Tutaj opisujemy protokół wykorzystujący internetowe narzędzie do generowania hipotez zmiany przeznaczenia leków: "RE:fine Drugs." Protokół ten może być modyfikowany zgodnie z preferencjami użytkownika na poziomie typu zapytania (gen, lek lub choroba) i/lub zakresu dostępnych opcji zaawansowanych.
Artykuł metodologiczny
Generowanie hipotez zmiany przeznaczenia leków za pomocą systemu "RE:fine drugs"
W tym artykule
Podsumowanie
Streszczenie
Obietnica zmiany przeznaczenia leków polega na tym, że istniejące leki mogą być używane do nowych wskazań chorobowych, aby ograniczyć wysokie koszty i czas na zatwierdzenie. Celem metod obliczeniowych do zmiany przeznaczenia leków jest umożliwienie rozwiązań umożliwiających bezpieczniejsze, tańsze i szybsze odkrywanie leków. W tym celu opracowaliśmy nowatorską metodę, która integruje genetyczne i kliniczne dane fenotypowe z badań GWAS i PheWAS na dużą skalę ze szczegółowymi informacjami o lekach na temat koncepcji przechodnich triad lek-gen-choroba. Stworzyliśmy "RE:fine Drugs", ogólnodostępny, interaktywny pulpit nawigacyjny, który automatyzuje wyszukiwanie oparte na genach, chorobach i lekach w celu zidentyfikowania kandydatów na leki do zmiany przeznaczenia. To narzędzie internetowe obsługuje przyjazny dla użytkownika interfejs, który zawiera szereg zaawansowanych opcji wyszukiwania i eksportu. Wyniki mogą być traktowane priorytetowo na różne sposoby, w tym między innymi w oparciu o literaturę biomedyczną, siłę i istotność statystyczną powiązań GWAS i/lub PheWAS, wskazania chorobowe i cele molekularne leków. W tym miejscu przedstawiamy protokół, który ilustruje funkcjonalności dostępne w systemie "RE:fine Drugs" i bada różne zaawansowane opcje poprzez studium przypadku.
Wprowadzenie
Kosztowne i nieefektywne procesy związane z tradycyjnymi metodami odkrywania leków, w tym wysokoprzepustowe badania przesiewowe leków i związków ołowiowych, przyczyniają się do opóźnień w przekładaniu odkryć badawczych na terapie dla pacjentów 1,2. Średnio 1 miliard dolarów amerykańskich i 15-20 lat potrzeba na sprowadzenie nowego leku z ławki do łóżka pacjenta 3. Co więcej, 52% leków zawodzi podczas opracowywania w badaniach klinicznych fazy 1, a tylko 25% związków, które wchodzą w fazę 2, przechodzi do pełnych badań klinicznych fazy 3 4. Celem zmiany przeznaczenia lub repozycjonowania leków jest odnowienie nieudanych leków i/lub znalezienie nowych wskazań dla zatwierdzonych leków, aby szybciej i z wyższym wskaźnikiem powodzenia dostarczać pacjentom nowe terapie. Zmiana przeznaczenia leku może skrócić czas udostępniania leków do stosowania u pacjentów do 3-12 lat 5. Do ważnych zastosowań medycznych w zakresie zmiany przeznaczenia leków należą: choroby o złym rokowaniu i niskich wskaźnikach przeżycia, choroby lekooporne, niedofinansowane obszary badań nad chorobami oraz zubożałe i niedostatecznie obsługiwane populacje pacjentów.
Obliczeniowa zmiana przeznaczenia leku jest zdefiniowana jako proces projektowania i walidacji zautomatyzowanych przepływów pracy, które mogą generować hipotezy dla nowych wskazań dla kandydata na lek 6. Istniejące obliczeniowe metody zmiany przeznaczenia leków zostały skategoryzowane jako oparte na celach, wiedzy, sygnaturach, sieciach i mechanizmach ukierunkowanych i mogą być zorientowane z perspektywy genów, chorób lub leków. Ponadto podejścia obliczeniowe mogą jeszcze bardziej przyspieszyć eksperymenty walidacyjne typu proof-of-concept oraz badania kliniczne na małą skalę dotyczące kandydatów na leki o zmienionym przeznaczeniu 7. Wcześniej informowaliśmy o "RE:fine Drugs", ogólnodostępnym, interaktywnym narzędziu internetowym do generowania hipotez zmiany przeznaczenia leków w oparciu o przechodnią teorię relacji lek-gen-choroba 8. Ogólnym celem tej metody jest systematyczna integracja różnych rodzajów leków, danych genetycznych i klinicznych, aby umożliwić zmianę przeznaczenia leków użytkownikom z różnych społeczności, w tym społeczności klinicznych, branżowych i regulacyjnych. Podstawowe metody tego systemu zostały wcześniej opisane w odniesieniu do wykorzystania danych z badania asocjacyjnego całego genomu (GWAS) i badania asocjacyjnego całego fenomu (PheWAS) w badaniach nad zmianą przeznaczenia leków 9,10. Nowatorskie połączenie tych typów danych odróżnia nasze narzędzie internetowe od innych metod opartych na celach 6,11.
