New techniques of molecular modelling and structural chemistry for the development of bioactive compounds

Abstract

Computational chemistry represents today a valid and fast tool for the research of new compounds with potential biological activity. The analysis of ligand-macromolecule interactions and the evaluation of possible “binding modes” have a crucial role for the design and the development of new and more powerful drugs. In silico Virtual Screening campaigns of large libraries compounds (fragments or drug-like) on a specific target allow the selection of promising compounds, leading the identification of new scaffolds. The accurate analysis and the comparison of different bioactive compounds clarify the molecular basis of their interaction and the construction of pharmacoforic models. In parallel, another crucial aspect of pharmacological research is the identification of targets of interaction of bioactive molecules, and this is particularly true for compounds from natural sources. In fact, a wide range of drug tests on a large number of biological targets can represent a useful approach for the study of natural products, but often one of the main problems is their limited availability. Starting from these assumptions, a new computational method named Inverse Virtual Screening is described in details in this thesis. The different works based on this approach were performed considering panels of targets involved in the cancer events, determining the identification of the specific antitumor activity of the natural compounds investigated. Inverse Virtual Screening studies were performed by means of molecular docking experiments on different natural compounds, organized in small libraries or as single compounds. Firstly, a mathematical method for the exclusion of false positive and false negative results was proposed applying a normalization of the predicted binding energies (expressed in kcal/mol) obtained from the docking calculations. Then this approach was applied on a library of 10 compounds extracted from natural sources, obtaining a good validation through in vitro biological tests. Afterwards, another study was performed on the cyclopeptide namalide. Its biological inhibitory activity and selectivity on Carboxipeptidase A target was in accordance with Inverse Virtual Screening results. Virtual Screening topic was also inspected analyzing the efficacy of Molecular Dynamics-based methods for the accurate calculations of the binding affinities. This work was conducted on a library of 1588 compounds (44 ligands + 1544 decoys) extracted from the DUD database on trypsin target, using the Linear Interaction Energy (LIE) method by means of extensive Molecular Dynamics simulations. Four different LIE results obtained combining different scaling factors were compared with docking results, evaluating and comparing ROC and enrichment curves for each of the considered methods. Poor results were obtained with LIE, and further analysis with MM-GBSA and MM-PBSA approaches are under investigation. Moreover, in silico screenings were performed for the detailed study of natural compounds whose activities are known a priori. With this procedure, several binding modes were reported for a library of compounds on PXR target, whose activity or inactivity were rationalized comparing their binding poses with that of Solomonsterol A, used as a reference compound on this receptor. The presence/absence of biological activity of another library of compounds extracted from the marine sponge Plakinastrella Mamillaris on PPAR-γ and for the diterpene oridonin on HSP70 1A are described at a molecular level with molecular docking and Molecular Dynamics simulations. The putative binding modes for the reported molecules was described offering a complete rationalization of docking results, evaluating how ligand target specific interactions (e.g. hydrophobic, hydrophilic, electrostatic contacts) can influence their biological activity. [edited by author]

La chimica computazionale rappresenata un valido e rapido strumento per l’identificazione di nuovi potenziali composti bioattivi. L’analisi delle interazioni ligando-target macromolecolare e la valutazione di un possibile “binding mode” sono cruciali per il design e lo sviluppo di nuovi potenziali farmaci. Il Virtual Screening di grandi librerie di composti (fragments o drug-like) condotto in silico su uno specifico recettore può permettere la selezione di composti dalla promettente attività, e parallelamente l’identificazione di nuovi scaffolds molecolari. L’analisi accurata dei modelli di interazione ligando-recettore e il confronto di tali modelli con quelli di composti dalla già nota attività permette la costruzione di un modello farmacoforico, punto di partenza per successivi studi di potenziamento dell’attività farmacologica. Parallelamente, un altro aspetto fondamentale della ricerca farmacologica è rappresentato dall’identificazione dei targets di interazione per composti dalla nota bioattività, e questo risulta particolarmente interessante per i composti di origine naturale. Infatti, per tale classe di molecole sarebbe molto utile effettuare tests biologici su un elevato numero di recettori, ma ciò risulta spesso proibitivo a causa della scarsa quantità di composto disponibile. Partendo da tali presupposti, nella presente tesi è descritto approfonditamente un nuovo metodo computazionale definito Inverse Virtual Screening. I vari lavori basati su questo nuovo tipo di approccio sono stati effettuati considerando pannelli composti da diversi targets coinvolti nello sviluppo del cancro, portando all’identificazione della specifica attività antitumorale dei vari composti naturali investigati. Gli studi basati sull’Inverse Virtual Screening sono stati effettuati attraverso calcoli di Molecular Docking utilizzando diversi composti naturali, raggruppati in piccole librerie o studiati singolarmente. In primo luogo, è stato proposto un metodo matematico con l’obiettivo di escludere i falsi positivi e i falsi negativi applicando una normalizzazione delle affinità di legame predette (espresse in kcal/mol). Successivamente, tale approccio è stato applicato su una libreria di 10 composti di origine naturale, validando l’applicabilità di tale metodo attraverso tests biologici in vitro. Successivamente, un ulteriore studio è stato incentrato su un ciclopeptide definito namalide, la cui attività biologica su Carbossipeptidasi A era in totale accordo con i dati provenienti dallo studio di Inverse Virtual Screening condotto. Il Virtual Screening è stato inoltre studiato anche analizzando l’efficacia dei metodi per il calcolo accurato delle affinità di legame basati su simulazioni di Dinamica Molecolare. Tale studio è stato condotto su una libreria di 1588 composti (44 ligandi + 1544 decoys, estratti dal DUD database) sul target tripsina, utilizzando il metodo LIE (Linear Interaction Energy) attraverso un elevato numero di simulazioni di Dinamica Molecolare. Sono stati ottenuti quattro differenti scale di affinità predetta (attraverso quattro combinazioni di differenti scaling factors) e sono stati confrontati con i risultati derivanti dai calcoli di Molecular Docking, valutando e confrontando curve ROC e di enrichment. Attraverso il metodo LIE sono stati ottenuti risultati non incoraggianti, e quindi ulteriori analisi attraverso metodi MM-GBSA e MM-PBSA sono in corso di studio. Inoltre, screenings in silico sono stati effettuati anche per lo studio dettagliato di altri composti naturali la cui attività era nota a priori. Attraverso questa procedura, sono stati proposti diversi modelli di binding di una libreria di composti sul target PXR, e per tali composti è stata razionalizzata l’attività/inattività confrontando il loro binding mode con quello del Solomonsterol A, utilizzato come composto di riferimento su tale target. La presenza/assenza di attività biologica è stata è stata descritto a livello molecolare per un’altra classe di composti estratti dalla spugna Plakinastrella Mamillaris sul target PPAR-γ e sul diterpene oridonina sul target HSP70 1A attraverso esperimenti combinati di Molecular Docking e Molecular Dynamics. Sono stati proposti e descritti approfonditamente modelli di binding di tali composti, valutando come specifiche interazioni ligando-target macromolecolare (di natura idrofobica, elettrostatica o caratterizzata dalla presenza di specifici legami ad idrogeno) possano influenzare l’attività biologica. [a cura dell'autore]