Acyle puissant
MaisonMaison > Nouvelles > Acyle puissant

Acyle puissant

Jun 06, 2024

Nature Communications volume 14, Numéro d'article : 1455 (2023) Citer cet article

3289 Accès

1 Citation

23 Altmétrique

Détails des métriques

Identifier comment les petites molécules agissent pour tuer les parasites du paludisme peut conduire à de nouvelles cibles « chimiquement validées ». En mettant sous pression les parasites au stade sanguin asexué de Plasmodium falciparum avec trois nouveaux composés antipaludiques structurellement indépendants (MMV665924, MMV019719 et MMV897615), et en effectuant une analyse de la séquence du génome entier sur des lignées de parasites résistants, nous identifions de multiples mutations dans l'acyl-CoA synthétase de P. falciparum ( ACS) gènes PfACS10 (PF3D7_0525100, M300I, A268D/V, F427L) et PfACS11 (PF3D7_1238800, F387V, D648Y et E668K). Le remplacement allélique et le profilage thermique du protéome valident PfACS10 en tant que cible de ces composés. Nous démontrons que cette protéine est essentielle à la croissance du parasite par inhibition conditionnelle et observons une sensibilité accrue au composé en cas d'expression réduite. L'inhibition de PfACS10 entraîne une réduction des triacylglycérols et une accumulation de ses précurseurs lipidiques, fournissant ainsi des informations clés sur sa fonction. L'analyse du gène PfACS11 et de ses mutations indique un rôle dans la médiation de la résistance via une diminution de la stabilité des protéines.

Malgré des progrès remarquables vers l'élimination du paludisme, le Rapport mondial sur le paludisme 2022 estime à 247 millions de nouveaux cas et à 619 000 décès imputables au paludisme en 20211. Un nombre limité de classes de médicaments antipaludiques sont utilisées pour traiter la maladie, et un certain degré de résistance à presque tous les agents thérapeutiques est utilisé. s'est produite dans au moins certaines populations de parasites Plasmodium falciparum dans les zones endémiques. L’identification de nouveaux antipaludiques ciblant de nouvelles voies est essentielle pour accroître le répertoire de médicaments disponibles.

Au cours de la dernière décennie, plus de 5 millions de composés ont été testés contre P. falciparum lors d'analyses phénotypiques et plus de 25 000 résultats avec une activité faible ou submicromolaire ont été identifiés2,3,4,5,6,7. L'identification de cibles chimiquement validées de ces composés à succès peut catalyser l'utilisation d'approches puissantes telles que la découverte de médicaments guidée par la structure, le criblage de fragments ou les bibliothèques codées par ADN pour accélérer la découverte et le développement de médicaments contre le paludisme. Le consortium Malaria Drug Accelerator (MalDA) cherche à identifier de nouvelles cibles médicamenteuses chez P. falciparum via une approche chimiogénomique8, en se concentrant sur les petites molécules identifiées comme étant des succès lors du criblage phénotypique de cellules entières. Une stratégie majeure de ce consortium consiste à appliquer l'évolution in vitro des parasites résistants et le séquençage de nouvelle génération à haut débit, qui a identifié plusieurs nouvelles cibles et mécanismes de résistance9,10,11,12.

Ici, nous exploitons des rapports antérieurs sur des expériences d'évolution de la résistance in vitro avec trois échafaudages chimiques distincts (MMV665924, MMV019719 et MMV897615) pour obtenir de nouvelles informations sur les cibles médicamenteuses candidates PfACS10 et PfACS11, membres conservés de l'acyl-CoA synthétase de P. falciparum (PfACS). famille d'enzymes8,12,13. Les enzymes PfACS ressemblent le plus aux synthétases d'acides gras à longue chaîne (ACSL), qui activent les acides gras libres (AF) d'une chaîne acyle préférée de 12 à 20 en les couplant à la coenzyme A dans un processus en deux étapes dépendant de l'ATP. , résultant en acyl-CoA14. Les ACSL eucaryotes montrent des préférences pour des longueurs de substrat FA spécifiques et des degrés de saturation 15,16,17,18. Les parasites récupèrent les AF de l'hôte et l'activation des AF par les PfACS leur permet d'être incorporés dans diverses espèces lipidiques essentielles à la croissance du parasite. Cela inclut l’accumulation de lipides neutres (triacylglycérols et diacylglycérols) dans les gouttelettes lipidiques21,22.

