Pharmazeutische Zeitung online
Drug Design

Wie aus Theorie Praxis wird

24.11.2008
Datenschutz bei der PZ

Drug Design

Wie aus Theorie Praxis wird

Von Hans-Dieter Höltje

 

Um Krankheiten effektiv und selektiv, das heißt möglichst nebenwirkungsfrei bekämpfen zu können, werden laufend neue Arzneistoffe entwickelt. In diesem langwierigen Prozess spielt das strukturbasierte Design neuer Wirkstoffe heute eine wichtige Rolle.

 

Mit den Verfahren des strukturbasierten Designs verfügen Medizinische Chemiker über ein Werkzeug, um Hypothesen zur Struktur und zum molekularen Wirkungsmechanismus eines neuen Arzneistoffs entwickeln zu können. Diese Hypothesen sind eine Grundvoraussetzung für die rationale Wirkstoffentwicklung, die zumindest potenziell zu optimalen Arzneistoffen führen kann.

 

Grundlage solcher Projekte ist die exakte Kenntnis der makromolekularen Rezeptorproteine, zum Beispiel durch Kristallstrukturanalyse, oder die Entwicklung von Modellen der Zielproteine. Diese Vorgehensweise wird als direktes Drug Design bezeichnet. Wenn die Forscher keinerlei Kenntnisse über die Struktur des Rezeptors haben, setzen sie indirekte Drug-Design-Verfahren ein. Dabei nutzen sie die in bereits bekannten Wirkstoffen enthaltenen Strukturinformationen, um neue Stoffe zu finden. Beide Vorgehensweisen werden in diesem Artikel an Beispielen vorgestellt.

 

Eingangs soll zuerst eine grundsätzliche Frage beantwortet werden. Welche Vorteile bieten die theoretischen Verfahren denn gegenüber den klassischen Vorgehensweisen? Hierzu gibt es in der wissenschaftlichen Literatur sehr viele Informationen und die Bandbreite der genannten Zahlen differiert stark.

 

Ein spezielles Beispiel, die Entwicklung von Tyrosin-Phosphatase-1B-Inhibitoren, soll die Dimension der Entwicklung verdeutlichen. In einem konventionellen Entwicklungsprojekt wurden 400.000 Substanzen synthetisiert und biologisch getestet. Dabei wurden 400 »Hits« gefunden, von denen nur eine Substanz zur Weiterentwicklung zu einem Wirkstoff taugte. Das entspricht einer Ausbeute von 1/400.000 oder 0,00025 Prozent. Werden in demselben Projekt theoretische Verfahren (virtuelles Screening) verwendet, sind nur noch 235.000 Verbindungen in silico (also im Computer, ohne vorherige Synthese) zu testen. Es wird ungefähr dieselbe Anzahl von »Hits« (365) gefunden, darunter sind aber 127 potenzielle Wirkstoffe. Die Ausbeute (127/235.000 = 0,05 Prozent) liegt also mehr als 200-mal höher.

 

Einige Hinweise helfen, die Bedeutung dieser Zahlen besser einschätzen zu können: Unter einem Hit versteht man Verbindungen, die an dem Rezeptorprotein Affinitäten von etwa 300 mmol besitzen. Ein Wirkstoff, der als validierter Hit bezeichnet wird, muss eine Affinität von deutlich unter 100 mmol zeigen. In diesem Zusammenhang spricht man, wenn man die Wirkorte von Arzneistoffen meint, nicht von Rezeptoren oder Enzymen, sondern von Targets.

 

Indirektes Drug Design

 

Was tun, wenn noch keine ausführlichen Informationen zur dreidimensionalen räumlichen Struktur eines Targets vorliegen? Die Suche nach neuen Wirkstoffen beginnt dann in der Regel mit der Sichtung der bekannten Strukturen. Von diesen werden nur Substanzen betrachtet, für die aus pharmakologischen Experimenten bekannt ist, dass sie an ein und demselben Target mit identischem Wirkmechanismus angreifen. In dieser Serie von Wirkstrukturen wird der Pharmakophor bestimmt. Hierunter versteht man die räumliche Anordnung von Strukturelementen, die für eine Wechselwirkung mit dem Targetprotein verantwortlich sind.

