Dokument: Development and validation of in vitro and in silico tests to predict compounds' toxicity
Titel: | Development and validation of in vitro and in silico tests to predict compounds' toxicity | |||||||
Weiterer Titel: | Entwicklung und Validierung von In-vtro- und In-silico-Tests zur Vorhersage der Toxizität von Verbindungen | |||||||
URL für Lesezeichen: | https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=69606 | |||||||
URN (NBN): | urn:nbn:de:hbz:061-20250522-104917-2 | |||||||
Kollektion: | Dissertationen | |||||||
Sprache: | Englisch | |||||||
Dokumententyp: | Wissenschaftliche Abschlussarbeiten » Dissertation | |||||||
Medientyp: | Text | |||||||
Autor: | Chiappalupi, Linda [Autor] | |||||||
Dateien: |
| |||||||
Beitragende: | Prof. Dr. Ebenhöh, Oliver [Gutachter] Prof. Dr. Zurbriggen, Matias [Gutachter] | |||||||
Stichwörter: | Biology, drug discovery, liver toxicity | |||||||
Dewey Dezimal-Klassifikation: | 500 Naturwissenschaften und Mathematik » 570 Biowissenschaften; Biologie | |||||||
Beschreibungen: | Das primäre Ziel dieses Projekts ist es, eine Methode zur Vorhersage der Toxizität von Verbindungen zu entwickeln und zu validieren, die sowohl in vitro als auch in silico-Modelle verwendet, um Verbindungen mit einer hohen Wahrscheinlichkeit toxischer Wirkungen in den frühen Stadien der Arzneimittelentdeckung abzuwählen.
Zunächst wurde die Wirkung der Elternteile durch Testen von 28 Medikamenten in sieben Zelllinien untersucht, die verschiedene Körpersysteme wie Leber, Niere, Lunge, ZNS, Herz und Immunsystem repräsentieren. Insgesamt waren die Ergebnisse mit der bekannten Arzneimitteltoxizität in früheren Studien und mit den toxikologischen Ergebnissen der Arzneimittel in Kliniken konform. Zweitens wurde die Toxizität im Zusammenhang mit Metaboliten untersucht, die von Elternteilen stammen. HepaRG, eine metabolisch kompetente menschliche Leberzelllinie, wurde verwendet, um die Zytotoxizität von 7 Arzneimitteln (Diclofenac, Acetaminophen, Trorosiglitazone, Fialuridin, Amiodaron, Nefazodon und Simvastatin) zu testen. Experimente, die an HepaRG durchgeführt wurden, das in 2D- und 3D-Konfigurationen kultiviert wurde, zeigten, dass HepaRG-Sphäroide (3D), die die Bedingungen in vivo besser nachahmen, eine höhere Zytotoxizität zeigten als Zellen, die in 2D-Systemen kultiviert wurden (Monolayer und Sandwich), Nachweis, dass 3D-Kulturen ein genaueres Modell für Toxizitätstests liefern können. Um weitere artenspezifische Unterschiede im Stoffwechsel von Medikamenten zu untersuchen, die Toxizität beeinflussen können, wurden Zytotoxizitätstests an primären Hepatozyten von Ratten und Schweinen durchgeführt und die Ergebnisse mit dem menschlichen Modell HepaRG verglichen. Die Ergebnisse zeigten, dass, während kurzfristige Bewertungen ähnliche Toxizitäten bei Menschen und Tieren aufwiesen, HepaRG-Sphäroide bei langfristigen Bewertungen empfindlicher gegenüber Arzneimittelwirkungen waren als Rat- und Schweinehepatozyten. Dies deutet darauf hin, dass Tiermodelle oft nicht genau den menschlichen Stoffwechsel replizieren können, was sie für die Untersuchung der Toxizität beim Menschen weniger geeignet macht. Um die für die Toxizität verantwortlichen Metaboliten zu identifizieren, wurde das Medikament Nefazodone als Fallstudie verwendet und zusammen mit seinen primären Metaboliten NFZ-OH und NFZ-TD in HepG2 und HepaRG getestet. Unser Hepatotoxizitätstest zeigte zum ersten Mal, dass NFZ-OH eine toxische Wirkung ausübt, die mit der von Nefazodone vergleichbar ist, während NFZ-TD ungiftig war. Neben den in vitro-Studien wurden zwei in silico-Ansätze zur Vorhersage der Arzneimitteltoxizität eingesetzt. Das erste, DEREK Nexus, hat die Toxizität mehrerer Medikamente erfolgreich vorhergesagt, aber die bekannte Toxizität von Nefazodon und Fialuridine nicht identifiziert. Es zeigt die Bedeutung der Validierung seiner Vorhersagen durch Experimente. Der zweite in-silico-Ansatz, entwickelt an der Heinrich-Heine-Universität, verwendet Deep Learning zur Simulation von Arzneimittelinteraktionen mit Leberenzymen, um die Toxizität der Leber vorherzusagen. Das Modell identifizierte