Par Zhen Chen, chercheur principal senior

Résoudre le plus grand défi des cribles DEL ciblés sur l'ARN grâce à une approche en miroir.

Les médicaments à base de petites molécules ciblant l'ARN constituent l'une des frontières les plus prometteuses du développement de médicaments, mais ils sont encore étonnamment sous-explorés. Les choses commencent à changer. Une étape importante a été franchie en 2020 avec l'approbation par la FDA de la molécule Risdiplam, un modulateur de l'épissage de l'ARN qui a considérablement amélioré les résultats pour les personnes atteintes d'atrophie musculaire spinale (AMS). Depuis lors, l'intérêt pour cet espace n'a fait que croître. Des entreprises comme Arrakis, Ribometrix, Lilly et d'autres construisent activement des pipelines pour les modulateurs de l'ARN.

Cela dit, il n'est pas facile de trouver de petites molécules qui ciblent efficacement l'ARN. Les méthodes actuelles, telles que la sélection par affinité et la spectrométrie de masse (ASMS) et le dépistage phénotypique ont leurs avantages, mais ils sont souvent limités en termes d'échelle et de débit. C'est là qu'intervient le criblage de bibliothèques codées par l'ADN (DEL). La DEL peut accélérer les progrès en explorant un espace chimique beaucoup plus vaste, ce qui donne un sérieux coup de pouce aux efforts de découverte de médicaments dès le départ.

Cependant, historiquement, la perception est que l'ARN ne se prête pas au criblage par DEL. En effet, les étiquettes d'ADN sur les DEL peuvent s'hybrider avec la cible d'ARN elle-même, ce qui entraîne un enrichissement parasite de faux positifs. Des études antérieures de WuXi et HitGen ont introduit diverses méthodes de blocage pour minimiser ce type d'interférence. Mais même lorsque l'hybridation est réduite, elle peut encore produire de faux résultats et masquer le signal d'enrichissement des véritables liants. En réponse à l'intérêt croissant pour la découverte de médicaments ciblant l'ARN, nous avons mis en place une stratégie en instance de brevet, le “mirror image DEL screen”, qui constitue une avancée majeure pour relever les défis de cet espace.

L'écran DEL à image miroir de X-Chem comparé à l'écran DEL conventionnel pour les cibles ARN

Inspiré par Méthode SELEX à chiralité croisée de Sczepanski et Joyces, Dans le cadre de l'étude d'affinité, nous réalisons un criblage à médiation d'affinité avec notre collection de DEL contre une cible d'ARN-L, qui est l'image inversée de l'ARN-D naturel. Cette forme chirale préserve la séquence et la conformation de pliage de l'ARN-D naturel, mais ne s'hybride pas avec les étiquettes d'ADN, ce qui nous permet d'éviter les faux positifs qui, par le passé, ont brouillé les véritables signaux de liaison. Les versions miroir des hits enrichis en ARN-L sont ensuite déduites comme étant des liants de l'ARN-D naturel et peuvent être confirmées comme étant de véritables engageurs de cibles ARN par la synthèse hors ADN et des essais orthogonaux.

Comment fonctionne l'écran DEL à image miroir de X-Chem pour les cibles de l'ARN ?

Comment notre nouvelle approche affecte-t-elle les résultats du dépistage de la maladie d'Alzheimer et des affections connexes ? La différence est frappante. Lorsque nous avons criblé notre DEL contre des cibles L-ARN en miroir, nous n'avons constaté aucun signe d'enrichissement basé sur la séquence de nucléotides. Cette élimination de l'hybridation ADN/ARN se traduit par l'élimination complète des faux résultats. À titre de comparaison, dans des conditions similaires utilisant de l'ARN-D naturel, les motifs de séquence d'ADN ont été enrichis jusqu'à 1000 fois.

En outre, nous avons systématiquement observé une multiplication par plus de 10 du signal d'enrichissement provenant de véritables fixateurs (à la fois des contrôles positifs dopés et des de novo découvertes) vers l'ARN-L par rapport à l'ARN-D naturel. Pour des cibles difficiles comme l'ARN, des améliorations de l'enrichissement de cette ampleur permettent souvent de découvrir de nouveaux résultats et de transformer des cribles ratés en cribles productifs.

Pour mieux prouver notre concept, nous avons passé au crible notre DEL deck de plus de 100 milliards de composés contre trois cibles ARN distinctes - une répétition d'expansion, un site d'épissage et un riboswitch. Dans chaque cas, nous avons découvert de nouvelles substances chimiques dotées de propriétés physicochimiques favorables. Après avoir synthétisé les versions miroir des composés DEL, nous avons confirmé leur liaison à leurs cibles ARN naturelles respectives par des essais biophysiques orthogonaux tels que la SPR et/ou l'ASMS. De plus amples détails peuvent être trouvés dans notre poster scientifique ici.

En éliminant l'hybridation ADN:ARN, notre stratégie de l'image miroir s'attaque au plus grand obstacle des cribles DEL dirigés par l'ARN. L'ARN se prête désormais aux criblages DEL au même titre que n'importe quelle autre classe de cibles. Grâce à cette technologie, nos partenaires peuvent en toute confiance cribler des cibles ARN contre plus de 100 milliards de composés divers similaires à des médicaments, soit 6 ordres de grandeur de plus que les autres méthodes de criblage.

Et nous ne nous arrêtons pas à la découverte de résultats. Chaque succès confirmé s'accompagne de riches données sur les relations structure-activité (SAR), que notre équipe peut aider à construire des modèles de pharmacophore et des outils d'apprentissage automatique pour guider l'optimisation et accélérer les progrès vers les candidats cliniques.

En bref, notre plateforme DEL est maintenant entièrement équipée pour réaliser le potentiel de la découverte de médicaments ciblant l'ARN. Nous sommes impatients de vous aider à en tirer le meilleur parti.

Par Matt Clark, directeur scientifique

L'un des aspects les plus agréables de l'activité de X-Chem est de voir tous les travaux scientifiques qui sont menés chaque jour au sein de l'entreprise. Nos clients savent que nous faisons toujours le maximum pour résoudre leurs problèmes et créer de la valeur scientifique. Mais peu de ces travaux sont partagés avec le monde extérieur. Ce fait n'est pas propre à X-Chem ; l'ensemble de l'industrie biopharmaceutique est lente à publier ses recherches, pour les raisons évidentes qu'elles peuvent aider les concurrents et éroder l'avantage concurrentiel. Heureusement, lorsque vous existez depuis aussi longtemps que X-Chem, il y a juste assez de matériel qui tombe dans le domaine public pour donner à la communauté un aperçu de nos développements scientifiques.

