Discovery of Selective Nrf2 Activators from Natural Products: AComputational Screening Approach to Minimize Off-Target Effects on PXR and CYP2D6

Diese Studie stellt eine computergestützte Screening-Methode vor, die aus fast 630.000 Naturstoffen hochselektive Nrf2-Aktivatoren identifiziert, die durch eine gezielte Minimierung unerwünschter Wechselwirkungen mit PXR und CYP2D6 die Entwicklung sicherer Therapien gegen oxidativen Stress ermöglichen.

Das Wesentliche

🛡️ Der große Suchlauf nach dem perfekten „Rettungsschirm"

Stellen Sie sich vor, Ihr Körper ist eine riesige, belebte Stadt. Manchmal passiert in dieser Stadt ein kleines Feuer (oxidativer Stress), das die Gebäude beschädigen kann. Um das zu verhindern, gibt es einen superheldenhaften Feuerwehrmann namens Nrf2. Wenn Nrf2 aktiviert wird, schaltet er einen riesigen Alarm ein, der über 250 Schutzmechanismen startet, um die Stadt zu retten.

Das Problem? Bisher waren die Werkzeuge, mit denen man Nrf2 aktiviert, wie ein riesiger, unhandlicher Hammer. Wenn man Nrf2 damit anschlagen wollte, hat man oft versehentlich auch andere wichtige Dinge in der Stadt kaputtgemacht oder durcheinandergebracht.

Die zwei großen „Unfallgefahren":

1. PXR (Der Verkehrspolizist): Dieser Regler kontrolliert, wie Medikamente abgebaut werden. Wenn man ihn versehentlich aktiviert, gerät der gesamte Verkehr durcheinander. Medikamente wirken nicht mehr richtig oder werden zu schnell abgebaut. Das führt zu gefährlichen Wechselwirkungen.
2. CYP2D6 (Der Müllabfuhr-Truck): Dieser Enzym-Truck ist für den Abbau von etwa einem Viertel aller Medikamente zuständig. Wenn man ihn blockiert, staut sich der Müll (die Medikamente) im Körper an, was zu Vergiftungen führen kann.

Bisherige Medikamente waren oft wie ein Hammer, der Nrf2 trifft, aber dabei auch den Polizisten (PXR) und den Müllabfuhr-Truck (CYP2D6) umhaut.

🔍 Die neue Strategie: Ein digitaler Goldsucher

Die Forscher aus China hatten eine geniale Idee: Statt im Labor stundenlang nach einer Nadel im Heuhaufen zu suchen, nutzen sie einen riesigen digitalen Suchroboter.

• Der Heuhaufen: Sie haben eine Datenbank namens COCONUT genutzt, die 628.898 verschiedene natürliche Stoffe enthält (aus Pflanzen, Pilzen, Meereslebewesen). Das ist wie ein riesiger Schatzkeller voller Naturprodukte.
• Der Suchroboter (Computersimulation): Dieser Roboter hat jeden einzelnen dieser 628.898 Stoffe virtuell getestet. Er hat sich vorgestellt: „Wie gut passt dieser Stoff in die Hand des Feuerwehrmanns Nrf2? Und wie schlecht passt er in die Hände des Polizisten PXR und des Müllabfuhr-Trucks CYP2D6?"

🎯 Das Drei-Stufen-Filter-System

Um die besten Kandidaten zu finden, haben die Forscher ein strenges Filter-System wie bei einer Talentshow entwickelt:

1. Stufe 1 (Das Vorsprechen): Von den 628.898 Bewerbern bleiben noch 46.443 übrig. Diese können Nrf2 gut aktivieren, sind aber noch nicht perfekt.
2. Stufe 2 (Die Qualifikation): Hier wird es strenger. Nur 3.767 Stoffe schaffen es. Sie aktivieren Nrf2 stark, ignorieren aber den Polizisten PXR fast komplett.
3. Stufe 3 (Die Superstars): Am Ende bleiben nur 10 wahre Champions übrig.

🏆 Die 10 Superstars

Diese 10 Stoffe sind das Ergebnis der harten Arbeit. Sie sind wie Präzisionswerkzeuge:

• Sie geben Nrf2 einen kräftigen, aber gezielten Stoß, damit er die Stadt rettet.
• Sie gehen an PXR und CYP2D6 völlig vorbei, als wären diese gar nicht da.
• Besonders interessant: Viele dieser Gewinner haben eine Struktur, die an Fette (Lipide) oder Bausteine der DNA (Nukleoside) erinnert. Das ist neu! Bisher dachte man, dass bestimmte andere chemische Formen besser funktionieren.