System RE:fine Drugs zawiera obecnie 60 911 hipotez zmiany przeznaczenia leków, obejmujących 916 leków, 567 genów i 1 770 chorób. Narzędzie internetowe zapewnia przyjazny dla użytkownika interfejs dla badaczy, którzy mogą interaktywnie wyszukiwać hipotezy dotyczące zmiany przeznaczenia leków i ustalać ich priorytety przy użyciu różnych kryteriów. Na przykład, użytkownicy mogą filtrować hipotezy dotyczące zmiany przeznaczenia leków, korzystając z pomocy w literaturze biomedycznej i bazie danych badań klinicznych, istotnych wartości p, ilorazów szans asocjacyjnych lub według konkretnych wskazań. Jedynym wymogiem dla tego systemu jest dostęp do Internetu.
Protokół
1. Inicjowanie zapytań dotyczących genów, leków lub chorób
- Wejdź na stronę główną "RE:fine Drugs" pod następującym linkiem: http://drug-repurposing.nationwidechildrens.org. Zacznij od wpisania w pasku wyszukiwania hasła z jednej z trzech następujących kategorii: lek (nazwa generyczna leku), choroba (wskazanie nowej choroby) lub gen (oficjalny symbol genu HGNC).
- Filtruj funkcję paska wyszukiwania, aby uwzględnić tylko kategorie "Nazwa leku", "Wskazanie nowej choroby", "Symbol genu" lub "Wszystkie". Pasek wyszukiwania zawiera funkcję automatycznego wypełniania wpisów zapytania.
- Wpisz słowo kluczowe i kliknij przycisk "Szukaj". Posortuj tabelę wyników według dowolnej z następujących kolumn: "Lek", "Zarejestrowane wskazanie", "Wartość P", "Skorygowana wartość P", "Iloraz szans", "Badanie", "Nowe wskazanie", "Wskazanie do banku leków", "# abstraktów Medline", "# rejestru badań klinicznych", "Potencjał", "SNP", "Gen" lub "działanie".
- Przejdź do opcji wyszukiwania zaawansowanego, aby włączyć funkcję informacji o leku. Kliknij ikonę w kolumnie "Informacje" dla konkretnego leku. Obserwuj stronę, która zawiera wszystkie odpowiednie informacje, w tym wartość p dla związku, nazwę choroby, nazwę leku, szczegóły genu (link do genu NCBI) i szczegóły leku (link do DrugBank).
2. Eksploracja zaawansowanych opcji
- Kliknij przycisk "zaawansowane" znajdujący się po prawej stronie strony, a dostępnych jest kilka opcji dalszego zawężania wyników. Zaawansowane opcje wyszukiwania obejmują modyfikacje następujących elementów: lek, skojarzenie, choroba, potencjał, gen i działanie.
- Eksportuj tabele wyników, klikając przycisk "Eksportuj" po prawej stronie strony. Kliknij przycisk "Proste", aby rozwinąć okno wyszukiwania zaawansowanego.
- W zakładce opcji zaawansowanej "lek" określ konkretne wskazanie leku lub dodatkową nazwę leku, aby filtrować wyniki.
- W zakładce "asocjacja" filtruj wyniki według poziomu istotności, wartości P, skorygowanej wartości P z FDR, wielkości efektu (iloraz szans) i/lub typu badania (GWAS, PheWAS lub oba).
- W zakładce "choroba" określ konkretny opis choroby dla przewidywanego nowego zastosowania.