Dans cette optique, 2024 a été une année de percée pour les innovations de X-Chem. Nous avons eu 12 publications évaluées par des pairs cette année, ainsi que d'autres affiches et exposés lors de conférences dans le monde entier. Ces divulgations soulignent le potentiel de collaboration de nos approches de découverte de médicaments.

Notre équipe a fait progresser les méthodologies de chimie synthétique dans plusieurs domaines clés. Nous avons signalé de nouvelles approches, notamment la deutération par la chimie de flux, amination d'hétérocycles par catalyse désaturative, et synthèse de nouveaux blocs de construction d'acides aminés par couplage de Negishi. Nos objectifs restent les mêmes : élargir les outils des chimistes pour créer des composés ayant une bioactivité potentielle afin d'améliorer la santé humaine.

Dans le cadre de cet effort plus large, nous suivons également de près les tendances émergentes dans le domaine de la découverte de médicaments covalents, qui est devenue de plus en plus importante pour cibler les protéines difficiles. Nous avons mené une analyse du paysage des brevets qui portaient sur des groupes de réactions covalentes sélectives utilisées dans des médicaments approuvés par la FDA. L'analyse a permis d'identifier plus de 700 demandes de brevet émanant de plus de 300 organisations, révélant un intérêt marqué pour le ciblage de protéines clés telles que BTK, EGFR, KRAS G12C et SARS-CoV-2 M^pro. Cette poussée d'innovation autour des inhibiteurs covalents ciblés s'aligne avec les propres efforts de X-Chem pour développer des modulateurs covalents à l'aide de notre plateforme technologique. Alors que la découverte de médicaments covalents continue d'évoluer, nous sommes enthousiastes à l'idée d'apporter notre expertise à ce domaine en plein développement, en aidant à repousser les limites de ce qui est possible en matière de découverte de médicaments.

L'une des pierres angulaires de notre recherche est la sélection DEL, que nous avons démontrée à travers divers projets de collaboration. Un exemple en est notre travail avec Texas A&M, Les résultats de l'analyse de l'écran DEL ont été démontrés directement à partir de cet écran. in vivo dans un modèle murin de la tuberculose. Dans le cadre d'une autre collaboration importante avec AstraZeneca, nous avons mis au point un vaccin contre la tuberculose. nouvelle approche basée sur le motif cyanoacrylamide pour découvrir des inhibiteurs covalents réversibles de la cible oncologique Bfl-1.

Nos contributions à la communauté scientifique par Perspectives met en évidence le leadership de X-Chem dans le domaine en évolution de la DEL et son rôle croissant dans la découverte de médicaments. L'une de ces perspectives se penche sur la application de la DEL à la découverte de ligands covalents, un domaine qui a considérablement progressé depuis notre premier rapport sur la DEL covalente lors du symposium DEL en 2015. Un autre Perspective, rédigée en collaboration avec AstraZeneca, examine l'impact de l'utilisation de l'eau sur la santé. biologie structurale des DEL hits rapportés dans la littérature. Cet article démontre que le criblage des DEL tend à produire des résultats avec de nouveaux modes de liaison et des interactions inattendues avec les cibles, ce qui se traduit dans la plupart des cas par une sélectivité exquise. Nous parlons souvent de la diversité chimique des DEL par rapport à d'autres bibliothèques, mais cet article montre que la véritable mesure de la diversité chimique est le large éventail de diversité biologique que l'on peut trouver dans la bibliothèque. Si nous observons tant d'interactions sans précédent dans les DEL, c'est parce que nous explorons un espace chimique sans précédent.

Notre travail va au-delà de l'identification des résultats, avec plusieurs exemples illustrant la progression de l'optimisation des résultats de la DEL vers une matière chimique de qualité "lead" et "candidate". Avec Symeres, nous avons décrit le découverte et optimisation de macrocycles ciblant la cible oncologique Mcl-1. Bien que de grande taille et peptidiques, ces composés ont montré une perméabilité acceptable en plus d'une puissance élevée, probablement grâce à la liaison hydrogène transannulaire observée.

De même, notre collaboration avec Abbvie sur les inhibiteurs de l'IL-17 a montré la puissance des données générées par DEL pour fournir des informations structurelles. Aidée par les informations structurelles SAR et cocristal générées par les données DEL, l'équipe d'Abbvie a mené une campagne de chimie médicinale très impressionnante pour parvenir à un composé présentant de bonnes propriétés pharmacocinétiques et une efficacité puissante dans un modèle animal.

L'un des projets les plus marquants a été notre collaboration avec Arbutus pour le développement d'inhibiteurs du SARS-CoV-2 M^pro. Dans un domaine où le nirmatrelvir, une molécule covalente M^pro a été la première thérapie approuvée, nous avons identifié un nouvel inhibiteur non covalent à partir d'un criblage DEL. Le défi posé par les inhibiteurs actuels de la Mpro est qu'ils ont souvent une efficacité limitée contre les variantes résistantes au nirmatrelvir et qu'ils peuvent ne pas offrir une activité à large spectre contre les souches émergentes de coronavirus, ce qui pose un risque important pour les futures épidémies. Dans notre approche, nous avons d'abord utilisé le criblage DEL pour identifier un inhibiteur non covalent prometteur de Mpro avec un mode de liaison distinct de celui du nirmatrelvir. Nos chimistes ont encore amélioré cette piste en employant une stratégie de macrocyclisation pour verrouiller la conformation active, ce qui a conduit à une amélioration remarquable de la puissance d'un facteur 10.

En plus de la génération de matière chimique spécifique à une cible, nous avons exploré la possibilité de créer une matière chimique spécifique à une cible. génération de ligands pour une large classe de cibles en collaboration avec Structural Genomics Consortium (SGC), Google et Relay Therapeutics. En effectuant une sélection multiplexée de DEL à grande échelle suivie d'un apprentissage de modèles d'apprentissage automatique (AAM), des composés actifs ont été identifiés à partir de sources commerciales pour 7 des 16 cibles examinées, qui n'avaient jamais été marquées auparavant ! Cet article prouve une fois de plus que des données DEL de haute qualité sont essentielles pour assurer le succès de l'apprentissage automatique dans la découverte de médicaments.

