Modelli animal

Con il miglioramento dei modelli di malattia in vivo per lo screening e la caratterizzazione di composti multitarget, si deve essere consapevoli che l'obiettivo principale è combattere una malattia, non sviluppare un sistema di screening con la massima risposta ai composti progettati. I sistemi di saggio selezionati per gli approcci di multitargeting dovrebbero pertanto essere orientati ad una simulazione ottimale della malattia. I modelli animali dovrebbero essere capaci di semplificare una malattia con cause complesse e molteplici sintomi, trasformandoli in effetti

48

semplici e misurabili. L'aggiunta di ulteriori disregolazioni patologiche, bersagli biologici e letture porta ulteriore complessità in modelli un tempo minimizzati; ad esempio, il disturbo unilaterale del movimento indotto dalla 6-idrossiapamina (6- OHDA) nei ratti come modello del morbo di Parkinson assomiglia solo in parte allo stato multifattoriale della malattia nell'uomo. In alcuni casi, gli screening fenotipici (cfr. Sezione 2.2) negli organismi semplici possono costituire un metodo più economico per le fasi di sviluppo preclinico, in particolare quando l'obiettivo primario del modello animale è una conferma di un’attività duale e dell’effetto sinergico che ne consegue. L'allevamento incrociato di animali che riflettono singoli fenotipi patofisiologici può consentire modelli più complessi e realistici di malattie multifattoriali che richiedono un trattamento con composti multitarget. Un esempio di modello animale così complesso è quello per la sindrome metabolica, il ratto obeso spontaneamente iperteso (SHROB), che riflette quasi tutti i sintomi della malattia umana. Tale modello permette un'efficiente caratterizzazione in vivo di combinazioni di farmaci (ad es. farmaci antipertensivi ed antidiabetici), nonché di composti multitarget. Precedenti studi su agenti multitarget avevano richiesto più modelli. Casimiro-Garcia et al., ad esempio, hanno riportato la scoperta di imidazo [4,5-b] piridine con attività duale su AT1R e PPARγ, ma hanno dovuto dimostrare la loro efficacia in vivo in due distinti modelli di ipertensione (ratto spontaneamente iperteso (SHR)) ed insulino-resistenza (ratto Zucker, grasso e diabetico (ZDF)) [35]. Studi più recenti hanno testato combinazioni di inibitori di sEH ed agonisti del PPARγ in un modello SHROB per rivelare effetti sinergici ed ulteriori benefici, attraverso letture più complesse che coprono l'intera gamma di parametri metabolici. Per la valutazione del targeting multiplo sono quindi necessari parametri e modelli più complessi che rappresentino in modo realistico la malattia nell’animale ed in alcuni casi può essere necessario uno screening nei primati non umani (Marmoset). Poiché tali studi preclinici richiedono molti prerequisiti, una combinazione di diversi modelli animali con varie letture è spesso preferita per la caratterizzazione iniziale in vivo di ligandi multipli quando non è disponibile un modello complesso adatto.

49

5. Conclusioni e prospettive

Tecnologie innovative come la biologia dei sistemi e l’intelligenza artificiale, insieme alle conoscenze in costante crescita su target farmacologici, determinanti molecolari delle malattie e biomarcatori predittivi stanno promuovendo la scoperta di nuovi farmaci. Nonostante questa “cassetta degli attrezzi” in espansione per tutti gli aspetti, il successo della scoperta di piccole molecole non è ancora soddisfacente in molte malattie. Per diversi disturbi derivanti da complesse patologie multifattoriali, ciò può essere ascritto alla necessità di molteplici interventi farmacologici per raggiungere un’efficacia terapeutica accettabile. Di conseguenza, molte malattie gravi e complesse vengono trattate con cocktail di farmaci anziché con singoli farmaci efficaci, ma tale polifarmacia presenta numerosi svantaggi. Inoltre lo sviluppo della resistenza alla chemioterapia si presenta come una sfida globale per la scoperta di nuovi farmaci nel campo del trattamento delle malattie antitumorali ed antinfettive. I composti multitarget che modulano simultaneamente più di un singolo target molecolare hanno un grande potenziale per superare entrambe le esigenze mediche insoddisfatte poiché consentono innovazioni terapeutiche contro gravi malattie multifattoriali e la prevenzione dello sviluppo di resistenze. Il targeting multiplo è quindi una disciplina sempre più produttiva della chimica farmaceutica. Sfrutta fortemente le innovazioni passate e recenti nelle tecniche computazionali, nei sistemi di test in vitro e nei modelli animali.

