Pier Luigi Martelli

Le  linee di ricerca principali di PLM  riguardano lo sviluppo di sistemi basati su reti neurali, Hidden Markov Model e Support Vector Machine per la predizione di caratteristiche strutturali e funzionali di proteine. In particolare ha sviluppato sistemi per la predizione della struttura secondaria di proteine, della topografia e topologia di proteine di membrana (interna ed esterna), dello stato di legame delle cisteine, della localizzazione subcellulare. Si è occupato inoltre dello studio e simulazione del folding di proteine, della predizione di strutture tridimensionali di proteine integrando informazioni sequenziali e sperimentali, della stabilità delle proteine tramite metodi di dinamica molecolare e dello studio della interazione tra piccoli ligandi e proteine mediante tecniche di docking molecolare.

Protein Folding e Biofisica Molecolare Teorica

A partire dal 1996, durante il suo lavoro di tesi di laurea in Fisica, PLM si è occupato di aspetti riguardanti lo studio teorico del problema folding affrontati mediante metodi computazionali basati su reti neurali e algoritmi genetici. In particolare lo studio delle proprietà delle reti neurali ha permesso di sviluppare un criterio entropico in grado di selezionare frammenti di alfa-eliche che abbiano elevata probabilità di essere siti di nucleazione per il folding di proteine. Sulla base di tale criterio si è sviluppato un sistema basato sull'accoppiamento di reti neurali e algoritmi genetici utili per la progettazione di peptidi a conformazione predeterminata. I principali risultati ottenuti sono:

1. la predizione di siti di iniziazione del folding in proteine e la loro conservazione in proteine con identità di sequenza fino al 30% .

2. la costruzione di una banca dati di frammenti di alfa-eliche che possono essere utilizzati come elementi essenziali nella ingegnerizzazione di peptidi a struttura predeterminata.

Predizione delle Strutture di Proteine

A partire dal 1997, durante il suo lavoro di ricerca nell'ambito del dottorato in Fisica e in collaborazione col prof. Anders Krogh della Technical University of Denmark, PLM si è occupato principalmente dello studio dei sistemi di "machine learning" volti alla predizione delle caratteristiche morfo-funzionali delle proteine a partire dalla loro sequenza amminoacidica. Generalmente l'analisi di sequenze di proteine viene svolta con tecniche diverse basate sull'uso di reti neurali supervisionate e non, algoritmi genetici e “hidden Markov model” (HMM). In particolare il sottoscritto si è occupato della progettazione e dell'implementazione di sistemi integrati di Reti Neurali e "hidden Markov model" che permettono di unire l'alta efficienza delle prime alla capacità che posseggono i secondi di strutturare le predizioni in maniera sintatticamente corretta. Tali sistemi hanno inoltre permesso di costruire per la prima volta predittori a "hidden Markov models" capaci di elaborare l'informazione evolutiva contenuta negli allineamenti multipli di sequenza.

Con tali metodi è stato sviluppato un predittore a Hidden Markov Model di proteine di membrana a "beta-barrel". Gli HMM sviluppati hanno inoltre permesso la costruzione di predittori integrati con reti neurali per la predizione dello stato di legame delle cisteine in una catena proteica. I predittori per la struttura delle proteine beta-barrel di membrana e per lo stato di legame delle cisteine sviluppati con questi metodi sono i migliori oggi disponibili. Con gli stessi metodi si è sviluppato un predittore per le proteine della membrana interna (all-alfa). I predittori per le proteine di membrana (esterna ed interna) hanno dimostrato una buona capacità discriminativa e sono stati quindi integrati in un sistema (Hunter), in grado di rintracciare e distinguere le proteine della membrana interna e quelle della membrana esterna all'interno dei genomi dei batteri Gram negativi. I predittori implementati sono stati integrati in un sistema accessibile dalla comunità scientifica tramite rete Internet e chiamato TRAMPLE. Inoltre il sottoscritto ha partecipato all'implementazione di un predittore di struttura secondaria a Reti Neurali e ha collaborato in progetti volti a valutare l'efficienza predittiva delle Reti Neurali.