- W zakładce "potencjał" przefiltruj wyniki według jednego z następujących kryteriów: (i) czy wskazanie leku znajduje się w bazie danych DrugBank, (ii) liczba abstraktów Medline ze współwystępowaniem leku i choroby, (iii) liczba wpisów w bazie danych ClinicalTrials.gov ze współwystępowaniem leku i choroby oraz (iv) Potencjał zmiany wykorzystania.
UWAGA: Opcja Potencjał zmiany przeznaczenia opisuje nowatorstwo odkrycia: (i) Znane: związek już istnieje w bazie danych DrugBank, (ii) Silnie wspierane: pewne wsparcie zarówno w rejestrze badań klinicznych, jak i streszczeniach Medline, (iii) Prawdopodobne: pewne wsparcie w rejestrze badań klinicznych lub abstraktach Medline oraz (iv) Nowe: brak dowodów w rejestrze badań klinicznych ani w streszczeniach Medline. - W zakładce "gen" wprowadź identyfikator SNP lub symbol genu, aby przefiltrować wyniki według określonych genów docelowych leku.
- W zakładce "działanie" określ typ działania leku wobec celu (celów) leku, w tym agonisty, antagonisty, innego, nieznanego lub wszystkich (źródło: baza danych DrugBank).
Wyniki
W tym przykładzie gen „IL2RB” został wprowadzony jako zapytanie oparte na genie i został automatycznie rozpoznany jako taki przez funkcję autouzupełniania (Rysunek 1). Zwrócono dwanaście hipotez dotyczących repozycjonowania leków dla genu IL2RB, jak pokazano na Rysunku 2. Szczegółowa strona informacyjna dla konkretnej hipotezy repozycjonowania leku, w tym przypadku „daclizumab”, jest dostępna z kolumny „Info” (Rysunek 3). Wyniki na karcie leków zostały przefiltrowane tak, aby wyświetlić wszystkie wyniki odpowiadające lekowi „daclizumab”, jak pokazano na Rysunku 4. Rysunek 5 przedstawia wyłącznie te leki, które mają znane wskazanie dla terminu choroby „transplant” (źródło: baza danych DrugBank). Karta asocjacji pozwala użytkownikowi filtrować relacje SNP-fenotyp według istotności statystycznej (P-value) oraz wielkości efektu genetycznego (odds ratio), zdefiniowanej jako stosunek szans wystąpienia choroby u osób z konkretnym genotypem (allele SNP) do szans wystąpienia choroby u osób bez tego allelu SNP. Rysunek 6 przedstawia wyniki przefiltrowane na karcie asocjacji w zakresie P-Value od 0,000001 do 0,05. Rysunek 7 pokazuje hipotezy repozycjonowania leków specyficzne dla „asthma” na podstawie nowych wskazań znalezionych w badaniu. Rysunek 8 przedstawia wyniki na karcie potencjału, przefiltrowane według minimalnej liczby 5 streszczeń Medline zawierających współwystępowanie terminów leku i choroby. W tym przykładzie wszystkie wyniki leków na karcie genów są skierowane na gen „IL2RB”, co odpowiada oryginalnemu terminowi zapytania (Rysunek 9). Na koniec Rysunek 10 przedstawia wyniki przefiltrowane na karcie „action”, aby zwrócić wszystkie leki, które działają jako agoniści w odniesieniu do genu IL2RB.
Rycina 1: Strona główna interaktywnego panelu sterowania RE:fine Drugs. Użytkownicy mogą rozpocząć wyszukiwanie, wpisując nazwę leku, nowe wskazanie terapeutyczne lub symbol genu. Dostępne są również linki do artykułów referencyjnych GWAS i PheWAS opisujących metodologie generowania hipotez dotyczących reproponowania leków. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rysunek 2: Funkcja autouzupełniania dla wpisów zapytań. Jako przykład, termin zapytania o gen „IL2RB” został automatycznie rozpoznany jako termin genu. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.
