Sarveiskalvon permeabiliteetin ennustaminen QSPR-mallin avulla

QSPR-malli kuvaa kvantitatiivista riippuvuutta muuttujien ja biologisen ominaisuuden välillä. Näin ollen QSPR mallit ovat käyttökelpoisia lääkekehityksen apuvälineitä. Kirjallisessa osassa kerrotaan sarveiskalvon, suoliston ja veriaivoesteen permeabiliteetin malleista. Useimmin käytettyjä muuttujia ovat yhdisteen rasvaliukoisuus, polaarinen pinta-ala, vetysidosten muodostuminen ja varaus. Myös yhdisteen koko vaikuttaa läpäisevyyteen, vaikka tutkimuksissa onkin erilaista tietoa tämän merkittävyydestä. Malliin vaikuttaa myös muiden kuin mallissa mukana olevien muuttujien suuruusluokka esimerkkinä Lipinskin ‖rule of 5‖ luokittelu. Tässä luokittelussa yhdisteen ominaisuus ei saa ylittää tiettyjä raja-arvoja. Muussa tapauksessa sen imeytyminen suun kautta otettuna todennäköisesti vaarantuu. Lisäksi kirjallisessa osassa tutustuttiin kuljetinproteiineihin ja niiden toimintaan silmän sarveiskalvossa, suolistossa ja veriaivoesteessä. Nykyisin on kehitetty erilaisia QSAR-malleja kuljetinproteiineille ennustamaan mahdollisten substraatittien tai inhibiittorien vuorovaikutuksia kuljetinproteiinin kanssa. Kokeellisen osan tarkoitus oli rakentaa in silico -malli sarveiskalvon passiiviselle permeabiliteetille. Työssä tehtiin QSPR-malli 54 yhdisteen ACDLabs-ohjelmalla laskettujen muuttujien arvojen avulla. Permeabiliteettikertoimien arvot saatiin kirjallisuudesta kanin sarveiskalvon läpäisevyystutkimuksista. Lopullisen mallin muuttujina käytettiin oktanoli-vesijakaantumiskerrointa (logD) pH:ssa 7,4 ja vetysidosatomien kokonaismäärää. Yhtälö oli muotoa log10(permeabiliteettikerroin) = -3,96791 - 0,177842Htotal + 0,311963logD(pH7,4). R2-korrelaatiokerroin oli 0,77 ja Q2-korrelaatiokerroin oli 0,75. Lopullisen mallin hyvyyttä arvioitiin 15 yhdisteen ulkoisella testijoukolla, jolloin ennustettua permeabiliteettia verrattiin kokeelliseen permeabiliteettiin. QSPR-malli arvioitiin myös farmakokineettisen simulaation avulla. Simulaatiossa laskettiin seitsemän yhdisteen kammionestepitoisuudet in vivo vakaassa tilassa käyttäen simulaatioissa QSPR mallilla ennustettuja permeabiliteettikertoimia. Lisäksi laskettiin sarveiskalvon imeytymisen nopeusvakio (Kc) 13 yhdisteelle farmakokineettisen simulaation avulla ja verrattiin tätä lopullisella mallilla ennustettuun permeabiliteettiin. Tulosten perusteella saatiin tilastollisesti hyvä QSPR-malli kuvaamaan sarveiskalvon passiivista permeabiliteettia, jolloin tätä mallia voidaan käyttää lääkekehityksen alkuvaiheessa. QSPR-malli ennusti permeabiliteettikertoimet hyvin, mikä nähtiin vertaamalla mallilla ennustettuja arvoja kokeellisiin tuloksiin. Lisäksi yhdisteiden kammionestepitoisuudet voitiin simuloida käyttäen apuna QSPR-mallilla ennustettuja permeabiliteettikertoimien arvoja.

QSPR (Quantitive structure property relationship) describes relationship between descriptors and biological activity. Therefore, QSPR models are useful tools in drug discovery. The literature review summarizes existing corneal, intestinal and blood brain barrier permeability models. The most common descriptors are hydrophobicity, polar surface and H-bonding capability. Also, the size of molecule may have influence on permeability even though the results are sometimes contradictory. Descriptors might have limiting values such as those presented in Lipinski´s ―rule of five‖. Drug candidate should not have ‗rule of 5‘ values outside of the useful range, otherwise the per oral absorption of the compound may be compromised. In the literature review the transporter activity in cornea, intestine and blood brain barrier is described. Currently, many QSPR-models have been developed to predict interactions of drug candidates with transporters. The purpose of experimental part was to build in silico –model of corneal passive permeability for early ocular drug discovery. QSPR-model was built using permeability data and molecular descriptors of 54 molecules. Corneal permeability coefficients in rabbits were obtained from the literature. Octanol-water partitition coefficient at pH 7,4 (logD) and the total number of hydrogen bonds were the descriptors in the final model. The final equation was log(permeability coefficient) = -3,96791 - 0,177842*Htotal + 0,311963*logD(pH7,4). For this model R2 was 0,77 ja Q2 was 0,75. The model was evaluated using an external data set of 15 compounds and by pharmacokinetic modeling. Predicted permeability coefficients were used to simulate the aqueous humour concentrations of sevent compounds at steady-state. In addition corneal absorption coefficient (Kc) was simulated for 13 compounds and these values were compared to predicted permeability. The predicted permeability coefficients correlated well with experimental permeability coeffients. In addition aqueous humour concentrations can be simulated in steady state using predicted (QSPR) permeability coefficients. The final QSPR-model may be used in ocular drug discovery and development.