search
itItaliano
banner
Casa / Blog / Una risorsa di farmacologia secondaria preclinica illumina l’obiettivo
Blog
pageSearch
Ultime notizie

Una risorsa di farmacologia secondaria preclinica illumina l’obiettivo

Jul 31, 2023Jul 31, 2023

Nature Communications volume 14, numero articolo: 4323 (2023) Citare questo articolo

6396 accessi

41 Altmetrico

Dettagli sulle metriche

I test di farmacologia secondaria in vitro sono uno strumento importante per prevedere le reazioni cliniche avverse ai farmaci (ADR) dei farmaci sperimentali. Abbiamo creato il database farmacologico secondario (SPD) testando 1958 farmaci utilizzando 200 test per convalidare le associazioni target-ADR. Rispetto alle risorse pubbliche e in abbonamento, il 95% di tutti e il 36% dei risultati attivi (AC50 < 1 µM) sono esclusivi di SPD, con una propensione verso una maggiore attività nelle risorse pubbliche. Annotando i farmaci con concentrazioni plasmatiche massime libere, troviamo 684 attività fuori bersaglio non pubblicate fisiologicamente rilevanti. Inoltre, il 64% delle presunte ADR legate all’attività target nelle principali revisioni della letteratura non sono statisticamente significative nell’SPD. L'analisi sistematica di tutte le coppie target-ADR identifica diverse presunte associazioni supportate dalle pubblicazioni. Infine, vengono proposti meccanismi candidati per le ADR note basate su attività fuori bersaglio dell'SPD. Qui presentiamo una risorsa disponibile gratuitamente per valutare le previsioni delle ADR, spiegare l'attività fenotipica e indagare sulle proprietà cliniche dei farmaci commercializzati.

Le reazioni avverse ai farmaci (ADR) rappresentano una causa significativa di scoperta di farmaci, di interruzione del programma clinico e di ritiro dei farmaci dopo la commercializzazione1. Inoltre, le ADR sono una causa frequente di interruzione del farmaco da parte dei pazienti, aumentando il carico di malattia per i pazienti e per il sistema sanitario2. Anticipare il profilo ADR dei farmaci sperimentali durante l'ottimizzazione del lead consente ai team di scoperta dei farmaci di perseguire strategie per ridurre la responsabilità in termini di sicurezza mantenendo proprietà farmacologiche favorevoli al target.

Le ADR mediate dall'attività farmacologica involontaria possono comportare l'interazione con uno o più bersagli nel proteoma drogabile3. Nonostante i progressi nelle tecniche di trascrittomica, proteomica o imaging cellulare ad alto rendimento per la previsione delle ADR4, i gruppi di test biochimici e cellulari in vitro che misurano l'effetto dei farmaci sui principali bersagli proteici mantengono la loro preminenza nei test farmacologici secondari preclinici5,6. Tuttavia, il numero di obiettivi con ruoli ben consolidati nella mediazione delle ADR è limitato. Gli esempi includono hERG (KCNH2) per il prolungamento dell'intervallo QT, la modulazione del recettore adrenergico α1A (ADRA1A) per l'aritmia (agonisti) o l'ipotensione ortostatica (antagonisti) e l'antagonismo della dopamina D1 (DRD1) per discinesia e tremori7. Al di là del canale hERG, la mancanza di consenso scientifico sulla forza delle prove che collegano l’attività target alle ADR può contribuire all’elevata variabilità nella composizione del panel nell’industria farmaceutica8.

Studi precedenti hanno esplorato le relazioni tra i risultati dell'attività dei test biochimici in vitro e le ADR dei farmaci commercializzati9,10,11,12. Questi studi erano di natura qualitativa (ad esempio, citando la letteratura che implicava il bersaglio), erano limitati a risultati di attività selezionati da risorse come ChEMBL13 e DrugCentral14 e generalmente utilizzavano misure di potenza di attività che non tenevano conto delle proprietà farmacocinetiche umane variabili dei farmaci, vale a dire l'esposizione massima al farmaco (Cmax) alla dose più alta approvata. Recentemente, Smit et al.15 hanno riportato la prima analisi sistematica delle relazioni tra margine di sicurezza e ADR utilizzando l'attività biochimica e i risultati dell'esposizione umana da ChEMBL e hanno identificato 45 target con relazioni statisticamente significative rispetto alle ADR umane. Poiché i risultati di ChEMBL sono parsimoniosi (vale a dire, la maggior parte dei test rispetto alle coppie di composti non riportano risultati in letteratura), gli autori hanno utilizzato il modello QSAR per riempire i valori mancanti e non hanno potuto tenere conto di potenziali relazioni confondenti quando stabiliscono la significatività statistica.

