Polypharmacology of an Optimal Kinase Library

Deze studie toont aan dat polyfarmacologie onder kinase-inhibitoren wijdverbreid en vaak onvoorspelbaar is, waarbij de toegewezen doelen niet altijd de meest potentieel gebonden zijn en dat dergelijke profielen waardevol zijn voor het identificeren van toxiciteit, het herbestemmen van geneesmiddelen en het uitvoeren van chemisch-genetische studies.

De kern

De Grote Sleutelkast: Waarom medicijnen vaak meer doen dan we denken

Stel je voor dat het menselijk lichaam een enorme, complexe stad is. In deze stad werken duizenden kleine machines, die we enzymen of kinasen noemen. Deze machines regelen alles: van hoe je cellen groeien tot hoe je hersenen werken.

Om ziektes te bestrijden, maken artsen en wetenschappers medicijnen (de sleutels) die specifiek op één van deze machines moeten werken om ze aan of uit te zetten. Het idee is simpel: als je de sleutel in het juiste slot steekt, is het probleem opgelost.

Maar hier komt het probleem: veel van deze sloten zien er bijna identiek uit. Een sleutel die bedoeld is voor de voordeur, kan soms per ongeluk ook in het slot van de achterdeur of het raam passen. In de wetenschap noemen we dit polyfarmacologie: het feit dat één medicijn vaak op veel verschillende doelen werkt, niet alleen op het ene doel waarvoor het gemaakt is.

Tot nu toe hebben we dit vaak genegeerd of als een fout beschouwd. Maar dit nieuwe onderzoek, gedaan door een team van Harvard en andere universiteiten, zegt: "Kijk eens goed naar al die andere deuren die open gaan!"

Wat hebben ze gedaan? De "Optimale Sleutelkast"

De onderzoekers hebben een speciale collectie van 192 medicijnen samengesteld. Ze noemen dit de OKL (Optimal Kinase Library).

• De selectie: Ze hebben niet zomaar willekeurige medicijnen gepakt. Ze kozen een mix van medicijnen die al op de markt zijn, die in proeven zitten, en die nog in de testfase zijn. Ze zorgden ervoor dat ze chemisch gezien heel verschillend waren, maar dat ze samen bijna elk mogelijk slot in de stad (het menselijk lichaam) konden openen.
• De test: Ze hebben elk van deze 192 medicijnen getest tegen 468 verschillende sloten (kinasen). Ze hebben gekeken hoe sterk ze in elk slot pasten.

De verrassende ontdekkingen

Het onderzoek leverde drie grote verrassingen op:

1. "De perfecte sleutel" bestaat bijna niet
We denken vaak dat een goed medicijn alleen op het ene doel werkt waarvoor het is gemaakt. De onderzoekers ontdekten dat dit zelden zo is.

• De analogie: Stel je voor dat je een sleutel hebt om je huisdeur te openen. Je denkt: "Deze past alleen in mijn slot." Maar als je hem probeert, blijkt hij ook perfect te passen in de brievenbus, de achterdeur en zelfs het slot van je buren.
• De bevinding: Voor de meeste goedgekeurde medicijnen is het "hoofddoel" (waarvoor ze op de markt zijn) vaak niet eens het doel waar ze het sterkst op werken. Ze werken vaak net zo goed, of zelfs beter, op andere, onbekende doelen.

2. Meer tijd betekent niet altijd betere selectiviteit
Je zou denken dat medicijnen van vandaag beter zijn dan die van 30 jaar geleden, omdat we meer weten.

• De analogie: Het is alsof je denkt dat moderne auto's veel minder brandstof verbruiken dan oude modellen. Maar bij medicijnen is dat niet zo. Nieuwe medicijnen zijn niet per se "schoner" of specifieker dan oude. Ze werken vaak net zo "rommelig" (ze openen veel deuren tegelijk).
• De bevinding: De gemiddelde selectiviteit is niet verbeterd. Medicijnen die zijn mislukt in proeven, zijn niet per se minder selectief dan die succesvol zijn. Soms is die "rommeligheid" juist wat ze geneeskrachtig maakt!

3. De "Donkere Kinetische" (Onbekende deuren)
Er zijn veel sloten in het lichaam waar we nog weinig over weten. De onderzoekers noemen deze "donkere kinasen".

• De analogie: In een grote stad zijn er straten waar niemand ooit komt. Maar deze medicijnen bleken daar ook te werken!
• De bevinding: Veel medicijnen openen deze onbekende deuren. Dit is een goudmijn voor de toekomst. Misschien kunnen we medicijnen die nu voor kanker worden gebruikt, ook gebruiken voor ziektes als Alzheimer of malaria, omdat ze die onbekende deuren openen die we nog niet kenden.

Hoe helpt dit ons in de praktijk?

