Toxicologia In Silico: Aplicação de modelos in silico para verificação de efeitos toxicológicos no contexto da indústria farmacêutica.

Transcrição

1 I Fórum de Ensaios Pré-clínicos Toxicologia In Silico: Aplicação de modelos in silico para verificação de efeitos toxicológicos no contexto da indústria farmacêutica. Farm. Carlos Eduardo Matos Gerente de projetos e estudos - Computational and In Silico Toxicology Intertox São Paulo 2014

2 Overview Introdução e contexto Diretrizes sobre aplicação de modelos in silico Bases técnicas e de aplicação Validação de modelos para fins regulatórios Aplicação no contexto da indústria

3 Ciência e evolução do conhecimento

4 Histórico Toxicologia: ciência em crise Quebra de Paradigma Empirismo histórico Toxicologia Experimental Ciência base Observacional Avanços em informática, estatística, química computacional, biologia e toxicologia Toxicologia Computacional Ciência preditiva (Predictive Toxicology) in vivo in vitro e ex vivo in chemico in silico

5 Atual pressão contra utilização excessiva de animais 3R Philosophy - Replacement, Refinement and Reduction (Substituição, Refinamento e Redução) Necessidade de mobilização e resposta de organizações no Brasil e no mundo em relação aos chamados testes redundantes e obsoletos ; Revisão de regulamentações e protocolos de teste, e, estímulo ao desenvolvimento, validação e aplicação de métodos alternativos.

6 Toxicologia Computacional X Toxicologia no século 21

7 Aplicação de modelos in silico Aplicação complementar x Substitutiva

8 Aplicação de modelos in silico Hartung, T. *et al.+ Food for Thought Integrated Testing Strategies for Safety Assessments. ALTEX, 30(1): p. 3 18, 2013.

9 Diretrizes sobre modelos in silico

10 Validação de modelos in silico para fins regulatórios Diretriz OECD

11 Validação de modelos in silico para fins regulatórios Diretriz OECD Os princípios de validação de modelos (Q)SAR da OECD 1- Um endpoint definido 2- Um algoritmo inequívoco; 3- Um domínio de aplicabilidade definido 4- Medidas apropriadas de qualidade de ajustamento, robustez e preditividade 5- Uma interpretação mecanística, se possível

12 Definição e escopo da Toxicologia In Silico Reconhecimento de padrões

13 SAR (Structure-activity Relationship) Associação entre determinado fragmento molecular ou (sub)estrutura com a atividade biológica (neste caso, toxicidade);

14 Desenvolvimento de alertas estruturais

15 QSAR (Quantitative Structure-activity Relationship) ou QSTR (Quantitative Structure-Toxicity Relationship) Correlação quantitativa entre determinada atividade biológica e as propriedades físico-químicas/estruturais Descritores moleculares Padrões de comportamento em determinadas categorias químicas (ex: alcoóis, ésteres, etc.)

16 Modelos de regressão Modelo de Regressão Linear Simples y = a + bx (Eq.2) Modelo de Regressão Linear Múltipla (RLM) y= a + bx1 + cx2 Em que: y é o endpoint de toxicidade definido a, b e c são parâmetros de ajustamento X, x1 e x2 são variáveis independentes (descritores moleculares)

17 Descritor x Resposta Coeficiente de correlação (r) r = 0 (Não há correlação entre o descritor e a resposta) r= +1 (Correlação positiva perfeita) r= -1 (correlação negativa perfeita) Problema de correlação entre descritores Número de componentes do training set / descritores = no mínimo 5.

18 Ex: Relação Estrutura-atividade Predição de potenciais ligantes de receptores estrogênicos Weak binder, NH2 - MW < 170 and with a non-impaired NH2 group attached to an 5 or 6 C-atoms ring; Moderate binder, NH2 - MW >= 170 and MW =< 200 and with a non-impaired NH2 group attached to 5 or 6 C-atoms ring; Strong binder, NH2 - MW > 200 and MW =< 500 and with a nonimpaired NH2 group attached to 5 or 6 C-atoms ring;

19 Reatividade e explicação mecanística Entendimento da toxicidade como resultado da reatividade entre moléculas e biomoléculas: sensibilização dérmica; sensibilização respiratória; toxicidade aquática; Mutagenicidade; Hepatotoxicidade; E outros; Interface com modelos in chemico, in vitro, in vivo e estudos epidemiológicos. Exemplos: RC50 (concentração da substância na qual 50% da metade do tiol presente no peptídeo Glutationa é desativado em determinado tempo de reação)

20 Aplicação no contexto da indústria farmacêutica

21 P&D: importância das triagens em curto e longo prazo

22 Relação Estrutura-atividade

23 Triagens e seleção de moléculas com menor perfil de preocupação Vantagens competitivas e identificação do grau de preocupação dos produtos de maneira antecipada (desenvolvimento inteligente) Produto candidato 6 Produto candidato 5 Produto candidato 4 Produto candidato 1 Produto candidato 2 Produto candidato 3 Seleção e priorização de candidatos e testes com animais

