Interpretable tissue-resolved drug toxicity prediction with pathway-level mechanism attribution

Stellen Sie sich vor, Sie sind ein Chefkoch, der versucht, das perfekte neue Gericht zu kreieren. Sie haben ein Rezept (das Medikament) und eine Küche (den menschlichen Körper). Das Problem ist, dass der menschliche Körper nicht nur eine einzige große Küche ist; er ist eine Stadt mit verschiedenen Stadtvierteln, die jeweils ihre eigenen Regeln, Zutaten und Empfindlichkeiten haben. Ein Gewürz, das das „Leber-Viertel“ zum Brodeln bringt, könnte das „Herz-Viertel“ zum Kollaps bringen, während das „Gehirn-Viertel“ es gar nicht bemerkt. Jahrzehntelang haben Wissenschaftler versucht vorherzusagen, welche Stadtviertel ein neues Medikament ruinieren würde, bevor sie es tatsächlich an Patienten servieren. Normalerweise haben sie nur geraten, basole auf dem, wie das Medikament chemisch aussieht, und dabei übersehen, dass der Ort genauso wichtig ist wie die Zutaten. Dies ist der Kern der Medikamententoxizität: herauszufinden, nicht nur ob ein Arzneimittel gefährlich ist, sondern wo im Körper es Probleme verursachen könnte und warum.

Hier kommt ToxiPred ins Spiel, ein neuer digitaler Detektiv, der von Forschern der Norwegischen Universität für Naturwissenschaften und Technologie sowie der Universität Helsinki entwickelt wurde. Betrachten Sie ToxiPred als einen superintelligenten Zwei-Turm-Roboter, der nicht nur die chemische Form eines Medikaments betrachtet, sondern auch die „Persönlichkeit“ jedes Gewebes im Körper studiert. Der Roboter hat einen besonderen Trick: Er zwingt das Medikament und das Gewebe, sich in einem engen Flur von 70 spezifischen „Signalwegen“ (wie biologischen Montagelinien in unseren Zellen) zu treffen. Dieser Flur fungiert als Übersetzer und offenbart genau, wie ein spezifisches Medikament die Maschinerie eines spezifischen Gewebes stört. Wenn der Roboter vorhersagt, dass ein Medikament das Herz schädigt, sagt er nicht einfach nur „Gefahr!“, sondern zeigt mit dem Finger darauf und sagt: „Es stört die Cholesterin-Fabrik in den Herzzellen.“

Das Team testete diesen Roboter an tausenden Medikamenten, darunter solchen, die er noch nie zuvor gesehen hatte. Sie fanden heraus, dass ToxiPred überraschend gut darin ist, Unheil zu erspähen. Als sie ihn gegen bekannte toxische Medikamente prüften, identifizierte er die gefährlichen Substanzen etwa 85 % der Zeit bei Leberproblemen und zu 73 % bei allgemeinen Ausfällen in klinischen Studien. Aber die wahre Magie geschah, als sie ihn bei Medikamenten testeten, die in der psychischen Gesundheit eingesetzt werden, wie Quetiapin und Sertralin. Der Roboter sagte voraus, dass diese Medikamente hart für das Herz sein würden, insbesondere durch die Störung von Lipid- (Fett-) und Cholesterin-Signalwegen. Um zu beweisen, dass es sich nicht nur um eine Computer-Halluzination handelte, züchteten die Wissenschaftler im Labor winzige, lebende „Mini-Organe“ (Organoide) von menschlichen Herzen, Gehirnen und Netzhäuten. Als sie diese Mini-Organe mit den Medikamenten behandelten, hörten die Mini-Herzen auf zu schlagen und zeigten genau dieselben fettbezogenen Stresssignale, die der Roboter vorhergesagt hatte.

Dies ist kein Zauberstab, der alle Sicherheitstests ersetzt, aber es ist eine leistungsstarke neue Taschenlampe. Es legt nahe, dass wir durch das Verständnis der spezifischen biologischen Signalwege, die ein Medikament in verschiedenen Geweben anspricht, entscheiden können, welche Medikamente zusätzliche Sicherheitsprüfungen benötigen und welche wahrscheinlich sicher zu verwenden sind. Es verwandelt ein blindes Raten in eine gezielte Untersuchung und spart potenziell Zeit, Geld und vor allem die Sicherheit der Patienten.

