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

기술 요약: CYP2C19 활성에 대한 약물-약물-유전자 상호작용의 약물유전학적 표현형 전환(Phenoconversion) 모델링

문제 제기
정신약물학적 용량 가이드라인의 견고한 존재에도 불구하고, 현재의 접근 방식은 약물 대사 효소에 미치는 병용 투여의 동적인 영향을 설명하지 못한다는 점에서 임상적 유용성이 제한됩니다. 정신의학 실무에서 다제요법은 흔히 발생하지만, 약물유전학적 예측은 약물-약물 상호작용(DDI) 효과를 별개로 취급하기 때문에 실제 임상 현장의 변동성을 포착하지 못하는 경우가 많습니다. 이러한 격차는 매우 중요합니다. 왜냐하면 병용 약물이 "표현형 전환(phenoconversion)"을 유발할 수 있기 때문인데, 이는 약물 상호작용이 효소 기능을 변화시켜 환자의 유전적 대사 표현형을 실질적으로 바꾸는 과정을 의미합니다. 약물-약물-유서 상호작용(DDGI)의 개념은 인식되어 있으나, 특히 경쟁적 저해가 환자의 유전적 배경에 따라 어떻게 규모가 달라지는지에 대해 실제 환경 조건하에서 정량적 추정치를 제공한 연구는 거의 없습니다.

연구 방법론
본 연구는 노르웨이 TDM 데이터베이스로부터 에스시탈로프람(CYP2C19의 주요 기질)을 복용 중인 $n=2,852$명의 환자를 포함하는 대규모 실제 치료 약물 모니터링(TDM) 데이터셋을 활용하였습니다.

• 데이터 획득: 에스시탈로프람과 그 대사체의 혈청 농도는 초고성능 액체 크로마토그래피-고해상도(Orbitrap) 질량 분석법을 통해 측정되었습니다. 약물유전학적 분석을 통해 CYP2C19 디플로타입(대립유전자 *2, *3, *4, *17)을 결정하여 표현형(PM, IM, NM, RM, UM)을 예측하였습니다.
• 병용 약물 식별: TDM 요청서에 병용 약물 데이터가 부족한 문제를 해결하기 위해, 저자들은 환자 샘플의 고해상도 질량 스펙트럼(Orbitrap)을 소급적으로 재처리하였습니다. 23개의 임상적으로 유의미한 CYP2C19 기질 목록과 참조 라이브러리(mzCloud)를 사용하여, 정확한 질량 및 파편화 패턴을 바탕으로 샘플 내에 존재하는 17개의 병용 약물을 식별하였습니다.
• 모델링 접근 방식:
  1. 선형 표현형 전환 모델: 저자들은 대사 활성이 활성 점수에 비례한다는 선형 모델을 채택하였습니다. 이 프레임워크에서, 병용 약물에 의한 경쟁적 저해는 유전적 활성 점수와 대사 클리어런스 사이의 관계 기울기를 완만하게 만들되, 절편(PM에서의 활성)은 변경하지 않는다고 가정합니다.
  2. 통계적 구현: 주요 분석에는 클리어런스의 대리 지표로서 용량 대 농도 비율(D/C)의 역수를 모델링하기 위해 항등 연결 함수(identity link)를 사용한 감마 일반화 선형 모델(Gamma GLM)을 사용하였습니다. 이 접근 방식은 예측 변수의 가산적 구조를 보존하여, 활성 점수와 병용 약물 간의 상호작용을 식별할 수 있게 합니다.
  3. 2단계 분석:
     • 1단계: 문헌에서 유도된 각 병용 약물의 CYP2C19 분율 기여도를 사용하여 누적된 "병용 약물 부하(co-medication load)"를 계산하였습니다. 이 부하는 표현형 전환의 예측 인자로 테스트되었습니다.
     • 2단계: 문헌의 사전 값을 의존하지 않고 TDM 데이터에서 직접 개별 병용 약물의 억제 효과를 추정하기 위해 Stan을 이용한 베이지안 접근법을 사용하였습니다. 이는 각 약물에 대한 더미 변수를 적용하고, 관측치가 적은 약물에 대한 추정치를 안정화하기 위해 $t$-분포 사전 확률을 적용하였습니다.