X-Chem aide ses partenaires à progresser en produisant des découvertes clés sur lesquelles ils peuvent s'appuyer. Dans une publication récente, nos collègues du SGC ont utilisé un ligand de DCAF1 que nous avions identifié par le biais du criblage DEL pour générer des un PROTAC fonctionnel et caractériser complètement la structure de son complexe ternaire. Il s'agit du premier exemple d'un E3 binder dérivé de DEL permettant une dégradation ciblée des protéines. Il est à noter que DCAF1 n'était pas ligandé jusqu'à ce qu'il ne le soit plus. notre découverte en 2023.

En résumé, l'état de l'excellence scientifique à X-Chem est solide. Notre approche de la découverte est profondément ancrée dans la collaboration. Notre vision ultime est de contribuer à créer un monde plus sain en permettant à d'autres de réaliser des innovations révolutionnaires. En améliorant continuellement nos capacités dans des domaines tels que la chimie computationnelle, le DMPK et les sciences des données, nous sommes bien positionnés pour soutenir nos partenaires et clients dans l'avancement de leurs efforts de découverte de médicaments. Nous vous souhaitons une excellente année 2024 et des réalisations encore plus importantes avec nos partenaires en 2025 !

Par Ali Chou, chercheur

Lorsqu'il s'agit de découverte et de développement de médicaments, il est essentiel de disposer de la bonne équipe et des bons partenaires pour réussir. Pour une petite entreprise de biotechnologie, les bons ORC peuvent être des multiplicateurs de force, apportant une expertise approfondie et complémentaire dans des domaines clés de la découverte de médicaments. Le partenariat entre X-Chem et Montara Therapeutics, dirigé par le fondateur et PDG Dr. Nicholas Hertz, est un exemple de collaboration innovante, axée sur le client, dont l'objectif commun est de trouver des thérapies pour les patients atteints de maladies neurologiques.

Avant de fonder Montara Therapeutics, M. Hertz a cofondé Mitokinin, une société de biotechnologie qui a développé des produits thérapeutiques ciblant PINK1 pour traiter les maladies neurodégénératives, et en a été le directeur scientifique. Son équipe a travaillé en étroite collaboration avec X-Chem pour découvrir et optimiser des composés ciblant PINK1. Leurs travaux ont été couronnés de succès et ont conduit au développement d'une molécule d'intérêt pour le traitement des maladies neurodégénératives. candidat clinique breveté et l'acquisition de Mitokinin par AbbVie en 2023.

Peu après, Hertz a cofondé la société Montara Therapeutics. Tirer parti d'une plate-forme pharmacologique spécifique au cerveau publié par le groupe de Kevan Shokat, Dans le cadre de ce projet, ils visent à créer des thérapies de nouvelle génération pour les maladies neurologiques, y compris la démence. Pour cette nouvelle entreprise, Hertz a renouvelé sa collaboration avec X-Chem sur la base de leur expérience antérieure et de l'expertise de X-Chem en matière de médicaments candidats pénétrant dans le cerveau.

“Ce qui distingue vraiment l'équipe de X-Chem des autres ORC, c'est sa diligence scientifique et son engagement à l'égard de l'innovation”, a déclaré M. Hertz.

Selon Hertz, en 2022, pendant que Mitokinin travaillait avec X-Chem, un article du groupe de David MacMillan a été publié dans Science. L'équipe de X-Chem a contacté Hertz trois jours après la publication.

“L'article portait sur une nouvelle façon d'installer différents types de liaisons. X-Chem a examiné l'article quelques jours seulement après sa publication et a proposé d'appliquer cette méthode à notre projet parce qu'elle pourrait nous aider à accéder à un espace chimique sans précédent”, a déclaré M. Hertz.

Pour les chasseurs de médicaments, l'accès à un espace chimique entièrement nouveau signifie une voie vers une pharmacologie différenciée et des molécules brevetables.

“N'importe qui peut faire de l'optimisation de molécules de base”, a déclaré M. Hertz, mais il a noté que l'approche proactive de X-Chem pour apporter de l'innovation et de la valeur au projet l'a vraiment impressionné.

Lors de la création de Mitokinin, M. Hertz et son équipe ont évalué tous les ORC possibles dans les pays occidentaux ayant une grande expérience des neurosciences.

“X-Chem a publié de nombreux articles dans ce domaine. Ils se sont spécialisés dans l'optimisation des molécules pour la pénétration cérébrale et l'efficacité dans le système nerveux central”.”

Une poignée d'entreprises ont été retenues, mais selon M. Hertz, l'équipe de X-Chem a vraiment compris comment intégrer son expertise en chimie aux découvertes biologiques de Mitokinin.

“C'est une équipe très cohérente et dévouée. Elle fait du très bon travail”, a déclaré M. Hertz au sujet de l'équipe de X-Chem. “Le plus grand témoignage de l'excellence de votre équipe est que les gens reviennent travailler avec vous.”

Un bon ORC doté d'une expertise spécialisée peut avoir un impact considérable sur la réussite d'un programme de découverte de médicaments. Les meilleurs ORC apportent non seulement des capacités solides, mais aussi un état d'esprit axé sur les solutions et l'innovation pour faire avancer les projets, même lorsqu'ils sont confrontés à des défis importants.

Pour les entreprises qui travaillent dans des domaines thérapeutiques où les besoins des patients sont immenses et non satisfaits, il est inestimable d'avoir un partenaire ORC qui a fait ses preuves en matière d'innovation et qui est profondément engagé dans la science. Alors que Montara continue de développer de nouvelles classes de thérapies neurologiques, X-Chem est un partenaire indispensable pour repousser les limites afin de maximiser le succès de ses clients.