Die Geschichte des Zwei-Turm-Roboters

Das Problem: Der „Einheitslösung“-Fehler
Stellen Sie sich vor, Sie haben einen Schlüssel (ein Medikament) und eine Reihe verschiedener Schlösser (Gewebe wie die Leber, das Herz und das Gehirn). Lange Zeit versuchten Wissenschaftler vorherzusagen, ob der Schlüssel das Schloss brechen würde, indem sie nur nach der Form der Schlüsselzähne schauten. Sie übersahen oft die Tatsache, dass einige Schlösser aus sprödem Glas bestehen (empfindliche Gewebe), während andere aus Stahl gefertigt sind (robuste Gewebe). Wenn ein Schlüssel perfekt in ein Stahlschloss passt, könnte er das Glasschloss zertrümmern. Die alten Computermodelle waren wie diese: Sie gaben einen einzelnen Wert für „Ist dieses Medikament toxisch?“ an, ohne Ihnen zu sagen, welcher Teil des Körpers verletzt würde oder wie es passieren würde.

Die Lösung: ToxiPreds zwei Türme
Die Forscher bauten ToxiPred, ein neuronales Netzwerk (eine Art Computergehirn), das wie ein hochtechnologischer Partnervermittlungsdienst funktioniert. Es hat zwei Haupttürme:

1. Der Medikamenten-Turm: Dieser Turm betrachtet die chemische Struktur des Medikaments, seine bekannten Zielstrukturen und wie es die Genaktivität in Zellen verändert.
2. Der Gewebe-Turm: Dieser Turm studiert das spezifische „Vibe“ (die Atmosphäre) verschiedener Gewebe und untersucht, welche Gene in der Leber, im Herzen, im Gehirn usw. aktiv sind und welche für das Überleben essenziell sind.

Diese beiden Türme treffen sich in der Mitte an einem „Engpass“ – einem schmalen Flur mit genau 70 Signalwegen. Betrachten Sie diese Signalwege als 70 verschiedene Montagelinien in einer Fabrik. Der Roboter zwingt das Medikament und das Gewebe dazu, nur durch diese 70 Linien zu interagieren. Wenn das Medikament die „Cholesterin-Montagelinie“ in der „Herzfabrik“ blockiert, sieht der Roboter dies sofort. Dieses Design ist entscheidend, weil es nicht nur eine Zahl vorhersagt; es erklärt den Mechanismus. Es sagt Ihnen: „Dieses Medikament ist toxisch für das Herz, weil es die Cholesterin-Linie verstopft.“

Das Training: Lernen aus der Vergangenheit
Um den Roboter zu lehren, fütterten die Wissenschaftler ihn mit Daten aus 9.275 verschiedenen Medikamenten-Gewebe-Kombinationen aus öffentlichen Datenbanken. Sie brachten ihm bei, einen „Medikamenten-Sensitivitäts-Score“ (genannt DSStox) auf einer Skala von 0 bis 50 vorherzusagen.

• 0–3,0: Das Medikament ist wahrscheinlich sicher (geringe Belastung).
• 3,0–5,0: Das Medikament liegt in der „Vielleicht“-Zone (grenzwertig).
• 5,0+: Das Medikament ist wahrscheinlich gefährlich (hohe Belastung).

Sie testeten den Roboter an Medikamenten, die er noch nie gesehen hatte, mithilfe einer „Drug-Disjoint“-Methode. Das bedeutet, dass sie ganze Familien chemischer Strukturen während des Trainings verbargen und den Roboter baten, Vorhersagen für völlig neue Formen zu treffen. Er traf die Vorhersage mit einer Korrelation von 0,73, was ein sehr starker Wert für eine so komplexe Aufgabe ist.

Der Realitätscheck: Die Antiinfektiva-Herausforderung
Zuerst testeten sie den Roboter an 93 Antiinfektiva (Antibiotika und Antiviralia). Diese Medikamente sind darauf ausgelegt, Bakterien oder Viren zu töten, nicht menschliche Zellen. Der Roboter sagte korrekt voraus, dass diese Medikamente eine geringe Toxizität gegenüber menschlichen Geweben aufweisen würden (Scores unter 3,0), während er einige Referenzmedikamente markierte, die bekannt dafür sind, toxisch für menschliche Zellen zu sein. Als sie diese Medikamente in einem Labor an sechs verschiedenen menschlichen Gewebesystemen (Lunge, Leber, Darm, Niere, Pankreas und Brust) testeten, stimmten die Vorhersagen des Roboters mit den realen Ergebnissen mit einer Korrelation von 0,78 bis 0,84 überein. Dies bewies, dass der Roboter nicht nur rät; er verstand den Unterschied zwischen dem Töten eines Erregers und dem Schädigen eines Menschen.

