Cross-Species Translation Enhances the Use of Mouse Models for Translatability and Drug Discovery in Late-Onset Alzheimer's Disease

Deze studie toont aan dat het TransComp-R-rekenkader, dat transcriptomische kenmerken van muismodellen vertaalt naar menselijke late-onset Alzheimer, succesvol nieuwe medicijnen voor de slaap-waakcyclus heeft geïdentificeerd en dat suvorexant bij mensen de fosforylering van tau in het cerebrospinale vocht verlaagt.

De kern

Stel je voor dat Alzheimer een enorme, ingewikkelde puzzel is. Wetenschappers proberen al decennia lang de oplossing te vinden, maar ze hebben een groot probleem: ze gebruiken muizen om de puzzel op te lossen, maar de muizenpuzzel lijkt niet helemaal op de menselijke puzzel.

Hier is wat dit nieuwe onderzoek doet, vertaald naar een simpel verhaal met een paar creatieve vergelijkingen:

1. Het Probleem: De Muizen zijn geen perfecte kopieën

Wetenschappers hebben muizen getransformeerd (genetisch aangepast) zodat ze ziek worden als mensen met Alzheimer. Maar deze muizen hebben vaak een "snelle" versie van de ziekte, gebaseerd op zeldzame genetische fouten die bij jonge mensen voorkomen. De meeste mensen krijgen echter Alzheimer pas op hoge leeftijd (late-onset), vaak door een combinatie van factoren zoals het APOE4-gen.

De analogie: Het is alsof je probeert te leren hoe je een auto rijdt door te kijken naar een raceauto die op een circuit rijdt. De basisprincipes zijn hetzelfde, maar de raceauto mist de stoplichten, de verkeersborden en de regen die je in het dagelijks leven (de menselijke ziekte) tegenkomt. Veel medicijnen werken goed voor de raceauto (de muis), maar falen volledig in de echte stad (de mens).

2. De Oplossing: De "Vertaal-machine" (TransComp-R)

De onderzoekers uit dit artikel hebben een slimme computerprogramma ontwikkeld, genaamd TransComp-R.

De analogie: Stel je voor dat je twee talen spreekt: "Muizen" en "Mensen". De meeste wetenschappers proberen woord voor woord te vertalen, maar dat werkt niet goed omdat de zinsbouw anders is.
Dit nieuwe programma werkt als een super-vertaler. Het kijkt niet naar één enkel woord (één gen), maar naar hele zinnen en verhalen (patronen in duizenden genen). Het programmeer de computer om te zeggen: "Oké, dit specifieke patroon in de muizenpuzzel komt precies overeen met dit specifieke patroon in de menselijke puzzel."

Door deze "vertaling" te maken, kunnen ze eindelijk zien welke muizen-kenmerken echt voorspellen wat er in een menselijk brein gebeurt.

3. De Schatgraven: Het vinden van een medicijn

Zodra ze wisten welke muizen-patronen echt belangrijk zijn voor menselijke Alzheimer, gebruikten ze die informatie om een enorme database van bestaande medicijnen te scannen. Ze zochten naar medicijnen die het "verkeerde" patroon in de muizen zouden kunnen omkeren.

Het resultaat: Ze vonden een verrassende groep medicijnen: slaappillen.
Specifiek een medicijn genaamd Suvorexant (een medicijn tegen slapeloosheid dat werkt op de "wakkermakers" in je hersenen, de orexine-receptoren).

De analogie: Het is alsof je merkt dat de raceauto (de muis) steeds sneller wordt omdat de remmen (slaapmechanisme) niet goed werken. In plaats van een compleet nieuwe motor te bouwen, zeggen ze: "Wacht eens, als we die remmen gewoon even goed afstellen met een bestaand remvoetstuk, werkt de auto misschien weer normaal."

4. De Proef: Werkt het bij mensen?

Om te bewijzen dat dit niet alleen een computerfantasie was, keken ze naar een bestaand onderzoek met echte mensen. Deze mensen hadden geen Alzheimer, maar kregen wel Suvorexant.

Het bewijs:

• Toen ze het hersenvocht van deze mensen analyseerden, zagen ze dat de medicijn de "slechte" eiwitten (zoals tau, een van de boosdoeners bij Alzheimer) aanzienlijk verlaagde.
• Ze ontdekten zelfs een nieuw verband: het medicijn leek te werken via een specifiek eiwit genaamd ADD3. Als dit eiwit goed reageerde, daalden de schadelijke tau-eiwitten.

