前臨床の二次薬理学リソースがターゲットを明らかにする
Jul 31, 2023
Nature Communications volume 14、記事番号: 4323 (2023) この記事を引用
6396 アクセス
41 オルトメトリック
メトリクスの詳細
インビトロ二次薬理学アッセイは、治験薬の臨床副作用 (ADR) を予測するための重要なツールです。 私たちは、標的と ADR の関連性を検証するために 200 のアッセイを使用して 1958 年の薬剤を試験し、二次薬理学データベース (SPD) を作成しました。 公開リソースおよびサブスクリプション リソースと比較すると、全体の 95% およびアクティブ (AC50 < 1 μM) の結果の 36% が SPD に固有であり、公開リソースのより高いアクティビティに偏っています。 遊離最大血漿濃度で薬物に注釈を付けると、生理学的に関連する未発表のオフターゲット活性が 684 個見つかりました。 さらに、主要な文献レビューにおける標的活性に関連する推定ADRの64%は、SPDにおいて統計的に有意ではありません。 すべての標的と ADR のペアを体系的に分析すると、出版物によって裏付けられたいくつかの推定上の関連性が特定されます。 最後に、既知の ADR の候補メカニズムが SPD のオフターゲット活性に基づいて提案されます。 ここでは、ADR 予測のベンチマーク、表現型活性の説明、市販薬の臨床特性の調査に無料で利用できるリソースを紹介します。
薬物有害反応(ADR)は、創薬や臨床プログラムの中止、市販後の医薬品中止の重大な原因です1。 さらに、ADR は患者の薬剤中止の原因となることが多く、患者と医療システムの疾病負担を増大させます2。 リードの最適化中に治験薬の ADR プロファイルを予測することで、創薬チームは望ましいオンターゲットの薬理学的特性を維持しながら安全性への責任を軽減する戦略を追求できます。
意図しない薬物活性によって媒介される ADR には、ドラッガブル プロテオーム 3 内の 1 つ以上の標的との相互作用が関与する可能性があります。 ADR を予測するためのハイスループットのトランスクリプトーム、プロテオーム、または細胞イメージング技術の進歩にもかかわらず 4、重要なタンパク質標的に対する薬物の効果を測定する in vitro 生化学および細胞アッセイのパネルは、前臨床の二次薬理試験において依然として卓越した地位を保っています 5,6。 しかし、ADR の仲介において十分に確立された役割を持つ標的の数は限られています。 例としては、QT 延長に対する hERG (KCNH2)、不整脈 (アゴニスト) または起立性低血圧 (アンタゴニスト) に対する α1A アドレナリン受容体 (ADRA1A) の調節、ジスキネジアや振戦に対するドーパミン D1 (DRD1) 拮抗作用が挙げられます。 hERG チャネルを超えて、標的活性と ADR を関連付ける証拠の強さに関する科学的合意の欠如が、製薬業界全体のパネル構成の大きなばらつきの一因となっている可能性があります 8。
以前の研究では、生化学的 in vitro アッセイからの活性結果と市販薬からの ADR との間の関係が調査されています9、10、11、12。 これらの研究は本質的に定性的なものであり(例、標的に関係する文献を引用するなど)、ChEMBL13 や DrugCentral14 などのリソースから精選された活性結果に限定されており、一般に、薬物の可変のヒト薬物動態特性を考慮しない活性効力の尺度が使用されています。つまり、承認された最高用量での最大薬物曝露(Cmax)です。 最近、Smit et al.15 は、ChEMBL からの生化学活性とヒト曝露結果を使用した、安全マージンと ADR の関係の最初の体系的な分析を報告し、ヒト ADR と統計的に有意な関係を持つ 45 の標的を特定しました。 ChEMBLの結果は倹約的であるため(つまり、ほとんどのアッセイと化合物ペアの結果は文献から報告されていない)、著者らは欠損値を埋めるためにQSARモデリングを使用しており、統計的有意性を確立する際に潜在的な交絡関係を説明できませんでした。
数年にわたって、私たちは二次薬理学データベース (SPD) を作成するために、1958 年の薬剤の活性と生化学および細胞の in vitro アッセイのパネルを系統的に評価してきました。 このようなリソースでは珍しく、すべての化合物が 8 つ以上の濃度でテストされ、その濃度はテストされたすべての薬物対アッセイの組み合わせで利用可能な最大活性 (AC50) の 50% となりました。 データベースはおよそ 1 つを報告します。 市販薬の AC50 値は 150,000 で、SIDER16 や FDA 副作用報告システム (FAERS) などのデータベースで報告される標的 (アッセイ) と ADR の系統的な分析が可能です。 私たちの知る限り、唯一の同等のリソースは、サブスクリプションによってのみ利用できる Eurofins BioPrint データベース 17 です。 ここでは、SPD の結果 (ターゲットごとに限られた数のアッセイ プロトコールを使用して取得) と ChEMBL および DrugCentral の結果 (さまざまなそのようなプロトコールを使用して取得) の全体的な一致性が低いことを報告します。 私たちは、薬物の治療効果やADRを説明する可能性のある未発表の薬物活性を特定することによって、データベースの有用性を説明します。 私たちは SPD を使用して、体系的な分析を通じて推定上の標的と ADR の関連性を特定し、これまで公的リソースで報告されていない標的の活動を通じて既知の ADR を説明しました。 現在の研究以外にも、SPD は薬物の安全性や作用機序の研究、細胞モデルにおける薬物活性の表現型活性のデコンボリューションなどに幅広い用途があります。
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>