In silico cross-species approach for the discovery of new antifungal drug targets and new antifungal drugs

Romeu Filipe Nobre Viana

Key information

Authors:

Romeu Filipe Nobre Viana (Romeu Filipe Nobre Viana)

Supervisors:

Miguel Nobre Parreira Cacho Teixeira (Miguel Nobre Parreira Cacho Teixeira)

Published in

07/29/2024

Abstract

Existe uma necessidade urgente de novas abordagens terapêuticas antifúngicas devido à eficácia limitada das utilizadas correntemente, ao aumento da resistência a múltiplos fármacos e às elevadas taxas de mortalidade associadas a infeções fúngicas invasivas, especialmente envolvendo espécies de Candida e Cryptococcus. Contudo, o processo de desenvolvimento de novos fármacos permanece uma tarefa difícil e dispendiosa, como é evidenciado pelo reduzido número de novas classes de antifúngicos que emergiram nas últimas décadas. Os modelos metabólicos à escala genómica (GSMMs) e a triagem virtual de fármacos estão a emergir como abordagens in silico atrativas para acelerar e inovar a descoberta de novos fármacos. Nesta tese, foram reconstruídos GSMMs para quatro espécies patogénicas invasivas de leveduras, nomeadamente Candida albicans, Candida parapsilosis, Candida auris e Cryptococcus neoformans var grubii. Estes GSMMs foram usados para identificar novos potenciais alvos terapêuticos através da previsão da essencialidade de enzimas/genes e para elucidar os complexos mecanismos metabólicos que permitem a estas leveduras proliferar no hospedeiro humano. Os modelos reconstruídos foram validados experimentalmente, sendo capazes de prever com precisão compostos que podem ser usados como fontes únicas de carbono e de azoto, bem como parâmetros de crescimento, como a taxa de crescimento específica. Os modelos permitiram ainda a identificação de características metabólicas únicas para cada patogénio, principalmente relacionadas com vias de assimilação alternativas, adaptação ao hospedeiro, mecanismos de virulência ou resistência a fármacos/stress. Além disso, foram identificados 47 alvos terapêuticos fúngicos comuns a todas as espécies de leveduras analisadas, incluindo aqueles já visados pelos antifúngicos clinicamente utilizados, e outros que representam potencialmente novos alvos que foram vagamente explorados em fungos. A triagem virtual in silico a partir de grandes bases de dados de compostos foi realizada para dois dos alvos mais promissores, nomeadamente a quitina sintase e dihidropteroato sintase, com o objetivo de identificar potenciais inibidores destas enzimas entre compostos que apresentam elevada afinidade para o seu centro ativo. Foi identificada uma vasta lista de compostos com elevada afinidade prevista, e alguns foram testados quanto à atividade antifúngica, levando à identificação de 5 compostos com atividade moderada contra espécies de Candida ou Cryptococcus e em um deles, um potencial efeito sinérgico com fluconazol. No entanto, são necessários mais estudos para compreender os seus mecanismos de ação, interações com as células hospedeiras e outros fármacos, e para otimizar a sua eficácia e segurança. Globalmente, esta tese fornece perspetivas valiosas sobre a patogénese fúngica e a descoberta de fármacos, com potencial impacto na saúde pública ao abordar os desafios colocados pelas infeções fúngicas e pela resistência a fármacos. There is an urgent need for new antifungal therapeutic approaches due to limited efficacy, increase in multidrug resistance, and high mortality rates associated with invasive fungal infections, particularly involving Candida and Cryptococcus species. However, the process of developing new drugs remains a difficult and costly task, as evidenced by the reduced number of new classes of antifungals that have emerged in recent decades. Genome-scale metabolic models (GSMMs) and virtual drug screening are emerging as attractive in silico approaches to accelerate and innovate drug discovery. In this thesis, GSMMs were reconstructed for four pathogenic invasive yeast species, namely Candida albicans, Candida parapsilosis, Candida auris, and Cryptococcus neoformans var grubii. These GSMMs were used to identify new potential drug targets through enzyme/gene essentiality prediction and to elucidate the complex metabolic mechanisms that enable these yeasts to thrive in the human host. The reconstructed models were experimentally validated, being able to accurately predict the compounds that can be used as sole carbon and nitrogen sources, as well as growth parameters such as specific growth rate. The reconstructed models enabled the identification of unique metabolic features for each pathogen, mainly related to alternative assimilation pathways, host adaptation, virulence mechanisms, or drug/stress resistance. Moreover, 47 fungal drug targets common to all analyzed yeast species were identified, including those already targeted by clinically used antifungals and others that represent potentially new drug targets that have been vaguely explored in fungi. In silico virtual drug screening from large compound databases was performed for two of the most promising targets, namely chitin synthase and dihydropteroate synthase, in order to identify potential inhibitors among compounds exhibiting affinity to the active site of those targets. A vast list of compounds with predicted high affinity was identified, and some were tested for antifungal activity, revealing 5 compounds with moderate activity against Candida or Cryptococcus species and a potential synergistic effect with fluconazole for one of them. However, further studies are needed to understand their mechanisms of action, interactions with host cells and other drugs, and to optimize their efficacy and safety. Altogether, this thesis provides valuable insights into fungal pathogenesis and drug discovery with the potential to have an impact on public health by addressing the challenges posed by fungal infections and drug resistance.