Conclusie: Waarom is dit belangrijk?

Dit onderzoek is een doorbraak op twee manieren:

1. Muizen zijn weer nuttig: Ze laten zien dat muizen niet "fout" zijn, maar dat we ze op de juiste manier moeten "vertalen" naar de menselijke situatie.
2. Slaap is sleutel: Het suggereert dat het reguleren van onze slaap-waakcyclus een krachtige manier kan zijn om Alzheimer te behandelen of te vertragen.

In het kort: De onderzoekers hebben een slimme vertaalcode geschreven die muizen en mensen met elkaar verbindt. Hierdoor ontdekten ze dat een bestaand slaapmiddel misschien een geheim wapen is tegen Alzheimer. Het is een voorbeeld van hoe computers en biologie samenwerken om de weg te vinden naar een oplossing, zonder dat we jarenlang nieuwe medicijnen hoeven te bouwen die misschien nooit werken.

Technische samenvatting

Probleemstelling

Alzheimer's ziekte (AD) is een neurodegeneratieve aandoening die kenmerkend is voor late-onset (LOAD) en wordt gekenmerkt door amyloïde-β-plaques, neurofibrillaire tangles en cognitieve achteruitgang. Hoewel muismodellen (zoals 5xFAD, APOE4 KI, TREM2-mutanten) cruciaal zijn voor preklinisch onderzoek, hebben ze een beperkte translatabiliteit naar de menselijke ziekte.

• Veel muismodellen zijn gebaseerd op mutaties voor early-onset AD en missen belangrijke kenmerken van late-onset AD (zoals neurofibrillaire tangles of de juiste immunologische respons).
• Therapiestudies die succesvol zijn in muismodellen, falen vaak bij menselijke patiënten.
• Er is een dringende behoefte aan methoden om de voorspellende waarde van muismodellen te maximaliseren en biologische signalen te identificeren die echt relevant zijn voor de menselijke pathologie.

Methodologie

De auteurs ontwikkelden en toepasten een geavanceerd computermodel genaamd TransComp-R (Translatable Components Regression) om transcriptomische data van muismodellen te vertalen naar menselijke AD-pathologie.

1. Dataverzameling:

   • Muismodellen: Genexpressiedata (NanoString) van hersenhelften van verschillende muismodellen (APOE4 KI, APOE4Trem2, Trem2*R47H, 5xFAD) op 6- en 12 maanden leeftijd, vergeleken met controles (C57BL/6J).
   • Menselijke data: Postmortem prefrontale cortex data van late-onset AD-patiënten en niet-demente controles (GSE44772).
   • Genoverlapping: Er werd een set van 604 orthologe genen geselecteerd die in beide datasets aanwezig waren.

2. TransComp-R Framework:

   • Principal Component Analysis (PCA): Er werd PCA uitgevoerd op de muismodellen om de belangrijkste variatiecomponenten (PC's) te extraheren die ~80% van de variantie verklaarden.
   • Projectie: Menselijke transcriptomische samples werden geprojecteerd op de muismodel-PC's. Hierdoor werd menselijke AD-variabiliteit gekwantificeerd in termen van muismodel-biologie.
   • Modellering: Er werden lineaire (logistische regressie, elastic net) en niet-lineaire modellen (Random Forest, Boruta feature selection) getraind om menselijke AD-status te voorspellen op basis van de muismodel-projecties.
   • Feature Selectie: Elastic net bleek de beste prestaties te leveren (hoogste AUC) en werd gebruikt om de meest voorspellende muismodel-PC's en bijbehorende genen te selecteren.

3. In Silico Drug Screening:

   • De geselecteerde muismodel-PC's werden gebruikt om een LINCS L1000-database te screenen op FDA-goedgekeurde medicijnen.
   • De correlatie werd berekend tussen de genladingen van de muismodel-PC's (die AD vertegenwoordigen) en de genexpressie-veranderingen veroorzaakt door medicijnen. Medicijnen die een negatieve correlatie hadden (d.w.z. de AD-signatuur omkeerden), werden als kandidaat-therapieën geïdentificeerd.