 

Um den Pharmakophor bestimmen zu können, müssen alle Moleküle in vergleichbaren, energetisch günstigen Konformationen überlagert werden. Mithilfe entsprechender Molecular-Modelling-Software ist dies am Computer leicht zu bewerkstelligen. Als Nächstes wird auf der Grundlage der erstellten Überlagerung berechnet, mit welchen funktionellen chemischen Gruppen die Moleküle besonders günstige Wechselwirkungen eingehen können.

 

Hierzu wird ein spezielles Rechenprogramm (Grid) verwendet, das auf der Auswertung von strukturell aufgeklärten Kristallstrukturen von Ligand-Rezeptor-Komplexen basiert. Mithilfe dieses Programms können Wechselwirkungsfelder berechnet werden, die sowohl Aussagen zur potenziellen Struktur der Rezeptorbindungsstelle ermöglichen als auch, in Kombination mit bekannten experimentell bestimmten Affinitäten, die Anwendung von statistischen Verfahren zur Optimierung einer Strukturklasse erlauben.

 

Wechselwirkungsfelder berechnen

 

Das Programm Grid (1) stammt von Peter Goodford, University of Oxford. Es ist überaus pragmatisch und logisch und wird bei fast allen Drug-Design-Projekten eingesetzt. Daher soll es kurz vorgestellt werden.

 

Das zu untersuchende Molekül, zum Beispiel Mozenavir, wird in ein dreidimensionales Gitternetz innerhalb eines Quaders positioniert. Auf den Gitterpunkten außerhalb des Van-der-Waals-Volumens des Moleküls können unterschiedliche funktionelle Gruppen, zum Beispiel Hydroxyl-, Amino-, Carbonyl-, Amido- und Carboxyl-, aber auch ein aliphatischer oder olefinischer Kohlenstoff sowie ein Wassermolekül lokalisiert werden.

 

Mithilfe von Kraftfeldparametern, die die Stärke der Wechselwirkung beschreiben, können nun diejenigen Bereiche in der Umgebung des Moleküls identifiziert werden, wo die höchsten Wechselwirkungsenergien mit einer bestimmten funktionellen Gruppe berechnet werden. Wenn alle Moleküle einer Serie in einem Raumsegment vergleichbare Wechselwirkungsfelder aufweisen, können diese Felder als pharmakophore Elemente angesehen werden. 

 

Schließlich ist die Kenntnis eines Pharmakophors bei einer bestimmten Arzneistoffklasse auch Voraussetzung für die Suche nach völlig neuen Wirkstoffen aus Moleküldatenbanken, deren Wirksamkeit durch virtuelles Screening in silico vorausberechnet werden kann. Eine Reihe von »Filtern« soll verhindern, dass hierbei Moleküle aus Datenbanken ausgewählt werden, die sich aus praktischen Gründen gar nicht als Wirkstoffe eignen. Ein besonders wichtiges Filter ist die Rule of Five (2). Diese besagt, dass

 

ein Wirkstoff ein bestimmtes Molekülgewicht nicht überschreiten soll,

die Balance aus lipophilen und hydrophilen Eigenschaften einen bestimmten Schwellenwert nicht unterschreiten darf,

das Molekül wasserlöslich sein muss und

sowohl die Anzahl von Wasserstoffbrücken-Donatoren als auch die von -Akzeptoren im Molekül nicht zu hoch sein darf.

 

Sind diese Eigenschaften vorhanden, kann man erwarten, dass das Molekül auch ausreichend resorbiert wird. Ein solches Molekül wird als Drug-like bezeichnet und für das Screening akzeptiert.