De onderzoekers laten zien hoe je deze kennis kunt gebruiken:

• Bijwerkingen verklaren: Soms heeft een medicijn een rare bijwerking, zoals leverproblemen. Door te kijken naar welke "andere deuren" het medicijn openmaakt, vonden ze dat een medicijn tegen longkanker (Alectinib) ook per ongeluk een lever-enzym blokkeert. Dat verklaart de leverproblemen! Als we dit weten, kunnen we in de toekomst medicijnen maken die de longdeur openen, maar de leverdeur dichtlaten.
• Nieuwe toepassingen (Repurposing): Ze vonden medicijnen die goed werken tegen de dood van hersencellen (bij Alzheimer). Het bleek dat medicijnen die we al hebben, op een heleboel verschillende manieren werken die helpen bij neurodegeneratie.
• Ziektes bestrijden: Ze vonden medicijnen die werken tegen bacteriën (zoals tuberculose) en parasieten (zoals malaria), door te kijken naar welke "buitenlandse sloten" ze openen.

De grote les

Dit onderzoek zegt eigenlijk: Stop met zoeken naar de "perfecte, één-op-één" sleutel.

In plaats daarvan moeten we leren omgaan met medicijnen die een paar sleutels tegelijk zijn. Als we begrijpen welke deuren een medicijn allemaal opent, kunnen we:

1. Beter begrijpen waarom het werkt.
2. Beter begrijpen waarom het soms bijwerkingen geeft.
3. Medicijnen vinden voor ziektes waar we nog geen oplossing voor hebben.

Het is alsof we eindelijk de volledige plattegrond van de stad hebben gekregen. We weten nu precies welke sleutel welke deur opent, en dat helpt ons om de stad (ons lichaam) veel slimmer te repareren.

Technische samenvatting

Probleemstelling

Ondanks decennia van onderzoek blijft het volledige spectrum van doelen dat door kinase-remmers wordt gebonden, onvolledig begrepen. Dit beperkt het inzicht in het werkingsmechanisme van geneesmiddelen, het hergebruik van medicijnen (drug repurposing) en het begrijpen van bijwerkingen.

• Tekortkomingen in bestaande data: Bestaande kennis is vaak gebaseerd op literatuur die sterk vertekend is naar "toegewezen" doelen (de beoogde targets) en vermeende bijdoelen. Er is een gebrek aan systematische, kwantitatieve data over binding aan andere kinasen, vooral voor "donkere" kinasen (onderstudieerde kinasen) en voor verbindingen die niet zijn goedgekeurd.
• Aannames over selectiviteit: Er heerst vaak de veronderstelling dat goedgekeurde geneesmiddelen selectiever zijn dan experimentele verbindingen en dat de selectiviteit in de loop der tijd is toegenomen. Deze paper challengeert deze aannames.
• Methodologische beperkingen: De standaard KINOMEscan-methode (van Eurofins) wordt vaak uitgevoerd bij één concentratie met een vaste drempelwaarde (<35% binding), wat leidt tot onnauwkeurige schattingen van bindingsaffiniteiten (Kd) en het verlies van kwantitatieve informatie.

Methodologie

De auteurs hebben een geoptimaliseerde kinase-bibliotheek (OKL) ontwikkeld en uitgebreid gefilmd met behulp van een Bayesiaanse inferentieframework.

1. De Optimal Kinase Library (OKL):

   • Een bibliotheek van 192 kleine moleculen is geselecteerd uit een initiële set van 600.
   • De selectiecriteria waren: chemische diversiteit, dekking van kinasedoelen, en klinische ontwikkelingsfase (44 FDA-goedgekeurde geneesmiddelen, 98 in klinische trials, 50 preklinische "tool" verbindingen).
   • Het doel was een compacte set te creëren waarbij elke kinase wordt gebonden door ten minste twee remmers met maximale selectiviteit en minimale chemische overlap.

2. Experimentele Profiling (KINOMEscan):

   • De OKL-verbindingen werden getest tegen 468 kinasen (406 wildtype, 59 mutanten, 3 niet-mammalier) met de Eurofins KINOMEscan® scanMAX-platform.
   • In tegenstelling tot de standaardpraktijk werden de verbindingen getest bij vier concentraties (10 µM, 1 µM, 100 nM, 12,5 nM) om volledige dosis-responscurves te genereren (89.856 datapunten).

3. Bayesiaanse Inferentie voor Kd-schatting:

   • In plaats van lineaire interpolatie of een simpele drempelwaarde, hebben de auteurs een Bayesiaans hiërarchisch model (geïmplementeerd in PyMC) gebruikt.
   • Dit model past een vier-parameter Hill-vergelijking aan de percent-control data om de dissociatieconstante ($K_d$) en de Hill-helling te schatten.
   • Dit stelt hen in staat om $K_d$-waarden te extrapoleren buiten het geteste concentratiebereik (bijv. sub-nanomolaire waarden) en onzekerheid te kwantificeren via posterior-verdelingen.

