dinÂmica molecular da adsorÇÃo da … fileproteína sp-b. (l) representa o íon cloreto, e (m), o...
TRANSCRIPT
Departamento de Química
DINÂMICA MOLECULAR DA ADSORÇÃO DA CLARITROMICINA EM UM
MODELO DE SURFACTANTE PULMONAR
Aluno: Lucas Miguel Pereira de Souza
Orientador: André Silva Pimentel
Introdução
A claritromicina é um antibiótico da classe dos macrólidos utilizado no tratamento da
pneumonia e de infecções causadas por Helicobacter Pylori, sendo efetiva contra infecções no
trato respiratório superior e inferior[1]. Além disso, é um dos fármacos mais efetivos e
essenciais com um custo moderado. Entretanto, sua aplicação intravenosa causa diversos efeitos
colaterais como vômito, náusea, diarreia, dores abdominais e ainda suspeitas de falência
cardíaca e doenças de fígado[2], [3]. Isso implica a necessidade de vias alternativas de
administração do fármaco no organismo. A utilização do surfactante pulmonar como carreador
de fármacos é uma alternativa que tem sido estudada recentemente[4]–[6].
Os surfactantes pulmonares são monocamadas fosfolipídicas que atuam reduzindo a
tensão superficial dos pulmões. São produzidos por seres humanos nas últimas semanas de vida
uterina, e podem também ser extraídos de animais. Os surfactantes podem ser sintéticos,
naturais-modificados ou naturais. São compostos principalmente por DPPC
(Dipalmitoilfosfatidilcolina) e POPC (1-Palmitoil-2-oleoilfosfatidilcolina). Em menores
quantidades se encontram POPG (1-palmitoil-2-oleoilglicero-3-fosfoglicerol), POPE (1-
palmitoil-2-oleoilfosfatidiletanolamina), PI (Fosfatidilinositol), PS (Fosfatidilserina), SM
(Esfingomielina), LPC (Lisofosfatidilcolina), colesterol e proteínas SP (surfactant-associated
protein). A proporção dos componentes varia para cada surfactante [7], [8].
A dinâmica molecular é uma ferramenta computacional que auxilia no estudo de sistemas
biomoleculares. O campo de força em coarse-grained MARTINI[9] é amplamente utilizado
nesse tipo de estudo por sua versatilidade e por permitir simulações de sistemas maiores em
tempos maiores quando comparado com campos de força atomísticos. Possuindo uma ampla
variedade de parametrizações para lipídeos, proteínas e açúcares[10]–[13], o campo de força
também permite que outras moléculas possam ser parametrizadas, como é o caso da
claritromicina.
Objetivos
O objetivo deste projeto é parametrizar dois modelos da claritromicina para o campo de
força MARTINI, validá-los e realizar a dinâmica molecular coarse-grained do fármaco em um
modelo de surfactante pulmonar. Os modelos devem ser capazes de simular o fármaco em seu
estado neutro ou carregado positivamente devido à protonação. Este projeto pretende verificar
a viabilidade de utilizar o surfactante pulmonar como carreador do fármaco para o pulmão e
analisar a interação do fármaco com a monocamada.
Metodologia
No campo de força MARTINI, em média, quatro átomos pesados são transformados em
um grão (mapeamento de quatro para um). Os parâmetros para os lipídeos, água, íons e
aminoácidos são padrões e disponibilizados pelo campo de força. A figura 1 mostra as
moléculas ou resíduos parametrizados em coarse-grained que foram utilizados no estudo.
Departamento de Química
(A) (B) (C) (D)
(E) (F) (G) (H)
(I)
(K)
(L) (M)
(J)
Figura 1: Moléculas ou grupos de moléculas no campo de força MARTINI. (A) representa a molécula
de DPPC, (B) POPC, (C) POPG, (D) POPE, (E) DPPI, (F) DPPS, (G) LPC e (H) DPSM. (I)
Representa a água (cada grão representa 4 moléculas de água) e (J) o octanol. (K) Representa a
proteína SP-B. (L) Representa o íon cloreto, e (M), o cátion sódio (cada grão representa 4 íons).
