SESSIONE VI - REGOLATORIA
Metodi computazionali per lo studio delle proteine: simulazioni molecolari e IA
ABSTRACT:
Il punto di partenza per la progettazione di qualsiasi farmaco è la conoscenza del target biologico, spesso una proteina, e della sua struttura tridimensionale. In alcuni casi, questa può essere determinata tramite metodi sperimentali quali cristallografia a raggi X, risonanza magnetica nucleare (NMR) o microscopia elettronica criogenica (cryo-EM). Negli ultimi anni, l’intelligenza artificiale (IA) ha rivoluzionato il campo della biologia strutturale e della predizione della struttura delle proteine. Metodi computazionali basati su deep learning, come AlphaFold (premio Nobel per la chimica 2024), consentono oggi di prevedere con estrema accuratezza la struttura tridimensionale di una proteina a partire unicamente dalla sua sequenza di amminoacidi. Tuttavia, è davvero corretto parlare di una singola “struttura” proteica? Le proteine non sono entità rigide: possono assumere diverse conformazioni in risposta a stimoli esterni, come variazioni di pH o temperatura, o interni, come mutazioni. Conoscere questo insieme di conformazioni è fondamentale per valutare correttamente l’efficacia di un farmaco e la sua interazione con il target. In questa presentazione verrà illustrato il ruolo delle tecniche computazionali basate su modelli fisici, in particolare le simulazioni di dinamica molecolare (MD), nello studio e nella generazione delle diverse conformazioni delle proteine. Saranno inoltre discussi recenti sviluppi nell’ambito dell’IA che mirano a superare i limiti degli algoritmi attuali permettendo di ottenere, a partire dalla sola sequenza amminoacidica, non una singola struttura, ma insiemi di possibili conformazioni. Infine, verranno presentate alcune applicazioni di questi approcci in ambito oncologico e nello sviluppo e valutazione di radiofarmaci.
