Human Intestinal Absorption Revisited: The 1998 Descriptors Survive, and the Method Extends to Permeability
Diese Arbeit überprüft ein Modell zur menschlichen intestinalen Absorption aus dem Jahr 1998, indem sie aufzeigt, dass dessen ursprüngliche Leistungsfähigkeit auf einer glücklichen Datenaufteilung beruhte, und etabliert anschließend robustere, konsensbasierte Vorhersagemodelle für die intestinale Absorption sowie verschiedene Permeabilitäts-Assays unter Verwendung von mittels genetischer Algorithmen ausgewählten Deskriptorsätzen und Random Forests über 250 stratifizierte Extraktionen hinweg.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Wenn ein Mensch eine Pille schluckt, muss der Wirkstoff eine komplexe Barriere überwinden: die Wand des Darms. Wenn er diese Wand nicht überqueren kann, erreicht das Medikament niemals die Blutbahn, um seine Wirkung zu entfalten. Wissenschaftler haben lange versucht vorherzusagen, ob eine neue chemische Verbindung diese Reise erfolgreich antreten wird, indem sie Computermodelle verwenden, die die Form und die elektrischen Eigenschaften des Moleküls betrachten. Seit Jahrzehnten ist ein spezifischer Satz von sechs mathematischen Messwerten, die aus der Struktur eines Moleküls abgeleitet werden, das Standardwerkzeug für diese Vermutungen. Diese Messwerte, die Dinge wie die Ladung des Moleküls und seine Oberflächenbeschaffenheit erfassen, wurden in einer berühmten Studie aus dem Jahr 1998 festgelegt. Diese Studie legte nahe, dass diese sechs Zahlen ausreichen würden, um die Absorption mit hoher Genauigkeit vorherzusagen – eine Behauptung, die die Arzneimittelentwicklung seither beeinflusst hat. Die Zuverlässigkeit solcher Vorhersagen hängt jedoch stark davon ab, wie die Daten aufgeteilt und getestet werden, und die ursprünglichen Ergebnisse beruhten auf einer einzigen, spezifischen Aufteilung der Daten, die ungewöhnlich glücklich gewesen sein könnte.
Ein Forscherteam hat dieses klassische Problem kürzlich erneut untersucht, um zu sehen, ob diese ursprünglichen sechs Messwerte noch immer Bestand haben, wenn sie strenger getestet werden. Sie nahmen die ursprünglichen 86 Verbindungen aus der Studie von 1998 und führten das Experiment, anstatt sie nur einmal zu testen, 250 Mal durch, wobei sie die Daten jedes Mal in unterschiedliche Gruppen mischten, um zu sehen, wie das Modell im Durchschnitt abschneidet. Sie fanden heraus, dass die ursprüngliche Erfolgsgeschichte tatsächlich ein glücklicher Zufall war. Als dieselben sechs Messwerte über viele dieser verschiedenen Durchmischungen hinweg getestet wurden, lag der durchschnittliche Fehler fast doppelt so hoch wie in der ursprünglichen Arbeit berichtet. Das Modell funktionierte gut bei den Daten, die es bereits gesehen hatte, aber es hatte Schwierigkeiten, die ungesehenen Verbindungen so zuverlässig vorherzusagen, wie man einst glaubte. Dies verdeutlichte, dass das ursprüngliche Ergebnis keine robuste Regel war, sondern das Ergebnis einer ganz bestimmten Anordnung der Daten.
Unbeirrt fragten die Forscher, ob diese sechs Messwerte noch immer nützlich sein könnten, wenn sie auf eine viel größere Sammlung von Verbindungen angewendet würden. Sie nahmen dieselben sechs Zahlen und wandten sie auf einen Datensatz von 780 verschiedenen arzneistoffähnlichen Molekülen an. Die Ergebnisse waren besser als bei dem kleinen Satz, aber die Fehlerrate blieb höher als erwünscht. Das Team beschloss daraufhin, einen Computer suchen zu lassen, der nach einer besseren Kombination von Messwerten sucht. Mit einer Methode, die die natürliche Selektion nachahmt, testete der Computer tausende verschiedene Kombinationen molekularer Deskriptoren und suchte nach dem Satz, der die genauesten Vorhersagen über die 250 verschiedenen Datendurchmischungen hinweg lieferte. Dieser Prozess identifizierte einen neuen, festen Satz von fünfundzwanzig Messwerten, die die ursprünglichen sechs konsequent übertrafen. Dieses neue Modell, das auf einem robusteren Fundament aufgebaut wurde, reduzierte den Vorhersagefehler erheblich und senkte den durchschnittlichen Fehler auf ein Niveau, das für die reale Wirkstoffentwicklung viel nützlicher ist.
Die Forscher hielten hier nicht bei der menschlichen Absorption inne. Sie wandten denselben strengen Test- und Auswahlprozess auf drei andere schwierige Probleme der Arzneimittelverabreichung an: wie kleine Moleküle und Peptide durch künstliche Zellschichten wandern und wie sie durch synthetische Membranen gelangen. Für jede dieser vier unterschiedlichen Herausforderungen erstellten sie ein dediziertes Modell unter Verwendung eines spezifischen Satzes von Deskriptoren, der vom Computer ausgewählt wurde. Die Ergebnisse zeigten, dass die alten sechs Messwerte zwar nicht ausreichten, aber ein sorgfältig ausgewählter, größerer Satz von Eigenschaften diese Verhaltensweisen mit viel größerer Zuverlässigkeit vorhersagen konnte. Die neuen Modelle für kleine Moleküle und Peptide erreichten eine hohe Genauigkeit und sagten die Bewegung von Verbindungen über Zellbarrieren in der überwiegenden Mehrheit der Fälle korrekt voraus. Diese Erkenntnisse legen nahe, dass die Prinzipien hinter dem alten Modell korrekt waren, aber die spezifischen Werkzeuge aktualisiert und erweitert werden mussten, um der Komplexität der modernen Arzneimittelentwicklung gerecht zu werden.
Alle vier dieser neuen Modelle stehen nun der Öffentlichkeit zur Verfügung, sodass Wissenschaftler neue chemische Strukturen gegen diese verfeinerten Standards testen können. Die Arbeit zeigt, dass sich zwar die grundlegende Chemie der Absorption nicht geändert hat, die Art und Weise, wie wir sie messen und vorhersagen, sich jedoch weiterentwickeln muss. Indem sie sich von einer einzigen, glücklichen Datenaufteilung abwandten und eine Methode annahmen, die Vorhersagen über hunderte verschiedene Szenarien hinweg testet, haben die Forscher eine ehrlichere und zuverlässigere Karte bereitgestellt, um den Weg eines Arzneimittels von der Pille bis in die Blutbahn zu navigieren. Die ursprünglichen sechs Messwerte waren nicht falsch, aber sie waren unvollständig; die neuen fünfundzwanzig Messwert-Sets bieten ein klareres, vollständigeres Bild davon, wie Medikamente mit dem menschlichen Körper interagieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.