Toxicity by Consortium Revisited: Structural Neighbors and Cross-Family Reach

Lo sviluppo di farmaci è un percorso lungo ed costoso in cui la maggior parte dei candidati fallisce prima di arrivare su uno scaffale di una farmacia. Una delle ragioni principali di questi fallimenti è la tossicità: un composto potrebbe curare una malattia nel suo bersaglio previsto, ma accidentalmente danneggiare il corpo interagendo con le proteine sbagliate o causando danni al fegato, al cuore o ad altri organi. Gli scienziati sanno da tempo che la forma fisica e le proprietà chimiche di una molecola spesso suggeriscono come essa si comporterà nel corpo. Se un nuovo farmaco somiglia molto a un veleno noto, è probabile che sia tossico esso stesso. Questo principio di somiglianza viene utilizzato da decenni per prevedere la sicurezza, ma gli strumenti e i dati disponibili per effettuare tali previsioni sono cambiati drasticamente rispetto ai primi giorni del settore.

Ventitré anni fa, i ricercatori proposero un'idea semplice: se hai una nuova sostanza chimica, puoi indovinare la sua tossicità osservando le tossicità note delle sostanze chimiche a cui somiglia più da vicino. Costruirono un metodo in cui un nuovo composto avrebbe raccolto un "consortium" di vicini simili da una libreria di riferimento, e quei vicini avrebbero votato sulla sicurezza del nuovo composto. Tuttavia, la libreria originale che utilizzarono è da allora diventata privata e non più disponibile, lasciando il metodo bloccato nel passato. Ora, un team di ricercatori ha ricostruito questo approccio utilizzando dati pubblici e moderni per vedere se la vecchia idea regge ancora. Hanno anche posto una seconda domanda, più profonda: il numero totale di diversi tipi di bersagli proteici a cui una sostanza chimica somiglia ci dice qualcosa di nuovo sulla sua sicurezza, oltre alla sua dimensione o alla sua oleosità?

I ricercatori hanno iniziato ricostruendo il loro sistema di voto originale utilizzando una nuova collezione pubblica di quasi 12.000 valori di tossicità misurati su ratti. Hanno testato questo metodo su migliaia di nuovi composti per vedere se poteva prevedere la dose letale, una misura standard di quanto una sostanza debba essere somministrata per uccidere la metà di una popolazione di test. I risultati sono stati incoraggianti. Per circa due terzi dei nuovi composti, il sistema è stato in grado di fornire una previsione specifica. Di queste previsioni, più del 90 percento era accurata quanto basta per rientrare in un singolo ordine di grandezza rispetto al valore reale misurato. Questa prestazione è paragonabile a quella ottenuta dal team nel 2003, dimostrando che l'idea centrale di utilizzare vicini simili per prevedere la tossicità rimane valida anche con il cambiamento del panorama dei dati.

Ma il team non si è fermato alla sola previsione di quanto una sostanza possa essere letale. Hanno esteso il test a ventotto diversi tipi di tossicità, che vanno dal capire se una sostanza chimica danneggia il cuore o causa mutazioni nel DNA, al capire se blocca specifici enzimi nel fegato. Hanno applicato la stessa logica di voto a questi diversi endpoint. Il metodo ha funzionato bene in tutti i casi, identificando correttamente i composti tossici attivi circa il 73 percento delle volte e identificando correttamente i composti sicuri circa il 96 percento delle volte. Fondamentalmente, il sistema emette una previsione solo quando trova abbastanza vicini stretti; se un composto è troppo unico, il metodo semplicemente declina la risposta, evitando la trappola di indovinare alla cieca.

La parte più innovativa dello studio ha riguardato un tipo diverso di ricerca. Invece di cercare solo sostanze chimiche simili, i ricercatori hanno chiesto quanti diversi gruppi di proteine una nuova sostanza chimica somiglia. Hanno utilizzato un indice pubblico massiccio di oltre 27.000 molecole simili a farmaci che sono state risolte all'interno di strutture proteiche. Per ogni nuova sostanza chimica, hanno contato quanti distinti gruppi di proteine appartenevano i loro corrispondeni strutturali. Hanno trovato un modello sorprendente: le sostanze chimiche che somigliano a leganti per molti diversi gruppi di proteine sono molto più propense a essere tossiche. Ad esempio, nel caso di un enzima epatico specifico chiamato CYP3A4, i composti che non corrispondevano ad alcuna famiglia di proteine erano inibitori solo il 2,5 percento delle volte. Al contrario, i composti i cui corrispondeni raggiungevano sedici o più diverse famiglie di proteine inibivano quello stesso enzima il 51,2 percento delle volte. Ciò suggerisce che la "promiscuità" di una sostanza chimica — la sua tendenza a incastrarsi in molti diversi spazi biologici — è un forte segnale di avvertimento.

Per garantire che questo schema non fosse semplicemente il risultato dei dati, i ricercatori hanno escluso diverse spiegazioni alternative. Hanno dimostrato che il risultato non era semplicemente dovuto al fatto che le molecole più grandi e complesse tendono a colpire più bersagli; il segnale rimaneva valido anche dopo aver tenuto conto della dimensione molecolare e dell'oleosità. Hanno anche provato che non era dovuto al fatto che le sostanze chimiche fossero solo copie strette di composti ben studiati; anche rimuovendo tutti gli analoghi noti dalla ricerca, il legame tra il raggiungere molte famiglie di proteine e l'essere tossici rimaneva forte. Inoltre, hanno testato questo reperto su un set completamente separato di 2.335 composti misurati da un altro consorzio, e lo stesso trend è apparso: i composti che raggiungono molte famiglie di proteine sono significativamente più propensi a essere inibitori attivi.

I ricercatori hanno combinato questi due segnali — il consortium di voto e il conteggio delle famiglie di proteine raggiunte — in un unico strumento di punteggio progettato per esaminare librerie virtuali di sostanze chimiche prima ancora che vengano create in laboratorio. Quando hanno eseguito questo strumento su un grande insieme di composti, ha segnalato con successo quelli più rischiosi. Escludendo il quinto peggiore dei punteggi della libreria, sono riusciti a rimuovere due terzi dei composti che si legano al recettore degli androgeni e circa la metà degli inibitori del CYP3A4. Questo tipo di filtraggio precoce è prezioso perché permette agli scienziati di scartare percorsi pericolosi prima di spendere tempo e denaro per sintetizzarli. Lo strumento richiede solo un disegno bidimensionale di una molecola e viene eseguito in pochi secondi, senza richiedere modellazione 3D complessa o simulazioni di docking.

Lo studio conclude che il vecchio metodo di utilizzare i vicini simili è ancora un potente predittore di tossicità, ma acquisisce nuova forza quando accoppiato con una misura di quanto la struttura chimica raggiunga ampiamente il mondo delle proteine. Gli autori sostengono che il modo migliore per migliorare ulteriormente queste previsioni sia attraverso la collaborazione. Propongono che le aziende farmaceutiche possano condividere dati codificati sui loro composti falliti — dati che rivelano la tossicità senza rivelare le specifiche strutture chimiche — in un pool condiviso. Proprio come una libreria di vicini più ampia migliora il sistema di voto, un pool condiviso di dati sulla tossicità più ampio permetterebbe al metodo di rispondere per più composti con maggiore fiducia. I ricercatori hanno reso il loro software e i loro dati disponibili al pubblico, invitando altri a contribuire e a utilizzare questi strumenti per rendere la scoperta di farmaci più sicura ed efficiente.