 

Die beschriebene Methodik soll anhand eines Beispiels aus der Arbeitsgruppe des Autors näher betrachtet werden. Das Projekt wurde von Apothekerin Dr. Britta Bröer im Rahmen ihrer Dissertation bearbeitet (3). Es handelt sich um eine Serie von Agonisten für den Nociceptin-Rezeptor, die von der Firma Hoffmann-LaRoche synthetisiert, aber nicht zu Arzneistoffen weiterentwickelt wurden. Potenziell haben Nociceptin-Rezeptoragonisten anxiolytische Eigenschaften.

 

Die Grundstruktur der untersuchten Serie ist das 1-Phenyl-1,3,8-triaza-spiro[4,5]decan-4-on; »R« steht für mono- oder bizyklische Aryl- oder Alkyl-Ringsysteme. Die Substanzgruppe hat den Vorteil, dass die Vorgehensweise wegen der recht einfachen Molekülstrukturen leicht verfolgt werden kann.

 

Die pharmakophore Überlagerung ergibt sich zwangsläufig ohne weitere Suche nach energetisch erlaubten Konformationen vergleichbarer räumlicher Strukturen. Der Pharmakophor besteht aus einer Amidbindung, die sowohl Wasserstoffbrücken donieren als auch akzeptieren kann. Außerdem finden sich ein aromatisch lipophiler Rest und ein weiteres umfangreiches aliphatisch/aromatisch lipophiles Volumen. Zentral angeordnet zwischen Amidgruppe und lipophilem Volumen liegt ein basischer Stickstoff, der unter physiologischen Bedingungen (pH 7,4) protoniert vorliegt und deshalb einen sehr günstigen Bindungspartner für saure Aminosäuren (Asparaginsäure, Glutaminsäure) darstellt.

 

Die Berechnung von Wechselwirkungsfeldern mit dem Programm Grid bestätigt den beschriebenen Pharmakophor und liefert für alle Substanzen ähnlich angeordnete charakteristische Felder. Hier könnte man einwenden, dass es sich nicht lohnt, Interaktionsfelder als zusätzliche Information zu generieren, wenn doch nur Offensichtliches wiedergefunden wird. Dies ist aber nicht korrekt, denn die Interaktionsfelder liefern über ihre Größe und Unterschiede in der exakten Lage quantitative Informationen, die eine direkte Interpretation der Affinitätsunterschiede zulassen und die es ermöglichen, die Wirksamkeit neuer Strukturen vorherzusagen. Mithilfe statistischer Rechenoperationen werden die Unterschiede in den Interaktionsfeldern dazu mit den experimentell ermittelten biologischen Daten korreliert.

 

Wie bereits festgestellt, ist das indirekte Drug Design davon abhängig, dass bereits einige Wirkstrukturen bekannt sind. Die Substanz Ro 64-6198 ist die am stärksten wirksame in einer Reihe von 24 Substanzen, die von Hoffmann-LaRoche synthetisiert und getestet wurden. Die polaren und lipophilen Felder entsprechen den physikochemischen Eigenschaften der Moleküle dieser Serie. Die experimentellen Daten und die theoretisch berechneten Affinitäten stimmen gut überein.

 

Entwicklung von Rezeptormodellen

 

Da die Interaktionsfelder im dreidimensionalen Raum in der Umgebung der Substanzen liegen und daher die räumlichen Eigenschaften der Moleküle widerspiegeln, bezeichnet man die Methode als 3D-Quantitative-Structure-Activity-Relationship-Verfahren. Die Ergebnisse der 3D-QSAR-Analyse können auch zur Suche nach neuen Wirkstoffen verwendet werden. Allerdings gibt es dabei eine bedeutsame Einschränkung.

 

Da der Pharmakophor nur Strukturelemente beschreiben kann, die in den für seine Ableitung benutzten Molekülen bereits vorhanden sind, können für wirklich neue Substanzen, die keine Derivate der Ausgangsstrukturen mehr sind, keine Voraussagen gemacht werden. Aus diesem Grund ist es notwendig, auf der Grundlage der Aminosäuresequenz des Targets ein neues Modell zu entwickeln. Damit können die engen Grenzen des 3D-QSAR-Verfahrens überschritten werden.

