Screening and development of small molecules targeting g-quadruplex nucleic acids

The process of researching and developing new drugs has historically been among the longest and most expensive. To accelerate the identification of therapeutic targets in diseases such as tumors and infections, it was essential to develop computational techniques that have proven to be crucial for reducing the failure rate of the process. Several thousand proteins have been identified, structurally resolved, and functionally annotated. Although, thanks to the completion of the Human Genome Project, approximately 20,000 genes have been identified, including around 18,000 capable of coding for proteins. Of these, around 8,500 are predicted to be druggable targets, about 3,000 have already been targeted, and only 3% (approximately 700) have an approved drug molecule. In various contexts, among the proteins associated with diseases, many are defined as “undruggable” because they often lack binding sites for drugs or due to their inherently disordered nature. At the tumor level, the most well-known examples of these proteins are RAS and MYC, important targets of cancer therapies. Additionally, recent studies on the interactome suggest that there are up to 650,000 protein-protein interactions considered challenging in humans, given the large flat surfaces lacking the distinctive features typical of drug-target interaction sites. Therefore, alternative strategies are needed to inactivate these disease-related undruggable proteins. In this context, my primary work over the past three years has focused on non-canonical structures, specifically G-quadruplexes (G4s), which have been the subject of research on new ligands with antitumor properties. In this regard, my work has primarily focused on the application of computational techniques to study interactions and optimize molecules selective for G4s (Chapter 2.4). Another therapeutic target investigated over the past three years is phosphodiesterase 9, which has been recognized as a crucial therapeutic target for treating central nervous system diseases. In this area, my work has mainly focused on database screening, interaction studies, and the identification of compounds that bind to PDE9A (Chapter 3). Principally, computational studies have been enhanced by analytical techniques such as mass spectrometry, NMR spectroscopy, and high-performance liquid chromatography. The combination of these methods has created a synergistic effect that has significantly improved and accelerated the process of identifying ligands targeting the therapeutic targets evaluated over the past three years. Given the versatility of computational techniques, they have been utilized in various collaborations to investigate the interactions between ligands and targets (Chapter 4). Specifically, the analyzed ligands are of natural origin, which is particularly important for the research and development of new drugs due to their bioactive properties.

Il processo di ricerca e sviluppo di nuovi farmaci è storicamente tra i più lunghi e costosi. Per accelerare l’identificazione di bersagli terapeutici in malattie come i tumori e le infezioni, è stato essenziale sviluppare tecniche computazionali che si sono rivelate fondamentali nel ridurre i tassi di fallimento del processo nel corso degli anni. Diversi migliaia di proteine sono state identificate, risolte strutturalmente e annotate dal punto di vista funzionale. Nonostante grazie al completamento del progetto Genoma Umano, siano stati identificati circa 20000 geni, tra cui circa 18000 in grado di codificare proteine; di queste, circa 8500 sono predette bersagliate da farmaci, circa 3000 sono già state identificate come tali e solo il 3% (circa 700) ha una molecola approvata come farmaco. In diversi contesti, tra le proteine associate alle malattie, molte sono definite “non bersagliabili” perché spesso mancano di siti di legame per i farmaci o presentano una natura intrinsecamente disordinata. A livello tumorale, gli esempi più noti di queste proteine sono RAS e MYC, bersagli importanti delle terapie antitumorali. Inoltre, studi recenti sull'interattoma suggeriscono che in umani ci siano fino a 650000 interazioni proteina-proteina considerate impegnative, viste le grandi superfici piatte prive di caratteristiche distintive tipiche dei siti di interazione farmaco-bersaglio. Pertanto, sono necessarie strategie alternative per l'inattivazione di queste proteine intrattabili legate alle malattie e, in questo contesto, si colloca il mio lavoro principale svolto nei tre anni, durante i quali le strutture non canoniche, identificate come G-quadruplexes (G4s), sono state oggetto di ricerca di nuovi ligandi a fini antitumorali. In questo, il mio lavoro si è principalmente concentrato sull’uso di tecniche computazionali mirate allo studio dell’interazione e all’ottimizzazione di molecole selettive per G4 (Capitolo 2.4). Un altro target di cui mi sono occupata in questi tre anni è la fosfodiesterasi 9 (PDE9A), riconosciuta nel tempo come un bersaglio terapeutico importante nel trattamento delle malattie del sistema nervoso centrale. Anche in questo ambito, il mio lavoro si è principalmente focalizzato sullo screening di database, sugli studi di interazione e sull’individuazione di composti in grado di legarsi a PDE9A (Capitolo 3). In particolare, il lavoro computazionale è stato rafforzato dall'uso di tecniche analitiche quali la spettrometria di massa, la spettroscopia NMR e la cromatografia liquida ad alte prestazioni. La combinazione di queste tecniche ha generato un effetto sinergico che ha migliorato e accelerato significativamente la velocità di identificazione dei ligandi targeting i bersagli terapeutici valutati negli ultimi tre anni. Data la grande versatilità delle tecniche computazionali, sono state impiegate in diverse collaborazioni per esplorare le interazioni tra il ligando e il bersaglio (Capitolo 4). In particolare, i ligandi analizzati sono di origine naturale, un aspetto particolarmente rilevante nella ricerca e nello sviluppo di nuovi farmaci, grazie alle loro proprietà bioattive.