Mechanistic in-silico characterization of antiviral PROTACs

Als Proteolyse-targeting Chimeras (PROTACs) bezeichnet man heterobifunktionale Moleküle, die das Zielprotein proteasomal abbauen. Trotz mehrerer therapeutisch vielversprechender PROTACs sind deren pharmakokinetische (PK) Eigenschaften bislang nur unzureichend verstanden. Dies liegt unter anderem an der begrenzten Übertragbarkeit der für niedermolekulare Verbindungen entwickelten in-vitro Analyse-Methoden, sowie an der noch nicht entschlüsselten Rolle der Linker-Strukturen im Hinblick auf die PK. Darüber hinaus ist die translationale Strategie für PROTACs auf die Onkologie zugeschnitten, da PROTACs dort überwiegend eingesetzt wurden. Mit der zunehmenden Verbreitung dieser Technologie für andere Indikationen, einschließlich Infektionskrankheiten, wächst der Bedarf, das bestehende translationale Konzept anzupassen und zu erweitern, um die PROTAC-Entwicklung voranzutreiben. Diese Arbeit charakterisiert die PK-Eigenschaften antiviraler PROTACs. Korrelationen zwischen ihrem PK-Verhalten und physikochemischen oder in-vitro ADME-Eigenschaften, sowie den Eigenschaften der zugrundeliegenden niedermolekularen Verbindungen wurden untersucht. Mittels Physiologie-basierten Pharmakokinetik (PBPK)-Modellen wurden diese substanzspezifischen Parameter integriert, um intravenöse PK-Profile von PROTACs vorherzusagen. Dabei zeigte sich jedoch eine systematische Unterschätzung des Verteilungsverhaltens. Die Hauptursache für die beobachteten Abweichungen blieb unbekannt, was auf eine Erkenntnislücke bei PBPK-Simulationen für PROTACs hinweist. Zudem wurde ein mechanistisches pharmakodynamischen (PD) Modell weiterentwickelt, um den antiviralen Effekt von PROTACs vorherzusagen, sowie die Bildung einer reversiblen oder irreversiblen kovalenten Bindung zwischen PROTAC und dem Zielprotein einzuschließen. Dadurch wurden PROTACs mit unterschiedlichen Bindungsmodalitäten verglichen, um den Einfluss von Kovalenz auf die Bindungskinetik, den Proteinabbau und die antivirale Wirkung zu studieren. Das Modell wurde unter Verwendung der in-vitro und in-vivo Aktivitätsdaten des PROTACs BT153, das gegen SARS-CoV-2 Mpro gerichtet ist, validiert. Durch Verknüpfung des PK/PD-Modells mit einem Virusdynamik-Modell wurde die Reduktion der Viruslast nach BT153-Behandlung in vivo reproduziert. Zusätzlich wurden potenzielle Fallstricke für Dateninterpretation bei der Verwendung eines transfizierten Systems zur Degradationsprofilierung in der antiviralen PROTAC-Forschung analysiert. Insgesamt etabliert diese Arbeit ein einheitliches Modellierungs-Framework, das die molekulare Bindungskinetik, Pharmakokinetik und antivirale Wirkung von PROTACs miteinander verknüpft. Dies ermöglicht und unterstützt durch in-silico Vorhersagen der antiviralen Wirksamkeit die Bewertung der Wirkung in vitro und in vivo im Hinblick auf die Planung präklinischer Studien. Abschließend wurde dieses Modellierungs-Framework in R implementiert, wodurch eine flexible Anpassung ermöglicht wird, um breitere Anwendungen in der antiviralen PROTAC-Entwicklung zu unterstützen.