DOI: https://doi.org/10.1038/s41467-025-60468-z
PMID: https://pubmed.ncbi.nlm.nih.gov/40473596
تاريخ النشر: 2025-06-05
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: علم الوراثة الدوائية واستقلاب الأدوية
طرق
في هذا القسم، يستقصي المؤلفون تأثير تركيز المثبط الكلي ($I_T$) على تقدير ثوابت المثبطات ($K_{ic}$ و $K_{iu}$) باستخدام نموذج مثبط مختلط. من خلال المحاكاة، يحللون متوسط الخطأ النسبي التربيعي بين البيانات المحاكية والنموذج، ويقومون بإنشاء خريطة حرارية لتصور أخطاء الملاءمة عبر أزواج مختلفة من ثوابت المثبطات. تشير النتائج إلى أن دقة تقدير هذه الثوابت تعتمد على العلاقة بين $I_T$ والثوابت. على وجه الخصوص، عندما يكون $I_T$ أقل بكثير من كل من $K_{ic}$ و $K_{iu}$، فإن التقدير الدقيق يتعطل بسبب مشاكل التعرف. على العكس، عندما يتجاوز $I_T$ واحدًا أو كلا الثابتين، يصبح التقدير الدقيق ممكنًا، حيث يتغير تقريب النموذج، مما يسمح بالملاءمة الدقيقة دون مخاوف من التعرف.
يقترح المؤلفون استخدام تركيز المثبط نصف الأقصى (IC50) كمعيار عملي لاختيار قيم $I_T$ المناسبة في الإعدادات التجريبية، بناءً على علاقتها مع ثوابت المثبطات كما هو موصوف في معادلة تشينغ-بروسوف. يظهرون أنه إذا كان $I_T$ أكبر من أو يساوي IC50، فإن تقدير ثوابت المثبطات بدقة يمكن تحقيقه تحت ظروف معينة. علاوة على ذلك، يؤكدون فعالية نهجهم القائم على IC50 (50-BOA) باستخدام بيانات تجريبية من سيناريوهات مثبط مختلط، مما يظهر أن هذه الطريقة توفر تقديرات دقيقة وصحيحة لـ $K_{ic}$ و $K_{iu}$ بينما تتطلب عددًا أقل بكثير من التجارب مقارنة بالطرق التقليدية.
نتائج
في هذا القسم، يحدد المؤلفون الإطار الرياضي لتقدير ثوابت تثبيط الإنزيم، والتي تعتبر حاسمة لفهم قوة مثبطات الإنزيم. يصف النموذج التفاعل بين ركيزة (S) وإنزيم (E)، مما يشكل مركب إنزيم-ركيزة عكسي (C) يمكن تثبيته بواسطة مثبط (I). يتميز تشكيل مركبات الإنزيم-المثبط (Y) ومركبات الإنزيم-الركيزة-المثبط (B) بثوابت تفكك، $K_{ic}$ و $K_{iu}$، التي تشير إلى قوة الارتباط وبالتالي القوة المثبطة. تحدد العلاقة بين هذه الثوابت نوع التثبيط: تنافسي، غير تنافسي، أو مختلط، بناءً على أحجامها النسبية.
تُعبر السرعة الأولية لتكوين المنتج ($V_0$) عن المعادلة:
\[
V_0 = \frac{V_{max} S_T}{K_M \left(1 + \frac{I_T}{K_{ic}}\right) + S_T \left(1 + \frac{I_T}{K_{iu}}\right)}
\]
حيث تمثل $S_T$ و $I_T$ و $E_T$ التركيزات الكلية للركيزة والمثبط والإنزيم، على التوالي. يصف المؤلفون نهجًا قياسيًا لتقدير هذه الثوابت المثبطة، والذي يتضمن تحديد تركيز المثبط نصف الأقصى (IC50) من بيانات النشاط الضابطة، تليها تصميم تجريبي يقيس السرعات الأولية عبر تركيزات مختلفة. يعبرون عن عدم اليقين بشأن كفاية هذه الطريقة التقليدية للتقدير الدقيق لثوابت المثبطات وضرورة جميع البيانات المجمعة.
مناقشة
في هذا القسم، يناقش المؤلفون تطوير نهج IC50 القائم على الأمثل (50-BOA) لتقدير ثوابت تثبيط الإنزيم ($K_{ic}$ و $K_{iu}$) بدقة وكفاءة محسنتين. تتطلب الطرق التقليدية بيانات واسعة من تركيزات مختلفة للركيزة ($S_T$) والمثبط ($I_T$)، مما يؤدي إلى معضلة “الدجاجة والبيضة” حيث يعتمد تحديد أنواع التثبيط على تقدير المعلمات بدقة. يتناول 50-BOA هذا من خلال السماح بتقدير ثوابت التثبيط باستخدام بيانات من تركيز مثبط واحد أكبر من تركيز المثبط نصف الأقصى (IC50)، مع دمج مصطلح تنظيم يرتبط بـ $K_{ic}$ و $K_{iu}$ و IC50. يقلل هذا النهج بشكل كبير من البيانات التجريبية المطلوبة، مما يعزز كفاءة تقييمات تثبيط الإنزيم في مجالات مثل تطوير الأدوية وكيمياء الغذاء.
