DOI: https://doi.org/10.3389/fphar.2024.1451164
PMID: https://pubmed.ncbi.nlm.nih.gov/40012840
تاريخ النشر: 2025-02-12
المؤلف: Sadegh Faramarzi وآخرون
الموضوع الرئيسي: علم الوراثة الدوائية واستقلاب الأدوية
نظرة عامة
تؤكد إرشادات إدارة الغذاء والدواء الأمريكية لعام 2020 بشأن تفاعل الأدوية (DDI) على أهمية النظر في المستقلبات ذات التنبيهات الهيكلية لاحتمالية تثبيط الآلية (MBI) لإنزيمات السيتوكروم P450 (CYP). للمساعدة في تحديد هذه التنبيهات الهيكلية، تم إجراء مراجعة أدبية شاملة، مما أدى إلى جمع البيانات ذات الصلة. بالإضافة إلى ذلك، تم تطوير خمسة نماذج للعلاقة بين الهيكل والنشاط الكمي (QSAR) للتنبؤ بتثبيط إنزيمات CYP الرئيسية، وخاصة CYP3A4، المسؤولة عن استقلاب حوالي 50% من الأدوية المتاحة في السوق. كانت قاعدة بيانات التدريب لهذه النماذج تتكون من 10,129 مادة كيميائية مأخوذة من حزم موافقة الأدوية من إدارة الغذاء والدواء والأدبيات المنشورة، مما أسفر عن إحصائيات أداء التحقق المتبادل مع حساسية تتراوح بين 78% إلى 84% وتنبؤ سلبي مُعدل يتراوح بين 79% إلى 84%.
كما شملت الدراسة إنشاء ملف تعريف للعلاقة بين الهيكل والنشاط (SAR)، والذي استخدم التنبيهات الهيكلية المجمعة لتثبيط CYP. بينما لوحظ بعض التداخل بين التنبيهات الهيكلية التي حددتها نماذج QSAR وملف تعريف SAR، قدم كل نموذج رؤى فريدة. تم إنشاء طريقة مثلى لدمج التنبؤات من هذه الأساليب المختلفة. بشكل عام، توفر نماذج QSAR الجديدة وملف تعريف SAR وسيلة أكثر كفاءة لتقييم إمكانية تفاعلات الأدوية بسبب المستقلبات، مما يعزز من تحديد التنبيهات الهيكلية المتعلقة بتثبيط CYP.
مقدمة
تناقش المقدمة الدور الحاسم لإنزيمات السيتوكروم P450 (CYP) في الاستقلاب التأكسدي لمجموعة متنوعة من المواد، بما في ذلك الأدوية والمواد الغريبة، مما يبرز أهميتها في تفاعلات الأدوية (DDIs). يمكن أن تؤدي هذه التفاعلات إلى ردود فعل سلبية شديدة، والتي تعد سببًا رئيسيًا للوفيات في الولايات المتحدة. تؤكد الورقة على هيمنة CYP3A4، الذي يستقلب أكثر من نصف الأدوية الصغيرة التي تمت الموافقة عليها من قبل إدارة الغذاء والدواء بين عامي 2015 و2020. تصنف المقدمة تثبيط CYP إلى أنواع قابلة للعكس وغير قابلة للعكس، مع كون التثبيط القائم على الآلية (MBI) مصدر قلق ملحوظ بسبب قدرته على التسبب في آثار طويلة الأمد على نشاط الإنزيم.
