Résoudre le plus grand défi des cribles DEL ciblés sur l'ARN grâce à une approche en miroir.
Les médicaments à base de petites molécules ciblant l'ARN constituent l'une des frontières les plus prometteuses du développement de médicaments, mais ils sont encore étonnamment sous-explorés. Les choses commencent à changer. Une étape importante a été franchie en 2020 avec l'approbation par la FDA de la molécule Risdiplam, un modulateur de l'épissage de l'ARN qui a considérablement amélioré les résultats pour les personnes atteintes d'atrophie musculaire spinale (AMS). Depuis lors, l'intérêt pour cet espace n'a fait que croître. Des entreprises comme Arrakis, Ribometrix, Lilly et d'autres construisent activement des pipelines pour les modulateurs de l'ARN.
Cela dit, il n'est pas facile de trouver de petites molécules qui ciblent efficacement l'ARN. Les méthodes actuelles, telles que la sélection par affinité et la spectrométrie de masse (ASMS) et le dépistage phénotypique ont leurs avantages, mais ils sont souvent limités en termes d'échelle et de débit. C'est là qu'intervient le criblage de bibliothèques codées par l'ADN (DEL). La DEL peut accélérer les progrès en explorant un espace chimique beaucoup plus vaste, ce qui donne un sérieux coup de pouce aux efforts de découverte de médicaments dès le départ.
Cependant, historiquement, la perception est que l'ARN ne se prête pas au criblage par DEL. En effet, les étiquettes d'ADN sur les DEL peuvent s'hybrider avec la cible d'ARN elle-même, ce qui entraîne un enrichissement parasite de faux positifs. Des études antérieures de WuXi et HitGen ont introduit diverses méthodes de blocage pour minimiser ce type d'interférence. Mais même lorsque l'hybridation est réduite, elle peut encore produire de faux résultats et masquer le signal d'enrichissement des véritables liants. En réponse à l'intérêt croissant pour la découverte de médicaments ciblant l'ARN, nous avons mis en place une stratégie en instance de brevet, le “mirror image DEL screen”, qui constitue une avancée majeure pour relever les défis de cet espace.
L'écran DEL à image miroir de X-Chem comparé à l'écran DEL conventionnel pour les cibles ARN
Inspiré par Méthode SELEX à chiralité croisée de Sczepanski et Joyces, Dans le cadre de l'étude d'affinité, nous réalisons un criblage à médiation d'affinité avec notre collection de DEL contre une cible d'ARN-L, qui est l'image inversée de l'ARN-D naturel. Cette forme chirale préserve la séquence et la conformation de pliage de l'ARN-D naturel, mais ne s'hybride pas avec les étiquettes d'ADN, ce qui nous permet d'éviter les faux positifs qui, par le passé, ont brouillé les véritables signaux de liaison. Les versions miroir des hits enrichis en ARN-L sont ensuite déduites comme étant des liants de l'ARN-D naturel et peuvent être confirmées comme étant de véritables engageurs de cibles ARN par la synthèse hors ADN et des essais orthogonaux.
Comment fonctionne l'écran DEL à image miroir de X-Chem pour les cibles de l'ARN ?
Comment notre nouvelle approche affecte-t-elle les résultats du dépistage de la maladie d'Alzheimer et des affections connexes ? La différence est frappante. Lorsque nous avons criblé notre DEL contre des cibles L-ARN en miroir, nous n'avons constaté aucun signe d'enrichissement basé sur la séquence de nucléotides. Cette élimination de l'hybridation ADN/ARN se traduit par l'élimination complète des faux résultats. À titre de comparaison, dans des conditions similaires utilisant de l'ARN-D naturel, les motifs de séquence d'ADN ont été enrichis jusqu'à 1000 fois.
En outre, nous avons systématiquement observé une multiplication par plus de 10 du signal d'enrichissement provenant de véritables fixateurs (à la fois des contrôles positifs dopés et des de novo découvertes) vers l'ARN-L par rapport à l'ARN-D naturel. Pour des cibles difficiles comme l'ARN, des améliorations de l'enrichissement de cette ampleur permettent souvent de découvrir de nouveaux résultats et de transformer des cribles ratés en cribles productifs.
Pour mieux prouver notre concept, nous avons passé au crible notre DEL deck de plus de 100 milliards de composés contre trois cibles ARN distinctes - une répétition d'expansion, un site d'épissage et un riboswitch. Dans chaque cas, nous avons découvert de nouvelles substances chimiques dotées de propriétés physicochimiques favorables. Après avoir synthétisé les versions miroir des composés DEL, nous avons confirmé leur liaison à leurs cibles ARN naturelles respectives par des essais biophysiques orthogonaux tels que la SPR et/ou l'ASMS. De plus amples détails peuvent être trouvés dans notre poster scientifique ici.
En éliminant l'hybridation ADN:ARN, notre stratégie de l'image miroir s'attaque au plus grand obstacle des cribles DEL dirigés par l'ARN. L'ARN se prête désormais aux criblages DEL au même titre que n'importe quelle autre classe de cibles. Grâce à cette technologie, nos partenaires peuvent en toute confiance cribler des cibles ARN contre plus de 100 milliards de composés divers similaires à des médicaments, soit 6 ordres de grandeur de plus que les autres méthodes de criblage.
Et nous ne nous arrêtons pas à la découverte de résultats. Chaque succès confirmé s'accompagne de riches données sur les relations structure-activité (SAR), que notre équipe peut aider à construire des modèles de pharmacophore et des outils d'apprentissage automatique pour guider l'optimisation et accélérer les progrès vers les candidats cliniques.
En bref, notre plateforme DEL est maintenant entièrement équipée pour réaliser le potentiel de la découverte de médicaments ciblant l'ARN. Nous sommes impatients de vous aider à en tirer le meilleur parti.
