Summary

重複2法による相乗効果の薬剤の組合せの高スループット識別

Published: May 21, 2018
doi:

Summary

相乗効果の薬剤の組み合わせは難しいと経験的に識別するために時間がかかるです。ここでは、識別し相乗小分子を検証する手法について述べる。

Abstract

抗菌薬は20 世紀に劇的に寿命や生活の質を増加している、抗菌薬耐性は、全身性の感染症を治療するために私たちの社会全体の能力を脅かしています。単独で米国で抗生物質耐性感染症は年とコスト追加医療で約 200 億米ドル約 23,000 人を殺します。抗菌薬耐性に対処する方法の 1 つは療法前に感染源の生物とその薬剤耐性プロファイルが確認されている感染症の重要な初期段階で特に有用であります。多くの抗菌薬治療は併用療法を使用します。しかし、これらの組み合わせのほとんどは、添加剤、結合された効果は個々 の抗生物質の効果の合計と同じであることを意味します。いくつかの併用療法は相乗効果: 結合された効果は添加物よりもはるかに大きい。相乗的な組み合わせは、抗菌薬耐性菌の成長を抑えることができますので特に便利です。ただし、これらの組み合わせが珍しいとを識別することは困難です。これはペアの方法でテストするために必要な分子の膨大な数によるもの: 1,000 分子のライブラリには 100 万の潜在的な組み合わせ。したがって、相乗効果のための分子を予測する努力がされました。この資料では、重複2法 (O2M) として知られている小分子で相乗ペアを予測するための私たちの高スループット方法について説明します。O2M が過敏相乗ペアの各分子が他の分子に変異を識別するのに化学遺伝的データセットのパターンを使用します。ブラウンの実験室は、変異がない野生型の細胞の増殖を抑制する分子の高スループットの画面を実行することによってこの成長の違いを悪用します。ラボの仕事は、以前抗生物質のトリメトプリムと抗真菌薬のフルコナゾールこの戦略を使用して相乗効果の分子を識別されます。著者らは、複数の微生物のため変更することができます新しい相乗的な組み合わせの方法画面を紹介します。

Introduction

抗生物質耐性菌は、1CDC によると米国の毎年以上 200 万感染症や 23,000 の死を引き起こします。新しい治療法は、これらの感染症を克服するために必要です。これらの新しい治療法を特定する戦略には、新しい抗菌薬の開発や小さな分子微生物感染症2,34を治療するために他の条件のために承認の転用が含まれます。しかし、新しい薬剤の発見は非常に高価な時間のかかるです。新薬を識別できないことがあります薬を転用または薬剤ターゲット5,6。私たちの研究室は、相乗的組み合わせ療法として知られている 3 番目の戦略について説明します。相乗的な組み合わせは、2 つの小さい分子は一緒に彼らの個々 の効能7の添加効果より大きい薬効を持つ場合に発生します。さらに、相乗的な組み合わせすることができますレンダリングすること偉大な潜在的な8,9、以下の不要なオフターゲット効果だけでなくペアの小さな分子のいずれかに耐性病原体に対して有効であります。 10

相乗ペアは、薬物の組み合わせ11,12,13の約 4-10% に発生するまれな。このように、ペアワイズ画面などの伝統的な技法、挑戦的な 100 分子の小さなライブラリからの潜在的な組み合わせの何千もの時間がかかる。さらに、相乗作用通常予測できない化合物14の活動から。ただし、相乗的組み合わせは、重複2メソッド (O2M)12と呼ばれる画面に高スループットのアプローチを開発しました。このメソッドは、ここで説明はこれらの相乗のペアをより速くより効率的な識別するためことができます。O2M は、知られている相乗ペアと化学遺伝学データセットの使用を必要とします。ノックアウト変異体のライブラリは、多くの異なる小さな分子の存在下で育てられたとき、化学遺伝学データセットが生成されます。その同じ突然変異体の表現型を引き出す他の小さな分子が既知の各メンバーと相乗効果も知られている相乗ペアで 1 つの分子が 2 番目の相乗的分子として特定ノックアウト変異体から同じ表現型を引き起こす場合相乗のペア。この根拠は、相乗抗生物質ペアエシェリヒア属大腸菌 (E. 大腸菌)に対してアクティブと病原性の真菌クリプトコッカス ・ ネオフォルマンス(c. に対してアクティブな相乗的抗真菌薬のペアを識別するブラウンの実験室で使用されていますネオフォルマンス)11,12。O2M は様々 な病原体に適応できるだけでなく、分子の大規模なライブラリのスクリーニングは、簡単かつ迅速に相乗のペアを識別します。O2M によって識別される遺伝的変異スクリーニングの相乗効果の予測小さな分子のみを検証することができます。したがって、あった場合のみ 20 分子の相乗効果を予測したライブラリで、今相乗効果の試験日の問題を受け取る一方で、2,000 分子ライブラリーのペアワイズ テストと、月がかかるでしょう。O2M は、プログラミングスキルは不要、必要な機器はほとんどのラボや中核施設で利用可能です。薬の組み合わせに興味がある研究者に加えて O2M 分析薬物画面が完了し、重要な薬物相互作用を識別することによって彼らのヒット曲を拡大したい人誰にも興味深いものです。以下、細菌、相乗効果の小さい分子を識別するだけでなく、よく知られている試金15,16の予測の相乗作用を検証するプロトコルです。