 

Nachdem der genetische Code des Menschen weitestgehend bekannt ist, stehen Primärstrukturen, das heißt die Aminosäuresequenzen aller wichtigen Rezeptoren, Enzyme und Ionenkanäle zur Verfügung. Doch dies bedeutet noch kein grünes Licht für die Modellierung jedes x-beliebigen Proteins! Der Grund: Die Methoden, die direkt aus der Primärstruktur eines Proteins die dreidimensionale räumliche Struktur berechnen, stecken immer noch voller Fehler und sind nicht standardmäßig anwendbar. Es ist daher notwendig, für die Modellierung ein Homologie-Verfahren zu verwenden. Hierbei werden Kristallstrukturen von funktionell verwandten Proteinen als Matrix für die Modellierung des unbekannten Proteins eingesetzt.

 

Diesem Vorgehen liegt die Idee zugrunde, dass die Natur im Lauf der Evolution für bestimmte Aufgaben ähnliche Raumstrukturen entwickelt hat. Ein Blick in die Sammlung aller bisher aufgeklärten Proteinstrukturen, die Brookhaven Protein Data Bank (PDB-Databank), bestätigt diese Annahme.

 

In dem hier beschriebenen Fall wurde auf die Kristallstruktur des einzigen bis dahin aufgeklärten G-Protein-gekoppelten Rezeptors (GPCR), des bovinen Rhodopsins (4), zurückgegriffen. Bei diesem GPCR ist der Ligand zwar nur ein Lichtquant und kein Neurotransmittermolekül, aber mangels Alternativen wurden alle GPCR-Modelle bis zum Herbst 2007 auf dieser Grundlage entwickelt.

 

Erst seit Herbst 2007 gibt es die erste Kristallstruktur eines echten GPCR, des β-adrenergen Rezeptors (5). Weitere Kristallstrukturen werden mit Sicherheit in der allernächsten Zeit folgen. Erfreulicherweise unterscheiden sich die Kristallstrukturen des Rhodopsins und des β-adrenergen Rezeptors nicht wesentlich, sodass die älteren Modelle nicht grundsätzlich wertlos geworden sind.

 

Das Nocipetin-Rezeptormodell zeigt die bekannte Struktur aller GPCR. Charakteristisch sind die sieben transmembranären α-Helices. Seit der aktuellsten Kristallstruktur des bovinen Rhodopsins weiß man, dass eine kurze achte Helix zum Zellinneren hingewandt quer angeordnet im sogenannten Loop-Bereich liegt. Diese Helix wurde auch im adrenergen Rezeptor gefunden.

 

Am wichtigsten für die Suche nach neuen Substanzen ist die Kenntnis der Gestalt der Bindungstasche. Um zu prüfen, ob das gebaute Modell verlässlich ist, erfolgt zuerst ein Vergleich der 3D-QSAR-Überlagerung und des daraus abgeleiteten Pharmakophors. Dazu werden die 24 Nociceptin-Agonisten virtuell in die Bindungstasche hineingelegt.

 

Eine Optimierung der Bindungsgeometrie in der Bindungstasche mithilfe einer Moleküldynamiksimulation ergibt eine hervorragende Übereinstimmung mit dem Ergebnis aus der 3D-QSAR-Analyse. Die gefundenen Kontakte zu Aminosäuren der Bindungsstelle entsprechen den bereits im Pharmakophor vermuteten Wechselwirkungen. Dieses Ergebnis untermauert klar den Realitätsgehalt des Modells. Daher kann das Modell auch für eine Suche nach anderen Liganden im Rahmen eines virtuellen Screenings verwendet werden.

