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

Medicijnontwikkeling is een lang en kostbaar traject waarbij de meeste kandidaten falen voordat ze ooit een apotheek bereiken. Een belangrijke reden voor deze mislukkingen is toxiciteit: een verbinding kan een ziekte genezen in het beoogde doelwit, maar per ongeluk schade toebrengen aan het lichaam door te interageren met de verkeerde eiwitten of schade te veroorzaken in de lever, het hart of andere organen. Wetenschappers weten al lang dat de fysieke vorm en chemische eigenschappen van een molecuul vaak een aanwijzing geven voor hoe het in het lichaam zal reageren. Als een nieuw medicijn erg lijkt op een bekend gif, is het waarschijnlijk zelf ook toxisch. Dit principe van gelijkenis wordt al decennia gebruikt om veiligheid te voorspellen, maar de instrumenten en gegevens die beschikbaar zijn om die voorspellingen te doen, zijn sinds de beginjaren van het vakgebied drastisch veranderd.

Tweeëndertig jaar geleden stelden onderzoekers een simpel idee voor: als je een nieuwe chemische stof hebt, kun je de toxiciteit ervan raden door te kijken naar de bekende toxiciteiten van de stoffen die er het meest op lijken. Ze bouwten een methode waarbij een nieuwe verbinding een "consortium" van vergelijkbare buren verzamelt uit een referentieliberal, en die buren stemmen over de veiligheid van de nieuwe verbinding. Echter, de oorspronkelijke bibliotheek die zij gebruikten is sindsdien privé en niet meer beschikbaar geworden, waardoor de methode in het verleden is blijven steken. Nu heeft een team van onderzoekers deze aanpak opnieuw opgebouwd met behulp van moderne, publieke gegevens om te zien of het oude idee nog steeds standhoudt. Ze stelden ook een tweede, diepere vraag: vertelt het loutere aantal verschillende soorten eiwitdoelwitten waaraan een chemische stof lijkt ons iets nieuws over de veiligheid ervan, buiten alleen de grootte of de vettigheid?

De onderzoekers begonnen met het reconstrueren van hun oorspronkelijke stemsysteem met behulp van een verse, publieke collectie van bijna 12.000 gemeten toxiciteitswaarden voor ratten. Ze testten deze methode op duizenden nieuwe verbindingen om te zien of het de dodelijke dosis kon voorspellen, een standaardmaatstaf voor hoeveel van een stof nodig is om de helft van een testpopulatie te doden. De resultaten waren bemoedigend. Voor ongeveer twee derde van de nieuwe verbindingen kon het systeem een specifieke voorspelling doen. Van die voorspellingen was meer dan 90 procent nauwkeurig genoeg om binnen één orde van grootte van de werkelijk gemeten waarde te liggen. Deze prestatie is vergelijkbaar met wat het team in 2003 bereikte, wat bewijst dat de kern van het idee — het gebruiken van vergelijkbare buren om toxiciteit te voorspellen — zelfs nu het datalandschap is verschoven, nog steeds geldig is.

Maar het team stopte niet bij alleen het voorspellen van hoe dodelijk een stof zou kunnen zijn. Ze breidden hun test uit naar achtentwintig verschillende soorten toxiciteit, variërend van de vraag of een chemische stof het hart beschadigt of mutaties in het DNA veroorzaakt, tot de vraag of het specifieke enzymen in de lever blokkeert. Ze pasten dezelfde stemlogica toe op deze diverse eindpunten. De methode werkte over de hele linie goed; ze identificeerden actieve toxische verbindingen in ongeveer 73 procent van de gevallen en identificeerden veilige verbindingen in ongeveer 96 procent van de gevallen. Cruciaal is dat het systeem alleen een voorspelling doet wanneer het voldoende nabije buren vindt; als een verbinding te uniek is, weigert de methode simpelweg antwoord te geven, om zo de valkuil van blind gokken te vermijden.

