Sviluppo di modelli QSAR predittivi mediante tecniche di Machine Learning: applicazione ad inibitori HDAC

Anno
2021
Proponente Manuela Sabatino - Assegnista di ricerca
Sottosettore ERC del proponente del progetto
PE4_13
Componenti gruppo di ricerca
Componente Categoria
Rino Ragno Aggiungi Tutor di riferimento (Professore o Ricercatore afferente allo stesso Dipartimento del Proponente)
Abstract

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.

ERC
PE1_18, PE4_12, PE5_11
Keywords:
CHIMICA COMPUTAZIONALE, APPRENDIMENTO AUTOMATICO, CHIMICA FARMACEUTICA, CANCRO

© Università degli Studi di Roma "La Sapienza" - Piazzale Aldo Moro 5, 00185 Roma