تستعرض هذه الفقرة أيضًا إرشادات إدارة الغذاء والدواء الأخيرة الموجهة لمطوري الأدوية، موصية بإجراء تقييمات في المختبر لمستقلبات الأدوية لتأثيراتها المثبطة على إنزيمات CYP، خاصة عندما يتم استيفاء معايير معينة بشأن قطبيتها وتركيزها في البلازما. علاوة على ذلك، تستعرض مجموعة متنوعة من الأساليب الحاسوبية، وخاصة نماذج العلاقة بين الهيكل والنشاط الكمي (QSAR)، التي تطورت للتنبؤ بتثبيط CYP بناءً على الخصائص الجزيئية. بينما اعتمدت النماذج المبكرة على مجموعات بيانات محدودة ووصف جزيئي تقليدي، تستخدم النماذج الأحدث مجموعات بيانات أكبر وتقنيات تعلم آلي متقدمة، على الرغم من أنها غالبًا ما تفتقر إلى الشفافية بشأن الميزات الهيكلية المسؤولة عن التثبيط. تهدف الدراسة الحالية إلى معالجة هذه الفجوات من خلال تطوير نماذج QSAR لتثبيط الزمن المعتمد (TDI) والتثبيط القابل للعكس (RI) لعدة إنزيمات CYP، باستخدام مجموعات بيانات متاحة للجمهور لتحديد قطع جزيئية رئيسية مرتبطة بتثبيط CYP.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يبرز النتائج المهمة التي تدعم الفرضيات أو أسئلة البحث المطروحة سابقًا في الدراسة. عادةً ما يتم توضيح النتائج من خلال أشكال مختلفة من تمثيل البيانات، مثل الجداول أو الرسوم البيانية أو المعادلات، مما يوفر فهمًا بصريًا واضحًا للنتائج.
في هذا القسم، قد يقوم المؤلفون بالإبلاغ عن التحليلات الإحصائية، بما في ذلك قيم p أو فترات الثقة، للتحقق من نتائجهم. بالإضافة إلى ذلك، يتم مناقشة أي اتجاهات أو أنماط ملحوظة في البيانات، مع التأكيد على أهميتها بالنسبة للأهداف البحثية العامة. يتم وضع النتائج في سياق الأدبيات الحالية، مما يشير إلى كيفية مساهمتها في المجال الأوسع للدراسة ويقترح آثارًا محتملة للبحث المستقبلي أو التطبيقات العملية.
المناقشة
ت outlines قسم المناقشة من ورقة البحث تطوير والتحقق من نماذج العلاقة بين الهيكل والنشاط الكمي (QSAR) للتنبؤ بتثبيط إنزيمات السيتوكروم P450 (CYP). كانت مجموعة التدريب تتكون من 10,129 مادة كيميائية فريدة مأخوذة من قواعد بيانات عامة، مع التركيز على أربعة من أكثر إنزيمات CYP شيوعًا (CYP3A4، CYP2C9، CYP2C19، وCYP2D6) لتقييمات التثبيط القابل للعكس (RI) والتثبيط المعتمد على الزمن (TDI). تم استخدام مقاييس رئيسية مثل ثابت التثبيط ($K_i$) وقيمة IC50 لت quantifying القدرة المثبطة للمركبات، مع تعريف معلمات إضافية وفقًا لإرشادات إدارة الغذاء والدواء لتعزيز دقة النموذج. تم تحديد الميزات الهيكلية المرتبطة بالتعطيل القائم على الآلية (MBI) من خلال تنسيق الأدبيات وترميزها في ملف تعريف قائم على قواعد الخبراء الحاسوبية، مما أدى إلى تعريف 58 تنبيه هيكلي تنبؤي.
تم بناء نماذج QSAR باستخدام برنامج Leadscope، مع استخدام نظام تسجيل ثنائي لتصنيف المركبات كمثبطات أو غير مثبطات. أظهرت النماذج أداءً تنبؤيًا قويًا، حيث حققت معدلات حساسية تتراوح بين 78% و84% ومعدلات تنبؤ سلبي تتراوح بين 79% إلى 84% عبر مجموعات التحقق المختلفة. كشفت التحليلات أن الأوزان الجزيئية الأكبر وميزات هيكلية معينة ترتبط بتثبيط CYP3A4، بينما لوحظت اتجاهات مميزة لإنزيمات CYP الأخرى. بشكل عام، نجحت الدراسة في دمج تنسيق البيانات الشامل، والتحليل الهيكلي، وتقنيات النمذجة المتقدمة لتعزيز فهم تثبيط CYP، مما يوفر رؤى قيمة لتطوير الأدوية وتقييمات السلامة.
DOI: https://doi.org/10.3389/fphar.2024.1451164
PMID: https://pubmed.ncbi.nlm.nih.gov/40012840
Publication Date: 2025-02-12
Author(s): Sadegh Faramarzi et al.