Rycina 3: Tabela wyników reprofilowania leków wygenerowana na podstawie zapytania opartego na genie (np. IL2RB). Wygenerowano dwanaście hipotez reprofilowania leków dla genu IL2RB. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rysunek 4: Strona informacyjna dla poszczególnych leków dostępna ze strony z wynikami. Kliknięcie ikony w kolumnie „Info” wyświetla szczegółowe informacje dla leku daclizumab. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 5: Opcja zaawansowanego wyszukiwania w zakładce leków umożliwiająca filtrowanie według konkretnego leku. W tym przykładzie pokazano trzy wyniki dla leku daclizumab. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rycina 6: Opcja zaawansowanego wyszukiwania w zakładce leków umożliwiająca filtrowanie według konkretnego wskazania chorobowego z bazy danych DrugBank. Wyświetlono wszystkie leki o znanym wskazaniu dla terminu chorobowego „transplant”. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rycina 7: Opcja zaawansowanego wyszukiwania w zakładce asocjacji w celu filtrowania według poziomu istotności. W tym przypadku przedstawiono osiem wyników, których poziom istotności asocjacji mieści się w zakresie P-Value od 0,000001 do 0,05. Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rysunek 8: Zaawansowana opcja wyszukiwania w zakładce chorób, umożliwiająca filtrowanie według konkretnego wskazania terapeutycznego wyodrębnionego w niniejszym badaniu. W tym przykładzie pokazano cztery wyniki dla astmy jako nowego wskazania terapeutycznego. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rycina 9: Zaawansowana opcja wyszukiwania w zakładce potential, służąca do filtrowania według współwystępowania terminów dotyczących leków i chorób w abstraktach Medline. W tym przykładzie przedstawiono cztery wyniki, które są poparte minimalną liczbą 5 abstraktów Medline zawierających współwystępowanie terminów dotyczących leku i choroby. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.
Rysunek 10: Opcja wyszukiwania zaawansowanego w zakładce genu umożliwiająca filtrowanie według konkretnego symbolu genu, gdzie wszystkie wyniki odpowiadają genowi IL2RB użytemu w oryginalnym zapytaniu. W tym przykładzie wszystkie wyniki leków w zakładce genu są ukierunkowane na gen „IL2RB”, co odpowiada oryginalnemu terminowi zapytania. Opcja wyszukiwania zaawansowanego w zakładce działania umożliwiająca filtrowanie wyłącznie leków będących agonistami. W tym przykładzie zwrócono sześć wyników dla wszystkich leków, które działają jako agoniści w obrębie genu IL2RB. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Dyskusja
Opisany tutaj protokół dla interaktywnego pulpitu RE:fine Drugs może być modyfikowany na różne sposoby, zgodnie z preferencjami użytkownika. Metoda ta w unikalny sposób integruje dane GWAS i PheWAS jako nowy paradygmat leżący u podstaw generowania hipotez zmiany przeznaczenia leków. W szczególności system ten zapewnia dostęp zarówno do 52 966 asocjacji PheWAS, jak i 7 945 asocjacji GWAS z zaawansowanymi opcjami filtrowania wyników według typu badania, wielkości efektu i/lub poziomu istotności. Kolejną zaletą tej metody w porównaniu z istniejącymi obliczeniowymi narzędziami do zmiany przeznaczenia leków jest to, że zapytania mogą być wykonywane z perspektywy leku, genu lub choroby.
Ta metoda ma kilka ograniczeń. Obecnie dane PheWAS są ograniczone głównie do populacji dorosłych pacjentów z pięciu instytucji należących do sieci Elektronicznej Dokumentacji Medycznej i Genomiki (eMERGE) o średnim wieku 69,5 lat 12. Dodatkowo, funkcja "potencjału ponownego wykorzystania" wykorzystuje współwystępowanie wyszukiwanych terminów w abstraktach Medline jako jedno z kryteriów. Powszechnie wiadomo, że metody eksploracji tekstu wykorzystujące współwystępowanie mają ograniczenia w odniesieniu do struktury składniowej i stronniczości literatury. W związku z tym zalecamy, aby ta funkcja była wykorzystywana jako punkt wyjścia do zbadania potencjalnej nowości i/lub dowodów potwierdzających określone hipotezy dotyczące zmiany przeznaczenia leku oraz zalecamy dodatkowe badania w literaturze biomedycznej i bazach danych badań klinicznych.
