Intelligenza Artificiale e Natura: La Nuova Frontiera per Salvare il Fegato dai Farmaci

Ciao a tutti! Oggi voglio parlarvi di qualcosa che mi appassiona tantissimo: l’incredibile connubio tra tecnologia avanzata, come il deep learning, e la saggezza millenaria della natura, rappresentata dai prodotti naturali. E tutto questo per affrontare un problema serio: i danni al fegato causati da alcuni farmaci.

Il Fegato: Un Eroe Silenzioso Sotto Attacco

Pensateci un attimo: il fegato è una vera e propria centrale operativa del nostro corpo. Lavora senza sosta per metabolizzare ciò che mangiamo, regolare il volume del sangue, supportare il sistema immunitario, gestire ormoni, lipidi, colesterolo e, soprattutto, per “smontare” e neutralizzare sostanze estranee, inclusi molti dei farmaci che assumiamo. Proprio per questo suo ruolo di “filtro” e “detossificatore”, è anche uno degli organi più esposti a danni e lesioni, spesso causati proprio dai medicinali che dovrebbero curarci. Malattie come l’Epatite C (HCV), la Colangite Biliare Primitiva (PBC), la Colestasi Familiare Intraepatica Progressiva (PFIC), la fibrosi epatica, le neoplasie (tumori) del fegato e persino l’aterosclerosi (che pur essendo una malattia vascolare ha legami con il fegato) vengono trattate con farmaci che, purtroppo, possono avere effetti collaterali epatici non trascurabili.

Il Problema dei Farmaci Sintetici

Prendiamo alcuni esempi. Farmaci antivirali come Ribavirina e Sofosbuvir sono usati contro l’HCV; Odevixibat per la PFIC; Ursodiolo per la PBC; Inclisiran per l’aterosclerosi. Anche se efficaci contro la malattia specifica, questi composti sintetici possono interagire non solo con il loro bersaglio primario ma anche con altre proteine presenti nel fegato, causando tossicità. È un po’ come cercare di colpire un bersaglio specifico in una stanza affollata e finire per urtare qualcun altro. Il risultato? Effetti collaterali che vanno da lievi alterazioni delle funzioni epatiche fino a danni più seri. E per alcune condizioni come la fibrosi epatica avanzata (cirrosi) o certi tumori del fegato, le opzioni terapeutiche efficaci e sicure sono ancora limitate.

La Nostra Idea: Deep Learning e Tesori Naturali

Ed è qui che entra in gioco la nostra ricerca. Ci siamo chiesti: e se potessimo usare l’intelligenza artificiale, in particolare il deep learning, per prevedere in anticipo come un farmaco interagirà non solo con il suo target ma anche con le migliaia di proteine presenti nel fegato? E se potessimo usare questa stessa tecnologia per scovare, tra i tantissimi composti offerti dalla natura (i cosiddetti phytochemicals, estratti dalle piante), delle alternative più “gentili” per il nostro fegato?

Abbiamo utilizzato una libreria di deep learning chiamata DeepPurpose, addestrata su enormi quantità di dati, capace di prevedere la probabilità di legame tra una molecola (farmaco o composto naturale) e una proteina. È come avere un “oracolo” digitale che ci dice quanto è probabile che una chiave (la molecola) si incastri in una serratura (la proteina).

Abbiamo “dato in pasto” a DeepPurpose le informazioni sui farmaci sintetici attualmente in uso per le malattie menzionate e sull’intero “proteoma” epatico (l’insieme di tutte le proteine del fegato). Come sospettavamo, le previsioni hanno indicato che molti di questi farmaci hanno un’alta probabilità di legarsi anche a proteine epatiche diverse dal loro target principale, spiegando così i potenziali effetti collaterali.

Alla Scoperta di Alternative Naturali

Poi è arrivata la parte più affascinante: la ricerca di alternative nel regno vegetale. Abbiamo attinto a un database chiamato IMPPAT, che raccoglie informazioni sulle piante medicinali indiane e sui loro composti attivi. Abbiamo selezionato centinaia di phytochemicals con caratteristiche “simili a farmaci” e abbiamo chiesto a DeepPurpose di prevedere come interagissero sia con i target delle malattie sia con le proteine del fegato. L’obiettivo era trovare composti che si legassero forte al bersaglio della malattia ma il meno possibile alle altre proteine epatiche.

