Parla di un Ritorno Accademico: Esplora in Profondità l'Entusiasmante Percorso del Dr. Bajarang nel Padroneggiare la Chimica Computazionale

Il Dr. Bajarang Kumbhar, Professore Assistente presso l'università SVKM's NMIMS, è un docente e ricercatore dedicato specializzato in chimica farmaceutica. Con una vasta esperienza di ricerca, si concentra sull'avanzamento della comprensione della progettazione dei farmaci, della sintesi e delle tecniche analitiche. Il Dr. Kumbhar è appassionato di mentorship per gli studenti e di guidarli in progetti di ricerca innovativi. I suoi contributi a pubblicazioni accademiche e conferenze riflettono il suo impegno nel promuovere l'eccellenza scientifica e nel guidare l'innovazione nell'educazione e nella ricerca farmaceutica.

Pharma Now: Benvenuto, Dr. Bajarang, a Pharma Now. Credo che oggi parleremo del suo percorso. Per il nostro pubblico, potrebbe spiegare perché ha scelto biochimica e farmaceutica come area di specializzazione, soprattutto come professore presso NMIMS?

Dr. Bajarang: Grazie, Pharma Now, per avermi dato questa opportunità. Sono felice di condividere come ho iniziato la mia carriera e come sono arrivato a specializzarmi in biochimica e biologia computazionale, ambiti molto vicini al focus di Pharma Now. Ho iniziato il mio percorso accademico in chimica come studente universitario, avendo ottenuto l'ammissione nel campo della chimica. Tuttavia, ho presto capito che la biochimica, strettamente correlata alla chimica, suscitava il mio interesse.

All'inizio, mi sentivo incerto nel primo semestre, dubitando della mia capacità di conseguire un MSc in Biochemistry. Ma col tempo ho sviluppato una fascinazione per il DNA e le sue interazioni, e per come influisce infine sulla sintesi delle proteine, essenziale per molte reazioni biochimiche. Proteine e DNA sono protagonisti chiave in questo processo, e sono stato motivato a esplorare ulteriormente quest'area.

Questo interesse mi ha portato a conseguire un PhD in computational chemistry, dove ho applicato la meccanica quantistica per comprendere gli stati conformazionali delle biomolecole. Ad esempio, ho lavorato sul tRNA e sulle sue interazioni con molecole di RNA. Ho realizzato che la mia formazione in chimica era fondamentale, e la computational chemistry era il modo perfetto per unire i miei interessi in entrambi i campi.

La meccanica quantistica ci permette di comprendere le interazioni a livello atomico o elettronico, che giocano un ruolo significativo nel riconoscimento molecolare. Per esempio, nel mio PhD ho utilizzato queste tecniche per esplorare come il tRNA interagisce con altre biomolecole, studiandone i cambiamenti strutturali mediante molecular dynamics simulations. Questa tecnica, riconosciuta con un Nobel, simula ambienti e ci aiuta a comprendere i comportamenti dipendenti dal tempo delle molecole in varie condizioni come pH e temperatura.

Pharma Now: Fantastico! Il suo percorso sembra davvero emozionante. Ha menzionato la computational chemistry, e mi piacerebbe saperne di più.

Dr. Bajarang: Sì, la computational chemistry è diventata centrale nel mio lavoro post-dottorato. Dopo aver completato il PhD, sono entrato in IIT Bombay nel 2014 come computational biochemist nel laboratorio del Professor Ambrish Kunwar. Uno dei miei progetti principali riguardava lo studio dei pattern di resistenza di noti farmaci anticancro come Taxol, Vinblastine e Combrestatin. Nonostante la loro efficacia, questi farmaci spesso incontrano resistenza, quindi il mio obiettivo era indagare le cause di tale resistenza utilizzando tecniche di computational chemistry.

Abbiamo modellato diversi tubulin isotypes, componenti dei microtubuli, e studiato come interagiscono con questi farmaci mediante molecular docking e dynamic simulations. Questo studio ha rivelato affinità differenziali tra i farmaci e vari tubulin isotypes, una scoperta rivoluzionaria nel campo.

Attualmente stiamo lavorando all'identificazione di potenziali molecole farmaceutiche da librerie di farmaci online, come Zinc e DrugBank, utilizzando strumenti computazionali. Studiando le proprietà di questi farmaci, possiamo prevederne efficacia e profili di tossicità, essenziali per la scoperta di nuovi farmaci.