Protein Modeling e Relazione Struttura-Funzione

Nell'ambito di collaborazioni del gruppo di Biocomputing del CIRB con altri gruppi di ricerca PLM ha svolto studi sul rapporto struttura-funzione in proteine di particolare interesse applicativo, utilizzando gli strumenti del modelling, della dinamica molecolare e del docking. Poiché la struttura tridimensionale delle proteine determina la loro funzione, il primo passo di tali studi consiste nella predizione della struttura 3D della proteina, qualora questa non sia disponibile. Tale compito viene affrontato sfruttando l'omologia con proteine di struttura nota e con l'ausilio dei predittori di caratteristiche strutturali disponibili, alcuni dei quali sviluppati dal gruppo di Biocomputing del CIRB. Altri studi sulla stabilità e la dinamica in soluzione e sotto differenti condizioni vengono condotti tramite simulazioni di dinamica molecolare. I metodi di "docking" permettono poi di studiare i problemi legati al riconoscimento molecolare. I dati ottenuti vengono confrontati con i dati sperimentali ottenuti dai gruppi con cui collaboriamo e interpretati con modelli teorici. I principali risultati ottenuti sono:

1. Costruzione di modelli tridimensionali di proteine termofile allo scopo di indagare le caratteristiche che contribuiscono alla loro stabilità a temperature attorno ai 90° C: in particolare i modelli del tetramero di carbossipeptidasi e del tetramero di alcool deidrogrenasi di carbossipeptidasi di Sulfolobus solfataricus.

2. Costruzione e studio tramite dinamica molecolare di modelli di enzimi utilizzati in bioreattori allo scopo di studiare gli effetti dell'immobilizzazione sulla loro stabilità strutturale . Gli enzimi su cui tali studi sono stati effettuati sono l'ureasi di fagiolo, la beta-galattosidasi di Aspergillus oryzae e la laccasi di Rhus vernicifera.

3. Studio dell'effetto destabilizzante sulla struttura della mioglobina della doppia mutazione dei triptofani in posizione 7 e 14 nella sequenza, tramite dinamica molecolare.

4. Studio tramite dinamica molecolare delle proprietà di emissione di fluorescenza dei triptofani della beta-galattosidasi di Sulfolobus solfataricus.

5. Modelling della integrina alphav-beta3 e ricerca di un inibitore basato su molecole peptidomimetiche.

6. Individuazione e studio di un peptide fusogenico della glicoproteina H del virus Herpes simplex.

Predizione della localizzazione subcellulare di proteine

Un recente campo di ricerca riguarda la predizione della localizzazione subcellulare delle proteine globulari e di membrana a partire dalla sequenza amminoacidica. Questo problema è di estrema rilevanza per la determinazione della funzione delle proteine, in particolare nel caso degli organismi eucarioti. A questo scopo è stato implementato BaCelLo, un sistema basato su un albero decisionale si Support Vector Machine capace di discriminare 4 localizzazioni per le proteine da animali e funghi (spazio extracitoplasmatico, citoplasma, mitocondri, nucleo) e 5 per le proteine da piante (alle precedenti vengono aggiunti i cloroplasti). BaCelLo è stato addestrato e valutato su insiemi rigorosamente non ridondanti di proteine, al contrario della maggior parte dei predittori attualmente disponibili.

Utilizzando in serie i nostri predittori per il peptide segnale, per le strutture transmembrana e per la localizzazione cellulare, è stata predetta la localizzazione subcellulare di interi genomi. Tale predizione viene confrontata con la localizzazione riportata nei file SwissProt e con con quella inferita tramite omologia.

Per quel che riguarda le proteine di membrana, è stato implementato PredGPI, uno strumento computazionale per determinare se una proteina sia ancorata alla membrana tramite un'ancora GPI e, nel caso, quale sia il sito nella porzione C-terminale su cui avviene l'ancoraggio.