DOI: https://doi.org/10.1007/s00204-026-04305-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41699306
تاريخ النشر: 2026-02-17
المؤلف: René Geci وآخرون
الموضوع الرئيسي: التسمم الكبدي الناتج عن المخدرات والحماية
نظرة عامة
تناقش هذه الفقرة التحديات المرتبطة بإصابة الكبد الناتجة عن الأدوية (DILI)، والتي تسهم بشكل كبير في فقدان الأدوية وتشكل مخاطر على سلامة المرضى. تُلاحظ أن طرق التنبؤ الحالية قبل السريرية، مثل الفحص الاستدلالي، والاختبارات في المختبر، وتعلم الآلة، واختبار الحيوانات، لها قيود كبيرة. يقترح المؤلفون نهجًا تكامليًا يجمع بين بيانات السمية في المختبر – بما في ذلك السمية الخلوية، والسمية الميتوكوندرية، وتثبيط مضخة تصدير أملاح الصفراء (BSEP) – مع معلومات حركية دوائية لتعزيز القدرة على التنبؤ بـ DILI.
في تحليل استعادي لـ 241 دواءً، يكشف البحث عن علاقة قوية بين نسبة التركيز الأقصى في البلازما في الجسم الحي ($C_{max}$) وأدنى سمية في المختبر، محققًا منطقة تحت منحنى خصائص التشغيل المستقبلية (ROC AUC) تصل إلى 96%. علاوة على ذلك، يُظهر المؤلفون أنه يمكن تحقيق دقة تنبؤية مماثلة (ROC AUC تصل إلى 91%) بشكل استباقي من خلال استخدام التنبؤات الحاسوبية لـ $C_{max}$ من خلال نمذجة حركية قائمة على الفيزيولوجيا عالية الإنتاجية. يبرز البحث أيضًا فائدة المحاكاة الديناميكية في تحديد الأدوية التي قد تسبب DILI بشكل خاص من خلال تثبيط BSEP، مما يوفر رؤى آلية قيمة. يقدم هذا النهج الشامل بديلاً واعدًا خاليًا من الحيوانات لتطوير الأدوية المبكر، مما يعزز كل من القدرة على التنبؤ وقابلية تفسير مخاطر DILI.
مقدمة
تتناول مقدمة ورقة البحث التحدي الكبير لإصابة الكبد الناتجة عن الأدوية (DILI)، والتي تُعتبر سببًا رئيسيًا لفشل تطوير الأدوية وتشكل مخاطر خطيرة على سلامة المرضى. على الرغم من التقدم في طرق السموم، لا يزال التنبؤ بدقة بـ DILI في المرحلة قبل السريرية حاجة ملحة غير ملباة، حيث يمكن أن تظهر DILI بأشكال مختلفة وغالبًا ما تحدث بشكل فردي. أظهرت اختبارات الحيوانات التقليدية معدلات توافق منخفضة (40% إلى 70%) مع النتائج البشرية، مما دفع إلى التحول نحو طرق تقييم السمية الأكثر صلة بالبشر. غالبًا ما تعتمد الاستراتيجيات الحالية قبل السريرية على قواعد فحص استدلالية بسيطة، تفتقر إلى الأسس الآلية ويمكن أن تصنف المركبات بشكل خاطئ.
لتحسين التنبؤ بـ DILI، تسلط الورقة الضوء على تطوير اختبارات في المختبر تقيس تفاعلات الأدوية مع نقاط نهاية السمية، مثل السمية الخلوية وتثبيط مضخة تصدير أملاح الصفراء (BSEP). ومع ذلك، غالبًا ما لا تتضمن هذه الاختبارات معلومات التعرض الحركية الدوائية (PK)، مما يحد من قدراتها التنبؤية. يشير المؤلفون إلى أنه بينما تُظهر أساليب تعلم الآلة (ML) المدربة على أوصاف كيميائية وبيانات سمية وعدًا، فإنها غالبًا ما تفتقر إلى الشفافية الآلية وتواجه تحديات في القبول التنظيمي. تهدف الدراسة إلى مقارنة منهجيات التنبؤ بـ DILI المختلفة بشكل منهجي باستخدام مجموعة بيانات من 241 دواءً، موضحة أن دمج اختبارات السمية في المختبر مع معلومات PK في الجسم الحي يمكن أن يعزز بشكل كبير توقعات مخاطر DILI. علاوة على ذلك، تقترح الأبحاث نهج نمذجة حركية قائمة على الفيزيولوجيا عالية الإنتاجية (HT-PBK) لتسهيل تقييم مخاطر DILI المستقبلية لمرشحي الأدوية الجدد، مما يربط في النهاية ملفات التركيز-الزمن المستمدة من PK مع نموذج آلي لأحماض الصفراء لمحاكاة تأثيرات تثبيط BSEP بشكل ديناميكي.
