Sviluppo di un modello di pathways metabolici in Python per testing del Sildenafil sulla muscolatura liscia e docking molecolare

Abstract

Negli ultimi decenni la bioingegneria ha sviluppato un nuovo approccio nei confronti della biologia, finalizzato non alla realizzazione di strumenti analitici e diagnostici, ma alla comprensione e alla simulazione dei fenomeni molecolari che si svolgono nelle cellule. Ciò ha prodotto una rapida diffusione della modellazione “in silico” dei processi biologici in tutto il mondo.

Con l’espressione “in silico” si intende l’utilizzo dei computer per creare modelli necessari allo svolgimento di studi biologici. Modelli di questo tipo presentano diversi vantaggi: la riduzione dei costi a carico delle aziende e dei laboratori di ricerca, il significativo risparmio di tempo in quanto le predizioni sono pressoché istantanee, l’azzeramento o riduzione del numero di animali da laboratorio utilizzati e la possibilità di utilizzare interfacce grafiche user-friendly, che consentono anche agli utenti alle prime armi di entrare nel mondo della modellazione “in silico”. D’altro canto, bisogna precisare anche le loro principali limitazioni: la scarsa reperibilità dei dati, le semplificazioni adottate e l’elevato numero di interconnessioni presenti tra i vari fenomeni molecolari cellulari.

Lo scopo di questo lavoro di tesi è lo sviluppo di un modello in Python in grado di simulare pathways metabolici per descrivere come il farmaco di interesse, precedentemente selezionato a monte, interagisca e produca gli effetti desiderati. Nello specifico, è stato prima modellato il pathway metabolico che porta al rilassamento della muscolatura liscia e successivamente sono stati modellati gli effetti del farmaco Viagra, contenente il principio attivo Sildenafil, sul medesimo pathway metabolico, al fine di verificarne l’eventuale compatibilità per applicazioni cliniche diverse da quelle per cui il farmaco viene comunemente utilizzato.

È stato deciso di utilizzare Python poiché è un linguaggio di programmazione ad alto livello, orientato a oggetti e diffuso in tutta la comunità scientifica per i suoi vantaggi: l’utilizzo gratuito e libero su molti sistemi operativi, il supporto alla programmazione funzionale e il ricco ecosistema di librerie matematiche e scientifiche consultabili, come NumPy, SciPy e PySB. Oltre a ciò, Python è in grado di interfacciarsi con altri linguaggi di programmazione, come C e C++, svolgendo il ruolo di collante per applicazioni che utilizzano librerie scritte con i suddetti linguaggi. Ovviamente, esistono altri linguaggi sviluppati proprio per la modellazione biologica che utilizzano una sintassi specializzata per codificare in modo conciso i processi dei modelli biologici. Però, questi linguaggi mancano di molte funzionalità presenti in Python che possono essere utilizzate per rendere un codice complesso più leggibile per l’uomo, come ad esempio costrutti di programmazione condizionali, cicli, funzioni, classi e moduli.

Inoltre, il lavoro presenta uno studio di docking molecolare tra Sildenafil e la proteina recettore, attraverso il software AutoDock Vina per valutare l’interazione tra principio attivo e struttura biologica.

Il docking molecolare è un metodo computazionale che tenta di prevedere in modo efficiente l’interazione tra due molecole o, più frequentemente, tra una macromolecola (recettore) e una piccola molecola (ligando), a partire dalle loro strutture non legate. AutoDock Vina è un programma open-source per svolgere il docking molecolare. È stato scelto per le sue potenzialità computazionali, infatti presenta delle significative ottimizzazioni per quanto concerne la velocità e l’accuratezza nella previsione del legame, rispetto al software predecessore AutoDock 4.

Obiettivo Tesi

Lo scopo di questo lavoro di tesi è lo sviluppo di un modello in Python in grado di simulare pathways metabolici per descrivere come il farmaco di interesse, precedentemente selezionato a monte, interagisca e produca gli effetti desiderati. Nello specifico, è stato prima modellato il pathway metabolico che porta al rilassamento della muscolatura liscia e successivamente sono stati modellati gli effetti del farmaco Viagra, contenente il principio attivo Sildenafil, sul medesimo pathway metabolico, al fine di verificarne l’eventuale compatibilità per applicazioni cliniche diverse da quelle per cui il farmaco viene comunemente utilizzato.

Metodologia di ricerca

Modellazione in Python e simulazioni di docking molecolare

Conclusioni

Il lavoro di tesi si pone come modello per simulare il metabolismo e le interazioni del principio attivo Sildenafil, sia nelle applicazioni cliniche approvate, ovvero il trattamento della disfunzione erettile e della ipertensione polmonare, sia in applicazioni cliniche nuove, non ancora approvate. Dai risultati ricavati, si può osservare come il modello sviluppato riesca a predire, in maniera abbastanza accurata, l’effetto del Sildenafil sulla muscolatura liscia e le sue interazioni con la proteina PDE5. Infatti, come da previsioni, è stato dimostrato che l’andamento temporale del cGMP in presenza del Sildenafil si riduce più lentamente, determinando un effetto di rilassamento della muscolatura liscia più deciso e lungo. In questo modo è possibile fornire informazioni anche per future simulazioni con concentrazioni diverse da quelle usate nel modello. Mentre, per quanto riguarda le interazioni, la configurazione calcolata dal software AutoDock Vina presenta minime differenze con i dati sulla posa reale presenti in letteratura, in modo tale da avere informazioni importanti per l’eventuale docking del Sildenafil con altre molecole. In letteratura, non risulta essere presente alcuna modellazione in Python del seguente pathway metabolico e dell’azione del Sildenafil, quindi, sotto questo punto di vista, tale modello rappresenta un’innovazione. Infatti, sono state trovate informazioni riguardanti le reazioni del pathway considerate singolarmente, ma non esiste alcuna modellazione in cui venga considerata l’intera cascata di reazioni nel suo insieme. Simulare le reazioni all’interno del network metabolico fornisce una maggiore similitudine con la realtà, piuttosto che considerarle separatamente.

Sviluppi futuri

Le varie funzioni definite nel modello possono essere utilizzate per l’analisi del metabolismo di altri farmaci, in quanto sono state definite in maniera generale e non in funzione di questo determinato pathway. Le funzioni sono state concepite come user-friendly, ovvero anche gli utenti meno esperti nella programmazione possono essere in grado di modellare le reazioni chimiche di interesse, purché siano in possesso di tutti i parametri necessari. Lo sviluppo di questo tipo di modelli comporta una notevole riduzione dei costi, dei tempi e del numero di esperimenti in vivo su animali. Quindi, il modello si presenta versatile per numerose applicazioni: come modello di riferimento per l’implementazione di altri pathways metabolici, per eseguire uno screening iniziale di molecole target in modo da ridurne il numero o per effettuare la validazione di protocolli sperimentali.