Przyszłe kierunki tych prac, które nie zostały tutaj opisane, polegałyby na rozszerzeniu tej bazy danych o dodatkowe źródła danych GWAS i PheWAS w miarę ich dostępności. Podobne wysiłki mające na celu systematyczne przekładanie wyników badań GWAS na dużą skalę na hipotezy dotyczące zmiany przeznaczenia leków zostały wcześniej opublikowane 9,13-14. Przydatne może być porównanie tych różnych przepływów pracy w celu przewidywania kandydatów na leki na podstawie danych GWAS w przyszłych badaniach. Ponadto istnieje kilka innych metod obliczeniowego generowania hipotez zmiany przeznaczenia leków na podstawie różnych źródeł danych, w tym: genomiki, transkryptomiki, struktur chemicznych, profili skutków ubocznych leków, jak wcześniej podsumowano 6,11. Przyszłe postępy metodologiczne mogą również obejmować automatyzację przewidywania kombinacji leków i dostarczanie informacji na temat toksyczności leków, które pomogą w prowadzeniu dalszych badań nad potencjalnymi lekami.
Co więcej, hipotezy wygenerowane w ramach projektu RE:fine Drugs mogą być dalej weryfikowane przy użyciu elektronicznej dokumentacji medycznej przed rozpoczęciem badań klinicznych 15. Wreszcie, potrzebne będą dalsze badania, aby porównać ten system z innymi metodami zmiany przeznaczenia leków opartymi na celu.
Oświadczenia
Autorzy oświadczają, że nie mają konkurencyjnych interesów finansowych.
Podziękowania
Ta praca była częściowo wspierana przez National Institutes of Health (NIH) Clinical and Translational Science Awards (CTSA) Grant (UL1TR001070) dla Ohio State University's Center for Clinical and Translational Science (CCTS) oraz National Library Of Medicine w ramach nagrody numer T15LM011270.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Uzyskaj dostęp do strony głównej dla " RE:Dobre leki" pod następującym linkiem: http://drug-repurposing.nationwidechildrens.org. | n/a | n/d | Jedynym wymaganiem dla tego systemu jest dostęp do Internetu |
Bibliografia
- Borisy, A. A., et al. Systematic discovery of multicomponent therapeutics. Proc Natl Acad Sci U S A. 100 (13), 7977-7982 (2003).
- Zhang, L., et al. High-throughput synergy screening identifies microbial metabolites as combination agents for the treatment of fungal infections. Proc Natl Acad Sci U S A. 104 (11), 4606-4611 (2007).
- Adams, C. P., Brantner, V. V. Estimating the cost of new drug development: is it really 802 million dollars? Health Aff (Millwood). 25 (2), 420-428 (2006).
- Bunnage, M. E. Getting pharmaceutical R&D back on target. Nat Chem Biol. 7 (6), 335-339 (2011).
- Ashburn, T. T., Thor, K. B. Drug repositioning: identifying and developing new uses for existing drugs. Nat Rev Drug Discov. 3 (8), 673-683 (2004).
- Hurle, M. R., et al. Computational drug repositioning: from data to therapeutics. Clin Pharmacol Ther. 93 (4), 335-341 (2013).
- Jin, G., Wong, S. T. Toward better drug repositioning: prioritizing and integrating existing methods into efficient pipelines. Drug Discov Today. 19 (5), 637-644 (2014).
- Moosavinasab, S., et al. 34;RE:fine Drugs": An Interactive Dashboard to Access Drug Repurposing Opportunities. Database (Oxford). , (2016).
- Zhang, J., et al. Use of genome-wide association studies for cancer research and drug repositioning. PLoS One. 10 (3), e0116477(2015).
- Rastegar-Mojarad, M., Ye, Z., Kolesar, J. M., Hebbring, S. J., Lin, S. M. Opportunities for drug repositioning from phenome-wide association studies. Nat Biotechnol. 33 (4), 342-345 (2015).
- Li, J., et al. A survey of current trends in computational drug repositioning. Brief Bioinform. 17 (1), 2-12 (2016).
- Denny, J. C., et al. Systematic comparison of phenome-wide association study of electronic medical record data and genome-wide association study data. Nat Biotechnol. 31 (12), 1102-1110 (2013).
- Wang, H., et al. Mining drug-disease relationships as a complement to medical genetics-based drug repositioning: Where a recommendation system meets genome-wide association studies. Clin Pharmacol Ther. 97 (5), 451-454 (2015).
- Sanseau, P., et al. Use of genome-wide association studies for drug repositioning. Nat Biotechnol. 30 (4), 317-320 (2012).
- Xu, H., et al. Validating drug repurposing signals using electronic health records: a case study of metformin associated with reduced cancer mortality. J Am Med Inform Assoc. 22 (1), 179-191 (2015).
Przedruki i uprawnienia