Protocol

1. 重複2法 (O2M) による化学遺伝学データセットから相乗効果予測の突然変異を識別します。 注: これはニコルズらから公開されたデータセットを使用したシナジー予測変異を識別する方法です。17 大腸菌。ただし、これは任意の化学遺伝学データセットや微生物を行うことができます。これらのデータ セットには、各変異?…

Representative Results

市松模様の試金は、相乗作用を測定するための半定量的方法です。出力の最終的なスコア、FICI、決定薬の組み合わせ相乗 (FICI ≤0.5) を考えると、非相互作用 (0.5 < FICI < 4)、または拮抗 (FICI ≥4.0)。図 1は、市松模様のアッセイで薬物グラデーションを設定する方法を示しています。図 2は、一般的な結果を示しています。90% …

Discussion

相乗効果の小さい分子のペアは、微生物感染症の治療に強力なツールをすることができますまだ彼ら相乗ペアが識別するために挑戦的なのでその完全臨床的可能性に達していません。本稿では、シンプルなペアの組み合わせよりもはるかに高速の相乗組み合わせを識別するためのメソッドについて説明します。化学遺伝学データセットを使用して、O2M は相乗的組み合わせを予測するために小…

Disclosures

The authors have nothing to disclose.

Acknowledgements

この作品は、J.C.S.B. にユタ大学の病理からのスタートアップ助成金によって支えられました。

Materials

Bioscreen C instrument Growth Curves USA
Synergy H1 instrument BioTek
M9 broth reagent Amresco J863-500G
Casamino Acids reagent Fisher Scientific BP1424-500
Glucose reagent Sigma G7021-10KG
Nicotinic Acid reagent Alfa Aesar A12683
Thiamine reagent Acros Organics 148991000
CaCl2 Dihydrate reagent Fisher C79-500
MgSO4 Heptahydrate reagent Fisher M63-500
chemical-genetics dataset dataset examples include Nichols et al., Cell, 2011, Brown et al, Cell, 2014, and others cited in the text.
trimethoprim (example input drug; any can be used) reagent Fisher Scientific ICN19552701
sulfamethoxazole (example test drug; any can be used) reagent Fisher Scientific ICN15671125

