thể như thế nào?

Quy tắc số 3 đặt ra các ngưỡng giới hạn để đảm bảo mảnh có độ tinh gọn cao: Khối lượng phân tử ($MW$) $\le 300\text{ Da}$, hệ số phân bố dầu - nước ($C\log P$) $\le 3$, số nhóm cho liên kết hydro ($HBD$) $\le 3$, số nhóm nhận liên kết hydro ($HBA$) $\le 3$, và số liên kết quay tự do ($Rotatable\ Bonds$) $\le 3$.

4. Tại sao cần chạy mô phỏng MDS sau khi đã có điểm số Docking phân tử?

Docking phân tử chỉ cung cấp ảnh chụp tĩnh của protein và thường giả định cấu trúc receptor là cứng nhắc. Mô phỏng MDS đưa phức hợp vào môi trường dung môi nước và ion sinh lý chuyển động liên tục theo thời gian thực, giúp loại bỏ các kết quả dương tính giả từ docking, kiểm tra sự bền vững của liên kết hydro và xác nhận cấu hình gắn kết có thực sự ổn định hay không.

5. Khả năng phát triển hợp chất này thành thuốc dùng đường uống có khả thi không?

Rất khả thi. Bản chất của phương pháp FBDD là ghép nối các mảnh nhỏ nhằm kiểm soát chặt chẽ khối lượng phân tử và độ phân cực của hợp chất cuối cùng. Phân tử Lead được thiết kế tuân thủ tốt các quy tắc Lipinski (Rule of Five), khắc phục triệt để nhược điểm khối lượng quá lớn của kháng thể đơn dòng, mở ra triển vọng vượt trội cho dạng bào chế viên nén hoặc viên nang dùng qua đường tiêu hóa.

Kết luận

Đề tài đã ứng dụng thành công và toàn diện quy trình thiết kế thuốc dựa trên mảnh cấu trúc (in silico FBDD) nhằm giải quyết bài toán khó trong việc ức chế cytokine phân tử phẳng Interleukin-33. Bằng việc kết hợp chặt chẽ giữa lọc dữ liệu theo Quy tắc số 3, sàng lọc docking phân tử thông lượng cao trên 53.959 mảnh cấu trúc, thẩm định động học MDS và ghép nối mảnh không gian, nghiên cứu đã phát hiện thành công hợp chất chì CD_P207-8824_ZINC16911528_7prc_BPB1L401N13.

Phân tử này chứng minh độ bền vững động học vượt trội trong 50 ns mô phỏng, khóa chặt đồng thời hai điểm nóng acid amin cốt lõi Glu144 và Glu148, thể hiện năng lượng gắn kết tự do âm sâu và cấu trúc phân tử tối ưu cho hướng phát triển thuốc đường uống. Đây là tiền đề khoa học giá trị mở đường cho các nhóm nghiên cứu Hóa Dược và Dược lý tiếp tục tổng hợp, thử nghiệm hoạt tính sinh học in vitro/in vivo, hướng tới phát triển liệu pháp điều trị mới hiệu quả cho các bệnh lý viêm mạn tính và tự miễn nguy hiểm.