Development and application of computational methodologies for novel therapeutic strategies based on protein-protein interactions

Abstract

[eng] Protein-protein interactions (PPIs) are essential for the proper functioning of biological systems, regulating key cellular processes such as protein degradation, signaling, and immune responses. This makes them both promising drug targets and a foundation for novel therapeutic strategies. In this thesis, we employ computational approaches to study PPIs, leveraging advances in protein structure prediction alongside our group’s expertise in biomolecular simulations. Given that AlphaFold2 was launched at the beginning of this work, we first assess the robustness of its predictions by simulating prospective scenarios in drug discovery. Building on these insights, we then investigate PPIs in various biological contexts, including: (i) the characterization of a PPI involved in plant’s fungal infections, which could serve as a starting point for the development of new antifungal treatments; (ii) the study of the ternary complex formed between an E3 ligase and a target protein in the presence of PROTAC molecules, providing structural and stability insights for the rational optimization of PROTACs; (iii) the identification of PPIs between de novo protein binders based on the ubiquitin scaffold with high success rate; and (iv) the generation of protein immunogens to elicit an immune response against the West Nile Virus. Overall, we demonstrate that combining molecular simulations with Artificial Intelligence tools—including AlphaFold2, MaSIF and newly developed protein design techniques—offers a powerful approach to study the intrinsic dynamics of PPIs and generates structural insights that can guide the rational design of novel therapeutic strategies.

[cat] Les interaccions proteïna-proteïna (IPPs) són essencials pel funcionament correcte dels sistemes biològics, ja que regulen processos cel·lulars clau com la degradació de proteïnes, la senyalització i la resposta immune. Això les converteix, al mateix temps, en dianes terapèutiques prometedores i en la base per a noves estratègies terapèutiques. En aquesta tesi, utilitzem la computació per estudiar les IPPs, aprofitant els avenços en la predicció de l’estructura de proteïnes juntament amb l’amplia experiencia del nostre grup en simulacions biomoleculars. Donat que AlphaFold2 es va llançar poc abans de l’inici d’aquesta tesis, primer avaluem com de robustes són les seves prediccions simulant escenaris prospectius típics en les campanyes de descobriment de fàrmacs. A partir d’aquests coneixements, investiguem IPPs en diferents contextos biològics, incloent-hi: (i) la caracterització d’una IPP implicada en el mecanisme d’infeccions de fongs en plantes, que podria servir com a punt de partida pel desenvolupament de nous tractaments antifúngics; (ii) l’estudi de la dinàmica del complex ternari format entre una E3 ligasa i una proteïna d’interès en presència d’un PROTAC, proporcionant informació estructural i d’estabilitat per a l’optimització racional dels PROTACs; (iii) la identificació d’IPPs entre una proteïna diana i noves proteïnes basades en l’estructura de l’ubiqüitina amb una alta taxa d’èxit; i (iv) la generació de proteïnes capaces de desencadenar una resposta immune contra el virus del Nil occidental. A partir d’aquestes aplicacions, demostrem que la integració de simulacions moleculars amb eines d’Intel·ligència Artificial—incloent AlphaFold2, MaSIF i les noves tècniques de disseny de proteïnes—ofereix una perspectiva poderosa per estudiar la dinàmica intrínseca de les IPPs i genera informació estructural que pot guiar el disseny racional de noves estratègies terapèutiques.