 

Moleküle aus Datenbanken

 

Moleküldatenbanken, die bei pharmazeutischen Firmen vorhanden sind, kommerziell angeboten werden oder frei im Internet zur Verfügung stehen, enthalten Abertausende von Molekülstrukturen. Diese sind in zweidimensionaler Form oder sogar nur als Datenstrings gespeichert. Bevor man solche Strukturen für ein Screening-Projekt nutzen kann, müssen sie in eine räumliche dreidimensionale Form umgewandelt werden. Die dazu notwendigen Programme werden von Softwarefirmen angeboten oder sind als »freeware« im Internet erhältlich.

 

Bei den Konformationen, die mithilfe solcher Umwandlungsprogramme produziert werden, handelt es sich immer nur um die einfachsten, energetisch günstigen Formen. Andere ebenfalls denkbare Raumstrukturen werden vernachlässigt. Wegen der Größe der Moleküldatenbanken ist ein anderes Vorgehen nicht möglich.

 

Das nächste Problem ist der Vergleich der gespeicherten Moleküle mit dem Pharmakophor für das interessierende Rezeptorsystem, hier zum Beispiel dem Nociceptin-Rezeptor. Es ist leicht einzusehen, dass bei 100.000 und mehr einzelnen Molekülen ein direkter Vergleich der einzelnen Strukturen mit dem Pharmakophor ausgeschlossen ist. Deshalb werden automatisierte Verfahren benutzt, bei denen die dreidimensionale Gestalt keine Rolle mehr spielt; vielmehr wird eine zweidimensionale, dramatisch vereinfachte Form der Molekülstruktur mit ähnlich aufbereiteten Darstellungen des Pharmakophors verwendet.

 

Eine Möglichkeit bietet das FTREES-Verfahren (6). Die einzelnen funktionellen Teilstrukturen werden in »Features« übersetzt. Im Beispielmolekül Ro 64-6198 sind die Features: ein Wasserstoffbrücken-Akzeptor, der protonierte basische Stickstoff, der Phenylring sowie ein lipophiles bicyclisches oder tricyclisches Ringsystem. Daraus wird ein »Feature tree« zusammengesetzt, der dann als Surrogat des Moleküls für den Vergleich mit allen entsprechend behandelten Molekülstrukturen in der jeweiligen Datenbank eingesetzt wird.

 

Virtuelles Screening

 

Passende Strukturen werden herausgesucht und anschließend in das Rezeptormodell automatisch eingedockt. Mit der vorher aufgestellten 3D-QSAR-Gleichung kann dann sofort die Affinität des gedockten Moleküls berechnet werden. So werden neue Leitstrukturen gefunden, deren Synthese aufgrund der vorhergesagten Affinität lohnend ist. Auf diese Weise wird erreicht, dass nur noch potenziell wirksame Moleküle synthetisiert werden. Dies ist ein wesentlicher Grund für den Einsatz theoretischer Verfahren, denn so werden Kosten und das Leben vieler Versuchstiere gespart. Die Synthese und anschließende Testung zumindest einiger der vorhergesagten Moleküle ist jedoch auch deswegen unerlässlich, weil damit das Pharmakophormodell bestätigt werden kann.

 

Als Ergebnis der Suche nach den 100 am besten mit dem Modell-Pharmakophor übereinstimmenden Strukturen im World Drug Index (WDI; 7), der über 80.000 pharmakologisch aktive Strukuren enthält, wurden als potenzielle neue Nociceptin-Rezeptoragonisten unter anderen zwei Substanzen gefunden, die bereits für andere Indikationen im Gebrauch sind.

 

Direktes Drug Design

 

Zunehmend werden Kristallstrukturen therapeutisch wichtiger Enzyme aufgeklärt, die direkt zur Suche nach neuen Wirkstrukturen eingesetzt werden können. Zu den erst kürzlich publizierten Enzymen gehören das Angiotensin-Conversions-Enzym (ACE) oder die Dipeptidylpeptidase-4. Länger bekannt sind zum Beispiel die HIV-Protease, die Hydroxymethyl-glutaryl-Coenzym-A-Reduktase und die Neuraminidase. Auch die Hormonbindungsstellen fast aller Nukleohormonrezeptoren sind bekannt. Die genaue Kenntnis der Ligandenbindungsstelle ermöglicht eine sichere Vorhersage von Molekülstrukturen mit den gewünschten Eigenschaften.