Der Tiefgang: Das Psychotikum-Rätsel
Der spannendste Teil der Geschichte betraf 91 Psychopharmaka (Medikamente für die psychische Gesundheit wie Antidepressiva und Antipsychotika). Etwa 98 % dieser Medikamente waren völlig neu für den Roboter; er hatte ihre chemischen Strukturen noch nie gesehen. Der Roboter scannte sie und markierte mehrere, darunter Quetiapin und Sertralin, als solche mit hohen Toxizitätsrisiken, wobei er spezifisch auf Lipid- und Cholesterin-Signalwege hinwies.

Um zu sehen, ob der Roboter recht hatte, züchteten die Wissenschaftler menschliche Organoide (winzige, 3D-Versionen menschlicher Organe) in einer Schale. Sie verwendeten:

• Vorderhirn-Organoide
• Kardiale (Herz-)Organoide
• Retinale (Netzhaut-)Organoide

Sie behandelten diese Mini-Organe mit den Medikamenten und beobachteten, was geschah.

• Der Herz-Test: Als sie Quetiapin und Sertralin hinzufügten, hörten die winzigen Herz-Organoide bei einer Konzentration von 20 µM auf zu schlagen. Dies war ein großes Warnsignal, das der Vorhersage des Roboters entsprach.
• Der molekulare Test: Sie machten eine Momentaufnahme der Gene innerhalb der Herzzellen. Sie fanden heraus, dass Sertralin und Quetiapin Gene aktivierten, die mit der Cholesterinbiosynthese und dem Lipidstoffwechsel zusammenhängen. Dies passte perfekt zur „Pathway Attribution“ (Signalweg-Zuordnung) des Roboters.
• Der Kontrast: Ein anderes Medikament, Aripiprazol, zeigte ein anderes Muster und beeinflusste stattdessen Gene der Muskelentwicklung. Dies zeigte, dass der Roboter in der Lage war, zwischen verschiedenen Arten von Toxizität zu unterscheiden, statt nur einen generischen „schlechten“ Wert zu liefern.

Das Multi-Omics-Follow-up
Um noch tiefer zu gehen, untersuchten die Forscher Quetiapin im Detail. Sie nutzten einen klugen Trick: Sie behandelten die Organoide mit Retinsäure (ein bekannter Stressfaktor) und fügten dann Quetiapin hinzu. Dies half dabei, genau zu isolieren, was Quetiamin bewirkte. Sie fanden heraus, dass Quetiapin Gene unterdrückte, die mit dem Lipoproteintransport und der Cholesterin-Homöostase zusammenhängen. Sie untersuchten auch die Metaboliten (die winzigen chemischen Bausteine) und fanden Veränderungen bei Fumarat, Malat und Acylcarnitinen, was darauf hindeutete, dass das Medikament den Umgang der Zellen mit Energie und Fett stört.

Was das bedeutet
Das Paper kommt zu dem Schluss, dass ToxiPred ein leistungsstarkes Werkzeug zur Priorisierung ist. Es ist kein Kristallball, der Sicherheit garantiert, aber ein hocheffektiver Filter. Es kann eine Liste von tausenden neuen Medikamenten nehmen und sagen: „Untersuchen Sie diese zuerst; sie sehen so aus, als könnten sie die Cholesterin-Fabrik im Herzen verstopfen.“

Die Forscher weisen vorsichtig darauf hin, dass dies ein mechanismusgesteuerter Rahmen ist und kein Ersatz für klinische Studien. Die Organoide sind vereinfachte Modelle, und die Daten stammen aus Zelllinien, die menschliche Körper nicht perfekt nachahmen könnten. Jedoch ist die Tatsache, dass die Vorhersagen des Roboters über Signalwege (wie Cholesterin) mit den tatsächlichen biologischen Veränderungen in lebenden menschlichen Zellen übereinstimmten, ein massiver Schritt nach vorn. Es deutet darauf hin, dass wir nun von der Frage „Ist dieses Medikament toxisch?“ zu „Wie, wo und warum ist dieses Medikament toxisch?“ übergehen können, noch bevor es jemals einem Patienten verabreicht wird.

Am Ende ist ToxiPred wie ein Übersetzer, der sowohl „Chemie“ als auch „Biologie“ spricht. Indem er diese beiden Sprachen in einem engen Flur von 70 Signalwegen zusammenführt, enthüllt er die verborgenen Geschichten darüber, wie Medikamente mit unserem Körper interagieren, und bietet einen klareren, hoffnungsvolleren Weg zu sichereren Medikamenten.