Лекарства на переднем крае

Оригинал опубликован Sri Kosuri в X.

Создавать лекарства, которые пока никто не умеет создавать

Самые интересные для меня лекарственные мишени часто оказываются теми, о которых люди знают уже десятилетиями. Доказательства важности такой мишени не вызывают сомнений. Мутация вызывает болезнь, или белок поддерживает конкретный вид рака. Есть веская причина хотеть такое лекарство. Проблема в том, что никто не знает, как его сделать.

Именно в этом разрыве мы в Octant решили проводить время. Мы называем такие проекты frontier drugs: лекарства, ради которых приходится изобретать способ получить нужную нам фармакологию. В болезнях, которые мы выбираем, человеческая генетика часто даёт сильную отправную точку. Неопределённость в другом: как сделать молекулу, которая восстановит функцию белка, попадёт в нужные клетки и принесёт достаточно пользы, не создав новую проблему.

Я хочу объяснить, почему эта работа кажется мне такой интересной, что она на самом деле включает и почему я думаю, что можно сделать практичным создание гораздо большего числа таких лекарств.

Расстояние между мишенью и лекарством

BCL-2 — хорошее место для начала. Обнаруженный в 1980-х, он помогает клеткам сопротивляться запрограммированной клеточной смерти. Некоторые виды рака зависят от него, чтобы выживать, и это делает идею его ингибирования привлекательной. Задача состояла в том, чтобы создать малую молекулу, которая могла бы достаточно селективно нарушить белковые взаимодействия, отвечающие за эту защиту. С самого начала было ясно, что это будет сложно: у белка нет классических «карманов», удобных для лекарственного воздействия.

Работа Abbott над ингибитором BCL-2 выросла из новой техники, разработанной группой Стива Фесика, — SAR by NMR. Они использовали ядерный магнитный резонанс, чтобы находить малые молекулы, связывающиеся с соседними участками белка, а затем соединяли эти фрагменты, добиваясь более сильного связывания. Слабые взаимодействия становились полезными отправными точками, потому что исследователи могли их обнаруживать и комбинировать. Изобретение метода изменило то, какую химию вообще можно было найти.

Одна из ранних молекул, navitoclax, ингибировала и BCL-2, и родственный белок BCL-xL. У неё была противоопухолевая активность, но тромбоциты тоже зависят от BCL-xL для выживания. Возникавшая потеря тромбоцитов ограничивала применение препарата. Команде пришлось искать химию, которая сохраняла нужную активность и избегала очень похожей нежелательной. Так появился ABT-199, позже названный venetoclax. Заголовок статьи 2013 года о его открытии точно передаёт достижение: противоопухолевая активность при сохранении тромбоцитов. В статье также описаны впечатляющие эффекты молекулы у нескольких пациентов. Первое одобрение пришло через три года — почти через 30 лет после открытия важности BCL-2 и через 20 лет после начала серьёзных drug discovery-усилий.

В прошлом году моя дочь получала venetoclax в клиническом исследовании первой линии терапии педиатрического AML. В этом году на J.P. Morgan Healthcare Conference я встретил Энди Сауэрса, ведущего автора статьи об открытии препарата. Годы неудачных попыток, неудачных молекул и закрытых проектов встретились с упорством исследователей, часто работавших в полускрытых skunkworks-проектах. Они разработали новые методы, сдвинули границу того, что считается druggable, и в итоге создали препарат, который спас жизнь моей дочери.

Находить новые вещи, которые может делать малая молекула

Корректоры муковисцидоза Vertex — пример, который сильнее всего сформировал наши интересы в Octant. Ген CFTR был идентифицирован в 1989 году. Распространённая мутация F508del нарушает сворачивание и процессинг белка, из-за чего на поверхности клетки оказывается слишком мало функционального хлоридного канала. Терапевтическая идея проста: помочь белку добраться туда и работать. Но до высокоэффективной тройной комбинации, одобренной в 2019 году, потребовалось ещё тридцать лет.

Vertex строилась вокруг структурно-ориентированного дизайна лекарств, но этот подход не мог вести программу. Структуры полноразмерного CFTR не существовало, проектировать было не от чего, а нестабильный мутантный белок было трудно очищать, биохимически изучать и тем более структурно характеризовать. Vertex получила программу через Aurora, и химией пришлось управлять через клеточную функцию. Они разработали тесты для поиска соединений, восстанавливающих транспорт хлорида; клетки дыхательных путей людей с муковисцидозом стали критически важной проверкой того, действительно ли восстановление работает. Статья 2011 года о VX-809, позже названном lumacaftor, показывает, как измерения процессинга и функции белка пришлось свести вместе. Экспериментальная система была не менее важным изобретением, чем сама молекула.

