Варианты и перспективы перепрофилирования лекарственных препаратов для использования в терапии онкологических заболеваний

Онкологические заболевания занимают лидирующие позиции по смертности, несмотря на то, что колоссальные ресурсы ежедневно затрачиваются на развитие химиотерапии рака, его раннюю диагностику и первичную профилактику. За последние 15 лет в связи с развитием новых технологий создания противоопухолевых препаратов были открыты сотни фармацевтических компаний. В США удвоилось количество инвестиций в фармацевтический сектор, в России и странах Евросоюза они также растут. Однако это не привело к пропорциональному росту количества эффективных противоопухолевых препаратов новых классов. В США более 5 тыс. препаратов ежегодно получают одобрение Управления по контролю за продуктами питания и лекарственными средствами для клинических испытаний, однако лишь 1–5 % зарегистрированных препаратов демонстрируют эффективность в I фазе клинических исследований. В России рынок фармацевтических средств отечественного производства гораздо меньше, и, хотя отмечается его рост, количество препаратов, дошедших до непосредственного применения в клинической практике, невелико [1, 2]. В то же время выявление препаратов с противоопухолевой активностью среди уже существующих лекарственных средств, прошедших доклинические и клинические испытания безопасности, может ускорить процесс введения препарата в использование и снизить затраты. Однако, несмотря на приведенные выше преимущества, использование лекарственных препаратов, которые уже применяются в медицинской практике, делает невозможным их патентование в новом качестве. В связи с этим данная область исследований в основном относится к некоммерческому сектору, что объясняет сложность поиска финансирования для их проведения и отсутствие масштабных исследований. Мы полагаем, что информация, приведенная в данном обзоре, будет актуальной не только для специалистов в области молекулярной онкологии, но и для практикующих терапевтов-онкологов.

Методы перепрофилирования

Выбор эффективной стратегии для поиска препарата, тестирования его противоопухолевой активности и внедрения в клиническую практику трансформировался с течением времени [3, 4]. Выделяют следующие методы, используемые для перепрофилирования:

• 1.    Слепой поиск или метод интуитивного скрининга. При слепом поиске препаратов не принимают в расчет фармакологические и биологические свойств молекулы, выбор препарата зачастую был основан на интуиции исследователя [5]. Этот подход позволил за период с 1999 по 2009 г. обнаружить дополнительный спектр биологической активности у 34 % зарегистрированных в США препаратов. Так, силденафила цитрат, известный

• 2.    Метод, основанный на поиске соединений, действующих на определенную молекулярную мишень. Развитию этого метода способствовало появление и совершенствование систем скрининга высокой производительности (High Throughput Screening, HTS). Основной целью скрининга является определение аффинности препарата из химической библиотеки к конкретному биомаркеру [7]. Частота успешного выбора препарата в данном случае была значительно выше, чем при слепом методе поиска, поскольку большинство молекулярных мишеней напрямую связано с механизмом развития заболевания. Данный метод позволяет провести скрининг больших химических библиотек в течение относительно короткого периода времени и довольно популярен среди исследовательских групп при поиске новых химиопрепаратов [8].

• 3.    Метод, основанный на анализе данных о свойствах и эффектах химических соединений. В данном случае применяют био- или хемоинформатический анализ. В процессе поиска происходит сопоставление информации, полученной из клинических исследований, из скрининга взаимосвязей между препаратом и его мишенью, а также из анализа химической структуры препарата и мишени, а также сигнальных путей, вовлеченных в реализацию эффекта лекарственного средства. Использование опубликованных данных позволяет обнаружить сходства в действии препаратов и предсказать новые мишени их действия [9]. В качестве примера можно привести препарат су-нитиниб, использовавшийся для терапии РМЖ. Анализ экспрессии генов после его применения показал наличие общих мишеней сунитиниба в клетках РМЖ и опухоли головного мозга. Кроме того, было известно, что РМЖ часто метастазирует в головной мозг. На этом основании сунитиниб был рекомендован для терапии опухолей головного мозга. Затем с помощью анализа экспрессии генов, метода, описанного ниже, были также обнаружены общие мишени сунитиниба в клетках РМЖ и опухоли головного мозга. В настоящее время сунитиниб рекомендован для лечения глиобластом и проходит II фазу клинических испытаний [5, 10, 11].