 

Mit dem »De-Novo«-Verfahren wird das freie Volumen in der Bindungstasche Stück für Stück ausgefüllt. Dabei muss man berücksichtigen, welche der vorhandenen Aminosäuren für bindende Kontakte infrage kommen. Der Molekülaufbau beginnt in der Regel mit einer Basisstruktur, meist einem Ringsystem. Auf diese Weise können viele Leitstrukturen produziert werden. Allerdings erfüllen diese nach Synthese und Testung nicht unbedingt die Erwartungen an einen Arzneistoff, da beispielsweise auch dessen Anflutung zur Bindungstasche extrem wichtig ist. Solche Aspekte können noch nicht simuliert werden.

 

Wenn sich eine der Leitstrukturen bei der biologischen Testung aber als guter Ligand herausstellt, kann dieser in silico weiter entwickelt werden. Dabei berücksichtigen die Forscher besonders die Optimierung von Eigenschaften, die für Arzneistoffe essenziell sind, zum Beispiel Wasserlöslichkeit und ausreichende Lipophilie. Es wäre natürlich sehr günstig, wenn man auf dieser Stufe der Arzneistoffentwicklung bereits die Toxizität sowie den zu erwartenden Metabolismus vorausberechnen könnte. Dies ist mit der notwendigen Sicherheit leider noch nicht möglich, es wird aber intensiv daran geforscht.

 

So gibt es bereits eine große Zahl von Modellen wichtiger Cytochrom-P450-Proteine (CYP), mit deren Hilfe man vorab zu klären versucht, ob eine neue Struktur als Ligand für ein bestimmtes CYP-Isoenzym infrage kommt und damit ein bestimmtes Metabolisierungsmuster besitzt. Ebenso wichtig wäre es zu wissen, ob mit Konkurrenzreaktionen mit anderen Pharmaka zu rechnen ist.

 

Die Auswertung von Datenbanken mit Informationen zur Toxizität bekannter Substanzen oder spezieller Partialstrukturen erlaubt zumindest hypothetische Aussagen zum toxischen Potenzial neuer Strukturen. Auch zur Vorhersage von Eigenschaften wie Wasserlöslichkeit und Eiweißbindung gibt es verschiedene Computerprogramme, die standardmäßig eingesetzt werden. Allerdings sind die Resultate häufig nicht korrekt, sodass immer noch eine experimentelle Bestätigung notwendig ist.

 

Beispiel HIV-Protease-Hemmer

 

Eine weitere Strategie des direkten Drug Design geht von der Kristallstruktur eines Liganden-Enzym-Komplexes aus, wenn ein solcher verfügbar ist. So ging man bei der Entwicklung von HIV-Protease-Hemmstoffen zum Beispiel von einem Pepstatin-HIV-Protease-Komplex aus. Pepstatin selbst ist, wie der Name schon sagt, kein selektiver Hemmstoff der HIV-Protease und kann als Peptid natürlich nicht oral appliziert werden. Als Ausgangsstruktur, die durch Variation der Molekülgestalt spezifischer an die Bindungstasche der HIV-Protease angepasst wurde, war es jedoch sehr hilfreich.

 

Das charakteristische Strukturelement des Pepstatins ist die zentral angeordnete β-Hydroxy-γ-Aminosäure Statin. Mit der Hydroxylgruppe verdrängt Pepstatin das katalytische Wassermolekül von den beiden Asparaginsäuren im aktiven Zentrum des Enzyms. Damit kann die Protease ihre Hydrolysefunktion nicht mehr erfüllen. Pepstatin ist also ein Hemmstoff. Wenn man die Aminosäuren im aktiven Zentrum der HIV-Protease genauer analysiert, fällt schnell auf, dass dieses von aliphatischen Aminosäuren gesäumt wird. Daher wird das Pepstatin, das ebenfalls aus aliphatischen Aminosäuren besteht, fest genug gebunden. Neue Wirkstoffe sollten daher ebenfalls vor allem lipophile Eigenschaften haben.