Nel corso di diversi anni, abbiamo valutato sistematicamente l'attività di 1958 farmaci rispetto a pannelli di test biochimici e cellulari in vitro per creare un database farmacologico secondario (SPD). Insolitamente per tali risorse, tutti i composti sono stati testati a 8 o più concentrazioni, con la concentrazione risultante nel 50% dell'attività massima (AC50) disponibile per tutti i farmaci testati rispetto alle coppie di test. Il database riporta ca. 150.000 valori AC50 per i farmaci commercializzati, consentendo l'analisi sistematica del target (test) rispetto alle ADR riportate in database come SIDER16 e il sistema di segnalazione delle reazioni avverse ai farmaci della FDA (FAERS). A nostra conoscenza, l’unica risorsa comparabile è il database Eurofins BioPrint17, disponibile solo tramite abbonamento. Qui riportiamo una concordanza complessivamente bassa tra i risultati dell'SPD (ottenuti utilizzando un numero limitato di protocolli di analisi per ciascun target) e i risultati di ChEMBL e DrugCentral (ottenuti utilizzando un'ampia varietà di tali protocolli). Illustriamo l'utilità del database identificando attività farmacologiche non pubblicate che potrebbero spiegare i benefici terapeutici e/o le ADR dei farmaci. Abbiamo utilizzato l'SPD per identificare le possibili associazioni tra target e ADR tramite un'analisi sistematica e spiegare le ADR note tramite attività target non precedentemente riportate nelle risorse pubbliche. Al di là del presente lavoro, l'SPD ha un'ampia utilità per le indagini sulla sicurezza dei farmaci, sul meccanismo d'azione e sulla deconvoluzione dell'attività fenotipica per l'attività dei farmaci nei modelli cellulari.

50% in either ChEMBL or subscription resources (green). Resources were labeled hierarchically, i.e., activities reported in DrugCentral are mostly available in ChEMBL and other resources. b qualitative comparison of median ChEMBL vs. SPD AC50 values for 5106 drug-assay pairs; SPD results with AC50 qualifier > (AC50 greater than max concentration tested) are shown as ≥10 µM. c quantitative comparison of median ChEMBL vs. SPD AC50 values for 2700 drug-assay pairs where the SPD AC50 qualifier is = (i.e., measurable activity); Pearson R2 = 0.48./p> 0.05) or not tested (associations with fewer than 10 positive or 50 negative drugs for the ADR). We also imposed a minimal threshold ROC AUC ≥0.6 for distinguishing positive vs. negative drugs for a given ADR (Fig. 3a). Across 719 tested associations, 240 (33%) were significant and a further 20 (3%) were marginal. The proportion varies significantly across targets (Fig. 3b). A large percentage of associations were confirmed for adrenergic receptors (e.g., ADRA1A; 15/15), muscarinic receptors (e.g., CHRM1; 30/34), 5-HT receptors (e.g., HTR1A; 20/20—the notation indicates number significant + marginal/number tested). Our evaluation of target-ADR relationships from Bowes et al.5, which represents a consensus of safety pharmacology targets across several pharmaceutical companies, is summarized in Supplementary Table 1, with full results in Supplementary Data 6. Similar results were obtained using alternate FAERS risk or assay score thresholds (Supplementary Notes)./p> 0.05 or ROC AUC <0.6, 414 (90%) were assigned the likely non-significant class. These are literature-reported associations identified by the model as having a low likelihood of being significant, given the dataset. Conversely, 45 associations with p > 0.05 were identified by the model as likely significant (i.e., dataset characteristics should enable validation of a true association). These include both serious ADRs (heart failure for ADRA2B, DRD1, and DRD2 activation) and lower severity effects (sleep or memory impairments for several targets)./p> 10 µM). The major metabolite of citalopram, desmethyl-citalopram, has been reported to have similar binding activity at the D3 receptor53./p> 10 µM) are annotated with long QT in SIDER or FAERS and support these associations (i.e., AC50 < 1uM): ADRA1A (alfuzosin, clonidine, mianserin, olanzapine, quetiapine), DRD2 (amisulpride, olanzapine, quetiapine), and/or HRH1 binding (cetirizine, mianserin, mirtazapine, olanzapine, quetiapine, and valproic acid)./p>; for example, an AC50 is reported with qualifier > and AC50 value 30 when a compound exhibits no significant activity at concentrations up to 30 µM. Where curve fitting produces an AC50 value below the highest concentration tested, activity is reported with qualifier =./p> excluded from the geometric mean computation. In the absence of any AC50 value with qualifier =, the largest value among those with qualifier > was retained. For instance, the AC50 values of >1 and >30 µM are summarized as follows: qualifier >, numeric AC50 value 30, N summarized 2, and N total 2./p>, indicating that measured AC50 was estimated to exceed the highest concentration tested in the assay. The maximum tested concentrations of 10 and 30 µM were employed for most assays. To calculate a rank-based association test between assays and ADRs, it was necessary to select an AC50 cutoff and replace all values in excess with the cutoff value (truncating). Values with qualifier > but AC50 below the cutoff were excluded. For AC50 values, the numeric distribution for qualifier = and > were largely non-overlapping, the natural cutoff is 10 or 30 µM depending on the assay, and few values needed to be truncated or excluded. Because drug total and free Cmax vary over a wide range, safety margin distributions overlap significantly for qualifier = and >. This makes the selection of cutoff more difficult: too low and one loses the ability to distinguish ranks for drugs with a safety margin above the cutoff, but too high and one must exclude from analysis many values with qualifier > below the threshold (and hence a loss of power). We performed tests using cutoffs of 10 and 30 µM for AC50, 2 and 10 for total margin, and 10 and 100 for free margin./p>0.1, i.e., indicating decreased risk of the ADR for activity in the assay. These were almost exclusively in models where an expected negative association was present for another activity parameter of the same assay (i.e., AC50 had a large negative coefficient and free margin had a small positive coefficient). These were considered excluded from the model (i.e., coefficient of 0 in Supplementary Data 7). Multivariate analyses were performed with the Jupyter notebook build_ADR_vs_assay_model.ipynb./p>

Precedente: Uomo colpito dalla polizia di Seguin dopo il blocco del traffico Prossimo: Il Giornale di Stato
Invia richiesta
Inviare