2026
In evidenza: Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions
Journal of Molecular Graphics and Modelling142, 109187
Docking, dinamica molecolare e machine learning per prevedere se, quanto saldamente e per quanto tempo una molecola si lega al suo bersaglio, con modelli le cui previsioni si possano spiegare.
Perché un farmaco funzioni conta se trova il suo bersaglio, quanto saldamente vi si lega e per quanto tempo ci resta. Affronto queste domande con docking, dinamica molecolare e, sempre di più, machine learning.
Sul fronte del machine learning costruisco modelli che apprendono da rappresentazioni di proteine e piccole molecole per prevedere come interagiscono, e ai modelli a scatola nera preferisco quelli le cui previsioni si possono spiegare. Sul fronte della simulazione uso la modellistica molecolare per capire nel dettaglio i meccanismi di legame, per esempio come un singolo composto possa agire contemporaneamente su più bersagli.
Sto inoltre sviluppando LangMol, una piattaforma integrata di modellistica molecolare costruita attorno a modelli di intelligenza artificiale, che riunisce questi strumenti: progettazione di molecole guidata da modelli linguistici, modellistica delle proteine, docking e previsione di legame e affinità.
2026
Journal of Molecular Graphics and Modelling142, 109187
2026
2024
Scientific Reports14(1), 6296
2022