Udvikling af onkologisk lægemiddel har et velkendt problem. En kandidat kan formindske tumorer i en dyremodel, vise en ren dosis-respons og ramme sit mål på hver molekylær analyse og derefter næsten ingenting gøre hos patienter.
Når det sker, er modellen sjældent hele problemet. Oftere stemte det stillede spørgsmål til modellen ikke overens med, hvad modellen faktisk kunne vise.
Dyremodeller er ikke små udgaver af kræft hos mennesker. De er eksperimentelle systemer bygget til at reproducere nogle få udvalgte træk ved sygdommen. En model er kun så nyttig som matchet mellem det, den bevarer, og det, den terapeutiske hypotese afhænger af.
Så spørgsmålet, der betyder noget, er ikke "ligner denne model kræft hos mennesker?" Det er "beholder denne model biologien, der afgør, om dette lægemiddel skal virke?"
En models prædiktive værdi afhænger af konteksten
Kræft er ikke én sygdom. To tumorer fra det samme organ kan være forskellige i mutationer, signalering, stroma, vaskulatur, immuninfiltrat og lægemiddelfølsomhed. Hvad en model kan forudsige afhænger af, hvilke af disse funktioner den tilfældigvis reproducerer.
En model med stærk målekspression kan være perfekt til at vise, at et lægemiddel binder sit mål, og ubrugelig til at forudsige respons, hvis nedstrømsvejen, blodforsyningen eller immunkonteksten er forkert.
Denne skelnen betyder mest for målrettede terapier. At vise, at et lægemiddel engagerer sit mål, er trin et. Om blokering af det mål ændrer sygdommen er et separat spørgsmål, og det skal stilles i et system, hvor svaret betyder noget.
Lektion 1: mekanisme alene er ikke nok
Sunitinib gør dette konkret. Det er en multi--tyrosinkinasehæmmer med anti-angiogene aktivitet. I pancreas neuroendokrine tumormodeller, hvor VEGF-drevet vaskulatur er central for tumorens biologi, fungerede det godt. I pancreas duktale adenokarcinommodeller, hvor tæt stroma og unormale kar skaber et andet miljø, mislykkedes den samme idé stort set.
Samme lægemiddel, samme mekanisme, anden sygdomskontekst. En model kan vise reel lægemiddelaktivitet og stadig ikke fortælle dig noget om, hvor denne aktivitet vil betyde noget hos patienterne.
Så modelvalg bør starte fra virkningsmekanismen og den biologi, der forventes at drive respons. Tumortype alene er ikke nok til at fortsætte.
Molekylær kontekst afgør, om et mål kan handles
En anden almindelig fejl: at antage, at målekspression er lig med lægemiddelfølsomhed.
Cetuximab er det klassiske tilfælde. EGFR-udtryk fortæller dig, at målet er der. Det fortæller dig ikke, om blokering af EGFR vil bremse tumoren. I kolorektal cancer viste KRAS-mutationsstatus sig at bestemme respons. Når KRAS er konstitutivt aktiv, ændrer slukning af signalet opstrøms ved EGFR lidt.
Problemet er ikke specifikt for EGFR. For ethvert målrettet program bør en model være karakteriseret ved netværket nedstrøms for målet, ikke kun målet selv: mutationerne, pathway-aktiviteten, biomarkørstatus, receptorniveauerne, der forbinder binding til effekt.
Et lægemiddel kan engagere sit mål og stadig undlade at flytte banen eller tumoren.
Sikkerhedsoversættelse har sine egne problemer
Disse grænser handler ikke kun om effektivitet. Sikkerhedsoversættelsen går også i stykker, normalt på grund af artsforskelle.
TGN1412 er tilfældet, som alle citerer. Anti-CD28-antistoffet bestod omfattende prækliniske tests og forårsagede derefter en alvorlig cytokinfrigivelsesreaktion hos raske frivillige. Biologisk lighed mellem arter er ikke biologisk ækvivalens.
For immun-modulerende terapier, såsom agonister, bispecifikke og celleterapier, er receptorekspression, immuncellepopulationer og aktiveringstærskler forskellige mellem arter, og disse forskelle kan skjule risiko. En model for et sådant program bør vælges, fordi den relevante farmakologi er bevaret, ikke fordi arten generelt ser ud som menneskelig-.
Fra "bedste model" til beviskæde
Det praktiske svar er at stoppe med at lede efter den bedste model.
Forskellige systemer besvarer forskellige spørgsmål. Tidlige modeller bekræfter mekanismer og rangerer forbindelser. In vivo-effektivitetsmodeller tester farmakologi, eksponerings-respons, biomarkører, progression. Hvor arts-specifik farmakologi eller human relevans er det åbne spørgsmål,NHP'ereller andettranslationelsystemer tilføjer, hvad gnavere ikke kan.