• 4.    Метод, основанный на анализе изменения профиля экспрессии генов при действии соединения. К развитию данного метода привело на-

• копление данных анализа профилей экспрессии генов на ДНК-микрочипах. Количество данных продолжает увеличиваться в настоящее время за счет все большего распространения метода полногеномного секвенирования нового поколения (Next Generation Sequencing, NGS). С помощью описанного метода было продемонстрировано, что сиролимус (рапамицин) способен восстанавливать чувствительность к глюкокортикоидам у пациентов с острым лимфобластным лейкозом (ОЛЛ), и данный препарат был включен в протоколы химиотерапии ОЛЛ [5, 12].

• 5.    Метод, основанный на анализе сигнальных путей, вовлеченных в действие препарата. Этот метод схож с предыдущим подходом за тем исключением, что в анализ также включают данные по известным компонентам сигнальных или метаболических путей и данные по белок-белковым взаимодействиям для построения каскада, специфического для конкретного заболевания. Основным достоинством метода является использование большого количества информации об основных сигнальных путях, поддерживающих жизнедеятельность клетки, для построения специфического малокомпонентного каскада [13]. С помощью данного метода, а также метода, основанного на анализе профилей экспрессии генов при действии 164 препаратов, с одной стороны, и 100 различных заболеваний, с другой стороны, была построена «карта» взаимодействий препаратов и ключевых молекул патогенеза заболевания. В результате был отобран препарат циметидин для терапии РЛ и после установления его эффективности на моделях ксенографтов у бес-тимусных мышей данный препарат был разрешен для клинических испытаний [5, 14].

• 6.    Метод, основанный на анализе специфических механизмов развития заболевания. Данный подход направлен на выявление молекулярного механизма развития патологии благодаря использованию расширенного состава данных – анализа схем взаимодействия белков, сигнальных путей, ОМИКСных данных (данный неологизм, получивший распространение в молекулярной биологии, основан на том, что английские термины genomics, proteomics, transcriptomics имеют одинаковые окончания) – и перепрофилирование препаратов на основе этих данных. Этот метод зарекомендовал себя при исследованиях развития лекарственной устойчивости во время лечения, поскольку с его помощью возможен выбор наиболее эффективного препарата [8].

также как Виагра, изначально был предназначен для лечения болезней сосудов, но затем зарекомендовал себя как средство для терапии эректильной дисфункции. Ритуксимаб, моноклональное антитело для таргетной терапии гемобластозов, нашел свое применения также при терапии рака молочной железы (РМЖ), а этопозид, разработанный для терапии рака легких (РЛ) и яичников (РЯ), в настоящее время применяется также при лечении рака почки и ряда злокачественных новообразований кроветворной системы [6].

В целом все рассмотренные методы основаны на процессе последовательного анализа данных, выдвижения гипотезы и ее проверки. Эффективность данных подходов определяется, прежде всего, выбором баз данных, на основе которых проводится биоинформатический/хемоинформа-тический анализ.

Базы данных, используемыепри перепрофилировании препаратов

В настоящее время существует большое количество библиотек и баз данных, на основе которых возможно проводить биоинформатический анализ по заданным параметрам. Био- и хемоинформатические методы и подходы, позволяющие анализировать данные одновременно из нескольких репозиториев, постоянно совершенствуются и описаны во многих источниках литературы [5, 15–17]. Среди известных репозиториев можно выделить системы, хранящие и анализирующие следующие категории данных:

