Le iston deacetilasi (HDACs) sono una classe di enzimi, regolatori dell'espressione genica in grado di rimuovere gruppi acetili (O=CCH3) da amminoacidi di epsilon-N-acetil-lisina degli istoni H3 e H4.
L'attività di questi enzimi risulta cruciale per il bilanciamento dell'attività di una seconda classe di enzimi responsabili dello stato trascrizionale del DNA, le istoni acetiltrasferasi (HAT). Questi enzimi aggiungono gruppi acetili, neutralizzando la carica positiva presente sulle code istoniche del core istonico, determinando la dissociazione dall'istone stesso del DNA, carico negativamente per la presenza dei gruppi fosfato, risultando ora conformazionalmente più accessibile da parte dell'apparato trascrizionale.Questo tipo di attività, associato quindi ad un elevato tasso di trascrizione, viene, come già anticipato, controbilanciato dall'attività delle HDACs. Questi infatti, rimuovendo i gruppi acetili aggiunti dalle HATs, ripristinano la carica positiva sugli istoni, ristabilendo l'alto livello di condensazione del DNA associato alla repressione genica.
L'equilibrio di queste due modificazione istoniche post-traduzionali sono di fondamentale importanza, sue alterazioni scatenate da inattivazione delle HATs oppure overespressione delle HDACs, determina un'aberrante espressione genica. Questo è particolarmente vero per le deregolazioni a carico dell'attività delle HDACs riconosciute essere alla base dello sviluppo di alcune forme tumorali, patologie a carico del sistema nervoso e disfunzioni metaboliche.
Per quanto appena detto, inibitori HDACs (HDACi) sono pensati negli ultimi anni, come una promettente via farmacolgica da intraprendere per poter ripristinare l'equilibrio HATs-HDACs, e poter modulare quei processi biologici compromessi nelle cellule affette.Il presente progetto ha come finalità quello di sviluppare mediante tecniche di machine learning, modelli QSAR in grado di razionalizzare, prevedere e quantificare l'attività farmacologica di inibitori HDACs.
L'inibizione chimica di proteine coinvolte nei cambiamenti conformazionali della cromatina costituiscono una strategia emergente per il trattamento di condizioni patologiche in cui è presente un¿alterazione dell'espressione genica. Poiché è oggi evidente come le proteine HDACs, e in particolare la loro overespressione, risulta essere l¿eziologia di alcune forme tumorali, la ricerca di inibitori di HDAC (HDACi) sembra essere un approccio promettente per la terapia farmacologica.
Ad oggi gli inibitori delle istoni-deacetilasi, HDACi, sono small molecules, naturali o sintetiche, ad azione inattivante per gli enzimi HDACs. Questi composti nonostante variano in selettività ed attività biologiche, presentano una struttura molecolare tipica, caratterizzata comunemente da tre sottogruppi funzionali: una porzione legante il metallo (Zinc binding group), un capping group ed un linker. Il gruppo legante il metallo, facilita il legame con lo ione metallico catalitico, lo Zinco, al sito attivo di HDAC. Il capping group interagisce con gli aminoacidi nel sito di legame della lisina, mentre il linker, che ha somiglianza strutturale con la catena laterale presente nel substrato di acetil-lisina, collega il gruppo di legame del metallo e di capping, per l'interazione con il sito attivo dell'HDAC. Lo sviluppo di nuovi inibitori progredisce lentamente, influenzando così anche il ritmo con cui nuove molecole diventano farmaco ottenendo l¿approvazione da parte della FDA. Basti pensare al numero limitato di HDACi attualmente approvati, Vorinostat (2006), Romidepsina (2009), Chidamide (2014 e poi ri-approvate nel 2019 con ampliamento del numero di patologie contro cui è efficace), Panobinostat (2015) e il Pracinostat (2016). Sebbene questi inibitori mostrino un¿efficienza piuttosto promettente nel tratta- mento clinico, mostrano una scarsa selettività ed effetti collaterali significativi. Proprio per questo motivo, è necessario virare verso lo studio degli inibitori selettivi degli HDAC: in primo luogo, per ridurre questi effetti collaterali; in secondo luogo, alcune isoforme degli HDAC sono direttamente correlate a diversi tipi di malattie; quindi, riuscire a identificare inibitori efficaci, e soprattutto selettivi permetterebbe l¿inizio di terapie mirate e personalizzate, garantendo un trattamento farmacologico più specifico efficace e sicuro. Questo aspetto sarà proprio il punto di forza di questo progetto dal punto di vista di innovazione. Fino ad oggi in letteratura è evidente come la selettività fosse presa in analisi in un momento successivo, solo quando un determinato composto risulta essere attivo. Così facendo spesso si vanifica il tentativo di ottenere composti attivi e selettivi. Uno degli scopi di questo progetto è quello di supportare mediante calcoli preliminari, il focus sull¿attività biologica senza escludere o porre in secondo piano l¿aspetto della selettività. In particolare, mediante modelli statistici sviluppati su dati già noti e pubblicati in databases accessibili, quindi ben consolidati, sarà possibile delineare la correlazione che sussiste tra l¿attività biologica e la struttura chimica dei composti, ma nello stesso modo, sarà possibile delineare la correlazione tra la selettività e le stesse strutture chimiche. Questa correlazione sarà poi utilizzabile in una duplice maniera. Da un lato si utilizzerà per la predizione dell¿attività e soprattutto della selettività, di composti di cui è nota sola la struttura chimica. Aspetto questo da non trascurare, in quanto permetterebbe, per esempio, lo screening di librerie interne di laboratorio, oppure l¿attuazione della metodica di drug repurposing, in cui composti già approvati per quanto riguarda la loro safety possono essere ri-applicati per un approccio terapeutico mai usato prima.
Un secondo metodo di utilizzo della correlazione individuata, o meglio, del modello che descrive questa correlazione, risulterà più utile della progettazione ex-novo di molecole, sarà quello di mettere in luce quei tratti chimico-fisici determinanti per una specifica selettività che quindi dovranno essere ricercate e mantenute poi nella fase proprio di progettazione di nuovi composti.
Un¿ulteriore aspetto innovativo, sarà l¿impatto sulla ricerca il piano operativo di questo progetto. Tutti i vari step che verranno sviluppati vedranno l¿utilizzo del linguaggio di programmazione Pyhton, nella piattaforma Jupyter Notebook. Apposite librerie Python verranno impiegate per i calcoli necessari all¿obiettivo del progetto, tra tutte si citano NumPy, Pandas, Scikit-Learn, MatPlotLib ed il toolkit chemoinformatico RDKit: nello specifico, di questi open-source software verranno estrapolati ed usati alcuni moduli per la creazione di scripts non utili esclusivamente al presente progetto, ma adattabili a nuovi futuri target, ma anche a diverse isoforme dello stesso target, rappresentando così, un utile strumento di identificazione e progettazione razionale di nuovi potenziali inibitori.