Providing easy-to-use tools to support clinical and biological research in the analysis of complex biological phenomena is becoming a critical issue and a great challenge. Systems biology is playing a central role in this direction. This type of approach can be strategic, for example, in helping clinicians to make better clinical decisions such as prescribing drugs or their combinations by tracking phenotypic deregulations consequences of a given disease, or specific to one or more patients. In fact, there is a growing interest in conducting patient-centered analyses and predictions to assess both patient-specific conditions and drug efficacy. The difficulties, costs, and timelines required in the discovery and development of new pharmaceutical molecules is a main problem. On the other hand, the availability of a huge number of drugs, that have passed all critical phases of clinical trials and for which most side effects are already known, increase the interest in repositioning such drugs for new therapeutic purposes. This strategy constitutes one main issue in personalized medicine. The aim of this thesis is to develop a new methodology, using a systems biology approach, for drug repositioning. This approach produces a drug prioritization based on a dynamic pathway-mechanistic prediction. In silico simulations are powerful techniques able to integrate experimental data and bibliographic information in order to predict, at different scales of detail (pathways, genes, proteins, metabolites), the effect of diseases and drugs. Computational experiments produce data allowing a multi-level understanding of a specific disease. This will guide identification of new druggable targets highlighting mechanisms of action of repositioned drugs and their cascading effects. Nowadays, infectious diseases represent a global emergency. Drug repurposing may represent a first-aid strategy waiting for vaccines or new specific molecules. The availability of cheap and easy-to-use computational tools for such task, appears to be of great importance for urgent clinical decision. The pandemic that has been developing since 2019 has raised this major challenge. For a virus as novel as SARS-CoV-2, knowledge of the host immune response to infection in order to design appropriate emergency therapies is crucial. Here we introduce a systems biology tool, the PHENotype SIMulator which, by leveraging available transcriptomic and proteomic data, allows in silico modeling of SARS-CoV-2 infection in host cells to i) determine with high sensitivity and specificity (both >96%) the viral effects on the host-immune cellular response, resulting in a specific cellular signature of SARS-CoV-2 and ii) use this specific signature to narrow promising repurposable therapeutic strategies. Using this tool, coupled with expertise in the field, we have identified several potential drugs for COVID-19, including methylprednisolone and metformin, and further discern key cellular pathways influenced by SARS-CoV-2 as potential new pharmacological targets in the pathogenesis of COVID-19.
Fornire strumenti facili da usare per supportare la ricerca clinica e biologica nell'analisi di fenomeni biologici complessi sta diventando una questione critica e una grande sfida. La biologia dei sistemi sta giocando un ruolo centrale in questa direzione. Questo tipo di approccio può essere strategico, per esempio, nell'aiutare i medici a prendere migliori decisioni cliniche, come la prescrizione di farmaci o le loro combinazioni, seguendo le deregolazioni fenotipiche conseguenti una data malattia, o specifiche di uno o più pazienti. Infatti, vi è un crescente interesse nel condurre analisi e previsioni incentrate sul paziente per valutare sia le condizioni specifiche del paziente che l'efficacia dei farmaci. Le difficoltà, i costi e le tempistiche richieste nella scoperta e nello sviluppo di nuove molecole farmaceutiche sono un problema primario. D'altra parte, la disponibilità di un enorme numero di farmaci, che hanno superato tutte le fasi critiche degli studi clinici e per i quali la maggior parte degli effetti collaterali sono già noti, aumenta l'interesse nel riposizionare tali farmaci per nuovi scopi terapeutici. Questa strategia costituisce una delle tematiche principali della medicina personalizzata. Lo scopo di questa tesi è quello di sviluppare una nuova metodologia, utilizzando un approccio di biologia dei sistemi, per il riposizionamento dei farmaci. Questo approccio produce una prioritizzazione dei farmaci basata su una previsione dinamica delle perturbazioni delle pathway biologiche. Le simulazioni in silico sono potenti tecniche in grado di integrare dati sperimentali e informazioni bibliografiche per prevedere, a diverse scale di dettaglio (percorsi, geni, proteine, metaboliti), l'effetto di malattie e farmaci. Gli esperimenti computazionali producono dati che permettono una comprensione a più livelli di una specifica malattia. Questo guiderà l'identificazione di nuovi bersagli farmacologici evidenziando i meccanismi d'azione dei farmaci riposizionati e i loro effetti a cascata. Al giorno d'oggi, le malattie infettive