Titolo della tesi: DIGITAL PLATFORMS AND COMPUTATIONAL CHEMISTRY METHODS: LINKING AGRI-FOOD DATA TO DRUG DISCOVERY AND STRUCTURAL BIOLOGY
La crescente digitalizzazione del settore agroalimentare e lo sviluppo delle tecnologie computazionali per la scoperta di nuovi farmaci condividono un obiettivo comune: trasformare grandi quantità di dati eterogenei in conoscenza utile per la sostenibilità, la salute e l’innovazione. In questo contesto, il progetto Agritech e la piattaforma METRIQA rappresentano un passo fondamentale verso la creazione di uno spazio digitale integrato per la raccolta, l’analisi e la valorizzazione dei dati agroalimentari. Tali dati, relativi a colture, composizione chimica dei prodotti e pratiche agricole, possono infatti essere reinterpretati in chiave biotecnologica e farmacologica, offrendo nuove opportunità per identificare composti bioattivi di origine naturale o derivati da scarti vegetali. Sfruttando strumenti di intelligenza artificiale, machine learning e modellistica molecolare, questa ricerca propone un approccio integrato in cui le informazioni provenienti dal mondo agrifood vengono collegate alla ricerca computazionale di nuovi inibitori molecolari. In particolare, lo studio ha riguardato la chinasi NEK6, un bersaglio emergente in diversi tumori solidi, e la proteina CD44, coinvolta in processi di adesione e metastasi. Attraverso tecniche di virtual screening, docking molecolare, dinamiche molecolari e ottimizzazione delle hit sintetiche sono stati identificati e perfezionati potenziali inibitori, sia naturali che di sintesi, caratterizzati da buone proprietà farmacocinetiche e affinità di legame. La tesi di dottorato evidenzia come la convergenza tra i dati agroalimentari e la chimica computazionale possa favorire la scoperta di nuove molecole bioattive e l’uso sostenibile delle risorse naturali, aprendo la strada a un futuro in cui l’agricoltura digitale e la ricerca farmaceutica collaborano per lo sviluppo di soluzioni innovative nel campo della salute e dell’ambiente.