Primary Topic: Pharmacogenetics and Drug Metabolism
Overview
The 2020 FDA drug-drug interaction (DDI) guidance emphasizes the importance of considering metabolites with structural alerts for potential mechanism-based inhibition (MBI) of cytochrome P450 (CYP) enzymes. To aid in identifying these structural alerts, an extensive literature review was conducted, leading to the collection of relevant data. In addition, five quantitative structure-activity relationship (QSAR) models were developed to predict both time-dependent and reversible inhibition of key CYP enzymes, particularly CYP3A4, which is responsible for the metabolism of approximately 50% of marketed drugs. The training database for these models comprised 10,129 chemicals sourced from FDA drug approval packages and published literature, yielding cross-validation performance statistics with sensitivity ranging from 78% to 84% and normalized negative predictivity between 79% and 84%.
The study also involved the creation of a structure-activity relationship (SAR) profiler, which utilized the collected structural alerts for MBI of CYPs. While some overlap was noted between the structural alerts identified by the QSAR models and the SAR profiler, each model provided unique insights. An optimal method for integrating predictions from these different approaches was established. Overall, the newly developed QSAR models and SAR profiler offer a more efficient means of evaluating the potential for drug-drug interactions due to metabolites, thereby enhancing the identification of structural alerts related to CYP inhibition.
Introduction
The introduction discusses the critical role of Cytochrome P450 (CYP) enzymes in the oxidative metabolism of various substances, including drugs and xenobiotics, highlighting their significance in drug-drug interactions (DDIs). These interactions can lead to severe adverse drug reactions, which are a leading cause of mortality in the U.S. The paper emphasizes the predominance of CYP3A4, which metabolizes over half of small molecule drugs approved by the FDA between 2015 and 2020. The introduction categorizes CYP inhibition into reversible and irreversible types, with mechanism-based inhibition (MBI) being a notable concern due to its potential to cause prolonged effects on enzyme activity.
The section also outlines recent FDA guidance aimed at drug developers, recommending in vitro evaluations of drug metabolites for their inhibitory effects on CYP enzymes, especially when certain criteria regarding their polarity and plasma concentration are met. Furthermore, it reviews various computational approaches, particularly quantitative structure-activity relationship (QSAR) models, which have evolved to predict CYP inhibition based on molecular properties. While early models relied on limited datasets and traditional molecular descriptors, more recent models utilize larger datasets and advanced machine learning techniques, although they often lack transparency regarding the structural features responsible for inhibition. The current study aims to address these gaps by developing QSAR models for time-dependent inhibition (TDI) and reversible inhibition (RI) of several CYP enzymes, utilizing publicly available datasets to identify key molecular fragments associated with CYP inhibition.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It highlights the significant outcomes that support the hypotheses or research questions posed earlier in the study. The results are typically illustrated through various forms of data representation, such as tables, graphs, or equations, which provide a clear visual understanding of the findings.
In this section, the authors may report statistical analyses, including p-values or confidence intervals, to validate their results. Additionally, any observed trends or patterns in the data are discussed, emphasizing their relevance to the overall research objectives. The findings are contextualized within the existing literature, indicating how they contribute to the broader field of study and suggesting potential implications for future research or practical applications.
Discussion
The discussion section of the research paper outlines the development and validation of quantitative structure-activity relationship (QSAR) models for predicting cytochrome P450 (CYP) enzyme inhibition. The training set comprised 10,129 unique chemicals sourced from public databases, focusing on the four most common CYP enzymes (CYP3A4, CYP2C9, CYP2C19, and CYP2D6) for reversible inhibition (RI) and time-dependent inhibition (TDI) assessments. Key metrics such as the inhibition constant ($K_i$) and the IC50 value were utilized to quantify the inhibitory potential of compounds, with additional parameters defined by FDA guidelines to enhance model accuracy. Structural features associated with mechanism-based inactivation (MBI) were identified through literature curation and encoded into a computerized expert-rule based profiler, leading to the definition of 58 predictive structural alerts.
The QSAR models were constructed using Leadscope software, employing a binary scoring system to classify compounds as inhibitors or non-inhibitors. The models demonstrated robust predictive performance, achieving sensitivity rates between 78% and 84% and negative predictivity rates of 79% to 84% across various validation sets. The analysis revealed that larger molecular weights and specific structural features correlated with CYP3A4 inhibition, while distinct trends were observed for other CYP enzymes. Overall, the study successfully integrated extensive data curation, structural analysis, and advanced modeling techniques to enhance the understanding of CYP inhibition, providing valuable insights for drug development and safety assessments.