• acqua
• inibitori
• machine learning
• MAGL
• solubilità

La solubilità in acqua è cruciale nel drug discovery, impattando biodisponibilità e efficacia terapeutica. Bassa solubilità può compromettere l'assorbimento gastrointestinale e richiedere dosi elevate, aumentando il rischio di effetti collaterali. La previsione accurata della solubilità è essenziale, accelerando lo screening e riducendo costi e tempi di sviluppo farmaceutico. Nel primo progetto di tesi, ho sviluppato un modello di Machine Learning per predire la solubilità di molecole organiche, ottenendo risultati comparabili a quelli in letteratura.
La seconda parte del lavoro si è concentrata sulla sintesi di inibitori reversibili dell'enzima MAGL, coinvolto nella degradazione del 2-AG, endocannabinide associato a patologie come il cancro. Sviluppare inibitori selettivi di MAGL è farmaceuticamente rilevante, influenzando la proliferazione tumorale e la produzione di sostanze pro-infiammatorie. I composti sintetizzati, una volta testata la loro attività, potranno essere usati in campo terapeutico.