Metodi e modelli computazionali combinati con le banche dati disponibili contribuiscono in modo determinante al crescente successo dello sviluppo di composti multitarget ed influenzano praticamente ogni fase di questa disciplina. L'analisi dei network di segnalazione e la modellazione quantitativa consentono la generazione di solide ipotesi per combinazioni di target potenzialmente sinergiche. Nonostante spesso manchino di convalida sperimentale, sono stati sviluppati diversi approcci in silico per questo passaggio centrale nella progettazione multitarget ed ulteriori esempi della loro potenziale applicazione forniranno future prove riguardo le tecnologie che detengono il maggior potenziale. Negli esperimenti in silico la modellazione del farmacoforo, gli algoritmi di docking e la progettazione

50

computazionale de novo sono strumenti cruciali per l’identificazione di composti multitarget lead e possono essere utili anche per l'ottimizzazione strutturale di ligandi multipli. Infine gli sforzi sperimentali nella caratterizzazione in vitro ed in vivo dei composti multitarget possono essere ridotti con il supporto computazionale. Con le crescenti risorse computazionali ed il ruolo crescente della machine learning e delle tecniche di intelligenza artificiale, i metodi computazionali acquisiranno costantemente maggiore rilevanza e miglioreranno la gestione dei big data. Una combinazione particolarmente solida di intelligenza artificiale ed esperimenti mirati per ridurre le incertezze dei modelli ha il potenziale per migliorare ulteriormente la qualità dei modelli computazionali ed aiutare a selezionare gli esperimenti "giusti".

Tuttavia il design multitarget non è supportato solo dalle innovazioni nelle tecniche computazionali. Il numero crescente di sonde chimiche di alta qualità per studiare il ruolo dei target molecolari e la loro interazione nelle patologie consente una solida convalida sperimentale delle sinergie di target e può anche rivelare connessioni tra target inattese in una malattia. Inoltre diverse scoperte nelle tecnologie sperimentali possono promuovere ed accelerare fortemente lo sviluppo di composti multitarget. La cristallografia ad alta risoluzione potrebbe supportare la scoperta di composti multitarget con preziose informazioni strutturali che possono migliorare la generazione di modelli di farmacoforo e coadiuvare in modo significativo l'ottimizzazione strutturale, quando le ipotesi delle modifiche compatibili possono essere recuperate dalle strutture co-cristalline. Inoltre stanno nascendo tecniche di saggio che possono rivelare l’interazione simultanea con più target e gli effetti sinergici che ne conseguono. Per ligandi multipli che causano effetti non osservabili in una lettura convergente comune (come l'apoptosi), ma inducono attività parallele saranno necessari sofisticati test in vitro. Pertanto il valore predittivo dei test in vitro per le modificazioni complesse della malattia deve essere attentamente (ri)analizzato per approcci polifarmacologici complessi. Probabilmente, anche tecnologie innovative come gli organi su chip consentiranno futuri miglioramenti nella caratterizzazione funzionale dei composti multitarget. Un problema irrisolto

51

della caratterizzazione in vitro di ligandi multipli rimane la mancanza di sistemi di test che riflettano meccanismi adattativi come la sovraespressione di un target, derivante da una malattia o come conseguenza della modulazione multitarget. Anche la caratterizzazione significativa in vivo dei composti multitarget rimane spesso una sfida. Quando ligandi multipli sono progettati per raggiungere un'efficacia terapeutica superiore nelle malattie multifattoriali attraverso effetti sinergici, sono necessari modelli animali che riflettano la natura multifattoriale della malattia umana e possano rivelare sinergie. Tali sofisticati modelli in vivo sono disponibili solo per alcune malattie, ma l'allevamento incrociato di animali che riflettono singoli aspetti di patologie multifattoriali promette future scoperte anche in questo campo.

Con la crescente gamma di metodi ed applicazioni disponibili, la progettazione, l'ottimizzazione e la caratterizzazione funzionale di composti multitarget coinvolgono molte discipline e richiedono una forte esperienza in ogni campo. Progetti collaborativi multidisciplinari che richiedono una solida esperienza non solo in chimica farmaceutica, ma anche in tecniche computazionali, sistemi di test in vitro e farmacologia in vivo sembrano quindi necessari per lo sviluppo di successo di ligandi multipli rilevanti dal punto di vista terapeutico.

In sintesi, una migliore comprensione delle condizioni patofisiologiche che fa luce sui molteplici fattori alla base di molte malattie evidenzia l'enorme potenziale degli agenti multitarget per l'apertura di nuove strade terapeutiche. Possono superare la polifarmacia e migliorare l'efficacia terapeutica delle piccole molecole. La crescente conoscenza dei target molecolari, del loro dialogo incrociato e delle loro regolazioni combinata con la capacità di gestire i big data e la disponibilità di tecnologie innovative in silico, in vitro ed in vivo forniscono alla chimica farmaceutica una "cassetta degli attrezzi" versatile per la progettazione di nuovi composti multitarget. Tuttavia, nonostante la disponibilità di enormi set di dati, metodi computazionali affidabili che implicano intelligenza artificiale e passaggi automatizzati, come ad esempio nella progettazione ed ottimizzazione dei composti, la progettazione

52

multitarget e l'ottimizzazione di ligandi multipli richiedono necessariamente conoscenze specialistiche per prendere decisioni chiave.

L'analisi dei big data e la valutazione dei modelli di interazione farmaco-target rappresentano una tendenza in costante crescita verso i farmaci che si rivolgono a più di un singolo target. Inoltre l'aumento della complessità delle malattie ed una migliore comprensione delle correlazioni fisiopatologiche promuovono lo sviluppo di composti multitarget e rendono i ligandi multipli una chiave per garantire l'innovazione nella futura scoperta di farmaci [1].

53

Esempi di alcuni farmaci multitarget utilizzati in clinica