Het meer vernieuwende deel van de studie betrof een ander soort zoektocht. In plaats van alleen naar vergelijkbare chemische stoffen te zoeken, vroegen de onderzoekers hoe veel verschillende families van eiwitten een nieuwe chemische stof lijkt te zijn. Ze gebruikten een enorme, publieke index van meer dan 27.000 medicijnachtige moleculen waarvan de structuren binnen eiwitstructuren zijn opgelost. Voor elke nieuwe chemische stof telden ze hoeveel verschillende eiwitfamilies de structurele matches van die stof behoren. Ze vonden een opvallend patroon: chemische stoffen die lijken op binders voor veel verschillende eiwitfamilies zijn veel grotere kans lopen om toxisch te zijn. In het geval van een specifiek leverenzym genaamd CYP3A4, waren verbindingen die geen enkele eiwitfamilie matchten slechts in 2,5 procent van de gevallen remmers. In tegenstelling hiertoe waren verbindingen waarvan de matches zestien of meer verschillende eiwitfamilies bereikten, in 51,2 procent van de gevallen een remmer van datzelfde enzym. Dit suggereert dat de "promiscuïteit" van een chemische stof — de neiging om in veel verschillende biologische zakken te passen — een sterk waarschuwingssignaal is.

Om er zeker van te zijn dat dit patroon niet simpelweg een resultaat van de data was, hebben de onderzoekers verschillende alternatieve verklaringen uitgesloten. Ze toonden aan dat het resultaat niet simpelweg voortkwam uit het feit dat grotere, complexere moleculen de neiging hebben meer doelwitten te raken; het signaal bleef standhouden, zelfs nadat er rekening was gehouden met moleculaire grootte en vettigheid. Ze bewezen ook dat het niet kwam doordat de chemische stoffen slechts nauwe kopieën waren van goed bestudeerde verbindingen; zelfs toen ze alle bekende analogen uit de zoektocht verwijderden, bleef de link tussen het bereiken van veel eiwitfamilies en toxiciteit sterk. Bovendien testten ze deze bevinding op een volledig aparte set van 2.335 verbindingen die door een ander consortium waren gemeten, en dezelfde trend trad op: verbindingen die veel eiwitfamilies bereiken, zijn aanzienlijk vaker actieve remmers.

De onderzoekers combineerden deze twee signalen — het stemconsortium en de telling van het aantal bereikte eiwitfamilies — in één enkel score-instrument, ontworpen om virtuele bibliotheken van chemische stoffen te screenen voordat ze überhaupt in een laboratorium worden gemaakt. Toen ze dit instrument op een grote set verbindingen draaiden, flagde het succesvol de risicovolste stoffen. Door de slechtst scorende vijfde van de bibliotheek opzij te zetten, konden ze twee derde van de verbindingen die binden aan de androgeenreceptor en ongeveer de helft van de CYP3A4-remmers verwijderen. Dit soort vroege filtering is waardevol omdat het wetenschappers in staat stelt om gevaarlijke paden te verwerpen voordat ze tijd en geld besteden aan de synthese ervan. Het instrument vereist slechts een tweedimensionale tekening van een molecuul en draait in enkele seconden, zonder dat complexe 3D-modellering of docking-simulaties nodig zijn.

De studie concludeert dat de oude methode van het gebruiken van gelijke buren nog steeds een krachtige voorspeller van toxiciteit is, maar dat deze nieuwe kracht wint wanneer deze wordt gekoppeld aan een maatstaf voor hoe breed de chemische structuur zich over de eiwitwereld verspreidt. De auteurs stellen dat de beste manier om deze voorspellingen verder te verbeteren, ligt in samenwerking. Ze stellen voor dat farmaceutische bedrijven gecodeerde gegevens over hun mislukte verbindingen kunnen delen — gegevens die toxiciteit onthullen zonder de specifieke chemische structuren te onthullen — in een gedeelde pool. Net zoals een grotere bibliotheek van buren de stemprocedure verbetert, zou een grotere gedeelde pool van toxiciteitsgegevens de methode in staat stellen om voor meer verbindingen met meer vertrouwen antwoord te geven. De onderzoekers hebben hun software en gegevens beschikbaar gesteld aan het publiek, en nodigen anderen uit om bij te dragen aan en gebruik te maken van deze instrumenten om medicijnontwikkeling veiliger en efficiënter te maken.