Progettazione razionale di nuovi inibitori allosterici della glutaminasi supportata dall'intelligenza artificiale

Abstract

La glutaminasi è da tempo considerata un bersaglio terapeutico promettente per lo sviluppo di nuovi farmaci antitumorali, in quanto gioca un ruolo chiave nel metabolismo alterato delle cellule cancerose. Durante la proliferazione, infatti, queste cellule mostrano una forte dipendenza dalla glutammina, un fenomeno noto come glutamine addiction, che consente loro di produrre metaboliti essenziali per il ciclo di Krebs. Tale dipendenza è resa possibile proprio dall’attività della glutaminasi. I primi tentativi di inibire questo enzima, come con il composto DON (inibitore del sito catalitico), hanno mostrato gravi problemi di tossicità, orientando la ricerca verso inibitori allosterici più selettivi e tollerabili, come BPTES e CB839, quest’ultimo attualmente in fase di sperimentazione clinica.

In questo contesto, la tesi si è concentrata su BPTES e i suoi derivati, prendendo CB839 come molecola di riferimento. Partendo da composti presenti in letteratura, è stato costruito un database e impiegati algoritmi di intelligenza artificiale per generare circa cento nuove molecole. Dopo analisi di docking, sono stati selezionati i composti con la più bassa energia di legame. Tuttavia, la scarsa originalità strutturale dei composti generati ha richiesto un cambio di strategia.

È stata quindi adottata una metodologia di fragment-based drug design: i derivati di BPTES sono stati scomposti in tre componenti principali (due “wings” e un “linker”), e ciascun frammento è stato analizzato singolarmente tramite docking in sotto-box mirati. I frammenti più promettenti sono stati ricombinati in nuove molecole, la cui originalità è stata confermata tramite SciFinder. Le migliori quattro molecole ottenute sono state sottoposte a ulteriori analisi di docking e dinamica molecolare, confrontandole con CB839. I risultati hanno evidenziato la presenza di candidati potenzialmente più efficaci, aprendo la strada a nuovi sviluppi nel targeting della glutaminasi.

Glutaminase has emerged as a highly attractive target for anticancer drug development due to its central role in cancer cell metabolism. During tumor proliferation, cancer cells undergo metabolic reprogramming, shifting from aerobic glycolysis (Warburg effect) to glutamine utilization for generating intermediates essential to the Krebs cycle. This leads to the phenomenon known as glutamine addiction, which depends on glutaminase activity.

Early studies showed that glutaminase inhibition blocks tumor growth. The first inhibitor, DON, targeted the catalytic site but was highly toxic, limiting its use. This led to the development of safer, allosteric inhibitors such as BPTES and its derivatives. Among them, CB839 is the only one currently in clinical trials and was used as the reference compound in this thesis.

The research focused on BPTES analogues, starting with the construction of a database from literature. AI algorithms were used to generate around 100 new compounds, which were evaluated through molecular docking. Molecules with lower binding energies than CB839 were identified. However, the AI-generated compounds lacked structural originality, prompting a new strategy.

Given that BPTES derivatives typically include two "wings" and a "linker," a fragment-based approach was applied. Molecules were split into these three regions, and docking was performed in corresponding sub-boxes. The most promising fragments were selected based on binding and novelty, then recombined into new candidate molecules.

Using SciFinder, the originality of these new compounds was confirmed. A second round of docking identified the four most promising molecules, which were further analyzed through molecular dynamics simulations, alongside CB839. These results highlight new structurally novel candidates with potential glutaminase inhibitory activity.