طرق
تحدد فقرة “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. توضح اختيار المشاركين، بما في ذلك معايير الإدراج والاستبعاد، بالإضافة إلى حساب حجم العينة لضمان القوة الإحصائية. تشمل المنهجية تصميم الدراسة، سواء كانت رصدية أو تجريبية أو مزيجًا، وتحدد الأدوات والتقنيات المستخدمة لجمع البيانات، مثل الاستطلاعات، والمقابلات، أو القياسات المخبرية.
بالإضافة إلى ذلك، تصف الفقرة التحليلات الإحصائية التي تم إجراؤها لتفسير البيانات، بما في ذلك أي برامج تم استخدامها والاختبارات المحددة المطبقة (مثل اختبارات t، ANOVA، تحليل الانحدار). كما تتناول كيفية التحكم في المتغيرات المربكة المحتملة والخطوات المتخذة لضمان موثوقية وصدق النتائج. بشكل عام، تعتبر الطرق المستخدمة ضرورية لتكرار الدراسة والتحقق من نتائجها.
نتائج
تقدم فقرة “النتائج” في ورقة البحث النتائج المستمدة من التجارب أو التحليلات التي تم إجراؤها. توضح نتائج الدراسة، مع تسليط الضوء على نقاط البيانات والاتجاهات المهمة التي تم ملاحظتها. قد تشمل النتائج الرئيسية التحليلات الإحصائية، مثل قيم p أو فترات الثقة، التي تدعم الفرضيات المختبرة. بالإضافة إلى ذلك، يتم مناقشة أي أشكال أو جداول أو رسوم بيانية ذات صلة توضح البيانات بصريًا لتوفير وضوح حول النتائج التي تم الحصول عليها.
تؤكد الفقرة على تداعيات النتائج فيما يتعلق بأسئلة البحث المطروحة، مشيرة إلى كيفية مساهمة النتائج في المعرفة الحالية. علاوة على ذلك، قد يتم إجراء مقارنات مع دراسات سابقة لوضع النتائج في سياقها وتأكيد أهميتها. بشكل عام، تهدف هذه الفقرة إلى نقل الاكتشافات الأساسية للبحث، مما يمهد الطريق للنقاش والتفسير اللاحقين.
نقاش
في هذه الفقرة، يناقش المؤلفون المنهجية والنتائج من تحليلهم الشامل لبيانات السمية الكبدية في المختبر للتنبؤ بمخاطر إصابة الكبد الناتجة عن الأدوية (DILI). قاموا بتجميع مجموعة بيانات من سبعة عشر دراسة سمية كبدية في المختبر، مع التركيز على قيم قوة السمية المحددة (مثل IC50) بدلاً من النتائج الثنائية. شمل التكامل مطابقة المركبات باستخدام معرفات SMILES القياسية الخاصة بها وإزالة البيانات غير ذات الصلة، مما أدى إلى مجموعة بيانات نهائية تضم 241 دواءً فريدًا مع جرعات فموية مقابلة، وتركيزات بلازما قصوى (Cmax)، ونتائج سريرية لـ DILI. كشفت التحليلات أن السمية الخلوية كانت الآلية الأكثر قياسًا للسمية، تليها تثبيط BSEP والسمية الميتوكوندرية.
قيم المؤلفون مجموعة متنوعة من الاستدلالات التنبؤية لـ DILI، ووجدوا أن المقاييس التقليدية مثل المحبة للدهون (LogP) وجرعة الدواء وحدها كانت غير كافية للتنبؤات الدقيقة. بشكل ملحوظ، أظهرت قيم Cmax قوة تنبؤية متفوقة، محققة خصوصية بنسبة 89.6% وحساسية بنسبة 82.1% في التمييز بين فئات مخاطر DILI المختلفة. كما أبرزوا قيود اختبارات في المختبر، التي غالبًا ما فشلت في التقاط تعقيد آليات DILI، خاصة بالنسبة لمركبات مثل الاستراديول والتاكراين، حيث لم يكن من الممكن التنبؤ بالسمية في الجسم الحي بناءً فقط على بيانات في المختبر. حسنت بيانات تثبيط BSEP دقة التنبؤ، مما يبرز الحاجة إلى نهج متعدد الأبعاد في تقييم مخاطر DILI. بشكل عام، تؤكد الدراسة على أهمية دمج أنواع البيانات المختلفة لتعزيز قابلية التنبؤ بالسمية الكبدية في تطوير الأدوية.
DOI: https://doi.org/10.1007/s00204-026-04305-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41699306
Publication Date: 2026-02-17
Author(s): René Geci et al.
Primary Topic: Drug-Induced Hepatotoxicity and Protection
Overview
The section discusses the challenges associated with drug-induced liver injury (DILI), which significantly contributes to drug attrition and poses risks to patient safety. Current preclinical prediction methods, such as heuristic screening, in vitro assays, machine learning, and animal testing, are noted to have substantial limitations. The authors propose an integrative approach that combines in vitro toxicity data—including cytotoxicity, mitochondrial toxicity, and bile salt export pump (BSEP) inhibition—with pharmacokinetic information to enhance DILI predictivity.