Марк Мурко, помогавший вести приобретение Aurora компанией Vertex и курировавший CF-программу, рассказывал мне, что команды сделали более 75 000 аналогов во время hit-to-lead-работы над этими препаратами. Он описывает программу, которая несколько раз почти умирала и требовала огромных ресурсов и настойчивости. Cystic Fibrosis Foundation помог сделать эту настойчивость возможной. Без этой поддержки трудно представить, что работа прожила бы достаточно долго, чтобы добиться успеха.

И даже тогда одного корректора оказалось недостаточно. Итоговая комбинация elexacaftor, tezacaftor и ivacaftor объединила два корректора с потенциатором, улучшающим активность канала. Клиническое исследование 2019 года показало, что сделали возможным эти десятилетия работы: существенную пользу для людей с одним аллелем F508del и минимально функциональной мутацией на другом. Знание того, какой белок сломан, было только началом. Чтобы понять, как восстановить достаточно функции, пришлось построить и проверить огромное количество химии в системах, способных показать исследователям, движутся ли они вперёд.

Эта история повторяется во всём drug discovery. Ингибиторы RAS компании Revolution Medicines, например, выросли из многолетней химии и нового способа сводить белки вместе через induced proximity, чтобы воздействовать на онкогенный драйвер, известный десятилетиями.

Для меня эти истории объединяет необходимость строить методы под конкретную проблему. SAR by NMR превратил слабые фрагменты в полезные стартовые точки для нарушения белковых взаимодействий. Клеточные фенотипические тесты позволили создавать корректоры CFTR без биохимии и структуры. Induced proximity дал другой способ добраться до RAS. Каждый подход требовал длительной работы над конкретной лекарственной задачей; каждый также помог создать метод, на который могли опираться другие программы. Все эти проекты потребовали от исследователей и компаний многих лет удивительного упорства.

Именно поэтому frontier drugs стоит делать. Возможно, придётся изобрести и молекулу, и способ её обнаружить. Если получится, после вас останется не только одно лекарство: вы можете сделать целый класс задач гораздо более решаемым.

Как это ощущается до того, как ответ известен

Эти истории гораздо проще рассказывать, когда уже знаешь, какие эксперименты оказались важными. Внутри программы вы проводите много времени, пытаясь понять, какая часть вашего объяснения неверна.

Наша программа по болезни Фабри стала полезным и болезненным уроком. Болезнь Фабри вызывают мутации, снижающие функцию альфа-галактозидазы A — фермента, который расщепляет субстраты в лизосоме. Некоторые мутантные формы всё ещё могут работать, если стабилизировать их и помочь им попасть в нужное место. Малая молекула, которая делает это, называется фармакологическим шапероном.

Неловкая часть в том, что связывание фермента может одновременно его ингибировать. Можно помочь большему количеству белка добраться до лизосомы и при этом мешать той активности, которую вы пытались восстановить. Мы хотели создать шаперон, который разделит эти эффекты.

Наши ранние соединения выглядели отлично в разработанных нами биохимических и клеточных тестах. Мы сделали много аналогов, улучшили их свойства и имели правдоподобные объяснения того, почему они вроде бы стабилизировали фермент, не ингибируя его. Затем результаты на животных не показали преимущества над существующим препаратом, которого мы ожидали.

В итоге мы обнаружили, что эти соединения, вероятно, действовали как ингибирующие шапероны, несмотря на то, что говорили наши тесты. Мы стали хорошо делать молекулы, которые делали не то, что мы думали. Наши измерения были полезны, но рассказывали неполную историю о фармакологии.

Потребовались дополнительные эксперименты, включая разработку live-cell-теста снижения субстрата, чтобы понять проблему. Это изменило то, как мы интерпретировали химию, и помогло перенаправить программу к аллостерическим соединениям, которые взаимодействуют с ферментом иначе.

Мы могли бы продолжать улучшать свойства, которые уже измеряли. Чтобы двинуть программу вперёд, пришлось найти лучший способ спросить, что соединения на самом деле делают.