Par Ferenc Andreáni, directeur de la chimie

Drug Hunter a récemment écrit l'article “Décodage des bibliothèques codées en ADN pour la découverte de médicaments.” Au cours des deux dernières décennies, la technologie DEL a évolué pour devenir une plateforme d'identification de résultats largement utilisée dans la découverte de médicaments. Comparée à d'autres approches telles que le criblage à haut débit (HTS), qui coûte en moyenne 1,4 à 2 milliards de dollars pour générer une collection de criblage d'un million de composés, une bibliothèque de criblage DEL de 800 millions de composés coûte moins de 1,4 million de dollars. La valeur du criblage DEL parle d'elle-même.

Une sélection solide ne dépend pas seulement de la conception et de l'exécution des expériences de sélection (que nous avons abordées dans le présent document), mais aussi de l'efficacité du processus de sélection. webinaire), mais aussi la qualité et la diversité des blocs de construction (BB) utilisés pour construire le DEL. Les conditions de réaction lors de la synthèse des DEL doivent être compatibles avec l'ADN, ce qui limite les types de BB pouvant être utilisés dans la fabrication des DEL. Bien que plusieurs fournisseurs (par exemple, Enamine, Millipore Sigma) fabriquent des BB, il y a toujours une pénurie perçue de BB diversifiés et nouveaux sur le marché.

Dans notre précédent blog, Nous avons décrit comment nous tirons parti de l'IA pour concevoir et valider les BB. Nous utilisons une boucle itérative d'apprentissage actif consistant en une validation expérimentale en laboratoire pour générer des données et des modèles ML formés sur les données pour prédire les résultats de la validation d'un nouvel ensemble de BB. Ensuite, nous validons expérimentalement les prédictions et optimisons les modèles ML. Résultat : un gain de temps de plusieurs semaines pour le développement de la bibliothèque.

L'IA facilitant la validation de la réactivité des BB, nous avons synthétisé plus de 1 000 nouveaux BB, dont 700 sont disponibles à l'achat. Nous en présentons une fraction ci-dessous, mais de plus amples informations sont disponibles à l'adresse suivante ici.

Tous les BB sont synthétisés en tenant compte de ces considérations :

• Faible aromaticité et caractère fsp3 élevé qui est en corrélation avec une tridimensionnalité accrue, permettant des structures 3D plus complexes et une meilleure spécificité de la cible ; en outre, la plupart des composés présentant des caractères fsp3 élevés présentent une solubilité et des profils de lipophilie améliorés, une plus grande développabilité et une meilleure stabilité métabolique.
• Espace chimique étendu comme indiqué ci-dessous, où nos conceptions (panneau de droite, points roses) couvrent un nouvel espace chimique par rapport aux XBB existants sur le marché (panneau de gauche, points gris). Nous incluons également les acides aminés non naturels bi- et tri-fonctionnels (hétérocycles condensés avec ou connectés à des anneaux hétaryl/spiro via C-C, C-N obligations ou C-O ), les halo-acides, les acides aminés protégés et les halo-amino-acides

• La nouveauté et l'innovation sont garanties nous vérifions dans eMolecules et dans notre base de données interne que tous les BB conçus n'ont pas été synthétisés auparavant

L'intégration d'approches basées sur l'IA dans la conception de blocs de construction, associée aux progrès de la technologie DEL, marque un grand pas en avant dans la découverte de médicaments. En répondant au besoin critique de blocs de construction diversifiés et nouveaux, des entreprises comme X-Chem ouvrent la voie à une identification plus efficace et plus efficiente des résultats. Au fur et à mesure que cette technologie évolue, nous pouvons nous attendre à une gamme plus large de médicaments candidats, à des délais de découverte plus courts et à des coûts potentiellement plus faibles dans le processus de développement pharmaceutique. L'avenir de la découverte de médicaments est prometteur, la technologie DEL et les éléments constitutifs conçus par l'IA jouant un rôle essentiel dans la découverte de nouvelles possibilités thérapeutiques et dans la mise à disposition des patients, plus rapidement que jamais, de traitements susceptibles de changer leur vie. Contactez nous dès aujourd'hui pour discuter de vos besoins en matière de BB.

Par Mounir Raji, scientifique principal

Les composés marqués par des isotopes sont devenus des outils importants pour la découverte et le développement de médicaments. Il a été démontré que les isotopes incorporés, en particulier le deutérium, dans les produits pharmaceutiques améliorent les propriétés ADME par rapport à leurs homologues non marqués isotopiquement. Depuis 2006, la FDA a approuvé plus de 10 médicaments marqués avec des isotopes stables tels que la deutétrabénazine (deutéré), le deucravacitinib (deutéré) et le lubiprostone (marqué au C13).

Traditionnellement, les composés marqués par des isotopes sont générés par différentes méthodes, par exemple par des voies de chimie organique en lots utilisant des matériaux de départ enrichis en isotopes. Chez X-Chem, nous avons pris deux directions synthétiques pour améliorer la rentabilité, la régiosélectivité, la polyvalence et le rendement des réactions de marquage isotopique. Nous avons spécifiquement développé deux méthodologies pour relever les défis actuels du marquage au deutérium et au C13 :

1. Utilisation de l'échange isotopique direct d'hydrogène (EHI) à un stade avancé au lieu de matières premières enrichies isotopiquement: L'échange isotopique direct nous permet d'effectuer le marquage sans qu'il soit nécessaire de procéder à une préfonctionnalisation. Il est également rentable, en raison de la disponibilité de réactifs tels que le D₂O ou ¹³LE CO₂. Du point de vue de l'économie d'atomes, le marquage peut être introduit à une position spécifique sans construire la molécule entière, ce qui ajoute un autre avantage - plus applicable à la synthèse de produits naturels complexes ou de produits pharmaceutiques.

2. Utilisation synthèse des flux au lieu de synthèse par lots: La chimie en flux peut offrir de nombreux avantages par rapport à la chimie traditionnelle par lots, tels que le contrôle précis des paramètres de réaction (par exemple, la température, le temps de réaction), l'amélioration du mélange et le renforcement de la sécurité. Nous avons supposé que le marquage isotopique pouvait également bénéficier des conditions de flux.