주요 결과

• 선형 표현형 전환의 검증: 본 연구는 병용 약물이 존재하는 상황에서도 CYP2C19 활성 점수와 대사 클리어런스 사이의 관계가 선형적으로 유지됨을 확인하였습니다. 병용 약물 부하가 증가함에 따라 이 관계의 기울기가 점진적으로 완만해졌으며, 이는 선형 표현형 전환 모델과 일치합니다. 활성 점수와 병용 약물 부하 사이의 상호작용은 통계적으로 매우 유의했습니다 ($p < 0.001$).
• 정량적 영향: 100% CYP2C19 기질에 해당하는 병용 약물 부하(분율 기여도 = 1.0)는 활성 점수 계수를 약 3분의 1 감소시켰습니다. 이는 병용 약물이 CYP2C19의 유전적으로 결정된 차이를 유의미하게 감쇄시키지만, 반드시 이를 완전히 없애거나 환자를 PM 표현형으로 완전히 전환시키는 것은 아님을 나타냅니다.
• 분율 기여도의 예측력: TDM 데이터에서 추정된 억제와 약물유전학 문헌에 나타난 병용 약물의 CYP2C19 분율 기여도 사이에 강한 상관관계($R^2 = 0.55$)가 있었습니다. 이는 문헌 유래 분율 기여도가 경쟁적 저해제에 대한 표현형 전환의 규모를 정량적으로 예측할 수 있음을 시사합니다.
• 약물별 결과:
  • 플루옥세틴, (에스)오메프라졸, 판토프라졸에서 유의미한 CYP2C19 억제가 감지되었습니다.
  • (에스)오메프라졸과 플루옥세틴은 예측된 분율 기여도보다 높은 억제 수준을 보였는데, 이는 순수한 경쟁적 저해에서 벗어난 기전 기반(시간 의존적) 저해 또는 활성 대사체의 효과 때문인 것으로 보입니다.
  • CYP2C1ols 기여도가 0인 약물(예: 라모트리진, 미안세린, 와파린)은 표현형 전환 효과를 보이지 않았습니다.
  • 대체 제거 경로에 대한 유의미한 억제(PM에 미치는 영향)는 관찰되지 않았으며, 이는 표현형 전환이 기능적 효소의 양에 따라 규모가 결정된다는 개념을 뒷받침합니다.
• 연령 효과: 병용 약물과 달리, 연령은 대사 능력에 독립적인 영향을 미쳤으며 PM에서도 활성을 감소시켰습니다. 이는 CYP2C19 특이적 표현형 전환과는 구별되는 메커니즘을 시사합니다.

의의 및 주장
본 논문은 TDM 데이터 내에서 병용 약물로부터 직접 표현형 전환을 추정하는 통계적 방법론을 제공한다고 주장합니다. 주요 기여는 단순한 선형 표현형 전환 모델이 복잡한 실제 다제요법 환경에서 억제 효과를 적절히 근사할 수 있음을 입증한 데 있습니다.

저자들은 이 접근 방식이 TDM과 약물유전학 데이터셋을 통합하여 DDGI의 정량적 모델을 구축할 수 있게 해준다고 단언합니다. 이 연구는 이진적 상호작용 레이블 대신 분율 기여도 값을 사용함으로써, 병용 약물의 누적 억제 부담을 추정할 수 있는 기전적 근거를 갖춘 방법을 제시합니다. 이를 통해 환자의 대사 능력을 더욱 정확하게 예측할 수 있으며, 이는 다제요법의 미묘하고 맥락 의존적인 현실을 반영하지 못하는 기존 가이드라인의 한계를 해결합니다. 결론적으로, 클리어런스 비율에 기반한 고전적인 약물유전학적 용량 권고안은 기질 억제로 인한 표현형 전환 정도를 근사하는 데 매우 유익한 정보를 제공할 수 있습니다.