 

Da Pepstatin eine lang gestreckte Gestalt hat, sind die meisten davon abgeleiteten Wirkstoffe ähnlich aufgebaut. Das ist nicht besonders sinnvoll, denn das aktive Zentrum der HIV-Protease ist symmetrisch oval. Neuere Wirkstoffe wie Mozenavir, die dies berücksichtigen, sind daher besonders selektiv und zeigen weniger Nebenwirkungen. Die genaue Kenntnis der Enzymstruktur erlaubt es also, die Selektivität der Wirkstoffe prädiktiv zu optimieren.

 

Beispiel Neuraminidase-Hemmer

 

Ein anderes gutes Beispiel für ein direktes Drug Design ist die Entwicklung von Neuraminidase-Hemmstoffen. Neuraminidase, eigentlich Sialinidase, spaltet endständige Sialinsäure-Reste von der Oberfläche der Influenza-Viren ab und ermöglicht diesen damit, sich von der Wirtszelloberfläche oder anderen Viren zu entfernen und dadurch andere Zellen des Wirtsorganismus zu befallen. Hemmstoffe dieses Enzyms sind Mittel gegen Virusgrippe.

 

Besonders auffällig im aktiven Zentrum der Neuraminidase sind außer den drei basischen Aminosäuren Arginin, die für die Bindung der Säuregruppe der Sialinsäure notwendig sind, zwei saure Aminosäuren: Glutaminsäure 119 und Asparaginsäure 151. Eine dieser Aminosäuren ist für die Bindung der ringständigen Hydroxylgruppe von Sialinsäure zuständig.

 

Die geniale Idee des Entwicklers von Zanamivir, Mark von Itzstein (10), war es, diese Hydroxylgruppe durch einen stark basischen Guanidin-Rest zu ersetzen. Dieser bildet eine Salzbrücke mit der Glutaminsäure 119 aus, die viel stärker als eine normale Wasserstoffbrücke ist. Dadurch erhält der Wirkstoff eine extrem hohe Affinität und kann den natürlichen Liganden Sialinsäure sicher aus dem aktiven Zentrum verdrängen.

 

Am Beispiel der Neuraminidase-Hemmstoffe kann auch gezeigt werden, wie pharmakokinetische Aspekte bei der Entwicklung neuer Wirkstoffe berücksichtigt werden. Zanamivir ist extrem polar. Daher wird es aus dem Magen-Darm-Trakt nicht resorbiert und muss lokal per Inhalation gegeben werden. Es war daher notwendig, die Lipophilie des Wirkstoffs zu erhöhen, um eine perorale Gabe zu ermöglichen. Dies ist mit Oseltamivir gelungen. Durch Ersatz der Zuckerseitenkette, die für die Bindung im aktiven Zentrum nur eine untergeordnete Rolle spielt, durch einen lipophil-aliphatischen Rest wurde die Lipophilie ausreichend erhöht.

 

Theorie versus Praxis

 

Die vorgestellten Beispiele sind nur einige der bereits realisierten Entwicklungen von neuen Wirkstrukturen auf der Basis von Kristallstrukturen. So aufregend und überzeugend diese Entwicklungsgeschichten auch klingen, so darf man doch nie außer Acht lassen, dass mit den theoretischen Verfahren immer nur die molekularen Aspekte am Ende der Reaktionskette betrachtet werden. Also nur der Ausschnitt aus dem Gesamtbild der Pharmakonwirkung, der die Vorgänge direkt am Wirkort, am aktiven Zentrum eines Enzyms, Ionenkanals oder Rezeptors wiedergibt.