• 1.    ОМИКСные данные. К ним относятся хранилища соматических мутаций (проект «Атлас генома онкологических заболеваний» (The Cancer Genome Atlas, TCGA), включающий в себя данные секвенирования более 10 тыс. образцов от пациентов с более чем 20 типами злокачественных новообразований; проекты ICGC и cBioPortal, и наиболее крупное хранилище COSMIC), базы данных транскриптомного анализа (крупнейший репозиторий данных секвенирования и анализа профилей экспрессии генов на ДНК-микрочипах Gene Expression Omnibus (GEO), содержащих более 3,5 тыс. групп данных из более 1,5 миллионов образцов, а также базы данных OncoMine и Cancer Cell Line Encyclopedia (CCLE), включающие в себя результаты анализа ~100 тыс. образцов, а также анализа профилей экспрессии генов в более чем 1000 клеточных линиях злокачественных новообразований человека, репозитории данных анализа эпигенетического профиля регуляции экспрессии генов (проекты «Функциональное аннотирование генома млекопитающих» (Functional annotation of the mammalian genome 5, FANTOM5), «Энциклопедия элементов ДНК» (Encyclopedia of DNA Elements, ENCODE), включающие в себя функциональный анализ генома: топология регуляторных элементов в ДНК, соматические мутации в некодирующих последовательностях; проект Genotype-Tissue Expression (GTEx), содержащий данные об экспрессии генов и вариантах их регуляции в различных тканях человеческого организма), базы данных функционального анализа протеома (проект The Cancer Proteome Atlas (TCPA), позволяющий понять патофизиологию злокачественных новообразований, а также физиологию ответа на терапию), а также базы данных профилей экспрессии генов на различных стадиях опухолевой прогрессии, до и после химиотерапии и/или радиотерапии (проект The Cancer Imaging Archive (TCIA), позволяющие связать фенотипические данные с генетикой опухоли) [18, 19].

• 2.    Данные по взаимодействиям препаратов с генами/белками. К доступным базам данных, включающим в себя результаты определения аффинности препарата к белку/гену, относятся проекты DrugBank, Therapeutics Target Database

• 3.    Данные по профилям экспрессии генов при воздействии препаратов. Первой аналитической системой для получения информации о действии препаратов, профилей экспресии генов, характерных для эффектов лекарственного средства, а также для конкретного заболевания, была так называемая «карта взаимодействий» (Connectivity Map, CMap), включающая в себя более 7 тыс. профилей экспресии генов в 4 клеточных линиях после воздействия ~1300 зарегистрированных препаратов [20]. Существенным недостатком этой системы являлась ограниченность нозологических форм злокачественных новообразований. Затем была разработана подобная, более усовершенствованная система Library of Integrated Cellular Signatures (LINCS), текущая версия которой содержит данные по эффектам более чем 10 тыс. препаратов в ~80 клеточных линиях опухолей человека [21].

• 4.    Данные по фармакогеномике опухолей. К ним относятся вышеупомянутое хранилище CCLE, а также репозитории Genomics of Drug Sensitivity in Cancer (GDSC), CellMiner, Cancer Therapeutic Response Portal (CTRP), хранилище данных анализа экзомов клеточных линий опухолей человека, относящихся к панели NCI-60, используемой для определения потенциальной противоопухолевой активности химических соединений. В частности, CCLE и GDSC обеспечивают доступ к данным по профилям фармакогеномных маркеров (онкогенным белкам, специфическим мутациям) [18, 19].

• 5.    Данные системной биологии. Для хранения и обработки данных системной биологии существуют хранилища BioGRID, HPRD, STRING, PINA, InnateDB, PhosphositePlus, PTMcode, Interac-tome3D, NetworkKinomeX, содержащие тщательно отобранную и проверенную информацию о взаимодействии белков друг с другом, их фосфорилировании и других изменениях при воздействии того или иного агента [18, 19].

(TTD), ChEMBL, BindingDB, PharmGKB, STITCH, PubChem, PROMISCUOUS, canSAR и DGIdb. В частности, база данных DrugBank включает в себя результаты анализа для ~2 тыс. зарегистрированных низкомолекулярных препаратов, ~200 препаратов биотехнологического происхождения (белки, пептиды) и более 6 тыс. экспериментальных препаратов. Репозиторий STITCH содержит данные о взаимодействии более 430 тыс. химических соединений с белками, DGIdb включает в себя более 25 тыс. уникальных взаимодействий ~7 тыс. препаратов и ~7 тыс. генов. Также существует ряд ресурсов, где содержатся данные о взаимодействиях лекарственных средств с некодирующими РНК [18, 19].