O mapeamento de quatro para um estabelece quatro tipos principais de grãos, o que vai
determinar as interações não-ligadas (Lennard Jones). Esses tipos são: C (apolar), N (não-
polar), P (polar) e Q (carregado). Isso permite que uma grande variedade de moléculas possa
ser parametrizada em coarse-grained. Para parametrizar uma nova molécula, é necessário fazer
o mapeamento de quatro para um e estabelecer informações específicas, como comprimento de
ligações, ângulos entre três grãos e restrições. O programa PyCGTOOL[14] é utilizado para a
segunda etapa, criando os parâmetros a partir de uma simulação com um campo de força
atomístico. Dessa forma, foram propostos dois modelos para a claritromicina, que se diferem
apenas pelo tipo de grão que representa o grupo amina para considerar a possível protonação
nessa região devido ao pH ácido ou neutro do meio. A figura 2 mostra o mapeamento da
claritromicina.
Departamento de Química
Figura 2: Mapeamento de quatro para um da claritromicina. O grão azul representa o grupo amina.
Deste modo, uma simulação atomística da claritromicina foi realizada para parametrizar
a molécula do fármaco em coarse-grained. Uma simulação bifásica foi feita para validar os
modelos propostos. Após isso foi possível simular a adsorção do fármaco em um modelo de
surfactante pulmonar. Cada uma destas etapas exige um sistema diferente, cuja construção é
detalhada mais adiante. Todas as simulações foram executadas pelo programa Gromacs 5.0.6.
A dinâmica molecular é realizada apenas após uma série padrão de etapas, a saber: i) construção
do sistema, ii) minimização de energia e iii) equilíbrio termodinâmico. Com o sistema já
construído, a energia do sistema é minimizada usando o algoritmo steepest descent. A
minimização de energia é um passo necessário para evitar sobreposição de átomos e para relaxar
o sistema. Normalmente a energia do sistema deve atingir o valor de 100 kJ mol-1, que é um
valor padrão e bem testado. Logo após, o sistema é equilibrado termodinamicamente utilizando
o algoritmo leap frog, com um tempo de simulação de 100 ns. Normalmente esse passo é
dividido em NVT e NpT, que são responsáveis por equilibrar respectivamente a temperatura e
a pressão do sistema.
As etapas de construção envolvem o uso dos programas g_editconf para modificação de
arquivos e g_solvate para a solvatação. Para a simulação atomística, uma caixa de 4 x 4 x 4 nm3
contendo uma molécula de claritromicina foi construída. O campo de força utilizado foi o
GROMOS 54a7[15] modificado pelo automated topology builder[16], [17] (ATB). O sistema
foi solvatado com aproximadamente 2100 moléculas de água do tipo SPC (simple point
charge). O sistema foi minimizado a 100 kJ mol-1 e equilibrado a 298 K e 1 bar. A dinâmica
molecular simulou um tempo de 100 ns. A trajetória dessa simulação foi coletada para a criação
dos dois modelos de claritromicina com o PyCGTOOL.
Para a utilização adequada dos modelos propostos, é necessário que eles sejam validados.
O critério de validação que mais interessa é a lipofilicidade do modelo, que deve estar de acordo
com a literatura[18], [19]. Esta propriedade determina a solubilidade do fármaco, sua absorção,
penetração em membranas, ligação à proteínas plasmáticas e distribuição no organismo. O
parâmetro que descreve a lipofilicidade de um fármaco é o coeficiente de partição (logP), que
é a razão entre as concentrações do fármaco em uma fase hidrofóbica e em uma fase aquosa. A
fase hidrofóbica é geralmente constituída de octanol e a lipofilicidade também pode ser
expressa em termos de logP. Para calcular o logP dos modelos de claritromicina neutra e
protonada, um sistema bifásico de água e octanol foi construído como mostra a figura 3A. O
modelo é posicionado na fase aquosa e após as etapas de minimização de energia (100 kJ mol-
1) e equilíbrio termodinâmico (298 K, 1 bar), a dinâmica molecular deve simular a sua
transferência para a fase hidrofóbica. A simulação desse processo é coletada para o cálculo da
energia livre de Gibbs (ΔG) através do método Umbrella Sampling[20]. O logP é dado por –
ΔG/R∙T, onde T é a temperatura e R a constante universal dos gases perfeitos.
Departamento de Química
(A)
(B)
Figura 3. Dinâmica molecular da transferência da claritromicina da fase aquosa (A) para a fase
hidrofóbica (B).
Já o modelo de surfactante pulmonar construído pretende simular o CUROSURF®, com
os lipídeos descritos na figura 1 e segundo a proporção correspondente na literatura[7]. O script
INSANE foi utilizado para a construção de um sistema constituído por duas monocamadas
fosfolipídicas concatenadas com uma caixa d’água de 6 nm de altura entre elas, como mostra a
figura 4. Cada monocamada possui 1024 fosfolipídeos com as cabeças polares orientadas para
a fase aquosa. Além disso, foram adicionados íons para neutralizar o sistema, que possui
lipídeos com carga negativa. O sistema foi configurado em uma caixa de dimensões 25 x 25 x
40 nm3, que permitiu 15 nm de vácuo na parte superior e inferior.
