Pharmacogenetic phenoconversion modeling of drug-drug-gene interactions on CYP2C19 activity: effects of comedication by genotype on escitalopram concentrations

Resumen Técnico: Modelado de la fenoconversión farmacogenética de las interacciones fármaco-fármaco-gen en la actividad de CYP2C19

Planteamiento del problema
A pesar de la existencia de directrices robustas para el dosaje farmacogenético de fármacos psicotrópicos, su utilidad clínica se ve limitada por la incapacidad de los enfoques actuales para considerar el impacto dinámico de la coadministración de medicamentos sobre las enzimas metabolizadoras de fármacos. En la práctica psiquiátrica, la polifarmacia es común, pero las predicciones basadas en el genotipo a menudo no logran capturar la variabilidad del mundo real en la exposición a fármacos porque los efectos farmacogenéticos y de interacción fármaco-fármaco (DDI) se consideran habitualmente de forma separada. Esta brecha es crítica porque los medicamentos concomitantes pueden inducir "fenoconversión", un proceso en el que las interacciones farmacológicas alteran la función enzimática, cambiando efectivamente el fenotipo metabólico del paciente. Si bien el concepto de interacciones fármaco-fármaco-gen (DDGI) es reconocido, pocos estudios han proporcionado estimaciones cuantitativas de la fenoconversión bajo condiciones del mundo real, particularmente en lo que respecta a cómo la inhibición competitiva escala con el trasfondo genético del paciente.

Metodología
El estudio utilizó un gran conjunto de datos de monitoreo terapéutico de fármacos (TDM) del mundo real compuesto por $n=2,852$ pacientes medicados con escitalopram, un sustrato principal de CYP2C19, proveniente de la base de datos de TDM noruega.

• Adquisición de datos: Las concentraciones séricas de escitalopram y su metabolito se midieron mediante Cromatografía de Líquidos de Ultra Alta Resolución - Espectrometría de Masas de Alta Resolución (Orbitrap). El análisis farmacogenético determinó el diplotipo de CYP2C19 (alelos *2, *3, *4, *17) para predecir los fenotipos: Metabolizador Pobre (PM), Intermedio (IM), Normal (NM), Rápido (RM) y Ultrarrápido (UM).
• Identificación de la coadministración de medicamentos: Para superar la falta de datos de coadministración en los formularios de solicitud de TDM, los autores reprocesaron retrospectivamente los espectros de masas de alta resolución (Orbitrap) de las muestras de los pacientes. Utilizando una lista curada de 23 sustratos de CYP2C19 clínicamente relevantes y una biblioteca de referencia (mzCloud), identificaron 17 co-medicamentos presentes en las muestras basándose en la masa exacta y los patrones de fragmentación.
• Enfoque de modelado:
  1. Modelo de fenoconversión lineal: Los autores adaptaron un modelo lineal donde la actividad metabólica es proporcional a las puntuaciones de actividad. En este marco, se hipotetiza que la inhibición competitiva por co-medicación aplana la pendiente de la relación entre las puntuaciones de actividad genética y el aclaramiento metabólico, sin alterar la intersección (actividad en los PM).
  2. Implementación estadística: El análisis principal utilizó un Modelo Lineal Generalizado (GLM) Gamma con un enlace de identidad para modelar el recíproco de la relación dosis-concentración (D/C) como un indicador del aclaramiento. Este enfoque preservó la estructura aditiva de los predictores, permitiendo la identificación de interacciones entre la puntuación de actividad y la co-medicación.
  3. Análisis de dos etapas:
     • Etapa 1: Se utilizó la contribución fraccional derivada de la literatura de la contribución de CYP2C19 al metabolismo de cada co-medicación para calcular una "carga de co-medicación" acumulativa. Esta carga se probó como un predictor de la fenoconversión.
     • Etapa 2: Emplearon un enfoque bayesiano (usando Stan) para estimar el efecto inhibitorio de los co-medicaciones individuales directamente desde los datos de TDM, sin depender de valores previos de la literatura. Esto utilizó variables ficticias (dummy variables) para cada fármaco y aplicó distribuciones a priori t para estabilizar las estimaciones para fármacos con pocas observaciones.

Resultados clave

• Validación de la fenoconversión lineal: El estudio confirmó que la relación entre las puntuaciones de actividad de CYP2C19 y el aclaramiento metabólico permanece lineal incluso en presencia de co-medicación. A medida que la carga de co-medicación aumentaba, la pendiente de esta relación se aplanaba progresivamente, lo cual es consistente con el modelo de fenoconversión lineal. La interacción entre la puntuación de actividad y la carga de co-medicación fue altamente significativa ($p < 0.001$).
• Impacto cuantitativo: Una carga de co-medicación correspondiente a un sustrato de CYP2C19 al 100% (contribución fraccional = 1.0) redujo el coeficiente de la puntuación de actividad aproximadamente en un tercio. Esto indica que, si bien la co-medicación atenúa significativamente las diferencias genéticamente determinadas en la actividad de CYP2C19, no necesariamente las anula ni convierte completamente a los pacientes en un fenotipo PM.
• Poder predictivo de las contribuciones fraccionales: Hubo una fuerte correlación ($R^2 = 0.55$) entre la inhibición estimada de los datos de TDM y la contribución fraccional de la farmacogenética de la metabolización de la co-medicación. Esto sugiere que las contribuciones fraccionales derivadas de la literatura pueden predecir cuantitativamente la magnitud de la fenoconversión para inhibidores competitivos.
• Hallazgos específicos de fármacos:
  • Se detectó una inhibición significativa de CYP2C19 para fluoxetina, (es)omeprazol y pantoprazol.
  • El (es)omeprazol y la fluoxetina mostraron niveles de inhibición superiores a los predichos únicamente por sus contribuciones fraccionales, probablemente debido a una inhibición basada en el mecanismo (dependiente del tiempo) o efectos de metabolitos activos, desviándose de la inhibición competitiva pura.
  • Los fármacos con contribución fraccional de CYP2C19 de cero (por ejemplo, lamotrigina, mianserina, warfarina) no mostraron efecto de fenoconversión.
  • No se observó una inhibición significativa de las vías de eliminación alternativas (efectos en los PM), lo que respalda el concepto de que la fenoconversión escala con la cantidad de enzima funcional presente.
  • La edad mostró un efecto independiente sobre la capacidad metabólica, reduciendo la actividad incluso en los PM, lo que sugiere mecanismos distintos de la fenoconversión específica de CYP2C19.

Significancia y afirmaciones
El artículo afirma proporcionar una metodología estadística para estimar la fenoconversión de la co-medicación directamente dentro de los datos de TDM. Su contribución principal es la demostración de que un modelo simple de fenoconversión lineal aproxima adecuadamente los efectos de la inhibición en un entorno complejo de polifarmacia del mundo real.

Los autores sostienen que este enfoque permite la integración de conjuntos de datos de TDM y farmacogenéticos para establecer modelos cuantitativos de DDGI. Al utilizar valores de contribución fraccional en lugar de etiquetas de interacción binarias, el estudio ofrece un método fundamentado mecánicamente para estimar la carga inhibitoria acumulativa de los fármacos concomitantes. Esto permite predicciones más precisas de la capacidad metabólica individual en poblaciones psiquiátricas, abordando la limitación de las directrices actuales que a menudo no logran considerar la realidad matizada y dependiente del contexto de la polifarmacia. El estudio concluye que las recomendaciones de dosificación farmacogenética clásica basadas en relaciones de aclaramiento son altamente informativas para aproximar el grado de fenoconversión resultante de la inhibición por sustrato.