Abbiamo identificato un gruppo promettente di phytochemicals. Per rendere la nostra analisi ancora più solida, abbiamo usato tecniche di bioinformatica strutturale, in particolare il “molecular docking”. Immaginate di avere il modello 3D della proteina target (la serratura) e della molecola (la chiave) e di usare un software per simulare come si incastrano e con quanta forza. Abbiamo confrontato i punteggi di docking dei farmaci sintetici con quelli dei nostri candidati naturali.

Risultati Promettenti: La Natura Batte la Sintesi?

I risultati sono stati davvero incoraggianti! Per diverse malattie, abbiamo trovato composti naturali che non solo mostravano un’interazione prevista minima con le proteine epatiche “innocenti”, ma avevano anche un punteggio di docking con la proteina target uguale o addirittura superiore a quello del farmaco sintetico corrispondente.

Ecco alcuni esempi:

• Per l’HCV: Al posto di Ribavirina e Sofosbuvir, la Mauritine F (estratta da piante del genere Ziziphus) ha mostrato un ottimo docking score con l’enzima virale target (RNA polimerasi) e una minore interazione prevista con le proteine epatiche.
• Per la PFIC: La Nummularine H (anch’essa da Ziziphus) è emersa come potenziale alternativa all’Odevixibat per inibire il trasportatore degli acidi biliari.
• Per la PBC: La Demethyloleuropein (dall’olivo, Olea europaea) potrebbe sostituire l’Ursodiolo nell’interagire con il recettore degli acidi biliari.
• Per l’Aterosclerosi: Un composto chiamato mb-5 (da Ipomoea turbinata) è stato identificato come potenziale inibitore della proteina IL-6, un importante mediatore infiammatorio in questa patologia.
• Per la Fibrosi Epatica: La Corymbosin (da Tarenna asiatica e Vitex negundo) ha mostrato un buon potenziale per inibire la proteina THBS1, coinvolta nella cicatrizzazione del fegato, risultando migliore del composto di riferimento Apabetalone nel nostro docking.
• Per la Neoplasia Epatica: L’Angustoline (da Uncaria homomalla) è risultata promettente nell’inibire il fattore di crescita HGF, spesso iperespresso nei tumori del fegato, con un docking score superiore al farmaco Crizotinib.

Questi composti naturali, oltre a mostrare un profilo di sicurezza epatica potenzialmente migliore secondo le nostre analisi computazionali, provengono da piante spesso già note nella medicina tradizionale per le loro proprietà benefiche (anti-infiammatorie, antiossidanti, epatoprotettive).

Cosa Significa Tutto Questo?

Il nostro studio suggerisce che combinare la potenza predittiva del deep learning con l’enorme serbatoio di molecole offerto dalla natura può essere una strategia potentissima per scoprire nuovi farmaci più sicuri, specialmente per il fegato. Identificare candidati promettenti *in silico* (cioè al computer) permette di risparmiare tempo e risorse enormi rispetto allo screening tradizionale in laboratorio di migliaia di composti.

Uno Sguardo al Futuro (e Qualche Cautela)

Certo, è fondamentale sottolinearlo: questi sono risultati computazionali. Il prossimo passo, cruciale, è la validazione in laboratorio (*in vitro*) e poi negli organismi viventi (*in vivo*) per confermare l’efficacia e, soprattutto, la sicurezza di questi composti naturali. Bisogna anche considerare le sfide legate all’estrazione, purificazione e standardizzazione di questi phytochemicals dalle piante.

Tuttavia, la strada è tracciata. L’idea di progettare farmaci tenendo conto fin dall’inizio della loro interazione specifica con i tessuti, come il fegato, grazie all’aiuto dell’intelligenza artificiale, apre scenari entusiasmanti. Potremmo avere terapie più mirate, più efficaci e, soprattutto, con meno effetti collaterali indesiderati.

In conclusione, credo fermamente che questa sinergia tra IA e natura rappresenti una delle frontiere più promettenti della ricerca farmacologica. Un modo per sfruttare il meglio della tecnologia moderna e la saggezza intrinseca del mondo naturale per proteggere la salute del nostro preziosissimo fegato e migliorare la qualità di vita di tanti pazienti.

Fonte: Springer