Departamento de Química
Figura 4: Modelo de surfactante pulmonar com o fármaco (vermelho) acima das caudas apolares
dos lipídeos (verde), no vácuo, e a proteína SP-B (amarelo) entre a fase aquosa (azul) e as cabeças
polares.
O modelo de surfactante pulmonar construído também possui um modelo para a proteína
SP-B (surfactant protein B) que foi obtido por homologia através do servidor Swiss-Model[21].
Este modelo foi gerado no campo de força OPLS-AA (atomístico) e foi utilizado em uma
simulação em água no modelo TIP4P. O sistema possuía dimensões 7 x 7 x 7 nm3 e foi
submetido às etapas de minimização de energia (100 kJ mol-1), equilíbrio termodinâmico (298
K, 1 bar) e dinâmica molecular. Essa simulação foi utilizada para a geração do modelo da SP-
B no campo de força MARTINI, obtido através do script MARTINIZE.
Com o modelo de surfactante pronto e devidamente equilibrado, o modelo da
claritromicina é colocado no vácuo, como mostra a figura 4. A partir disso, seguiram-se as
mesmas etapas de minimização de energia, equilíbrio termodinâmico e dinâmica molecular.
Todas se seguiram de maneira idêntica às anteriores, exceto pelo tipo de acoplamento de
pressão ser do tipo surface-tension, que permite que a simulação possa ser realizada em tensões
superficiais específicas. Portanto, foram realizadas duas simulações com a tensão superficial de
30 mN m-1 utilizando o modelo neutro (durante 1.2 μs) e o protonado (durante 2 μs). O sistema
e sua mudança com o tempo foram visualizados utilizando o programa VMD.
Resultados
Os primeiros resultados dizem respeito à validação dos modelos. O Umbrella Sampling
utiliza o método de análise de histogramas ponderados (wham) para a produção de gráficos de
perfis energéticos e histogramas. Foram obtidos perfis energéticos com baixo desvio padrão e
histogramas bem sobrepostos (Figura 5), o que indica que o resultado é confiável.
(A)
Departamento de Química
(B)
Figura 5. Perfil energético e histograma do modelo neutro (A) e carregado (B).
A Tabela 1 mostra os valores de energia e log P dos modelos. Como o log P considera o
fármaco neutro, o log D é o parâmetro correspondente para avaliar a lipofilicidade quando a
carga é diferente de zero. O log D varia com o pH, portanto, o valor de referência utilizado para
a claritromicina protonada corresponde ao pH igual a 7, uma vez que, a fase aquosa simulada é
neutra e nessas condições a claritromicina já está protonada (pKa = 8.99).
Go
(kCal mol-1)
Gw
(kCal mol-1)
ΔGow
(kCal mol-1)
Log P ou
log D
(calculado)
Log P ou
log D
(referência)
Erro (%)
Neutro -5.06 0.00 -5.06 3.71 3.18 16.75
Carregado 0.00 2.32 -2.3 1.70 1.84 −7.62
Tabela 1: Valores de ΔG da transferência de fases e de log P correspondentes. O índice “w” indica a
fase aquosa, enquanto que o índice “o” indica a fase do octanol.
Os valores indicam que os modelos propostos são apropriados para o estudo em dinâmica
molecular. Ambos foram estudados no modelo de surfactante. Primeiro, observou-se, durante
a dinâmica, que o fármaco entra naturalmente na monocamada, se localizando
preferencialmente entre as cabeças polares e as caudas carbônicas durante a maior parte do
tempo, como mostra a figura 6. Esse resultado foi observado tanto com o modelo neutro quanto
com o carregado. Também é importante destacar que em todo o tempo de simulação, o filme
fosfolipídico não apresenta colapso após a adsorção fármaco.
Departamento de Química
Figura 6. Configuração final do sistema após a adsorção da claritromicina no filme.
Essse resultado pode ser expresso quantitativamente através das análises dos perfis de
densidade relativa (Figura 7-I) e das coordenadas no eixo Z dos centros de massa (COM) do
fármaco e do filme (Figura 7-II). O gráfico das coordenadas mostra que o COM da
claritromicina coincide com o COM das cabeças polares mas oscila bastante durante a
simulação, se encontrando também acima destas. O gráfico de densidade relativa corrobora com
este resultado, mostrando que o fármaco se encontra livre pela monocamada, distribuído entre
as cabeças polares e a região das caudas. Nota-se também que não há diferença significativa
entre os dois resultados.