En utilisant le remplacement allélique et le profilage du protéome thermique, nous fournissons ici la preuve que PfACS10 est une protéine essentielle et la cible de MMV665924, MMV019719 et MMV897615. L'inhibition de PfACS10 entraîne une réduction des triacylglycérols et une accumulation de ses précurseurs lipidiques. D'autre part, alors que le remplacement allélique des mutations dans PfACS11 phénocopie les lignées sélectionnées, nos données d'inactivation conditionnelle démontrent que PfACS11 n'est pas essentiel à la croissance asexuée du parasite, ce qui implique que PfACS11 pourrait médier la résistance plutôt que d'être une cible directe.

 0.01 from globally diverse isolates (www.malariagen.net/pf3k). The length of the bars represents the local MAF of each variant in West (blue) or East (purple) Africa. The selected variants are indicated by red, blue, and yellow arrows. Dark green boxes indicate the ACS motifs: P: P-loop, G: Gate motif, A: Adenine binding site, L: Linker. c Representative dose-response assay for a clonal line of CF04.008 (ACS10 M300, gray) and two clonal lines of CF04.009 (ACS10 M300I, red) from Malawi. Assays were run in triplicate and repeated twice. Shown are the average ±SD and the non-linear regression curve fit for one biological assay run in triplicate. Source data are provided as a Source Data file. MAF minor allele frequency, π pairwise nucleotide diversity within each country, FST divergence./p>0.01 are depicted in orange (Fig. 3 and Supplementary 4). Resistance-associated mutations are depicted in red./p>43% coverage of the P. falciparum proteome. This compares favorably with the coverage reported for previous TPP and cellular thermal shift assays coupled with mass spectrometry (MS-CETSA) studies with P. falciparum37,38. TPP datasets were analyzed using the standard melting temperature (Tm)-based method, as described in an earlier TPP publication39. This analysis assesses individual protein melt curves using several criteria including curve R2, variability in Tm values within the control sample, maximum curve plateau, and minimum slope. Melting point differences (ΔTm = Tm, treated–Tm, control) are then established for every detectable protein. Only the most significantly affected proteins are selected as potential “hits” by applying an FDR-adjusted z-test to ΔTm data. Proteins with a p-value <0.1 in two separate technical replicates are considered “hits”. Hits found in two biological replicas are considered as putative targets./p> 1.5, mapping quality > 40, min base quality score > 18, read depth > 5) to obtain high quality SNPs that were annotated using SnpEff version 4.3t68. BIC-Seq version 1.1.269 was used to discover copy number variants (CNVs) against the parental strain using the Bayesian statistical model. SNPs and CNVs were visually inspected and confirmed using Integrative Genome Viewer (IGV). All gene annotations in the analysis were based on PlasmoDB-48_Pfalciparum3D7 (https://plasmodb.org/plasmo/app/downloads/release-48/Pfalciparum3D7/gff/)./p>25% of samples, or showed high levels of heterozygosity within single infections (>25%). Additionally, 558 genes failed gene-level quality filters (≥20% heterozygous calls or ≥20% missing calls across samples) and were removed from the analysis. Calculations of pairwise nucleotide diversity (π) and Weir and Cockerham’s FST estimator were performed the PfalGeneDiversityStats package71./p>0.8. The statistical significance was calculated using a z-test and only proteins with a p-value < 0.2 in both technical replicates were considered hits. Hits found in two biological replicates were considered putative targets. Alternatively, we used the NPARC method (non-parametric analysis of response curves), a strategy that compares the experimental data to two models: a null model that assumes that drug has no influence on the protein melting behavior, and an alternative model that assumes that drug affects the melting behavior. Any data-driven adjustments to these models were calculated and assessed for statistical significance using an F-test, generating a p-value. All TPP datasets generated with MMV897615 have been deposited to the ProteomeXchange Consortium via the PRIDE partner repository77 under the identifier PXD034937./p>