Structural Systems Biology: multiscale insights into the effect of drug-receptor interactions in neurosignaling pathways.

During the process of drug discovery and development the pharmacodynamic models have been serving as the driving force for evaluating drugs at target sites and controlling drug-receptor interactions. Under the umbrella of systems biology and pharmacology, these quantitative models have been rapidly evolving from empirical descriptions to complex mathematical models of biochemical systems. The central idea is the delineation and quantification of drug-receptor interactions, internalization, signaling, and cellular effects enabling the rationalization of drug’s modes of actions. Therefore, with the advent of in silico approaches in their many renditions, quantitative systems pharmacology attempts to advance our understanding on the relationships between the molecular level of drug-target interactions and higher-level cellular and physiologic mechanisms, pushing the new era of personalized and precision medicine closer. In this thesis, it was intended to correlate the intracellular effects of the activation of neural-signaling cascades on ligand binding to neuroreceptors applying a combined structure-quantitative systems pharmacology approach. For this purpose, we started by implementing signaling pathways of the Oxytocin and the NMDA receptors to illustrate how merging structural macromolecular data with network biology allows us to explore the subcellular effects upon receptor activation and understand complex biological phenomena. The lack of a common interrelationship between structural biology and systems pharmacology, prompted us to propose a computational framework that integrates structure and quantitative systems pharmacology approaches. Here, it is also proposed a biocomputing framework designed for in-depth studies of post-synaptic neuroreceptors, in particular G-protein coupled receptors, in order to improve current empirically driven drug discovery approaches in a more precise drug design.

Durante il processo di ricerca e sviluppo di farmaci, modelli farmacodinamici vengono utilizzati per descrivere l’accesso dei farmaci ai siti di legame dei rispettivi target molecolari, caratterizzando l’interazione farmaco-recettore. Sotto l’ombrello della system biology a della farmacologia, questi modelli quantitativi si sono rapidamente evoluti da semplici descrizioni empiriche a dettagliati modelli matematici di sistemi biochimici. L’idea centrale è quella di delineare e quantificare gli effetti cellulari generati dell’interazione farmaco-target, come ad esempio l’internalizzazione del recettore o l’attivazione di cascate di segnalazione, al fine di elucidare i meccanismi d’azione del farmaco a livello molecolare. Con l’avvento del potere descrittivo fornito dagli approcci in silico, nelle loro diverse declinazioni, la farmacologia sistemica quantitativa cerca quindi di approfondire la nostra comprensione delle relazioni che si creano tra i meccanismi molecolari attivati localmente dall’interazione farmaco-recettore e gli effetti fisiologici osservabili a livello cellulare e/o sistemico, avvicinandoci sempre più all’era della medicina personalizzata e consapevole. Il lavoro presentato in questa tesi si focalizza sull’attività di cellule neuronali: l’obbiettivo è quello di correlare effetti molecolari intracellulari, generati dall’attivazione di vie di segnalazione, all’interazione tra recettori espressi in membrana ed i rispettivi ligandi, applicando un approccio ibrido di farmacologia sistemica quantitativa-strutturale. A tal fine, abbiamo cominciato implementando le vie di segnalazione molecolare associate ai recettori dell’Ossitocina ed ai recettori NMDA, per dimostrare come, unendo dati ottenibili dall’analisi strutturale di queste macromolecole a tecniche di biologia sistemica, sia possibile esplorare gli effetti intracellulari generati dell’attivazione dei recettori e comprendere così fenomeni biologici complessi. Avendo constatato a tutt’oggi l’assenza di una comunicazione consistente ed efficace tra il mondo della biologia strutturale e quello della farmacologia sistemica, in questa tesi viene proposto un framework computazionale multi-scala atto a definire un approccio ibrido ed innovativo, capace di integrare informazioni strutturali dettagliate di singole macromolecole con descrizioni quantitative di ampie reti di interazioni tra molteplici macromolecole. Il framework biocomputazionale descritto nel seguente lavoro è stato progettato e sviluppato al fine di condurre analisi approfondite su recettori post-sinaptici, in particolare GPCR, con lo scopo di migliorare le tecniche di sviluppo di farmaci correntemente basate su approcci empirici fornendo gli strumenti conoscitivi per perseguire studi di sviluppo di farmaci razionale più consapevoli e precisi.