(A) (I) (II)
(B) (I) (II)
Departamento de Química
Figura 7. Os gráficos à esquerda (I) mostram as coordenadas (Z) do centro de massa da claritromicina
(amarelo) neutra (A) e protonada (B), das cabeças polares da monocamada superior (vermelho) e
inferior (azul). Os gráficos à direita mostram os perfis de densidade relativa da claritromicina
(amarelo) neutra (A) e protonada (B), das cabeças polares (vermelho) das caudas hidrocarbônicas
(verde).
Os parâmetros de ordem para todos os fosfolipídeos também foram obtidos. Na figura 8
são comparados os valores para o filme com e sem a claritromicina (carregada). Há uma
alteração significativa no parâmetro de ordem da primeira cauda do DPPI. Quanto aos outros
lipídeos, nenhuma alteração significativa foi verificada. Isso mostra que existe uma interação
da claritromicina com o fosfolipídeo DPPI. Importante ressaltar que o fosfolipídeo DPPI possui
resíduos com carga negativa, enquanto que a claritromicina possui carga positiva.
(A) (B)
Figura 8: Parâmetros de ordem do DPPI para o filme puro (A) e para o filme com claritromicina
protonada (B).
Um dos parâmetros analisados foi a área por lipídeo da monocamada nas simulações. A
tabela 2 compara a área por lipídeo do filme puro, contendo apenas a SP-B, com o filme
contendo a SP-B e a claritromicina. Nota-se que não há diferença significativa. Isso ocorre pois
a claritromicina possui fração em massa pequena quando comparada com todo o filme.
Sistema Área por Lipídeo
(Ǻ2 por molécula)
Filme 56.8 ± 0.1
Filme + Claritromicina 56.7 ± 0.1
Tabela 2: Área por lipídeo.
Conclusões
A parametrização e a dinâmica molecular coarse grained da claritromicina interagindo com o
modelo de surfactante pulmonar foram feitas com sucesso. Os modelos construídos para a
claritromicina no campo de força MARTINI são adequados para simulações. Verificou-se que o
modelo de surfactante pulmonar não apresenta colapso com a presença da claritromicina. Também
foi constatado que a carga do fármaco não interfere em sua adsorção no filme ou em sua localização
e interação com os fosfolipídeos. As implicações disto é que existe uma grande chance do surfactante
pulmonar poder ser utilizado como carreador da claritromicina para ser administrada localmente nos
alvéolos do pulmão.
Referências
Departamento de Química
[1] D. Greenwood, Antimicrobial drugs : chronicle of a twentieth century medical
triumph, 1st ed. Oxford: Oxford University Press, 2008.
[2] P. Winkel et al., “Excess sudden cardiac deaths after short-term clarithromycin
administration in the CLARICOR trial: Why is this so, and why are statins protective?,”
Cardiology, vol. 118, no. 1, pp. 63–67, 2011.
[3] A. Tietz, M. H. Heim, U. Eriksson, S. Marsch, L. Terracciano, and S. Krähenbühl,
“Fulminant liver failure associated with clarithromycin,” Ann. Pharmacother., vol. 37,
no. 1, pp. 57–60, 2003.
[4] H. T. Kuo, H. C. Lin, C. H. Tsai, I. C. Chouc, and T. F. Yeh, “A Follow-up Study of
Preterm Infants Given Budesonide Using Surfactant as a Vehicle to Prevent Chronic
Lung Disease in Preterm Infants,” J. Pediatr., vol. 156, no. 4, pp. 537–541, 2010.
[5] L. M. P. Souza, J. B. Nascimento, A. L. Romeu, E. D. Estrada-López, and A. S. Pimentel,
“Penetration of antimicrobial peptides in a lung surfactant model,” Colloids Surfaces B
Biointerfaces, vol. 167, pp. 345–353, 2018.
[6] E. D. Estrada-López, E. Murce, M. P. P. Franca, and A. S. Pimentel, “Prednisolone
adsorption on lung surfactant models: insights on the formation of nanoaggregates,
monolayer collapse and prednisolone spreading,” RSC Adv., vol. 7, no. 9, pp. 5272–
5281, 2017.