En typisk kæde kan køre: mekanistiske modeller → effektivitetsmodeller →PK/PDkarakterisering → biomarkørvurdering → translationel artsvurdering.
Hvert link fjerner en anden usikkerhed. Målet er ikke én model, der gør alt. Det er et program, der bliver ved med at indsnævre de ubekendte, der betyder noget for klinikken.
Hvad skal man måle ud over tumorvolumen
Tumorvolumen er et standardendepunkt og sjældent tilstrækkeligt.
Et bedre studie spørger om flere ting på én gang. Er eksponeringen i modellen høj nok til at understøtte den tilsigtede effekt? Er målet faktisk engageret i den eksponering? Giver engagement den forventede downstream-ændring? Kan en molekylær elbilleddannelseadskiller biomarkøren respondere fra ikke-respondere? Bærer modellen den relevante genetik, stroma, vaskulatur, immunkontekst? Holder effekten sig over tid, eller er det bare et tidligt dyk i væksten?
Dette betyder mest for terapier, hvis fordele ikke fanges af svind. Immunterapier virker gennem immuninfiltration og -aktivering; anti-angiogene stoffer kan ændre karstruktur i god tid før volumen bevæger sig. Billeddannelse og molekylære biomarkører opfanger, hvad en skydelære ikke kan.
Hvor NHP'er tilføjer translationel værdi
Ikke-menneskelige primaterer ikke en universel onkologisk model, og at være tættere på mennesker på det evolutionære træ er ikke en grund til at bruge dem.
De tjener deres plads, når spørgsmålet afhænger af biologi, som gnavere ikke reproducerer: farmakologi, systemisk fysiologi, immunbiologi, PK/PD eller procedurer, der afspejler klinikken. Deres størrelse tillader også langsgående arbejde som seriel billeddannelse og gentagen prøvetagning, som små dyr ikke kan understøtte. Prisys' billeddannelsesplatform (MRI, CT, PET-CT, DSA) er bygget til netop denne form for gentagne, klinisk sammenlignelige målinger.
Den afgørende faktor er stadig mekanistisk relevans. En NHP-undersøgelse er værd at udføre, når lægemiddel--target-interaktionen og -vejen er bevaret, og spørgsmålet ikke kan besvares i et enklere system.
En praktisk ramme
Et præklinisk onkologisk program kan organiseres omkring fire spørgsmål.
1. Interagerer lægemidlet med det tilsigtede mål? Cellulære og molekylært definerede systemer besvarer dette. 2. Frembringer denne interaktion den forventede biologi? Sygdoms-relevante in vivo-modeller besvarer dette. 3. Hvad driver respons eller modstand? Genetik, biomarkører, immunkontekst, stroma, eksponering: de variabler, der forklarer, hvorfor en behandling virker i én model og ikke en anden. 4. Hvor godt kommer resultaterne til mennesker? PK/PD-forhold, biomarkørdata, artskryds-reaktivitet, billeddannelse og, hvor det er berettiget, NHP-undersøgelser informerer om dosisvalg og klinisk risiko.
Dette flytter diskussionen fra "er modellen god?" til "giver modellen os, hvad den næste beslutning har brug for?"
Integrerede translationelle platforme
Ingen enkelt modeltype vil bære dette. Tillid kommer af at kombinere beviser.
For CRO'er og udviklere betyder det at forbinde sygdomsmodeller til kvantitativ farmakologi, biomarkøranalyse og billeddannelse med NHP-studier, hvor de tilføjer noget.Prisys Biotechfungerer på denne måde: NHP-sygdomsmodeller knyttet til PK/PD-evaluering, biomarkøranalyse, patologi og klinisk-ækvivalent billeddannelse i dedikerede faciliteter med videnskabeligt og veterinært personale.
Pointen er ikke endnu et positivt præklinisk resultat. Det er en evidenskæde, hvor hvert eksperiment trækker en defineret usikkerhed tilbage.
Konklusion
Den svære del af onkologisk lægemiddeludvikling er ikke mangel på dyremodeller. Det er at stille et klinisk spørgsmål til en model, der ikke indeholder svaret.
Sunitinib, cetuximab og TGN1412 viser tre versioner af den samme fejl: forkert sygdomskontekst, forkert molekylær kontekst, forkert art.
Rettelsen er proceduremæssig. Start fra mekanismen, arbejd tilbage til modellen, og opbyg evidenskæden link for link: engagement, farmakodynamik, effektivitet, biomarkører, PK/PD, sikkerhed, klinisk relevans. Gør det, og præklinisk arbejde holder op med at være en søgen efter positive resultater og bliver en måde at finde problemerne på, mens de stadig er billige at løse.
