Discovery of new pharmaceutical approaches using protein interaction networks, molecular modelling and organic spectroscopy
Δέσποινα Κιούρη · 2026
Η παρούσα διδακτορική διατριβή αξιοποιεί προηγμένες υπολογιστικές μεθοδολογίες για την πρόβλεψη και τον χαρακτηρισμό της αλληλεπίδρασης μεταξύ του ξενιστή και του μικροβιώματος του εντέρου υπό ένα δομικό πρίσμα, αντιμετωπίζοντας έτσι τους εγγενείς περιορισμούς της πειραματικής διερεύνησης των πρωτεϊνικών αυτών αλληλεπιδράσεων και τη σπανιότητα δεδομένων δομής υψηλής ευκρίνειας. Η έρευνα διαρθρώνεται γύρω από τρεις βασικούς πυλώνες: την ανάπτυξη προβλεπτικών μοντέλων, τον βιολογικό χαρακτηρισμό του προβλεπόμενου συνόλου πρωτεϊνικών αλληλεπιδράσεων και τη μετάφραση των ευρημάτων αυτών σε θεραπευτικές προσεγγίσεις. Η πρώτη φάση της εργασίας επικεντρώνεται στην αποσαφήνιση της μοριακής αλληλεπίδρασης μεταξύ του μικροβιακού και του ανθρώπινου πρωτεώματος. Οι αρχικές προσπάθειες περιλάμβαναν την κατασκευή ενός δικτύου αλληλεπιδράσεων πρωτεΐνης–πρωτεΐνης (Protein-protein interaction network, PPIN) με χρήση μηχανικής μάθησης ( Machine Learning, ML) για την εξαγωγή στατιστικά σημαντικών συσχετίσεων μεταξύ των περιοχών Pfam. Το μοντέλο αυτό εκπαιδεύτηκε σε ένα ευρείας κλίμακας, ετερογενές σύνολο δεδομένων που περιλάμβανε περισσότερο από ένα εκατομμύριο πειραματικά επιβεβαιωμένες αλληλεπιδράσεις από πολλαπλά taxa. Για την ενίσχυση της προβλεπτικής ακρίβειας, αναπτύχθηκε στη συνέχεια μια νέα υβριδική αρχιτεκτονική βαθιάς μάθησης (Deep Learning, DL). Το πλαίσιο αυτό ενσωματώνει αναπαραστάσεις πρωτεϊνών βασισμένες σε γράφους μαζί με παραλλακτικούς αυτοκωδικοποιητές (Variational Autoencoders, VAEs) για τη δημιουργία λανθανουσών δομικών ενσωματώσεων (Latent embeddings), οι οποίες κατόπιν επεξεργάζονται από ένα αμφίδρομο δομοστοιχείο διασταυρούμενης προσοχής (Bi-directional cross-attention) για την πρόβλεψη των αλληλεπιδράσεων. Για τη διασφάλιση της ευρωστίας έναντι της ανισορροπίας των κλάσεων, το μοντέλο χρησιμοποιεί συνάρτηση εστιακής απώλειας (Focal loss) που δίνει προτεραιότητα στα δυσκολότερα ταξινομήσιμα δείγματα.Ο δεύτερος στόχος αφορά τη συστηματική βιολογική και τοπολογική ανάλυση του προβλεπόμενου PPIN με σκοπό τον εντοπισμό συσχετίσεων με νόσους. Μέσω πολυπαραμετρικών τοπολογικών αξιολογήσεων—που περιλαμβάνουν κατανομές βαθμού (Degree distributions), συναρμοστικότητα (Assortativity) και συσχετίσεις μέσου βαθμού–αφθονίας—η μελέτη χαρακτηρίζει την ανθεκτικότητα και την οργανωτική λογική του διαδραστικώματος ξενιστή–μικροβίου. Η ανάλυση αυτή ανέδειξε κρίσιμους πρωτεϊνικούς κόμβους (Hubs) που εμπλέκονται στη φλεγμονή, τον καρκίνο, τη μιτοχονδριακή δυσλειτουργία και τις καρδιομεταβολικές διαταραχές. Η τελική φάση μεταφράζει τα υπολογιστικά αυτά ευρήματα σε φαρμακολογικές προσεγγίσεις. Εστιάζοντας στους κόμβους που εντοπίστηκαν, η μελέτη εφάρμοσε μια στρατηγική ορθολογικού σχεδιασμού για την ανάπτυξη μικρών οργανικών μορίων που στοχεύουν παθολογικές αλληλεπιδράσεις σε οδούς σχετιζόμενες με την παχυσαρκία και τις καρδιομεταβολικές διαταραχές. Δεδομένης της ισχυρής συσχέτισης που αποκαλύφθηκε μεταξύ των αλληεπιδράσεων βακτηριών-ανθρώπου και του καρκίνου του παχέος εντέρου, το μοντέλο DL εφαρμόστηκε περαιτέρω σε κλινικά μεταγονιδιωματικά δεδομένα για τη διάκριση των μοριακών υπογραφών υγιών ατόμων από εκείνες ασθενών με καρκίνο παχέος εντέρου. Η ανάλυση κεντρικότητας ανέδειξε καίριες πρωτεΐνες του ξενιστή, οι οποίες στη συνέχεια αποτέλεσαν στόχους για την ορθολογική επαναστόχευση φυσικών προϊόντων. Το φυτό Achillea millefolium αναγνωρίστηκε ως πρωταρχικός υποψήφιος, και ακολούθως χρησιμοποιήθηκαν μοριακή πρόσδεση (Molecular docking) σε συνδυασμό με φασματοσκοπία πυρηνικού μαγνητικού συντονισμού (NMR) για την επικύρωση της συγγένειας πρόσδεσης συνθετικών μορίων ως προς τους στόχους του ξενιστή που εντοπίστηκαν. Συνολικά, η παρούσα διατριβή ενοποιεί την υπολογιστική μοντελοποίηση, τη δομική βιολογία και τα κλινικά δεδομένα συστημικής βιολογίας, ώστε να προαγάγει την κατανόηση της επίδρασης του μικροβιώματος του εντέρου στην ανθρώπινη υγεία. Μέσω της δημιουργίας ενός πολυκλιμακωτού υπολογιστικού αγωγού (Pipeline)—που εκτείνεται από την πρόβλεψη βασισμένη σε βαθιά μάθηση έως την πειραματική επικύρωση—η εργασία αυτή παρέχει ένα θεμελιώδες πλαίσιο για την ανακάλυψη θεραπευτικών στόχων και την αποσαφήνιση των μοριακών μηχανισμών που διέπουν την επικοινωνία ξενιστή–μικροβίου τόσο σε φυσιολογικές όσο και σε παθολογικές καταστάσεις.