Marquage au deutérium hautement sélectif

Inspiré par Le travail de Sajiki en utilisant Pd/C, D₂O et une quantité catalytique de D₂ Afin d'utiliser le gaz de Raney pour marquer les nucléobases, nous avons testé différents substrats avec plusieurs catalyseurs hétérogènes facilement disponibles dans des conditions d'écoulement. Parmi tous les tests, le nickel de Raney a montré une meilleure incorporation du deutérium et a pu être affiné par un prétraitement avec de la caféine. À partir de ces résultats, nous avons ensuite optimisé les réactions pour développer un processus HIE catalysé par le nickel de Raney en flux continu, qui a fait l'objet d'une publication dans Synthèse avancée et catalyse. Le procédé est compatible avec les hétérocycles contenant de l'azote et les composés pharmaceutiques, puisque nous avons marqué avec succès diverses bases puriques, l'imidazole, la pyridine ainsi que des produits pharmaceutiques complexes tels que l'abacavir et le remdesivir, avec des rendements élevés.

Contrôlé ¹³LE CO₂ production de gaz

La source la plus courante de ¹³C est le gaz ¹³CO₂, généralement disponible en bouteilles. Il peut être difficile d'obtenir un mélange suffisant et de contrôler la stœchiométrie des réactions multiphases (par exemple, gaz-liquide). En outre, ces cylindres nécessitent souvent une surpression et sont coûteux.

Comme solution, nous avons développé une chambre à flux ¹³CO₂ à la demande.

La chambre est basée sur un réacteur à flux “tube dans tube”. Ce réacteur gaz-liquide est constitué d'une membrane en téflon enfermée dans un tube en PTFE. Cette conception s'appuie sur le principe de la diffusion pour faciliter le transfert du gaz réactif dans le flux de la solution pendant la synthèse. L'utilisation de Na₂¹³LE CO₃ comme précurseur permet de mieux contrôler la stœchiométrie de la réaction et d'obtenir une série de produits marqués au C13, tels que des urées bioactives et des ¹³acides carboxyliques en C avec une grande efficacité.

Applications au-delà des produits pharmaceutiques 

Les composés deutérés et marqués au C13 sont utilisés dans divers domaines, même au-delà des produits pharmaceutiques ou des études métaboliques. Par exemple, en spectrométrie de masse, les composés marqués servent d'étalons internes pour la quantification. Dans les études cinétiques de l'effet isotopique, les composés marqués sont utilisés pour interroger les mécanismes de réaction et les structures des états de transition. Nous pensons qu'avec nos méthodes synthétiques améliorées, les composés marqués isotopiquement pourraient être générés de manière plus efficace et plus rentable.

Par Dylan Hale, chercheur, et Arnaud Clerc, chercheur

Lorsque les chimistes abordent la formation d'une nouvelle liaison, ils choisissent souvent des conditions de réaction qu'ils (ou leurs collègues) connaissent bien et qui ont fonctionné pour eux dans le passé. En règle générale, ils commencent par tester une réaction à petite échelle (5 mg), évaluent le résultat et modifient les conditions de réaction de manière à obtenir un résultat plus favorable. Ce processus itératif est ensuite répété à l'infini jusqu'à ce qu'ils soient satisfaits du résultat et que le produit souhaité soit isolé. Mais que se passe-t-il lorsque les conditions typiques ne donnent que peu ou pas de produit ? Ou lorsqu'il existe peu de précédents pour la transformation souhaitée ? Ou lorsque le nombre de variables à optimiser est tout simplement trop élevé ?

Le développement de l'expérimentation à haut débit (HTE) a été une technique transformatrice dans l'industrie pharmaceutique car elle permet d'étudier de nombreuses variables en même temps. Chez X-Chem, nous avons développé une équipe spécialisée dans l'optimisation des routes à haut débit (HTRO) qui travaille avec d'autres chimistes pour débloquer les obstacles synthétiques en utilisant l'HTE.

Figure 1. Flux de travail de l'HTRO à X-Chem.

L'équipe HTRO de X-Chem met à profit son expertise en organométallurgie, en catalyse, en développement de méthodes et en conception d'expériences pour adapter de façon unique les écrans aux besoins de chaque chimiste. En plus de la HTRO pour la photoredox, l'hydrogénation et les aminations réductrices, les réactions de couplage croisé catalysées par les métaux de transition sont de loin la transformation la plus demandée par notre équipe. Nous avons donc établi une bibliothèque rationalisée de catalyseurs et de ligands que nous pouvons rapidement déployer dans des cribles adaptés. Nous concevons ces cribles sur la base des précédents bibliographiques, des connaissances de nos chimistes et de notre propre expérience. Nous nous efforçons d'inclure dans nos cribles des exemples qui sortent des sentiers battus afin d'offrir des possibilités de sérendipité technique.

Pour atteindre notre débit tout en restant conscient des contraintes matérielles, nous combinons Technologie ChemBeads (développé par AbbVie) avec une “piscine et fente”L'approche “ChemBeads” de notre conception expérimentale (introduite par BI). ChemBeads, une forme de dilution solide, nous permet de distribuer avec précision des quantités de matériel inférieures au milligramme, ce qui minimise l'investissement en matériel du chimiste qui a besoin d'une HTRO. En général, une plaque complète de 96 puits nécessite moins de 20 mg de matériau. Les conditions de réaction sont rapidement identifiées en appliquant une approche combinatoire “pool and split” à la conception de nos plateformes de criblage. En combinant des métaux, des ligands et d'autres réactifs dans ce que l'on appelle des "pools" en fonction de leurs propriétés chimiques, nous pouvons étudier des centaines, voire des milliers de conditions uniques dans 96 réactions individuelles. Après avoir identifié les pools qui ont fourni la plus grande quantité de produit, nous identifions les bonnes conditions en déconvoluant les pools en leurs composants individuels. Nous avons constaté que cette approche fournit des conditions robustes, évolutives et reproductibles par les chimistes.

Lorsqu'il s'agit de maximiser l'impact et de minimiser les matériaux, l'équipe HTRO a économisé des mois de temps aux chimistes et des grammes d'intermédiaires avancés. Notre capacité à couvrir l'étendue de l'espace chimique avec le moins de matériel possible a été un outil habilitant pour l'équipe X-Chem, et nous continuons à accroître notre capacité chaque jour.

Par Stéphane Turcotte, Senior Principal Scientist

Si le lien est éternel, il doit être sûr.