[7] H. Zhang, Q. Fan, Y. E. Wang, C. R. Neal, and Y. Y. Zuo, “Comparative study of clinical
pulmonary surfactants using atomic force microscopy,” Biochim. Biophys. Acta -
Biomembr., vol. 1808, no. 7, pp. 1832–1842, 2011.
[8] S. Malcharek, A. Hinz, L. Hilterhaus, and H. J. Galla, “Multilayer structures in lipid
monolayer films containing surfactant protein C: effects of cholesterol and POPE,”
Biophysical journal, vol. 88, no. 4. pp. 2638–2649, 2005.
[9] S. J. Marrink, H. J. Risselada, S. Yefimov, D. P. Tieleman, and A. H. De Vries, “The
MARTINI force field: Coarse grained model for biomolecular simulations,” J. Phys.
Chem. B, vol. 111, no. 27, pp. 7812–7824, 2007.
[10] L. Monticelli, S. K. Kandasamy, X. Periole, R. G. Larson, D. P. Tieleman, and S. J.
Marrink, “The MARTINI coarse-grained force field: Extension to proteins,” J. Chem.
Theory Comput., vol. 4, no. 5, pp. 819–834, 2008.
[11] T. A. Wassenaar, H. I. Ingólfsson, R. A. Böckmann, D. P. Tieleman, and S. J. Marrink,
“Computational Lipidomics with insane : A Versatile Tool for Generating Custom
Membranes for Molecular Simulations,” J. Chem. Theory Comput., vol. 11, no. 5, pp.
2144–2155, 2015.
[12] M. N. Melo, H. I. Ingólfsson, and S. J. Marrink, “Parameters for Martini sterols and
hopanoids based on a virtual-site description,” J. Chem. Phys., vol. 143, no. 24, 2015.
[13] C. A. Lo et al., “Martini Coarse-Grained Force Field: Extension to Carbohydrates,” J.
Chem. Theory Comput., vol. 5, no. 12, pp. 3195–3210, 2009.
[14] J. A. Graham, J. W. Essex, and S. Khalid, “PyCGTOOL: Automated Generation of
Coarse-Grained Molecular Dynamics Models from Atomistic Trajectories,” J. Chem.
Inf. Model., vol. 57, no. 4, pp. 650–656, 2017.
Departamento de Química
[15] N. Schmid et al., “Definition and testing of the GROMOS force-field versions 54A7 and
54B7,” Eur. Biophys. J., vol. 40, no. 7, pp. 843–856, 2011.
[16] S. Canzar et al., “Charge Group Partitioning in Biomolecular Simulation,” J. Comput.
Biol., vol. 20, no. 3, pp. 188–198, 2013.
[17] K. B. Koziara, M. Stroet, A. K. Malde, and A. E. Mark, “Testing and validation of the
Automated Topology Builder (ATB) version 2.0: prediction of hydration free
enthalpies,” J. Comput. Aided. Mol. Des., vol. 28, no. 3, pp. 221–233, 2014.
[18] J. W. McFarland et al., “Quantitative structure-activity relationships among macrolide
antibacterial agents: in vitro and in vivo potency against Pasteurella multocida,” J. Med.
Chem., vol. 40, no. 9, pp. 1340–1346, 1997.
[19] J. Szegezdi and F. Csizmadia, “Prediction of dissociation constant using
microconstants,” in American Chemical Society National Meeting, 2004, pp. 2–3.
[20] G. M. Torrie and J. P. Valleau, “Nonphysical sampling distributions in Monte Carlo free-
energy estimation: Umbrella sampling,” J. Comput. Phys., vol. 23, no. 2, pp. 187–199,
1977.
[21] T. Schwede, J. Kopp, N. Guex, and M. C. Peitsch, “SWISS-MODEL: An automated
protein homology-modeling server,” Nucleic Acids Res., vol. 31, no. 13, pp. 3381–3385,
2003.
[22] R. A. Laskowski, M. W. MacArthur, D. S. Moss, and J. M. Thornton, “PROCHECK: a
program to check the stereochemical quality of protein structures,” J. Appl.
Crystallogr., vol. 26, no. 2, pp. 283–291, 1993.
[23] D. Eisenberg, R. Lüthy, and J. U. Bowie, “VERIFY3D: assessment of protein models
with three-dimensional profiles.,” Methods Enzymol., vol. 277, pp. 396–404, 1997.
[24] G. N. Ramachandran and V. Sasisekharan, “Conformation of polypeptides and
proteins.,” Adv. Protein Chem., vol. 23, pp. 283–438, 1968.