💡 Warum ist das so wichtig?

Stellen Sie sich vor, Sie suchen einen Schlüssel, der nur eine bestimmte Tür öffnet (Nrf2), aber alle anderen Türen im Haus verschließt. Bisher hatten wir Schlüssel, die die richtige Tür aufmachten, aber dabei auch die Haustür, die Garage und den Keller aufsperrten (Nebenwirkungen).

Diese Studie zeigt uns:

1. Es gibt sie! Es gibt in der Natur tatsächlich Stoffe, die so präzise sind.
2. Sicherheit durch Design: Man kann Medikamente so planen, dass sie von Anfang an sicher sind, statt erst später zu merken, dass sie Probleme machen.
3. Die Zukunft: Diese 10 Stoffe sind die ersten Kandidaten für neue, viel sicherere Medikamente gegen Krankheiten wie Alzheimer, Herzprobleme oder Krebs, bei denen oxidativer Stress eine Rolle spielt.

Zusammenfassend: Die Forscher haben mit Hilfe eines Computers einen riesigen Schatz an Naturstoffen durchsucht und 10 „Goldklumpen" gefunden. Diese Klumpen sind so geformt, dass sie genau dort wirken, wo sie sollen, und nirgendwo sonst. Das ist ein riesiger Schritt hin zu Medikamenten, die nicht nur helfen, sondern auch sicher sind.

Technische Zusammenfassung

Titel: Entdeckung selektiver Nrf2-Aktivatoren aus Naturstoffen: Ein computergestützter Screening-Ansatz zur Minimierung von Off-Target-Effekten auf PXR und CYP2D6

1. Problemstellung

Der Transkriptionsfaktor Nrf2 (Nuclear factor erythroid 2-related factor 2) ist ein zentraler Regulator der zellulären antioxidativen Antwort und ein vielversprechendes therapeutisches Ziel für oxidative Stress-assoziierte Erkrankungen (z. B. neurodegenerative Krankheiten, Krebsprävention). Die klinische Translation von Nrf2-Aktivatoren wird jedoch durch signifikante Off-Target-Effekte behindert:

• PXR-Aktivierung: Viele Aktivatoren aktivieren ungewollt den Pregnane-X-Rezeptor (PXR), was zu schwerwiegenden Arzneimittelwechselwirkungen (DDIs) führt.
• CYP2D6-Hemmung: Potente Hemmung des Cytochrom P450 2D6 stoffwechselt etwa ein Viertel aller verschriebenen Medikamente, was zu toxischen Akkumulationen führen kann.

Bisherige Studien konzentrierten sich primär auf die Potenz (Affinität zu Nrf2/KEAP1) und vernachlässigten die systematische Bewertung dieser Sicherheitsrisiken. Es besteht ein dringender Bedarf an Wirkstoffen, die eine hohe Selektivität für Nrf2 aufweisen und gleichzeitig PXR sowie CYP2D6 minimieren.

2. Methodik

Die Studie entwickelte einen "Safety-by-Design"-Ansatz mittels groß angelegtem computergestütztem Screening (Virtual Screening).

• Datenbasis: Es wurden 628.898 Naturstoffe aus der COCONUT-Datenbank (Version 2023.11) verwendet.
• Zielstrukturen (Targets):
  1. KEAP1: Der Hauptrepressor von Nrf2 (Ziel für die Aktivierung).
  2. PXR: Ligandenbindungsdomäne (zur Bewertung des DDI-Risikos).
  3. CYP2D6: Aktives Zentrum (zur Bewertung des metabolischen Hemmungsrisikos).
• Docking-Verfahren: Einsatz der KARMA-Scoring-Funktion (Kinetic And Rigid-body Molecular docking with Autodock) für alle drei Targets.
• Drei-Stufen-Selektivitätsstrategie (Screening-Funnel):
  • Tier 1 (Kandidatenpool): Lockerer Filter (KEAP1 > 50. Perzentil, PXR < 50. Perzentil, CYP2D6 moderat).
  • Tier 2 (Qualitätskandidaten): Strengerer Filter (KEAP1 > 70. Perzentil, PXR < 30. Perzentil).
  • Tier 3 (Sterne-Kandidaten): Sehr strenge Kriterien (KEAP1 > 90. Perzentil, PXR < 10. Perzentil, CYP2D6 im engen 40–60. Perzentil-Bereich für moderate Interaktion).
• Neue Metriken: Entwicklung quantitativer Indizes zur Priorisierung:
  • NSI (Nrf2 Selectivity Index): Verhältnis KEAP1/PXR.
  • SI (Safety Index): Verhältnis KEAP1/CYP2D6.
  • CSS (Comprehensive Selectivity Score): Integrierter Score für die Gesamtselektivität.
• Weitere Analysen: Bewertung der "Drug-Likeness" (Lipinski-Regeln, QED-Score), ADME-Eigenschaften (TPSA, Rotatable Bonds) und chemische Klassifizierung (Anreicherung von chemischen Klassen).