4. Experimentele Validatie:

   • Een kandidaat-medicijn, suvorexant (een orexine-receptorantagonist voor slapeloosheid), werd getest in een onafhankelijke, prospectieve menselijke cohortstudie.
   • Patiënten kregen suvorexant of placebo. Cerebrospinaal vocht (CSF) werd verzameld op verschillende tijdstippen.
   • Proteomics: SOMAscan werd gebruikt om proteïne-abundantie te meten.
   • Biomarkers: Er werd gekeken naar veranderingen in fosforylering van tau (pT181/T181) en specifieke proteïnes die door het model waren voorspeld.

Belangrijkste Bijdragen

• Ontwikkeling van TransComp-R: Een robuust, niet-lineair framework dat muismodellen vertaalt naar menselijke pathologie door gebruik te maken van gemeenschappelijke transcriptomische componenten, in plaats van alleen op gen-niveau te kijken.
• Identificatie van Slaapgerelateerde Mechanismen: Het model onthulde dat verstoringen in de slaap-waakcyclus een cruciaal, translatiebaar mechanisme zijn voor late-onset AD.
• Validatie van Suvorexant: Het succesvol voorspellen en valideren van suvorexant als therapeutische kandidaat die de fosforylering van tau in het CSF van mensen verlaagt.
• Nieuw Biomarker-Verband: Het ontdekken van een verband tussen het proteïne ADD3 (gamma-adducine) en de effectiviteit van suvorexant op tau-niveaus.

Resultaten

1. Modelprestaties:

   • Alle computermodellen presteerden goed (AUC tussen 0,89 en 0,94).
   • De Elastic Net-modellen hadden de hoogste voorspellende waarde.
   • Muismodellen die data van zowel 6 als 12 maanden combineerden, presteerden beter dan modellen op basis van één leeftijd.

2. Biologische Pathways:

   • De translatieerbare PC's waren sterk geassocieerd met complementweg-activiteit, interferon-gamma-respons en ontstekingspathways.
   • Belangrijke genen omvatten C1QA, C1QC, CTSS en FN1.

3. Drug Screening:

   • Het model identificeerde meerdere medicijnen die de slaap-waakcyclus beïnvloeden als potentieel therapeutisch:
     • Ramelteon (melatonine-agonist) voor APOE4 KI.
     • Suvorexant (dual orexin receptor antagonist) voor Trem2*R47H.
     • Nadolol (bloeddrukverlener) voor 5xFAD.
   • Suvorexant toonde de sterkste correlatie met het omkeren van de AD-signatuur.

4. Menselijke Validatie (Suvorexant):

   • In de menselijke cohortstudie leidde suvorexant tot een significante daling van het pT181/T181-ratio (een AD-biomarker) in het CSF, met een piekeffect rond uur 16.
   • Proteïnes geïdentificeerd door het model (zoals BCAR3, MICAL2, PRKD3, CD63, FN1) vertoonden significante veranderingen in abundantie na behandeling.
   • Linear Regression: Er werd een significant positief lineair verband gevonden tussen veranderingen in ADD3-niveaus en de veranderingen in pT181/T181 bij suvorexant-gebruikers. Dit suggereert dat ADD3 mogelijk de effectiviteit van suvorexant moduleren.

Betekenis en Conclusie

Deze studie demonstreert dat computergestuurde cross-species vertaling (TransComp-R) de bruikbaarheid van muismodellen voor Alzheimer-onderzoek aanzienlijk kan verbeteren. Door te focussen op de biologische componenten die tussen soorten gedeeld worden, kunnen onderzoekers:

• De "valkuil" van het falen van muismodellen om menselijke ziekte volledig na te bootsen, omzeilen.
• Nieuwe therapeutische doelen identificeren die eerder over het hoofd werden gezien (zoals slaapregulatie).
• Bestaande medicijnen (drug repurposing) sneller en goedkoper identificeren voor nieuwe toepassingen.

De bevinding dat suvorexant de tau-fosforylering in menselijk CSF verlaagt, biedt een direct therapeutisch pad voor late-onset Alzheimer en onderstreept het potentieel van slaapgerichte interventies. De studie pleit voor een nieuwe paradigma waarin computationele methoden worden gebruikt om de kloof tussen diermodellen en menselijke klinische trials te overbruggen, in lijn met recente initiatieven van de FDA en NIH om de afhankelijkheid van diermodellen te verminderen zonder in te leveren op de complexiteit van de ziekte.