rappresentano un'emergenza globale. Il repurposing dei farmaci può rappresentare una strategia di primo soccorso in attesa di vaccini o di nuove molecole specifiche. La disponibilità di strumenti computazionali economici e facili da usare per tale compito, sembra essere di grande importanza per una decisione clinica di urgenza. La pandemia che si sta sviluppando dal 2019 ha sollevato questa grande sfida. Per un virus così nuovo come la SARS-CoV-2, la conoscenza della risposta immunitaria dell'ospite all'infezione al fine di progettare adeguate terapie di emergenza è fondamentale. Qui introduciamo uno strumento di biologia dei sistemi, il PHENotype SIMulator che, sfruttando i dati trascrittomici e proteomici disponibili, permette la modellazione in silico dell'infezione da SARS-CoV-2 nelle cellule dell'ospite per i) determinare con alta sensibilità e specificità (entrambe >96%) gli effetti virali sulla risposta cellulare ospite-immunitaria, risultando in una specifica firma cellulare di SARS-CoV-2 e ii) utilizzare questa firma specifica per restringere promettenti strategie terapeutiche riproponibili. Utilizzando questo strumento, unito all'esperienza nel campo, abbiamo identificato diversi potenziali farmaci per la COVID-19, tra cui il metilprednisolone e la metformina, e discernere ulteriormente i percorsi cellulari chiave influenzati dalla SARS-CoV-2 come potenziali nuovi obiettivi farmacologici nella patogenesi della COVID-19.
Un approccio di Biologia dei Sistemi per la modellazione di malattie ed il riposizionamento dei farmaci / Rapicavoli, Rosaria Valentina. - (2022 Feb 21).
Un approccio di Biologia dei Sistemi per la modellazione di malattie ed il riposizionamento dei farmaci
RAPICAVOLI, Rosaria Valentina
2022-02-21
Abstract
Providing easy-to-use tools to support clinical and biological research in the analysis of complex biological phenomena is becoming a critical issue and a great challenge. Systems biology is playing a central role in this direction. This type of approach can be strategic, for example, in helping clinicians to make better clinical decisions such as prescribing drugs or their combinations by tracking phenotypic deregulations consequences of a given disease, or specific to one or more patients. In fact, there is a growing interest in conducting patient-centered analyses and predictions to assess both patient-specific conditions and drug efficacy. The difficulties, costs, and timelines required in the discovery and development of new pharmaceutical molecules is a main problem. On the other hand, the availability of a huge number of drugs, that have passed all critical phases of clinical trials and for which most side effects are already known, increase the interest in repositioning such drugs for new therapeutic purposes. This strategy constitutes one main issue in personalized medicine. The aim of this thesis is to develop a new methodology, using a systems biology approach, for drug repositioning. This approach produces a drug prioritization based on a dynamic pathway-mechanistic prediction. In silico simulations are powerful techniques able to integrate experimental data and bibliographic information in order to predict, at different scales of detail (pathways, genes, proteins, metabolites), the effect of diseases and drugs. Computational experiments produce data allowing a multi-level understanding of a specific disease. This will guide identification of new druggable targets highlighting mechanisms of action of repositioned drugs and their cascading effects. Nowadays, infectious diseases represent a global emergency. Drug repurposing may represent a first-aid strategy waiting for vaccines or new specific molecules. The availability of cheap and easy-to-use computational tools for such task, appears to be of great importance for urgent clinical decision. The pandemic that has been developing since 2019 has raised this major challenge. For a virus as novel as SARS-CoV-2, knowledge of the host immune response to infection in order to design appropriate emergency therapies is crucial. Here we introduce a systems biology tool, the PHENotype SIMulator which, by leveraging available transcriptomic and proteomic data, allows in silico modeling of SARS-CoV-2 infection in host cells to i) determine with high sensitivity and specificity (both >96%) the viral effects on the host-immune cellular response, resulting in a specific cellular signature of SARS-CoV-2 and ii) use this specific signature to narrow promising repurposable therapeutic strategies. Using this tool, coupled with expertise in the field, we have identified several potential drugs for COVID-19, including methylprednisolone and metformin, and further discern key cellular pathways influenced by SARS-CoV-2 as potential new pharmacological targets in the pathogenesis of COVID-19.File | Dimensione | Formato | |
---|---|---|---|
Tesi di dottorato - RAPICAVOLI ROSARIA VALENTINA 20220131145630.pdf
accesso aperto
Tipologia:
Tesi di dottorato
Licenza:
PUBBLICO - Pubblico con Copyright
Dimensione
13.22 MB
Formato
Adobe PDF
|
13.22 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.