3. Wichtige Ergebnisse

• Screening-Ergebnisse: Aus den fast 630.000 Verbindungen wurden 10 ultraselektive Tier-3-Kandidaten identifiziert. Dies entspricht einer Trefferquote von nur 0,002 %, was die Seltenheit von Verbindungen mit diesem spezifischen Selektivitätsprofil unterstreicht.
• Selektivität: Die Top-Kandidaten zeigten eine bis zu 12,29-fache Selektivität für KEAP1 gegenüber PXR (gemessen am NSI). Der führende Kandidat (CNP0371205.2) erreichte einen CSS von 2,64 und einen NSI von 12,29.
• Chemische Strukturmerkmale:
  • Anreicherung: Lipid-ähnliche Moleküle (insbesondere Terpenoide und Steroide) und Nukleosid-Analoga waren in den selektiven Kandidaten signifikant angereichert (Faktor 1,49 bzw. 2,85).
  • Depletion: Hoch aromatische, planare Strukturen (z. B. Phenylpropanoide, Polyketide) waren unterrepräsentiert, was darauf hindeutet, dass geringere Aromatizität die Selektivität erhöht.
• Drug-Likeness: Die selektiven Kandidaten wiesen im Allgemeinen günstige pharmakokinetische Eigenschaften auf (Einhaltung der Lipinski-Regeln, QED-Scores > 0,3). Es wurde eine positive Korrelation zwischen Selektivität (CSS) und Drug-Likeness (QED) festgestellt (ρ = 0,430), was die Annahme widerlegt, dass hohe Selektivität zwangsläufig zu schlechten pharmakologischen Eigenschaften führt.
• Statistische Analyse: Die Hauptkomponentenanalyse (PCA) zeigte, dass selektive Verbindungen einen kohärenten Bereich im chemischen Raum besetzen, der sich durch Größe, Lipophilie und spezifische Bindungsscores auszeichnet.

4. Hauptbeiträge

1. Größtes Screening: Dies ist das bisher größte computergestützte Screening von Naturstoffen (628.898 Verbindungen) mit simultaner Berücksichtigung von Ziel-Effizienz und Toxizitätsrisiken (PXR/CYP2D6).
2. Neue Metriken: Einführung des CSS, NSI und SI als robuste Werkzeuge zur quantitativen Bewertung von Selektivität und Sicherheit im frühen Entwicklungsstadium.
3. Strukturelle Einsichten: Identifikation neuer chemischer Gerüste (lipidbasiert, nukleosidinspiriert) als vielversprechende Leitstrukturen für sichere Nrf2-Aktivatoren.
4. Open Data: Bereitstellung eines umfassenden, öffentlich zugänglichen Datensatzes und eines skalierbaren Pipelines für die zukünftige Wirkstoffentwicklung und prädiktive Toxikologie.

5. Bedeutung und Ausblick

Diese Arbeit überbrückt die Lücke zwischen dem therapeutischen Potenzial von Nrf2 und der klinischen Machbarkeit. Durch den Ansatz "Safety-by-Design" wird gezeigt, dass es möglich ist, hochselektive Naturstoff-basierte Leitstrukturen zu finden, die das Risiko von Arzneimittelwechselwirkungen und metabolischen Komplikationen minimieren.

Die identifizierten 10 Top-Kandidaten (insbesondere CNP0371205.2) stellen vielversprechende Ausgangspunkte für die experimentelle Validierung und die Entwicklung neuer Therapien gegen oxidative Stress-Erkrankungen dar. Der vorgestellte Workflow dient als skalierbares Template, um das Versagen von Medikamenten in späteren Entwicklungsphasen aufgrund von Off-Target-Toxizität zu reduzieren.