In a retrospective analysis of 241 drugs, the study reveals a strong correlation between the ratio of in vivo maximum plasma concentration ($C_{max}$) to the lowest in vitro toxicity, achieving a receiver operating characteristic area under the curve (ROC AUC) of up to 96%. Furthermore, the authors demonstrate that comparable predictive accuracy (ROC AUC up to 91%) can be achieved prospectively by utilizing in silico predictions of $C_{max}$ through high-throughput physiologically based kinetic modeling. The study also highlights the utility of dynamic simulations in identifying drugs that may cause DILI specifically via BSEP inhibition, thereby providing valuable mechanistic insights. This comprehensive approach presents a promising, animal-free alternative for early drug development, enhancing both predictivity and interpretability of DILI risks.
Introduction
The introduction of the research paper addresses the significant challenge of drug-induced liver injury (DILI), which is a major cause of drug development failures and poses serious risks to patient safety. Despite advancements in toxicological methods, accurately predicting DILI at the preclinical stage remains a critical unmet need, as DILI can manifest in various forms and often occurs idiosyncratically. Traditional animal testing has shown low concordance rates (40% to 70%) with human outcomes, prompting a shift towards more human-relevant toxicity assessment methods. Current preclinical strategies often rely on simplistic heuristic screening rules, which lack mechanistic foundations and can misclassify compounds.
To improve DILI prediction, the paper highlights the development of in vitro assays that measure drug interactions with toxicity endpoints, such as cytotoxicity and bile salt export pump (BSEP) inhibition. However, these assays often do not incorporate pharmacokinetic (PK) exposure information, limiting their predictive capabilities. The authors note that while machine learning (ML) approaches trained on chemical descriptors and toxicity data show promise, they often lack mechanistic transparency and face challenges in regulatory acceptance. The study aims to systematically compare various DILI prediction strategies using a dataset of 241 drugs, demonstrating that integrating in vitro toxicity assays with in vivo PK information can significantly enhance DILI risk predictions. Furthermore, the research proposes a high-throughput physiologically based kinetic (HT-PBK) modeling approach to facilitate prospective DILI risk assessment of novel drug candidates, ultimately coupling PK-derived concentration-time profiles with a mechanistic bile acid model to simulate BSEP inhibition effects dynamically.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection of participants, including criteria for inclusion and exclusion, as well as the sample size calculation to ensure statistical power. The methodology encompasses the design of the study, whether it is observational, experimental, or a combination, and specifies the tools and techniques used for data collection, such as surveys, interviews, or laboratory measurements.
Additionally, the section describes the statistical analyses performed to interpret the data, including any software used and the specific tests applied (e.g., t-tests, ANOVA, regression analysis). It also addresses how potential confounding variables were controlled and the steps taken to ensure the reliability and validity of the results. Overall, the methods employed are critical for replicating the study and validating its findings.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting significant data points and trends observed. Key results may include statistical analyses, such as p-values or confidence intervals, which support the hypotheses tested. Additionally, any relevant figures, tables, or graphs that illustrate the data visually are discussed to provide clarity on the results obtained.
The section emphasizes the implications of the findings in relation to the research questions posed, indicating how the results contribute to the existing body of knowledge. Furthermore, comparisons with previous studies may be made to contextualize the findings and underscore their relevance. Overall, this section serves to convey the core discoveries of the research, setting the stage for subsequent discussion and interpretation.
Discussion
In this section, the authors discuss the methodology and findings from their comprehensive analysis of in vitro hepatotoxicity data to predict drug-induced liver injury (DILI) risks. They compiled a dataset from seventeen in vitro hepatotoxicity studies, focusing on specific toxicity potency values (e.g., IC50) rather than binary outcomes. The integration involved matching compounds using their canonical SMILES identifiers and removing irrelevant data, leading to a final dataset of 241 unique drugs with corresponding oral doses, maximum plasma concentrations (Cmax), and clinical DILI outcomes. The analysis revealed that cytotoxicity was the most frequently measured mechanism of toxicity, followed by BSEP inhibition and mitochondrial toxicity.
The authors evaluated various predictive heuristics for DILI, finding that traditional metrics like lipophilicity (LogP) and drug dose alone were insufficient for accurate predictions. Notably, Cmax values demonstrated superior predictive power, achieving a specificity of 89.6% and sensitivity of 82.1% in distinguishing between different DILI risk categories. They also highlighted the limitations of in vitro assays, which often failed to capture the complexity of DILI mechanisms, particularly for compounds like estradiol and tacrine, where in vivo toxicity could not be predicted solely based on in vitro data. The inclusion of BSEP inhibition data improved predictive accuracy, emphasizing the need for a multifaceted approach in assessing DILI risks. Overall, the study underscores the importance of integrating various data types to enhance the predictability of hepatotoxicity in drug development.