Inoltre applichiamo tecniche di machine learning, in particolare supervised learning, per filtrare grandi librerie di farmaci in base alla loro somiglianza con farmaci noti efficaci. Questo approccio ci ha aiutato a identificare candidati promettenti per studi successivi.

Pharma Now: La computational chemistry sembra svolgere un ruolo cruciale nell'industria. Cosa pensa riservi il futuro per questo campo?

Dr. Bajarang: È una domanda eccellente. La computational chemistry sta già rivoluzionando il modo in cui vengono progettati i farmaci, poiché permette ai ricercatori di prevedere le proprietà delle molecole prima della loro sintesi. Questo approccio non solo fa risparmiare denaro ma accelera anche il processo di drug discovery. Ad esempio, studiando le proprietà elettroniche delle molecole, possiamo prevederne la capacità di donare o accettare elettroni, aspetto critico nelle interazioni farmaco-recettore.

Inoltre, la computational chemistry viene sempre più utilizzata per studiare farmacocinetica e farmacodinamica, aiutando i ricercatori a comprendere come i farmaci vengano assorbiti, distribuiti, metabolizzati ed eliminati dall'organismo.

In futuro, gli strumenti computazionali diventeranno ancora più integrali nel processo di drug discovery. Stiamo già osservando risultati promettenti con metodi computazionali applicati a sfide come la pandemia di SARS-CoV-2. Recentemente abbiamo identificato potenziali molecole anti-SARS-CoV-2 partendo da librerie di farmaci esistenti usando simulazioni computazionali.

Pharma Now: Mi piacerebbe saperne di più sulle applicazioni della computational chemistry nell'industria. Quali sono le tendenze chiave?

Dr. Bajarang: La computational chemistry è davvero uno strumento potente per l'industria farmaceutica, in particolare nello sviluppo dei farmaci. Le aziende la usano sempre più per risparmiare costi e tempo prevedendo le proprietà delle molecole prima dell'inizio dei lavori sperimentali. Per esempio, convertendo composti chimici da rappresentazioni unidimensionali a modelli tridimensionali, i ricercatori possono simulare come queste molecole potrebbero interagire con i target farmacologici. Questo approccio aiuta a identificare più efficacemente candidati farmaci promettenti.

Inoltre, la chimica computazionale gioca un ruolo significativo nello sviluppo di farmaci biosimilari. Analizzando la struttura e le proprietà dei farmaci biologici, aiuta a identificare i biosimilari più appropriati, riducendo i costi e i tempi di sviluppo.

Pharma Now: È affascinante vedere come questa tecnologia stia plasmando il futuro del settore farmaceutico. Dr. 

Bajarang, da qualcuno che proviene da una piccola cittadina del Maharashtra, cosa la ispira e quale consiglio darebbe agli studenti che si avvicinano a questo campo?

Dott. Bajarang: Mi ha toccato il cuore con questa domanda. Vengo da Atpadi nel distretto di Sangli, dove l’accesso all’istruzione era limitato, e ho affrontato molte difficoltà nei miei primi anni. In effetti, sono stato bocciato due volte in 10ª classe. Ma quella sconfitta mi ha insegnato l’importanza della perseveranza. Dopo i fallimenti, ho lavorato in varie botteghe e ho capito che l’istruzione era la chiave per un futuro migliore.

Nonostante le difficoltà iniziali, alla fine ho studiato scienze e ottenuto MSc e PhD. Oggi sono orgoglioso di dire di aver pubblicato oltre 45 articoli e di aver collaborato con istituzioni rinomate come IIT Bombay e NMIMS.

Il mio consiglio agli studenti è semplice: non scoraggiatevi per gli ostacoli. Il successo non arriva da un giorno all’altro, ma con determinazione e lavoro duro tutto è possibile. Imparate da ogni fallimento e continuate ad andare avanti. Se ce l’ho fatta io, potete farcela anche voi!

Pharma Now: Il suo percorso è davvero fonte di ispirazione, Dr. Bajarang. Grazie per averlo condiviso con noi. Le auguriamo continuo successo nella sua ricerca e nell’insegnamento!

Dott. Bajarang: La ringrazio molto! È stato un piacere essere qui e condividere il mio percorso con voi.