Les médicaments covalents se sont révélés être des thérapies efficaces pour diverses indications. Toutefois, pour des raisons de sécurité, les composés covalents ne sont pas toujours envisagés lors du lancement d'un projet de découverte de médicaments ciblés. Des méthodes permettant d'évaluer avec précision la réactivité des ogives covalentes irréversibles et réversibles dès le début d'un projet seraient précieuses pour limiter les risques liés au développement de médicaments en aval. Nous avons récemment publié un perspective dans ACS Chem Biol sur les approches actuelles de la technologie DEL covalente et les étapes futures pour faire avancer le domaine.

Dans le cadre d'un projet de découverte de médicaments, pour s'assurer que les inhibiteurs covalents puissants ne sont pas promiscuités, on teste la réactivité des composés électrophiles avec les thiols. Cette mesure est effectuée à l'aide d'un test de réactivité au glutathion (GSH), dans lequel un composé est incubé avec un excès de GSH, et la consommation du composé est mesurée par chromatographie liquide-spectrométrie de masse afin de déterminer une constante de vitesse de pseudo-premier ordre.¹ La demi-vie du GSH peut alors être déterminée à partir de cette constante de vitesse. Les médicaments plus sûrs ont généralement une demi-vie de GSH plus longue.

Le test de réactivité du GSH actuellement utilisé par l'industrie présente plusieurs limites. Il traite les ogives covalentes irréversibles et réversibles de la même manière. Il dépend de la concentration, il est difficile de reproduire les mêmes résultats dans différents laboratoires et il n'est pas toujours prédictif de la toxicité. Chez X-Chem, nous avons développé un nouveau test GSH pour répondre à certaines de ces limitations (Fig. 1).

Figure 1. (A) L'essai de réactivité du GSH standard de l'industrie est utilisé pour mesurer la réactivité par le biais de la demi-vie du GSH, comparé à (B) l'essai de réactivité du GSH de X-Chem pour les ogives covalentes réversibles, qui mesure la demi-vie du GSH. k_éteint plutôt que la réactivité, et (C) le test de réactivité du GSH de X-Chem pour les ogives covalentes irréversibles, qui est utilisé pour comparer la réactivité du GSH par rapport à la cible protéique avec la même constante de vitesse du second ordre, k_inactif/K_I.

Notre nouveau test GSH est similaire à la norme industrielle en termes de procédures impliquées dans le travail humide, et est également à haut débit, mais nous prenons en compte des paramètres supplémentaires lors de l'analyse des données, de sorte que nous pouvons résoudre la cinétique de la réactivité de l'ogive.

Par exemple, pour les ogives covalentes réversibles, nous utilisons le taux de désactivation et non le taux de réactivité comme prédicteur de la toxicité. Nous mesurons la concentration d'équilibre de l'adduit GSH à différentes concentrations de GSH, puis nous déterminons K_d et le taux de chômage (k_éteint) pour la réaction réversible. Nous évaluons la toxicité par la différence entre le temps de séjour (1/k_éteint) sur la cible protéique et sur le GSH.

Pour les ogives covalentes irréversibles, nous mesurons l'augmentation de la concentration de l'adduit GSH en fonction du temps à différentes concentrations de GSH. Nous traçons ensuite les différentes constantes de vitesse observées ensemble pour résoudre la question suivante k_inactif et K_I. Cette méthode d'évaluation de la réactivité s'apparente à l'exigence de la FDA en matière d'inhibition du CYP et est également la méthode que les chercheurs en médicaments covalents utilisent déjà pour évaluer la réactivité sur la cible. Nous évaluons la toxicité par la différence entre k_inactif/K_I pour la protéine cible et le GSH.

En modifiant la façon dont nous extrayons les constantes cinétiques des données de réactivité, nous pouvons générer des prédicteurs de toxicité et différencier la cinétique des ogives réversibles et irréversibles. En outre, nos résultats sont conformes aux meilleures pratiques en matière d'analyse des adduits des protéines covalentes. Cet essai nous aide non seulement à concevoir et à incorporer des blocs de construction covalents plus raffinés (dont les structures sont basées sur des médicaments approuvés et en phase avancée de développement qui ciblent Cys, Lys, Ser) pour nos bibliothèques codées sur ADN pour le criblage, mais il fournit également à nos partenaires de meilleurs outils pour optimiser et dérisquer leurs hits et leurs leads covalents.

Référence

1. Boike, L. et al. Progrès dans la découverte de médicaments covalents.Nat Rev Drug Discov, 2022, 21, 881-898.

Lecture complémentaire :

1. Gai, C. et al. Approches avancées du développement de médicaments covalents ciblés.RSC medicinal chemistry, 2022, 13(12), 1460-1475.
2. Faridoon, Ng R. et al. Mise à jour sur la découverte et le développement d'inhibiteurs covalents réversibles.Medicinal Chemistry Research, 2023, 32(6), 1039-1062.
3. Strelow, J.M. Une perspective sur la cinétique de l'inhibition covalente et irréversible. SLAS Discovery, 2017, 22(1), 3-20.
4. Brum, L. In Vitro Études d'interactions médicamenteuses - Interactions médicamenteuses médiées par les enzymes du cytochrome P450 et les transporteurs Guide pour l'industrie.

Par Johan Bartholomeus, Senior Principal Scientist, et Philippe McGee, Principal Scientist

Dans le cadre d'un projet de découverte de médicaments, au cours des phases d'optimisation, les paramètres pharmacocinétiques (absorption, distribution, métabolisme, excrétion [ADME] et toxicité) deviennent de plus en plus importants car ils peuvent indiquer quels candidats médicaments ont le plus grand potentiel thérapeutique avec les risques les plus faibles. Une technique souvent négligée, appelée K_IAM présente un intérêt particulier pour X-Chem, car cette technique permet de prédire certains aspects de l'absorption, de la promiscuité des cibles et de certains types de toxicité - comme quoi un point à temps en sauve neuf (Fig. 1).

Figure 1. LogK_IAM est plus pertinent d'un point de vue thérapeutique que le logD.

Log K_IAMdésigne le coefficient de partage (K) d'un composé entre une phase aqueuse et une membrane artificielle immobilisée (IAM). Cette valeur peut être utilisée pour prédire la probabilité de diffusion passive d'un composé et, par conséquent, le potentiel de passage du composé à travers les membranes biologiques.