يستفيض المؤلفون في توضيح قوة 50-BOA، موضحين قابليته للتطبيق على الأنظمة ذات الركائز المتعددة أو التعاون في تفاعلات الإنزيم-الركيزة والإنزيم-المثبط. يؤكدون أن الطريقة تظل فعالة حتى عند حدوث انحرافات عن نموذج التثبيط المختلط، مما يسمح بتقديرات دقيقة تحت ظروف مختلفة. يوفر المؤلفون حزمة MATLAB و R لتسهيل تنفيذ 50-BOA، مما يمكّن المستخدمين من إدخال بيانات سرعة التفاعل الأولية والحصول على تقديرات لثوابت التثبيط جنبًا إلى جنب مع مشهد خطأ لتقييم الدقة. بشكل عام، يمثل 50-BOA تقدمًا كبيرًا في تقدير ثوابت تثبيط الإنزيم، حيث يقدم بديلاً مبسطًا وفعالًا للطرق التقليدية.
DOI: https://doi.org/10.1038/s41467-025-60468-z
PMID: https://pubmed.ncbi.nlm.nih.gov/40473596
Publication Date: 2025-06-05
Author(s): Zhenyun Du et al.
Primary Topic: Pharmacogenetics and Drug Metabolism
Methods
In this section, the authors investigate the impact of total inhibitor concentration ($I_T$) on the estimation of inhibition constants ($K_{ic}$ and $K_{iu}$) using a mixed inhibition model. Through simulations, they analyze the mean squared relative error between simulated data and the model, creating a heatmap to visualize fitting errors across various pairs of inhibition constants. The findings indicate that the precision of estimating these constants is contingent on the relationship between $I_T$ and the constants. Specifically, when $I_T$ is significantly lower than both $K_{ic}$ and $K_{iu}$, precise estimation is hindered due to identifiability issues. Conversely, when $I_T$ exceeds one or both constants, precise estimation becomes feasible, as the model’s approximation changes, allowing for accurate fitting without identifiability concerns.
The authors propose using the half-maximal inhibitory concentration (IC50) as a practical criterion for selecting appropriate $I_T$ values in experimental setups, based on its relationship with the inhibition constants as described by the Cheng-Prusoff equation. They demonstrate that if $I_T$ is greater than or equal to IC50, precise estimation of the inhibition constants is achievable under specific conditions. Furthermore, they validate the efficacy of their IC50-Based Optimal Approach (50-BOA) using experimental data from mixed inhibition scenarios, showing that this method yields precise and accurate estimates of $K_{ic}$ and $K_{iu}$ while requiring significantly fewer experiments compared to traditional methods.
Results
In this section, the authors outline the mathematical framework for estimating enzyme inhibition constants, which are critical for understanding the potency of enzyme inhibitors. The model describes the interaction between a substrate (S) and an enzyme (E), forming a reversible enzyme-substrate complex (C) that can be inhibited by an inhibitor (I). The formation of enzyme-inhibitor complexes (Y) and enzyme-substrate-inhibitor complexes (B) is characterized by dissociation constants, $K_{ic}$ and $K_{iu}$, which indicate the binding affinity and thus the inhibitory potency. The relationship between these constants determines the type of inhibition: competitive, uncompetitive, or mixed, based on their relative magnitudes.
The initial velocity of product formation ($V_0$) is expressed by the equation:
\[
V_0 = \frac{V_{max} S_T}{K_M \left(1 + \frac{I_T}{K_{ic}}\right) + S_T \left(1 + \frac{I_T}{K_{iu}}\right)}
\]
where $S_T$, $I_T$, and $E_T$ represent the total concentrations of substrate, inhibitor, and enzyme, respectively. The authors describe a canonical approach for estimating these inhibition constants, which involves determining the half-maximal inhibitory concentration (IC50) from control activity data, followed by an experimental design that measures initial velocities across various concentrations. They express uncertainty regarding the adequacy of this conventional method for accurate estimation of inhibition constants and the necessity of all collected data.
Discussion
In this section, the authors discuss the development of the IC50-Based Optimal Approach (50-BOA) for estimating enzyme inhibition constants ($K_{ic}$ and $K_{iu}$) with improved accuracy and efficiency. Traditional methods require extensive data from various substrate ($S_T$) and inhibitor ($I_T$) concentrations, leading to a “chicken and egg” dilemma where the identification of inhibition types depends on accurate parameter estimation. The 50-BOA addresses this by allowing the estimation of inhibition constants using data from a single inhibitor concentration greater than the half-maximal inhibitory concentration (IC50), while incorporating a regularization term that relates $K_{ic}$, $K_{iu}$, and IC50. This approach significantly reduces the experimental data needed, enhancing the efficiency of enzyme inhibition evaluations in fields like drug development and food chemistry.
The authors further elaborate on the robustness of the 50-BOA, demonstrating its applicability to systems with multiple substrates or cooperativity in enzyme-substrate and enzyme-inhibitor interactions. They emphasize that the method remains effective even when deviations from the mixed inhibition model occur, allowing for precise estimations under various conditions. The authors provide a MATLAB and R package to facilitate the implementation of the 50-BOA, enabling users to input initial reaction velocity data and obtain inhibition constant estimations along with an error landscape for assessing precision. Overall, the 50-BOA represents a significant advancement in the estimation of enzyme inhibition constants, offering a streamlined and effective alternative to conventional methods.