Wissenschaftler könnten in der Lage sein, Probleme wie dieses früher im Arzneimittelentwicklungsprozess zu erkennen. wenn Medikamente von Tierversuchen zu klinischen Studien übergehen, mit einem neuen Rechenmodell, das von Forschern der Purdue University und des Massachusetts Institute of Technology entwickelt wurde.
Die Forscher nennen das Modell "TransComp-R". In einer Studie veröffentlicht in Wissenschaftliche Signalgebung , Sie verwendeten das Modell, um einen übersehenen biologischen Mechanismus zu identifizieren, der möglicherweise für die Resistenz eines Patienten gegen Infliximab verantwortlich ist.
Ein solcher Mechanismus ist in präklinischen Tests neuer Medikamente schwer zu erfassen, da Tiermodelle für menschliche Krankheiten unterschiedliche biologische Prozesse aufweisen können, die Krankheiten auslösen oder auf eine Therapie ansprechen. Dies macht es schwierig, Beobachtungen aus Tierversuchen auf humanbiologische Zusammenhänge zu übertragen.
Dieses Modell könnte helfen, besser zu bestimmen, welche Medikamente von Tierversuchen auf den Menschen übergehen sollten. Wenn es einen Grund gibt, warum das Medikament versagen würde, ein Resistenzmechanismus, der aus den Tierversuchen nicht ersichtlich war, dann würde dieses Modell dies möglicherweise auch erkennen und helfen, den Aufbau einer klinischen Studie zu unterstützen."
Doug Brubaker, Assistenzprofessor für Biomedizinische Technik, Purdue Universität
Brubaker leitete die Entwicklung und Erprobung dieses Modells als Postdoc am MIT.
TransComp-R konsolidiert Tausende von Messungen aus einem Tiermodell auf wenige Datenkoordinaten zum Vergleich mit dem Menschen. Die verkümmerten Daten erklären die wichtigsten Quellen biologischer Unterschiede zwischen Tiermodell und Mensch.
Von dort, Wissenschaftler könnten andere Modellreihen trainieren, um die Reaktion eines Menschen auf eine Therapie anhand dieser Datenkoordinaten aus einem Tiermodell vorherzusagen.
Für Infliximab, Daten von einem Mausmodell und einem Menschen passten nicht zusammen, weil es sich um unterschiedliche Arten biologischer Messungen handelte. Die Mausmodelldaten kamen in Form von Darmproteinen, in der Erwägung, dass Daten von Patienten nur in Form von exprimierten Genen verfügbar waren, eine Diskrepanz, die TransComp-R beheben konnte.
TransComp-R half Brubakers Team, Verbindungen in den Daten zu finden, die auf einen Resistenzmechanismus beim Menschen hindeuten.
Das Team arbeitete mit Forschern der Vanderbilt University zusammen, um den vorhergesagten Mechanismus in Darmbiopsien eines Morbus-Crohn-Patienten und anschließend mit Experimenten an menschlichen Immunzellen zu testen.
Die Forscher verwendeten die Einzelzellsequenzierung einer Probe eines Infliximab-resistenten Patienten mit Morbus Crohn, um die Zelltypen zu identifizieren, die die Gene exprimieren, die mit dem von TransComp-R vorhergesagten Resistenzmechanismus zusammenhängen.
Anschließend behandelten sie Immunzellen mit Infliximab und einem Inhibitor des Rezeptors, der im Modell als Teil des Resistenzmechanismus identifiziert wurde. Das Experiment zeigte, dass die Hemmung des Rezeptors die entzündungshemmende Wirkung von Infliximab verstärkte. Dadurch kann das Medikament wirksamer sein, da es Entzündungen besser kontrollieren könnte.
Mit zusätzlichen Tests, um einen Weg zu finden, die Marker dieses Widerstandsmechanismus genauer zu messen, Ärzte könnten Informationen über das Ansprechen des Arzneimittels verwenden, um festzustellen, ob ein Patient eine andere Behandlung benötigt.
Seit dieser Studie Brubaker hat mit seiner ehemaligen Forschungsgruppe am MIT zusammengearbeitet, um den mathematischen Rahmen von TransComp-R anzuwenden, um Mausmodelle zu identifizieren, die die Biologie der Alzheimer-Krankheit und Immunsignaturen der Impfstoffwirksamkeit in Tierstudien mit COVID-19-Impfstoffkandidaten vorhersagen.
"Der Modellierungsrahmen selbst kann auf verschiedene Tierarten umfunktioniert werden, unterschiedliche Krankheitsgebiete und unterschiedliche Fragestellungen, “, sagte Brubaker. “Herauszufinden, wann das, was wir bei Tieren sehen, nicht mit dem übereinstimmt, was beim Menschen passiert, könnte viel Zeit sparen Kosten und Aufwand im Arzneimittelentwicklungsprozess insgesamt."
Der TransComp-R-Code ist bei MathWorks File Exchange (ID:77987) erhältlich. Brubaker erhielt Mittel für diese Forschung aus dem Strategic Hub for Innovation New Therapeutic Concept Exploration Program von Boehringer Ingelheim Pharmaceuticals.