Human Intestinal Absorption Revisited: The 1998 Descriptors Survive, and the Method Extends to Permeability
Dit artikel heroverweegt een model uit 1998 voor menselijke intestinale absorptie door aan te tonen dat de oorspronkelijke prestaties berustten op een gelukkige dataspit, en vestigt vervolgens robuustere, op consensus gebaseerde voorspellende modellen voor intestinale absorptie en diverse permeabiliteitsassays met behulp van genetische algoritme-geselecteerde descriptor-sets en random forests over 250 gestratificeerde extracties.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Wanneer iemand een pil doorslikt, moet het medicijn door een complexe barrière passeren: de wand van de darm. Als het deze wand niet kan oversteken, bereikt het medicijn nooit de bloedbaan om zijn werk te doen. Wetenschappers proberen al lang te voorspellen of een nieuwe chemische verbinding deze reis succesvol zal afleggen, met behulp van computermodellen die kijken naar de vorm en de elektrische eigenschappen van het molecuul. Decennialang is een specifieke set van zes wiskundige metingen, afgeleid van de structuur van een molecuul, de standaardtool geweest voor het doen van deze schattingen. Deze metingen, die zaken vastleggen zoals hoe het molecuul geladen is en hoeveel oppervlakte het heeft, werden vastgesteld in een beroemde studie uit 1998. Die studie suggereerde dat deze zes getallen voldoende waren om absorptie met een hoge nauwkeurigheid te voorspellen, een bewering die sindsdien de ontwikkeling van geneesmiddelen heeft beïnvloed. De betrouwbaarheid van dergelijke voorspellingen hangt echter sterk af van hoe de gegevens worden verdeeld en getest, en de oorspronkelijke resultaten vertrouwden op één specifieke, bepaalde verdeling van de gegevens die ongewoon gelukkig zou kunnen zijn geweest.
Een team onderzoekers heeft onlangs dit klassieke probleem opnieuw onderzocht om te zien of die oorspronkelijke zes metingen nog steeds standhouden wanneer ze strenger worden getest. Ze namen de oorspronkelijke 86 verbindingen uit de studie van 1998 en voerden, in plaats van ze slechts één keer te testen, de experiment 250 keer uit, waarbij ze de gegevens telkens in verschillende groepen verdeelden om te zien hoe het model gemiddeld presteerde. Ze kwamen tot de conclusie dat het oorspronkelijke succesverhaal inderdaad een gelukkige toevalstreffer was. Wanneer dezelfde zes metingen werden getest over deze vele verschillende verschuivingen, was de gemiddelde fout bijna het dubbele van wat het oorspronkelijke artikel had gerapporteerd. Het model werkte goed op de gegevens die het eerder had gezien, maar het had moeite om de ongeziene verbindingen zo betrouwbaar te voorspellen als voorheen werd aangenomen. Dit onthulde dat het oorspronkelijke resultaat geen robuuste regel was, maar een specifiek resultaat van één bepaalde ordening van de gegevens.
Niet ontmoedigd, vroegen de onderzoekers zich af of deze zes metingen nog steeds nuttig konden zijn als ze werden toegepast op een veel grotere collectie verbindingen. Ze namen dezelfde zes getallen en pasten deze toe op een dataset van 7 krukken verschillende geneesmiddelachtige moleculen. De resultaten waren beter dan op de kleine set, maar de foutmarge bleef hoger dan gewenst. Het team besloot vervolgens een computer te laten zoeken naar een betere combinatie van metingen. Met een methode die natuurlijke selectie nabootst, testte de computer duizenden verschillende combinaties van moleculaire beschrijvers, op zoek naar de set die de meest nauwkeurige voorspellingen produceerde over de 250 verschillende gegevensverschuivingen. Dit proces identificeerde een nieuwe, vaste set van vijfentwintig metingen die de oorspronkelijke zes consequent overtrof. Dit nieuwe model, gebouwd op een robuustere fundering, verminderde de voorspellingsfout aanzienlijk en bracht de gemiddelde fout terug naar een niveau dat veel bruikbaarder is voor de echte wereld van de geneesmiddelenontwikkeling.
De onderzoekers stopten niet bij alleen de menselijke absorptie. Ze pasten ditzelfde strikte test- en selectieproces toe op drie andere moeilijke problemen in de toediening van geneesmiddelen: hoe kleine moleculen en peptiden door kunstmatige cellagen bewegen, en hoe zij door synthetische membranen gaan. Voor elk van deze vier afzonderlijke uitdagingen bouwden ze een toegewijd model met behulp van een specifieke set beschrijvers die door de computer was gekozen. De resultaten lieten zien dat hoewel de oude zes metingen niet voldoende waren, een zorgvuldig geselecteerde, grotere set eigenschappen deze gedragingen met veel meer vertrouwen kon voorspellen. De nieuwe modellen voor kleine moleculen en peptiden bereikten een hoge nauwkeurigheid en voorspelden de beweging van verbindingen over celbarrières in het overgrote deel van de gevallen correct. Deze bevindingen suggereren dat de principes achter het oude model correct waren, maar dat de specifieke instrumenten bijgewerkt en uitgebreid moesten worden om de complexiteit van de moderne geneesmiddelenontwikkeling aan te kunnen.
Al deze vier nieuwe modellen zijn nu beschikbaar voor publiek gebruik, waardoor wetenschappers nieuwe chemische structuren kunnen testen tegen deze verfijnde standaarden. Het werk demonstreert dat hoewel de fundamentele chemie van absorptie niet is veranderd, de manier waarop we het meten en voorspellen moet evolueren. Door af te stappen van een enkele, gelukkige gegevensverdeling en een methode te omarmen die voorspellingen test over honderden verschillende scenario's, hebben de onderzoekers een eerlijker en betrouwbaarder kompas geleverd voor het navigeren van de reis van een pil naar de bloedbaan. De oorspronkelijke zes metingen waren niet fout, maar ze waren incompleet; de nieuwe sets van vijfentwintig metingen bieden een duidelijker, completer beeld van hoe geneesmiddelen interageren met het menselijk lichaam.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.