 

Andere Fragen bleiben offen: Wie gelangt der Wirkstoff dorthin? Wird er auf dem Weg an Plasmaproteine so stark gebunden, dass die notwendige Konzentra\-tion nicht erreicht wird? Wird er nach der Resorption zu schnell abgebaut und ausgeschieden? Wie hoch ist die akute Toxizität? Die Beantwortung dieser Fragen mithilfe von theoretischen Verfahren steckt noch in den Kinderschuhen, sodass weiterhin viele experimentelle und klinische Untersuchungen notwendig sind, bevor tatsächlich ein neuer Arzneistoff etabliert wird.

 

Das ist aber immer noch nicht die ganze Wahrheit. Bei der Weiterentwicklung einer Leitstruktur zum Wirkstoff kann es passieren, dass die Synthese zu aufwendig wird, dass Interaktionen mit anderen Arzneistoffen oder körpereigenen Substanzen auftreten oder sich das Nebenwirkungsprofil als zu ungünstig herausstellt. Es bleibt als Fazit: Die theoretischen Verfahren sind eine extrem große Hilfe bei der Entwicklung neuer Arzneistoffe und sie helfen, viel Zeit, Geld und das Leben vieler Versuchstiere zu sparen. Aber sie sind nur ein Werkzeug neben anderen, die in dem langwierigen Prozess der Arzneistoffentwicklung eingesetzt werden.

Literatur

<typolist type="1">

Goodford, P. J., J. Med. Chem. 28 (1985) 849-857.

Lipinski, C. A., et al., Adv. Drug Del. Rev. 46 (2001) 3-26.

Dissertation Britta Bröer, Düsseldorf 2004.

Okada, T., et al., J. Mol. Biol. 342 (2004) 571-583.

Rasmussen, S. G., et al., Nature 450 (2007) 383-387.

Rarey, M., Dixon, J. S., J. Computer-Aided Des. 12 (1998) 471-490.

www.thomsonreuters.com

Logsdon, B. C., et al., J. Virol. 78 (2004) 3123-3132.

Taylor, N. R., et al., J. Med. Chem. 41 (1998) 798-807.

Itzstein, M. von, J. Med. Chem. 39 (1996) 388-391.  

 

Weiterführende Monografien

 

Böhm, H.-J., Klebe, G., Kubinyi, H., Wirkstoffdesign. Der Weg zum Arzneimittel. Spektrum Akademischer Verlag, Heidelberg 2002.

Höltje, H.-D., et al., Molecular Modeling ­ Basic Principles and Application. 3. Aufl., Wiley-VCH, Weinheim 2008.

 

Der Autor

Hans-Dieter Höltje studierte Pharmazie an der TU Braunschweig, wurde an der Universität des Saarlandes promoviert und habilitierte sich dort. Als Professor war er an den Universitäten Würzburg, Frankfurt, Bern tätig, bevor er 1986 auf den Lehrstuhl für Theoretische Pharmazeutische Chemie an der Freien Universität Berlin wechselte. 1996 übernahm er den Lehrstuhl für Pharmazeutische Chemie an der Heinrich-Heine-Universität, Düsseldorf, und leitete dort bis zu seiner Entlassung in den Ruhestand im März 2008 das Institut für Pharmazeutische und Medizinische Chemie. Seine wissenschaftlichen Schwerpunkte umfassen molekulare Wirkungsmechanismen von Arzneistoffen, Modellierung von G-Protein-gekoppelten Rezeptoren, Enzyme mit therapeutischer Bedeutung, Phospholipidmembranen sowie Wechselwirkungen von Wirkstoffen mit Hilfsstoffen. Die PZ-Leser kennen ihn zudem als Autor der Strukturformeln in PZ und PZ-online.

 

Professor Dr. Dr. h. c. Hans-Dieter Höltje

Molekülkontor

Rungestraße 22-24

10179 Berlin

hoeltje(at)uni-duesseldorf.de

Mehr von Avoxa