Quel K_IAM peut également indiquer la probabilité qu'un médicament candidat présente une promiscuité hors cible ou induise une phospholipidose, une condition dans laquelle les phospholipides excédentaires et les médicaments s'accumulent à l'intérieur des lysosomes. Dans des conditions normales, la phospholipase A2 lysosomale (LPLA2) est liée à la membrane interne du lysosome par des charges électrostatiques. La phospholipase y digère les phospholipides, ce qui est un processus naturel du métabolisme.

Cependant, lorsque la phospholipidose est induite par un médicament, celui-ci s'accumule à la membrane interne du lysosome. Cela élimine les sites de liaison anioniques pour la phospholipase, ce qui entraîne sa dégradation et l'accumulation toxique de phospholipides. Les composés dont le log K_IAM > 4 peuvent comporter un risque de phospholipidose et doivent être examinées attentivement avant de progresser.

Bien que le log K_IAMn'est qu'un des facteurs à prendre en compte lors de l'évaluation du risque potentiel de promiscuité des cibles ou de phospholipidose associé à un composé, nous pensons chez X-Chem qu'il est bon de priver de priorité les composés dont le log K_IAMafin de réduire les risques liés aux efforts de développement de médicaments en aval.

Log K_IAM peuvent être obtenues simplement par CLHP (Fig. 2). L'analyte est introduit dans le système chromatographique où il interagit avec la phase stationnaire - le phospholipide IAM - et la phase mobile - le tampon aqueux. Le temps de rétention de l'analyte est étalonné par rapport à un ensemble de composés de référence pour calculer le coefficient de partage, qui est ensuite converti en log K_IAM.

Figure 2. La colonne HPLC IAM imite la surface de la membrane cellulaire biologique et peut être utilisée pour prédire la diffusion passive du médicament.

Le log K_IAMpeut être considéré comme une variante biologiquement plus pertinente de log D. Nous mesurons systématiquement log K_IAMpour tous les composés du projet synthétisés à X-Chem dans le cadre du processus de contrôle de qualité.

En conjonction avec d'autres paramètres mesurés, le log K_IAMpeuvent contribuer à fournir des prévisions préliminaires sur les propriétés et le comportement des composés synthétisés dans les systèmes de traitement des eaux usées. vivo.¹ En étudiant le temps de rétention, la forme des pics et le profil d'élution d'un médicament sur une colonne biomimétique, nous pouvons améliorer nos prévisions en matière d'ADME et de toxicité.²

Par exemple, nous avons observé une relation claire entre le log K_IAMet la fraction non liée dans les microsomes (Fig. 3). Étant donné que la stabilité des composés dans les microsomes peut augmenter avec l'accroissement des proportions liées aux macromolécules microsomales (protégeant ainsi le médicament contre le métabolisme), le classement des composés en fonction de leur clairance totale risque de refléter les différences de liaison microsomale plutôt que la stabilité métabolique réelle.

Figure 3. Relation entre le log K_IAMet la fraction non liée dans les microsomes.

Nous pensons que le log K_IAMsera une mesure standard à l'avenir, comme l'est aujourd'hui le logD. Nos clients bénéficieront de l'obtention de K_IAM pour tous les composés du projet. Log K_IAM nous permettra de faire avancer les projets plus rapidement, en créant des composés dotés d'un bon équilibre de propriétés qui deviendront par la suite des candidats au développement.

Références

1. Casartelli, A. et al. Une approche cellulaire pour l'évaluation précoce du potentiel phospholipidogène dans la recherche pharmaceutique et le développement de médicaments. Cell Biology and Toxicology, 2003, 19(3), 161-176.
2. Valko, K.L. Application de la CLHP biomimétique pour estimer le comportement in vivo des composés de découverte précoce de médicaments. Future Drug Discovery, 2019, 1(1), FDD11.
3. Armstrong, D. et al. Toxicologie prédictive : Derniers développements scientifiques et leur application à l'évaluation de la sécurité. En Chimie médicinale complète III. Elsevier, 2017, 94-115.

Par Marie-Aude Guie, vice-présidente de l'informatique scientifique et de la science des données

L'intelligence artificielle (IA) est désormais reconnue comme un élément indispensable de la boîte à outils moderne de la découverte de médicaments, appliquée à toutes les étapes de la découverte de médicaments, depuis la recherche initiale de résultats jusqu'à l'optimisation des pistes et au-delà. Il a été démontré à maintes reprises que l'association de données de haute qualité et d'une intelligence artificielle avancée peut améliorer considérablement le processus de recherche de résultats.^1,2,3 Mais alors que les avantages de l'IA dans la découverte de médicaments continuent de s'accumuler, nous devons nous rappeler que pour maximiser le potentiel de cette industrie, il faut aider les principaux contributeurs dans leurs efforts :

En bref, si nous voulons que la communauté de l'IA continue à soutenir la communauté de la découverte de médicaments, nous devons également soutenir la communauté de l'IA.

Pensez-y de cette façon : AlphaFold peut désormais prédire les structures tridimensionnelles des protéines avec plus de précision que jamais.⁴ Pourquoi ? Parce que les données d'entraînement ont été rendues publiques. Alors, comment améliorer encore les algorithmes d'IA ? Nous partageons les données, ce qui permet aux scientifiques de données d'explorer de nouvelles approches pour résoudre les problèmes liés à la découverte de médicaments.

Malheureusement, la plupart des entreprises ne partagent pas leurs données exclusives, ce qui se traduit par des ensembles de données publiques restreints et peu diversifiés. En outre, l'apprentissage machine (ML) nécessite à la fois des données positives et des données négatives. et Les données négatives pour les modèles efficaces, mais les ensembles de données publiques (par exemple, la littérature) ne comprennent souvent que des résultats positifs. Cela ne suffit pas.

Pour contribuer à résoudre ce problème, X-Chem prend des mesures pour montrer l'exemple et faire partie de la solution : En collaboration avec Consortium de génomique structurelle (SGC), X-Chem partagera publiquement ses données de criblage de bibliothèques codées par l'ADN (DEL). Les praticiens de l'IA auront un accès libre à ces données et pourront les utiliser pour tester de nouvelles approches d'IA. De plus amples informations sont disponibles à l'adresse suivante cette communiqué de presse.