4. Validatie en Toepassing:

   • De geschatte $K_{SKd}$-waarden werden gevalideerd tegen bestaande ChEMBL-data (correlatie $R = 0,91$).
   • De data werd gebruikt voor drie casestudies: neuroprotectie (Alzheimer-model), chemische genetica (cisplatine-resistente eierstokkanker), en remming van pathogene kinasen (M. tuberculosis en malaria).

Belangrijkste Bijdragen en Resultaten

1. Wijdverbreide Polyfarmacologie:

   • Polyfarmacologie is wijdverbreid, zelfs onder goedgekeurde geneesmiddelen. De "toegewezen" doelen zijn niet noodzakelijk de meest potently gebonden doelen.
   • Bij goedgekeurde geneesmiddelen was het toegewezen doel slechts in 23% van de gevallen het doel met de hoogste affiniteit.
   • De mediane selectiviteit (gemeten met de Partition Index, PI) is niet toegenomen in de loop der tijd, hoewel er uitzonderingen zijn met zeer hoge selectiviteit.

2. Selectiviteit en "Donkere" Kinases:

   • Veel kinasen worden gebonden door verbindingen die niet specifiek voor hen zijn ontworpen. Onderstudieerde ("donkere") kinasen worden even breed gebonden als goed bestudeerde kinasen, zij het met iets minder remmers per kinase.
   • Promiscuïteit (het binden aan veel doelen) is geassocieerd met de DFG-out conformatie van het kinase. Kinasen met een DFG-out structuur in de PDB binden significant meer remmers dan die zonder.
   • Voor Receptor Tyrosine Kinases (RTKs) wordt deze promiscuïteit vaak gestabiliseerd door een zoutbrug (D671-R752).

3. Nieuwe inzichten in toxiciteit en hergebruik:

   • Alectinib: Dit ALK-remmer (goedgekeurd voor longkanker) bindt ook sterk aan PHKG2 (lever-specifiek). De auteurs suggereren dat dit de levertoxiciteit bij patiënten verklaart. Dit biedt een kans om nieuwe ALK-remmers te ontwerpen die PHKG2 vermijden.
   • Neuroprotectie: In een model van Alzheimer (geïnduceerde celdood via dsRNA) bleek dat remmers die JAK-kinasen remmen, maar ook andere kinasen zoals DAPK, ULK en mTOR remmen, neuroprotectief werken. Dit suggereert dat autophagie-modulatie via deze off-targets cruciaal is.
   • Pathogene Kinases: De OKL-data identificeerde potentie remmers voor M. tuberculosis (PknB) en Plasmodium falciparum (PFCDPK1), wat mogelijkheden biedt voor hergebruik van bestaande geneesmiddelen (zoals pacritinib) voor infectieziekten.

4. Methodologische Aanbevelingen:

   • De auteurs tonen aan dat het screenen bij twee concentraties (100 nM en 10.000 nM) voldoende is om nauwkeurige $K_d$-waarden te schatten met een Bayesiaans model (R² = 0,97 vergeleken met vier punten), wat de kosten aanzienlijk verlaagt.
   • De standaard drempel van 35% control is vaak suboptimaal; een lagere drempel (bijv. 22%) kan de vals-positieve ratio verlagen zonder de vals-negatieve ratio te verhogen, afhankelijk van het doel van het screenen.

Significantie

Deze studie biedt een fundamentele verschuiving in hoe kinase-remmers worden begrepen en gekarakteriseerd:

• Van Selectiviteit naar Polyfarmacologie: Het succes van kinase-remmers als therapeutica lijkt minder afhankelijk van extreme selectiviteit dan eerder werd gedacht, maar mogelijk juist van hun vermogen om een netwerk van kinasen te moduleren.
• Data-gedreven Ontwerp: De OKL-dataset en de bijbehorende Bayesiaanse analysemethoden bieden een krachtig hulpmiddel voor het identificeren van toxiciteitsdoelen, het repurpen van geneesmiddelen voor nieuwe indicaties (zoals neurodegeneratie en infecties) en het ontwerpen van selectievere remmers.
• Toekomstige Richting: De auteurs bepleiten dat kinome-bomen in de toekomst niet alleen op sequentie-homologie, maar op bindingsprofielen gebaseerd moeten worden, aangezien structureel vergelijkbare kinasen vaak zeer verschillende bindingspatronen vertonen.

Samenvattend demonstreert dit werk dat systematische, kwantitatieve kinome-profiling essentieel is om de complexe biologie van kinase-remmers te ontrafelen en dat er nog veel te ontdekken valt over de chemie en biologie van deze grote klasse van therapeutica.