AI-fragmentgebaseerde optimalisatie van Sorafenib-derivaten gericht op VEGFR2 voor angiogenese-gerelateerde pathologieën: een structuurgebaseerde in-silico studie

Waarom het hervormen van een kankermedicijn voor veel aandoeningen van belang is

Nieuwe bloedvaten houden onze organen in leven, maar als hun groei uit de hand loopt, kunnen ze tumoren voeden, het oog beschadigen en de placenta tijdens de zwangerschap verstoren. Deze studie onderzoekt hoe kunstmatige intelligentie en geavanceerde computersimulaties een bestaand kankermedicijn, sorafenib, kunnen herontwerpen om nauwkeuriger een belangrijke schakelaar voor vaatgroei, VEGFR2, te regelen, met de langere termijn‑horizon van veiliger behandelingen voor aandoeningen die met angiogenese samenhangen.

Het verkeerslicht voor nieuwe bloedvaten

De groei van bloedvaten, of angiogenese, hangt sterk af van een eiwit aan de oppervlakte van cellen die bloedvaten bekleden, genoemd VEGFR2. Wanneer het partnermolecuul VEGF bindt, activeert VEGFR2 cellen om te delen, te migreren en nieuwe vaten te vormen. Dat is nuttig bij wondgenezing en ontwikkeling, maar schadelijk wanneer het de bloedvoorziening van tumoren, bepaalde oogaandoeningen, chronische ontsteking of abnormale veranderingen in de placenta aandrijft. Vanwege deze centrale rol is VEGFR2 een belangrijk geneesmiddeldoel geworden, en verschillende medicijnen blokkeren het al. Veel van deze middelen, inclusief sorafenib, remmen echter meerdere verwante eiwitten, wat ernstige bijwerkingen kan veroorzaken.

Sorafenib veranderen in een beter instrument

Sorafenib is krachtig maar grofmazig. Het hecht zich aan het binnenste “motor”gebied van VEGFR2 en verwante enzymen en schakelt signalen uit die vaatgroei bevorderen. Helaas brengt die brede activiteit problemen met zich mee zoals hoge bloeddruk, verhoogde hartbelasting, huidreacties en een risico op leverbeschadiging. In plaats van helemaal opnieuw te beginnen gebruikten de auteurs de basischeem van sorafenib als uitgangsmodel en vroegen ze: kunnen we AI gebruiken om dit molecuul subtiel te hervormen zodat het VEGFR2 strakker vastgrijpt, gunstiger in het lichaam gedraagt en minder toxisch lijkt — zonder zijn anti‑angiogene effect te verliezen?

AI de veiligere chemische ruimte laten verkennen

Het team voerde de structuur van sorafenib in een AI‑gestuurd systeem dat kleine, chemisch realistische wijzigingen aanbrengt — het toevoegen of verwisselen van fragmenten op manieren die een medicinale chemicus in het lab zou kunnen reproduceren. Dit leverde twintig nieuwe kandidaatmoleculen op die allemaal de kernkenmerken van sorafenib behielden maar verschilden in zijketens en algemene vorm. De onderzoekers vertrouwden vervolgens volledig op computermethoden om deze kandidaten te testen: virtuele docking in een hoogresolutie 3D‑model van VEGFR2, lange moleculaire dynamica‑simulaties die het geklots van atomen in waterige, lichaamachtige omstandigheden nabootsen, en energieberekeningen die inschatten hoe sterk elk molecuul gebonden blijft.

Een opvallende kandidaat in de simulaties

Een ontwerp, genoemd AI‑Fragmented Derivative 7 (Grow), kwam consequent bovenaan. Dockingstudies suggereerden dat het zich steviger in de hoofdactieve groef van VEGFR2 nestelde dan sorafenib en een dichter web van contacten vormde met sleutelaminozuren die bekend zijn als belangrijk voor werkelijke remmers. Een halve microseconde aan moleculaire dynamica‑simulaties toonde dat het complex opmerkelijk stabiel bleef in de tijd: het eiwit bleef compact, de bindingspocket stortte niet in of vervormde niet, en het nieuwe molecuul week nauwelijks af, waarbij het meerdere waterstofbruggen en hydrofobe contacten gedurende de simulatie behield. Geavanceerde kwantumniveau‑berekeningen gaven aan dat de elektronen van Derivative 7 zodanig zijn geordend dat ze ladingsinteracties met VEGFR2 bevorderen, wat de voorspelde sterke binding ondersteunt.

Wetsuggesties voor beter gedrag in het lichaam

Naast goed binden moet een geneesmiddel zich veilig door het lichaam bewegen. De auteurs gebruikten webgebaseerde voorspellingshulpmiddelen om in te schatten hoe elke kandidaat zou oplossen, worden geabsorbeerd, worden afgebroken door leverenzymen en mogelijk schade veroorzaken. Derivative 7 werd voorspeld iets betere wateroplosbaarheid en een meer gebalanceerde mix van lipofiele en polaire regio’s te hebben dan sorafenib, eigenschappen die dosering en formulering vaak vergemakkelijken. Belangrijk is dat machine‑learning toxiciteitsmodellen sorafenib markeerden als waarschijnlijker veroorzaker van geneesmiddelgeïnduceerde leverbeschadiging, terwijl Derivative 7 aan de veiligere kant van dit specifieke risico viel. Tegelijk behield het een over het algemeen vergelijkbaar metabolisch profiel, wat betekent dat de afbraakroutes mogelijk voorspelbaar zijn.

Van computerbelofte naar bewijs in de echte wereld

In alledaagse termen laat dit werk zien hoe AI en op fysica gebaseerde simulaties een bestaand geneesmiddel kunnen "afkappen en polijsten" tot een mogelijk scherper en veiliger exemplaar dat op dezelfde moleculaire schakel is gericht. Het herontworpen sorafenib‑derivaat lijkt op het scherm VEGFR2 steviger vast te grijpen en minder waarschuwingssignalen voor leverschade te tonen, terwijl het de basiseigenschappen bewaart die sorafenib effectief maken. Al deze bevindingen zijn echter voorspellingen: het nieuwe molecuul is nog niet gesynthetiseerd of getest in cellen, dieren of patiënten. De werkelijke bijdrage van de studie is het leveren van een goed onderbouwde, data‑rijke kandidaat — en een herbruikbare digitale pijplijn — voor geneesmiddelen van de volgende generatie die buitensporige vaatgroei in kanker, oogziekte en andere angiogenese‑gedreven aandoeningen beter beteugelen.

Bronvermelding: Inan, D., Karageçili, S. & Ali, N. AI fragmentation-based optimization of Sorafenib derivatives targeting VEGFR2 for angiogenesis-related pathologies: a structure-based in-silico study. Sci Rep 16, 11848 (2026). https://doi.org/10.1038/s41598-026-41232-9

Trefwoorden: angiogenese, VEGFR2-remmers, sorafenib-derivaten, AI-geneesmiddelontwerp, moleculaire docking