Triagem computacional de potenciais ligantes para os sítios de ligação do substrato e do cofator catalítico do domínio metiltransferase da RNA polimerase do Vírus Sincicial Respiratório humano

Abstract

O Vírus Sincicial Respiratório Humano (HRSV) é um patógeno de grande relevância clínica, sendo uma das principais causas de morbidade respiratória em crianças, idosos e indivíduos imunocomprometidos. Apesar de sua importância, as opções terapêuticas disponíveis permanecem limitadas, destacando a urgência de identificar novas estratégias antivirais. Neste contexto, este estudo teve como objetivo a triagem computacional de potenciais ligantes dirigidos aos sítios de interação do substrato (GTP) e do cofator catalítico (SAM) no domínio metiltransferase (MTase) da RNA polimerase (proteína L) do HRSV. Modelos estruturais do domínio MTase foram construídos utilizando os servidores Swiss-Model, Alphafold, RosettaFOLD, RosettaTR e I-TASSER, tendo como base a estrutura cristalográfica 4UCI do vírus ortólogo Metapneumovírus humano (HMPV). A seleção dos modelos estruturais mais robustos foi baseada em métricas de RMSD e análises conformacionais a partir dos gráficos de Ramachandran. A estabilidade conformacional dos modelos foi avaliada por simulações de dinâmica molecular conduzidas no software GROMACS, garantindo a consistência estrutural para as etapas subsequentes. A triagem virtual de compostos, realizada nos bancos de dados ZINC15 e PubChem, possibilitou a identificação de moléculas com alta similaridade aos ligantes naturais do domínio MTase. Os compostos selecionados foram submetidos a análises físico-químicas utilizando as plataformas SwissADME e pkCMS, que forneceram insights detalhados sobre sua viabilidade como candidatos antivirais. Estudos de docking molecular realizados com os programas AutoDock e Vina, determinaram o padrão de interação entre os ligantes e os sítios de interesse. Por fim, novas simulações de dinâmica molecular e cálculos de energia livre de ligação, conduzidos pelo método MM-PBSA, confirmaram a estabilidade das interações nos complexos e permitiram comparar o desempenho dos compostos como potenciais candidatos antivirais contra o HRSV. Os resultados deste trabalho destacam a identificação de compostos promissores como potenciais agentes antivirais dirigidos ao HRSV. Este estudo reforça a relevância de abordagens computacionais integradas como ferramentas de extrema valia na busca por terapias antivirais inovadoras, além de fornecer uma base sólida para o desenvolvimento de estratégias terapêuticas direcionadas especificamente ao domínio MTase.

Human Respiratory Syncytial Virus (HRSV) is a clinically significant pathogen and one of the leading causes of respiratory morbidity in children, elderly individuals, and immunocompromised patients. Despite its importance, the available therapeutic options remain limited, emphasizing the urgent need to identify new antiviral strategies. In this context, the present study aimed to perform a computational screening of potential ligands targeting the substrate (GTP) and catalytic cofactor (SAM) binding sites of the methyltransferase (MTase) domain of the HRSV RNA polymerase. Structural models of the MTase domain were generated using Swiss-Model, Alphafold, RosettaFOLD, RosettaTR, and I-TASSER, based on the crystallographic structure 4UCI of the orthologous virus Human Metapneumovirus (HMPV). The selection of the most robust structural models was based on RMSD metrics and conformational analyses using Ramachandran plots. The conformational stability of the selected models was validated through molecular dynamics simulations performed in the GROMACS software, ensuring structural consistency for subsequent steps. Virtual screening of compounds was conducted in the ZINC15 and PubChem databases, identifying molecules with high similarity to the natural ligands of the MTase domain. The selected compounds were subjected to physicochemical analyses using the SwissADME and pkCMS platforms, providing detailed insights into their viability as antiviral candidates. Molecular docking studies, carried out with AutoDock and Vina, elucidated the interaction patterns between the ligands and the target binding sites. Finally, additional molecular dynamics simulations and binding free energy calculations using the MM-PBSA method confirmed the stability of the complexes and enabled the comparison of the compounds’ performance as potential antiviral candidates against HRSV. The results of this study highlight the identification of promising compounds as potential antiviral agents against HRSV. This work underscores the importance of robust and integrated computational approaches as precious tools in the search for innovative antiviral therapies, providing a solid foundation for the development of therapeutic strategies specifically targeting the MTase domain.