Titolo progetto: OBIND: Oncological therapies through Biological Interaction Network Discovery
Data inizio e fine: 15/01/2020 – 30/04/2023
Ente Finanziatore/Programma: Regione Siciliana. PO FESR 2014/2020 – – Obiettivo Tematico 1 Ricerca, Sviluppo Tecnologico e Innovazione, Obiettivo specifico 1.1 – Incremento dell’attività di innovazione delle imprese, Azione 1.1.5 – Sostegno all’avanzamento tecnologico delle imprese attraverso il finanziamento di linee pilota e azioni di validazione precoce dei prodotti e di dimostrazione su larga scala.
Partnership: Exprivia S.p.A. – capofila; Università degli Studi di Palermo; Fondazione Ri.MED; Securproject; OS2; 2038 Innovation Company; IRIB-CNR.
Abstract: Obiettivo del progetto OBIND è realizzare un sistema informatizzato in campo oncologico che consenta l’aggregazione e l’analisi di data set eterogenei, focalizzata allo studio delle interazioni tra diverse molecole biologiche che risultano alterate nelle patologie tumorali e al fine di creare un disegno razionale nella progettazione di nuove terapie. Lo studio di patologie complesse, come quelle tumorali, necessita di un approccio di analisi dati integrato. Oltre all’analisi dei geni implicati nel processo di trasformazione delle cellule normali in cellule tumorali (ne sono stati identificati più di 500), lo studio dell’insorgenza di un tumore richiede anche l’analisi delle interazioni tra proteine, RNA e piccole molecole. La progettazione farmaceutica di nuove terapie antitumorali specializzate e personalizzate è un processo molto complesso; lo sviluppo di nuove entità chimiche (NCE), infatti, richiede in media 13 anni con costi vicino al miliardo di euro. Lo studio del comportamento dell’intero network di interazioni molecolari permette di prevedere gli effetti di una terapia su una scala più ampia rispetto alla singola interazione. Preliminare a tale analisi è la consultazione di database specializzati disponibili sul web o presso gli enti di ricerca. Le problematiche legate all’analisi dei dati necessari per lo studio dei tumori e lo sviluppo di nuovi farmaci sono la presenza di grandi quantità di dati biomedici di difficile consultazione e manipolazione, la frammentarietà che non consente di avere una visione d’insieme delle problematiche legate alla patologia di interesse e la scarsa interoperabilità causata da varietà nei formati o assenza di strutturazione.
Il progetto di ricerca e sviluppo si propone di ottimizzare:
- la selezione di dati utili allo studio delle patologie tumorali di interesse, attraverso un motore di ricerca semantico collegato ai principali database di proteomica, trascrittomica, interattomica, chemogenomica, biologia strutturale e chimica medicinale;
- l’analisi integrata di differenti tipologie di dati, al fine di individuare le interazioni biologiche, tra piccole molecole, RNA e proteine, che influenzano, o potrebbero influenzare, l’insorgenza, l’evoluzione e/o la regressione della patologia tumorale;
- lo sfruttamento di nuovi approcci statistici e computazionali che intervengono nel data processing e di modelli di analisi integrata di più sorgenti di dati;
- l’estrapolazione di informazioni strutturali di molecole protette da brevetti (scaffold) da poter includere nel workflow di progettazione di nuove terapie.
Principal Investigator: Ugo Perricone e Claudia Coronnello
Output:
Piattaforma per lo studio di network molecolari (Proteina-ligando, proteina-proteina) e predizione attività su Kinasi coinvolte in processi tumorali.
Prodotti scientifici:
- An improvement of ComiR algorithm for microRNA target prediction by exploiting coding region sequences of mRNAs
- miR-1207-5p can contribute to dysregulation of inflammatory response in COVID-19 via targeting SARS-CoV-2 RNA
- A multivariate statistical test for differential expression analysis
- EMBER—Embedding Multiple Molecular Fingerprints for Virtual Screening
- A Rational Design of α-Helix-Shaped Peptides Employing the Hydrogen-Bond Surrogate Approach: A Modulation Strategy for Ras-RasGRF1 Interaction in Neuropsychiatric Disorders
- A Computer-Based Methodology to Design Non-Standard Peptides Potentially Able to Prevent HOX-PBX1-Associated Cancer Diseases
- KUALA: A Machine Learning-driven framework for kinase inhibitors repositioning
- Repetitive Sequence Transcription in Breast Cancer