hochaffine Wechselwirkungen zwischen mehreren Medikamenten und Enzymen, die am Lipid- und Gallensäurestoffwechsel beteiligt sind, und paart sich mit bekannten arzneimittelinduzierten Leberschäden (DILI) wie Steatose und Cholestase. Dieser Ansatz bestätigte nicht nur die in vitro-Toxizitätsergebnisse, sondern lieferte auch Einblicke in mögliche neue Toxizitätsmechanismen. Insgesamt zeigt diese Studie, dass die Integration von in vitro und in silico-Methoden für genauere und umfassendere Toxizitätsprognosen ein strategisches Werkzeug darstellt, um den Erfolg bei der frühen Arzneimittelentdeckung zu erhöhen.The primary objective of this project is to develop and validate a method to predict compounds’ toxicity using both in vitro and in silico models to deselect compounds with a high probability of toxic effects in the early stages of drug discovery. Initially, the effect of parent compounds was assessed by testing 28 drugs in seven cell lines, representing various body systems, including liver, kidney, lung, CNS, heart, and immune system. Overall, the results were compliant with the known drugs’ toxicity found in previous studies and with the toxicity outcomes of the drugs in clinics. Secondly, toxicity related to metabolites deriving from parent compounds was investigated. HepaRG, a human metabolically competent liver cell line, was used to test the cytotoxicity of 7 drugs (diclofenac, acetaminophen, troglitazone, fialuridine, amiodarone, nefazodone, and simvastatin). Experiments conducted on HepaRG cultured in 2D and 3D configurations showed that HepaRG spheroids (3D), which more closely mimic in vivo conditions, exhibited higher cytotoxicity than cells cultured in 2D systems (monolayer and sandwich), demonstrating that 3D cultures may provide a more accurate model for toxicity testing. To further explore species-specific differences in drugs’ metabolism, which can affect toxicity, cytotoxicity tests were performed in primary rat and pig hepatocytes, and the results were compared to the human model HepaRG. The results showed that while short-term assessments revealed similar toxicities across human and animal species, long-term assessments found HepaRG spheroids to be more sensitive to drug effects than rat and pig hepatocytes. This suggests that animal models often fail to accurately replicate human metabolism, making them less suitable for studying human toxicity. In an effort to identify metabolites responsible for toxicity, the drug nefazodone was used as a case study, and it was tested, along with its primary metabolites, NFZ-OH and NFZ-TD, in HepG2 and HepaRG. Our hepatotoxicity test showed, for the first time, that NFZ-OH exerts a toxic effect comparable to that of nefazodone parent compound, whereas NFZ-TD was non-toxic. Alongside the in vitro studies, two in silico approaches were employed for drug toxicity prediction. The first, DEREK Nexus, successfully predicted the toxicity of several drugs but failed to identify the known toxicity of nefazodone and fialuridine, showing the importance of validating its predictions with experiments. The second in silico approach, developed at Heinrich Heine University, used deep learning to simulate drug interactions with liver enzymes to predict liver toxicity. The model identified high-affinity interactions between several drugs and enzymes involved in lipid and bile acid metabolism, aligning with known drug-induced liver injuries (DILI) like steatosis and cholestasis. This approach not only confirmed in vitro toxicity results but also provided insights into potential new toxicity mechanisms. Overall this study shows that integrating in vitro and in silico methods for more accurate and comprehensive toxicity predictions represents a strategic tool to increase success in early drug discovery. | |||||||
Lizenz: | ![]() Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz | |||||||
Fachbereich / Einrichtung: | Mathematisch- Naturwissenschaftliche Fakultät | |||||||
Dokument erstellt am: | 22.05.2025 | |||||||
Dateien geändert am: | 22.05.2025 | |||||||
Promotionsantrag am: | 29.08.2024 | |||||||
Datum der Promotion: | 16.04.2025 |