search
ptPortuguês
banner
Lar / blog / Um recurso de farmacologia secundária pré-clínica ilumina o alvo
blog
pageSearch
Últimas notícias

Um recurso de farmacologia secundária pré-clínica ilumina o alvo

Jul 31, 2023Jul 31, 2023

Nature Communications volume 14, número do artigo: 4323 (2023) Citar este artigo

6396 Acessos

41 Altmétrico

Detalhes das métricas

Ensaios farmacológicos secundários in vitro são uma ferramenta importante para prever reações clínicas adversas a medicamentos (RAMs) de medicamentos sob investigação. Criamos o Banco de Dados Farmacológico Secundário (SPD) testando 1.958 medicamentos usando 200 ensaios para validar associações alvo-ADR. Em comparação com recursos públicos e de assinatura, 95% de todos e 36% dos resultados ativos (AC50 < 1 µM) são exclusivos do SPD, com tendência para maior atividade em recursos públicos. Anotando drogas com concentrações plasmáticas máximas livres, encontramos 684 atividades fora do alvo não publicadas fisiologicamente relevantes. Além disso, 64% das supostas RAMs ligadas à atividade-alvo nas principais revisões da literatura não são estatisticamente significativas no SPD. A análise sistemática de todos os pares alvo-ADR identifica diversas associações supostas apoiadas por publicações. Finalmente, são propostos mecanismos candidatos para ADRs conhecidas com base em atividades fora do alvo do SPD. Aqui apresentamos um recurso disponível gratuitamente para comparar previsões de RAM, explicar a atividade fenotípica e investigar propriedades clínicas de medicamentos comercializados.

As reações adversas a medicamentos (RAMs) são uma causa significativa de descoberta de medicamentos, encerramento de programas clínicos e retirada de medicamentos pós-comercialização1. Além disso, as RAMs são uma causa frequente de descontinuação de medicamentos pelos pacientes, aumentando a carga de doenças para os pacientes e para o sistema de saúde2. Antecipar o perfil de RAM dos medicamentos em investigação durante a otimização de leads permite que as equipes de descoberta de medicamentos busquem estratégias para reduzir a responsabilidade pela segurança, mantendo ao mesmo tempo propriedades farmacológicas favoráveis ​​no alvo.

As RAMs mediadas por atividade medicamentosa não intencional podem envolver interação com um ou mais alvos no proteoma drogável3. Apesar dos avanços nas técnicas de transcriptômica, proteômica ou de imagem celular de alto rendimento para prever RAMs4, painéis de ensaios bioquímicos e celulares in vitro que medem o efeito de medicamentos em alvos proteicos chave mantêm sua preeminência em testes farmacológicos secundários pré-clínicos5,6. Contudo, o número de alvos com funções bem estabelecidas na mediação de RAM é limitado. Exemplos incluem hERG (KCNH2) para prolongamento do intervalo QT, modulação do receptor α1A adrenérgico (ADRA1A) para arritmia (agonistas) ou hipotensão ortostática (antagonistas) e antagonismo da dopamina D1 (DRD1) para discinesia e tremores7. Para além do canal hERG, a falta de consenso científico sobre a força das evidências que ligam a atividade alvo às RAMs pode contribuir para a elevada variabilidade na composição do painel em toda a indústria farmacêutica8.

Estudos anteriores exploraram as relações entre os resultados da atividade de ensaios bioquímicos in vitro e RAMs de medicamentos comercializados9,10,11,12. Esses estudos foram de natureza qualitativa (por exemplo, citando a literatura que implica o alvo), foram limitados a resultados de atividades selecionados de recursos como ChEMBL13 e DrugCentral14, e geralmente usaram medidas de potência de atividade que não levaram em conta as propriedades farmacocinéticas humanas variáveis ​​dos medicamentos, nomeadamente a exposição máxima ao medicamento (Cmax) na dose mais elevada aprovada. Recentemente, Smit et al.15 relataram a primeira análise sistemática das relações de margem de segurança versus RAM usando atividade bioquímica e resultados de exposição humana do ChEMBL, e identificaram 45 alvos com relações estatisticamente significativas versus RAMs humanas. Como os resultados do ChEMBL são parcimoniosos (ou seja, a maioria dos ensaios versus pares compostos não têm resultados relatados na literatura), os autores usaram a modelagem QSAR para preencher os valores ausentes e não puderam levar em conta possíveis relações confusas ao estabelecer a significância estatística.

Ao longo de vários anos, avaliamos sistematicamente a atividade de 1.958 medicamentos versus painéis de ensaios bioquímicos e celulares in vitro para criar um banco de dados farmacológico secundário (SPD). Excepcionalmente para tais recursos, todos os compostos foram testados em 8 ou mais concentrações, com a concentração resultando em 50% da atividade máxima (AC50) disponível para todos os pares de fármacos versus ensaios testados. O banco de dados relata ca. 150.000 valores AC50 para medicamentos comercializados, permitindo a análise sistemática do alvo (ensaio) versus RAMs relatadas em bancos de dados como o SIDER16 e o ​​sistema de notificação de reações adversas a medicamentos da FDA (FAERS). Tanto quanto sabemos, o único recurso comparável é a base de dados Eurofins BioPrint17, que está disponível apenas por assinatura. Aqui, relatamos baixa concordância geral entre os resultados do SPD (obtidos usando um número limitado de protocolos de ensaio para cada alvo) versus resultados do ChEMBL e DrugCentral (obtidos usando uma ampla variedade de tais protocolos). Ilustramos a utilidade do banco de dados identificando atividades medicamentosas não publicadas que podem ser responsáveis ​​pelos benefícios terapêuticos e/ou RAMs dos medicamentos. Usamos o SPD para identificar possíveis associações entre alvo e RAM por meio de análise sistemática e explicar RAM conhecidas por meio de atividades-alvo não relatadas anteriormente em recursos públicos. Além do presente trabalho, o SPD tem ampla utilidade para investigações de segurança e mecanismo de ação de medicamentos, e desconvolução de atividade fenotípica para atividade de medicamentos em modelos celulares.

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>

Anterior: Homem baleado pela polícia de Seguin após parada de trânsito Próximo: O Jornal do Estado
Enviar consulta
Enviar