24 Impurezas em medicamentos A computational toxicology assessment should be performed using (Q)SAR methodologies that predict the outcome of a bacterial mutagenicity assay (Ref. 6). Two (Q)SAR prediction methodologies that complement each other should be applied. One methodology should be expert rule-based and the second methodology should be statisticalbased The absence of structural alerts from two complementary (Q)SAR methodologies (expert rule-based and statistical) is sufficient to conclude that the impurity is of no mutagenic concern, and no further testing is recommended International Conference on Harmonisation of Technical Requirements for Registration of Pharmaceuticals for Human Use (ICH). M7 Guideline: Assessment and Control of DNA Reactive (Mutagenic) Impurities In Pharmaceuticals To Limit Potential Carcinogenic Risk. ICH Harmonised Tripartite Guideline, 2014.

25 Impurezas em medicamentos EMA - European Medicines Agency. Guideline on the Environmental Risk Assessment of Medicinal Products for Human Use- Doc. Ref. EMEA/CHMP/SWP/4447/00. Pre- Authorisation Evaluation of Medicines for Human Use. London: Committee For Medicinal Products for Human Use (CHMP), Questions and answers on 'Guideline on the environmental risk assessment of medicinal products for human use (EMA/CHMP/SWP/44609/2010). Committee for Medicinal Products for Human Use (CHMP), 2011.

26 Impurezas em medicamentos Modelos in silico: Necessidade destes modelos para a Qualificação de Impurezas conforme as diretrizes internacionais Importância para tomada de decisão e controle de risco carcinogênico e status de conformidade (Qualificação de impurezas conforme as normas vigentes); Consulta Pública n 68, de 29 de agosto de 2014;

27 Bases de dados Modelos QSAR validados

28 Bases de dados DSSTox (Distributed Structure-Searchable Toxicity Database) Dados de resultados de modelagens computacionais, testes in vitro, e outras abordagens.

29 Perspectivas para o Brasil - Importância -- Custo-efetividade em triagens e avaliação de segurança -- Qualificação de impurezas e contaminantes conforme as diretrizes internacionais - Necessidades --alinhamento das organizações quanto aos contextos específicos em que já são exigidos e aplicados modelos in silico no Brasil e no mundo -- mecanismos de interação/diálogo e comissões para discutir boas práticas e consensos de teste em relação aos modelos nos diferentes contextos (farmacêutico, cosmético, agroquímico e outros).

30 Núcleo de Toxicologia Computacional Qualificação de impurezas (FDA/ICH/EMEA compliance) Estudos com novas moléculas Publicado em 2013 o primeiro livro sobre Toxicologia In Silico em língua portuguesa

31 Referências BRASIL. Congresso Nacional. Lei nº Regulamenta o inciso VII do 1º do art. 225 da Constituição Federal, estabelecendo procedimentos para o uso científico de animais; revoga a Lei nº 6.638, de 8 de maio de 1979; e dá outras providências. Publicada no D.O.U. de 09/10/2008, Seção I, Pág. 1. ECHA - European Chemicals Agency. Guidance on information requirements and chemical safety assessment Chapter R.6: QSARs and grouping of chemicals. Helsínquia: ECHA, p. EMA - European Medicine Agency. Guideline on the Limits of Genotoxic Impurities. Committee For Medicinal Products For Human Use (CHMP): London, EKINS, S. Computational Toxicology: Risk Assessment for Pharmaceutical and Environmental Chemicals. Wiley Series on Technologies for the Pharmaceutical Industry. New Jersey: Wiley, NCR-National Research Council. Toxicity Testing in the 21st Century: A Vision and a Strategy. New York: Committee on Toxicity Testing and Assessment of Environmental Agents, p. NCR - NATIONAL RESEARCH COUNCIL. Recognition and Alleviation of Pain in Laboratory. Washington: Committee on Recognition and Alleviation of Pain in Laboratory, SANTOS, C. E. M. Toxicologia In Silico: Fundamentos e aplicações. São Paulo: Plêiade, 2013

32 Referências (cont.) OECD - ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT. Guidance Document on the Validation of Quantitative) Structure-Activity Relationships [(Q)SAR] Models. Paris: Inter-Organisation Programme for the Sound Management of Chemicals (IOMC), p. UNITED NATIONS. Globally Harmonized System of Classification and Labelling of Chemicals (GHS). 4 ed. New York and Geneva: UNECE, USEPA United States Environmental Protection Agency. A framework for a computati onal toxicology. Washington: U. S. Environmental Protecti on Agency Offi ce of Research and Devel- opment, p.. Technical Working Group on Pesticides (TWG). NAFTA TWG Quantitative Structure Activity Relationships (Q)SAR] Guidance Document. Washington: North American Free Trade Agreement (NAFTA), Offi ce of Chemical Safety and Polluti on Preventi on (OC- SPP). Sustainable Futures (2013b). Disponível em: < gov/oppt/sf/>. Acesso em 10 de novembro de 2013.

33 Obrigado!