Создавать молекулы, чтобы понять биологию

Этот обмен туда-сюда — большая часть frontier drug discovery. Соединение выявляет ограничение теста. Новый тест меняет то, какая химия выглядит интересной. Создание этой химии даёт ещё один способ проверить механизм.

В сложной программе мы можем построить много десятков тестов. Один измеряет связывание, другой — количество белка, третий — локализацию, четвёртый — клеточную функцию. Вокруг них находятся измерения метаболизма, экспозиции и безопасности. Каждый отвечает на свой вопрос, и у каждого есть ограничения. Задача — собрать их вместе в достаточно надёжную картину происходящего.

Затем вы создаёте соединение, и тесты расходятся в том, что оно делает. Такое расхождение может быть самой полезной вещью в программе. Возможно, соединение действует через другую мишень. Возможно, оно превращается во что-то ещё. Возможно, клеточной модели не хватает какого-то шага. Нужно понять, какое объяснение подходит, и часто приходится продолжать создавать новые молекулы, чтобы различить варианты.

Tool compound, который никогда не станет лекарством, может быть здесь чрезвычайно ценным. Он может разделить две активности, которые раньше двигались вместе, или выявить проблему в эксперименте, которым пользовались все. Его ценность в том, чему он позволяет научиться. Хороший drug hunter должен понимать, когда это важнее, чем ещё один шаг повышения potency в lead-серии.

Большую часть академической карьеры я строил способы создавать и измерять биологию в масштабе. Работа над лекарственными программами заставила меня оценить, насколько большая часть дела — решить, что вообще заслуживает быть созданным и измеренным. Инструменты меняют то, какие вопросы доступны. Результаты меняют то, какие вопросы важны.

Редко получается сначала окончательно разобраться с биологией, а затем передать химикам готовую спецификацию. Вы узнаёте достаточно, чтобы сделать что-то, используете это, чтобы найти следующую проблему, и продолжаете — снова и снова.

Сделать это практичным для большего числа болезней

У такого подхода есть очевидная проблема. Программы могут занимать много времени и могут проваливаться после огромных усилий. Сильные доказательства важности мишени не доказывают, что мы можем построить нужную фармакологию или что она даст пациентам достаточную пользу. Нам всё ещё нужно показать и то, и другое.

Время, стоимость и неопределённость также ограничивают то, за какие болезни кто-либо может позволить себе взяться. Большое показание может оправдать годы discovery-работы. Маленькая популяция пациентов делает это гораздо труднее, даже когда генетика ясна, а терапевтическая идея убедительна.

Octant — попытка изменить часть этой экономики. Мы годами строили способность быстро разрабатывать широкий набор тестов, массово делать аналоги и использовать результаты, чтобы направлять следующие раунды химии. Это даёт нам больше возможностей проверять гипотезу, смотреть на разные болезнетворные варианты и исследовать химические возможности, которые иначе были бы слишком дорогими. Платформа довела корректор до клинической разработки при пигментном ретините: rhodopsin chaperone. Мы хотим сделать так, чтобы этот путь работал снова и снова.

Скорость ценна отчасти потому, что меняет то, что вы можете позволить себе попробовать. Если проверка механистической идеи занимает несколько дней, вы принимаете другие решения, чем если она съест следующие несколько месяцев. Можно раньше исследовать неопределённое объяснение, до того как программа окончательно на него поставит. Можно изучить больше странных результатов, которые могут оказаться важными. Масштаб также помогает находить случайные открытия, особенно вокруг соединений и тестов, которые показывают, что мы двигались не туда, или неожиданно помогают прорваться через сложные проблемы.

Но большая экспериментальная мощность создаёт и больше результатов для интерпретации, и больше возможных направлений. Мы поняли, что внимание маленькой команды становится серьёзным ограничением. Удерживать науку вместе, выбирать следующий эксперимент и проводить его — существенная часть стоимости программы. AI начинает менять наш подход к этой работе; об этих уроках я напишу отдельно.

Амбиция в том, чтобы маленькая компания могла браться за большее число болезней, где причина создать лекарство сильна, а путь к нему всё ещё неясен. Некоторые программы провалятся. Другие могут научить нас делать что-то, что сделает целую группу мишеней более доступной.

Когда я читаю историю лекарства вроде Trikafta, я думаю о том, сколько людей должны были решить проблему, важность которой была ясна задолго до её решения. Я хочу, чтобы мы сделали эту работу проще для следующей команды. И хочу, чтобы больше семей получили пользу от того, что они построят.