Nous espérons que les données de haute qualité et à haut débit de X-Chem favoriseront également les progrès de l'IA, car l'IA a déjà amélioré diverses étapes de la découverte de médicaments. Grâce à ces nouveaux ensembles de données publiques, nous favoriserons également la validation des cibles par l'identification de sondes et nous explorerons des voies encore inexplorées pour la découverte de médicaments.

Notre mission est d'aider nos clients à guérir les maladies et de partager nos innovations avec le monde entier. Nous mettons déjà notre technologie entre les mains des experts en découverte de médicaments, et nous voulons maintenant faire de même pour la communauté de l'IA en mettant plus de données entre leurs mains. La plateforme DEL de X-Chem fournit une profondeur et une étendue sans précédent de données propres et diverses. Ces données seront désormais accessibles au public.

Références

1. McCloskey, K. et al. Apprentissage automatique sur des bibliothèques codées en ADN : un nouveau paradigme pour la recherche de résultats. Journal of Medicinal Chemistry, J. Med. Chem. 2020, 63, 16, 8857-8866.
2. Ahmad, S., et al. Découverte d'un premier ligand de petite molécule pour le WDR91 à l'aide d'une sélection de chimiothèques codées sur l'ADN suivie d'un apprentissage automatique. J. Med. Chem. 2023, 66, 23, 16051-16061.
3. Li, A.S.M. et al. 2023. Découverte de petites molécules ligands nanomolaires pour le DCAF1. J. Med. Chem. 2023, 66, 7, 5041-5060.
4. Bordin, N. et al. 2023. De nouvelles approches d'apprentissage automatique révolutionnent la connaissance des protéines. Tendances en sciences biochimiques, Trends in Biomedical Sciences. 2023, 48(4), 45-359.

Par Matt Clark, président et directeur scientifique

La plupart des lecteurs connaissent la parabole de l“"homme de la rue".“recherche de l'ivrogne”Dans cette histoire, une personne ivre cherche ses clés de voiture perdues à la lueur d'un réverbère, non pas parce qu'il est proche de l'endroit où elle a perdu ses clés, mais parce que “c'est là qu'il y a de la lumière”. Cette histoire est souvent citée dans le contexte des biais d'observation dans les sciences, où la formation et les outils de recherche d'une personne l'amènent à formuler les problèmes d'une manière qui n'est pas forcément utile pour le phénomène en question. Ce concept est également illustré par le proverbe “si vous n'avez qu'un marteau, tout ressemble à un clou”. Par essence, nos outils déterminent la manière dont nous étudions, explorons et tirons des conclusions sur le monde.

Je considère l'identification des occurrences comme le problème ultime des lampadaires. Nous savons que l'espace chimique est incroyablement vaste, mais notre capacité à l'échantillonner est limitée. Le fait que nous puissions trouver des substances chimiques exploitables à partir de quelques millions de composés seulement témoigne de la diligence et de la créativité de la communauté du criblage, compte tenu du nombre ahurissant de composés potentiellement utiles qui existent en théorie (c'est-à-dire dix à la puissance 60, d'après une estimation). Dans mon analogie, la zone éclairée par le réverbère de l'ivrogne représente la taille et la composition des collections de dépistage typiques, et les zones non éclairées de la rue symbolisent l'immensité encore inexploitée de l'espace chimique.

Quelle est donc l'importance de ce phénomène ? Les taux de réussite des collections de criblage de taille modeste sont suffisants pour générer des résultats positifs dans la plupart des cas. Mais quelle valeur supplémentaire pourrait résider dans les parties “non éclairées” de l'espace chimique ? Cette question préoccupe de nombreux membres de la communauté DEL. Nos bibliothèques ont tendance à être beaucoup plus grandes que les collections de criblage typiques, de sorte que, pour poursuivre l'analogie, notre zone éclairée est beaucoup plus grande. La recherche dans des zones plus vastes de l'espace chimique présente-t-elle des avantages ? Découvrirons-nous de nouvelles façons de ligaturer les protéines ? Ou trouverons-nous simplement des variantes de ce que nous avons déjà vu - les mêmes problèmes de liaison résolus de manière légèrement différente ?

Un récent papier publié par AZ et X-Chem explore les conséquences de l'exploration de zones plus vastes de l'espace chimique. Dans cette perspective, Collie et al. étudient la littérature relative aux cribles DEL réussis où l'interaction de liaison est caractérisée, généralement par cristallographie aux rayons X. Les résultats révèlent que, dans de nombreux cas, la nature des interactions protéine-ligand est nouvelle par rapport aux découvertes antérieures. Leurs conclusions révèlent que, dans de nombreux cas, la nature des interactions protéine-ligand est nouvelle par rapport aux découvertes antérieures. De nouvelles conformations de protéines, des sites de liaison inconnus jusqu'alors et des interactions sans précédent sont fréquemment observés. Même pour des classes bien étudiées comme les kinases, les résultats positifs de la DEL présentent souvent des aspects nouveaux dans leur liaison. Les auteurs démontrent également que ces nouvelles interactions ne sont pas de simples curiosités académiques ; elles semblent mener directement à des ligands hautement sélectifs, même pour les kinases.

Malheureusement pour la préparation de ce manuscrit, ce qui pourrait être la démonstration la plus puissante de cette tendance a été publié trop tard pour être inclus. Dans un récent papier Publié dans AACR Cancer Discovery, des chercheurs de Relay Therapeutics décrivent la découverte d'un inhibiteur allostérique sélectif de PI3Kα, pan-mutant et épargnant le type sauvage, à l'aide du criblage DEL. La caractérisation structurelle a notamment démontré que le composé se liait à une nouvelle poche cryptique, illustrant une fois de plus la capacité du criblage DEL à découvrir des modes de liaison inédits. Cet article a également suivi le succès de l'optimisation et des essais cliniques, où il a démontré des avantages pour les patients grâce à sa sélectivité et à ses propriétés de liaison uniques.

La conclusion que nous tirons de ces observations - au risque d'aller trop loin dans l'analogie - est qu'il existe en effet une valeur substantielle inexploitée dans les zones sombres de la rue. C'est là que nous trouvons des composés ayant des comportements différents de ceux découverts dans le passé. À une époque où l'on s'attaque à de nouvelles cibles médicamenteuses de plus en plus difficiles, un lampadaire plus puissant s'avérera un outil précieux.