Примеры препаратов, прошедших успешное перепрофилирование

К настоящему времени появились специальные интернет-ресурсы, посвященные перепрофилированию лекарственных препаратов, среди которых одними из наиболее информативных являются Drug Repurposing Portal (http://www. , предоставляющие информацию по новостям, методам, а также финансированию и сотрудничествам в области исследований по перепрофилированию лекарственных препаратов, и «Repurposing drugs in oncology» (ReDO, , международный проект организованный Бельгийским противораковым фондом и американской организацией GlobalCures, предоставляющей подробные результаты клинических и доклинических исследований по перепрофилированию лекарственных средств.

Наиболее успешными примерами перепрофилирования в онкологической практике являются препараты следующих классов:

in vitro и in vivo была подтверждена способность рапамицина ингибировать REDD1 и модулировать активацию глюкокортикоидного рецептора в сторону снижения побочных эффектов [32, 33]. Таким образом, перспективность использования рапамицина в терапии гемобластозов для оптимизации ее эффективности и безопасности была показана и на молекулярном уровне. В настоящее время клинические исследования проходит ряд аналогов рапамицина, эверолимус, темсиролимус и дефоролимус. Следует отметить, что темсироли-мус был введен в клиническую практику для использования в химиотерапии почечно-клеточного рака более 10 лет назад.

и МКРЛ. Активно исследуется возможность применения иринотекана в виде монотерапии или в комбинации с другими препаратами при опухолях головного мозга, саркомах, немелкоклеточном раке лёгких, раке пищевода. Особый интерес представляет использование иринотекана в качестве второй линии химиотерапии метастатического РМЖ, при котором в 41 % случаев наблюдается повышение уровня экспрессии Top1 [44, 46]. Наиболее эффективным является использование иринотекана в комбинации с цетуксимабом при лечении тройного негативного РМЖ [47].

Заключение

За последние 10–15 лет интерес к перепрофилированию лекарственных препаратов резко возрос. Так, первые публикации по данной тематике в базе данных PubMed датируются 90-ми гг. ХХ века, и их весьма немного, в то время как за 2017–18 г. в PubMed было загружено более 200 статей, посвященных проблеме поиска нового использования уже существующих лекарств. Большие объемы накопленных знаний о биологическом действии препаратов на организм, хорошо изученные процессы фармакокинетики и фармакодинамики, а также известные молекулярные мишени действия препаратов делают перепрофилирование лекарственных средств востребованным на фармацевтическом рынке. Однако только некоторые из описанных препаратов одобрены для использования в клинической практике для терапии онкологических заболеваний (талидомид, целекоксиб, золендроновая кислота и др.). Для многих других соединений в процессе исследований было показано, что молекулярные механизмы их действия сложнее, чем предполагалось, что, в свою очередь, может приводить к развитию осложнений, которые трудно спрогнозировать. Более того, упомянутые побочные эффекты и/или отсутствие достаточной эффективности перепрофилируемого препарата в отношении конкретного заболевания в многих случаях обнаруживают только на III фазе клинических испытаний, наиболее дорогостоящей стадии введения лекарственного средства в клинику. Соответственно, использование в разработках противоопухолевых препаратов молекул с уже известным молекулярно-биологическим профилем активности в многом упрощает задачу исследователей, но не решает полностью проблему увеличения эффективности и снижения стоимость химиотерапии онкологических заболеваний. Однако в заключение хотелось бы отметить, что в целом данная идея о перепрофилировании созвучна все более ярко проявляющейся идее существования общества в настоящее время – переходу от чрезмерного потребления ресурсов к рациональному их использованию и грамотной переработке.

Работа выполнена при финансовой поддержке РНФ (проект 17-75-20124).