References

  1. Michael, C. A., Dominey-Howes, D., Labbate, M. The Antimicrobial Resistance Crisis: Causes, Consequences, and Management. Front Public Health. 2, 145 (2014).
  2. Butts, A., Krysan, D. J. Antifungal Drug Discovery: Something Old and Something New. PLOS Pathogens. 8 (9), e1002870 (2012).
  3. Roemer, T., Krysan, D. J. Antifungal Drug Development: Challenges, Unmet Clinical Needs, and New Approaches. Cold Spring Harb Perspect Med. 4 (5), a019703 (2014).
  4. Oprea, T. I., Mestres, J. Drug Repurposing: Far Beyond New Targets for Old Drugs. AAPS J. 14 (4), 759-763 (2012).
  5. Scannell, J. W., Blanckley, A., Boldon, H., Warrington, B. Diagnosing the decline in pharmaceutical R&D efficiency. Nat Rev Drug Discov. 11 (3), 191-200 (2012).
  6. Rangel-Vega, A., Bernstein, L. R., Mandujano-Tinoco, E. A., García-Contreras, S. J., García-Contreras, R. Drug repurposing as an alternative for the treatment of recalcitrant bacterial infections. Front Microbiol. 6, 282 (2015).
  7. Torella, J. P., Chait, R., Kishony, R. Optimal Drug Synergy in Antimicrobial Treatments. PLoS Comput Biol. 6 (6), e1000796 (2010).
  8. Cowen, L. E., et al. Harnessing Hsp90 function as a powerful, broadly effective therapeutic strategy for fungal infectious disease. P Natl Acad Sci. 106 (8), 2818-2823 (2009).
  9. Zuo, G. -. Y., et al. Synergistic Antibacterial and Antibiotic Effects of Bisbenzylisoquinoline Alkaloids on Clinical Isolates of Methicillin-Resistant Staphylococcus Aureus (MRSA). Molecules. 16 (12), 9819 (2011).
  10. Jia, J., et al. Mechanisms of drug combinations: interaction and network perspectives. Nat Rev Drug Discov. 8 (2), 111-128 (2009).
  11. Wambaugh, M. A., Shakya, V. P. S., Lewis, A. J., Mulvey, M. A., Brown, J. C. S. High-throughput identification and rational design of synergistic small-molecule pairs for combating and bypassing antibiotic resistance. PLOS Biol. 15 (6), e2001644 (2017).
  12. Brown, J. C. S., et al. Unraveling the biology of a fungal meningitis pathogen using chemical genetics. Cell. 159 (5), 1168-1187 (2014).
  13. Cokol, M., et al. Systematic exploration of synergistic drug pairs. Mol Syst Biol. 7, 544-544 (2011).
  14. Borisy, A. A., et al. Systematic discovery of multicomponent therapeutics. Proc Natl Acad Sci USA. 100 (13), 7977-7982 (2003).
  15. Tang, J., Wennerberg, K., Aittokallio, T. What is synergy? The Saariselkä agreement revisited. Front Pharmacol. 6, 181 (2015).
  16. Hsieh, M. H., Yu, C. M., Yu, V. L., Chow, J. W. Synergy assessed by checkerboard. A critical analysis. Diagn Microbiol Infect Dis. 16 (4), 343-349 (1993).
  17. Nichols, R. J., et al. Phenotypic Landscape of a Bacterial Cell. Cell. 144 (1), 143-156 (2011).
  18. Chandrasekaran, S., et al. Chemogenomics and orthology-based design of antibiotic combination therapies. Mol Syst Biol. 12 (5), (2016).
  19. Pradhan, A., et al. Chemogenomic profiling of Plasmodium falciparum as a tool to aid antimalarial drug discovery. Sci Rep. 5, 15930 (2015).
  20. Pethe, K., et al. A chemical genetic screen in Mycobacterium tuberculosis identifies carbon-source-dependent growth inhibitors devoid of in vivo efficacy. Nat Commun. 1 (5), 1-8 (2010).
  21. Diezmann, S., Michaut, M., Shapiro, R. S., Bader, G. D., Cowen, L. E. Mapping the Hsp90 Genetic Interaction Network in Candida albicans Reveals Environmental Contingency and Rewired Circuitry. PLoS Genetics. 8 (3), e1002562 (2012).
  22. Robbins, N., et al. An Antifungal Combination Matrix Identifies a Rich Pool of Adjuvant Molecules that Enhance Drug Activity Against Diverse Fungal Pathogens. Cell reports. 13 (7), 1481-1492 (2015).
  23. Wildenhain, J., et al. Prediction of Synergism from Chemical-Genetic Interactions by Machine Learning. Cell Syst. 1 (6), 383-395 (2015).
  24. Spitzer, M., et al. Cross-species discovery of syncretic drug combinations that potentiate the antifungal fluconazole. Mol Syst Biol. 7, 499-499 (2011).

Play Video

Cite This Article
Wambaugh, M. A., Brown, J. C. S. High-throughput Identification of Synergistic Drug Combinations by the Overlap2 Method. J. Vis. Exp. (135), e57241, doi:10.3791/57241 (2018).

View Video