Pharmazeutische Wirkstoffe – Forschung und Produktion _ Umfangreiche Zusammenfassung Teil 1

Definitionen und Begriffe

• Arzneimittel-Definition (AMG, FDA, Cambridge Dictionary)- Therapeutische, diagnostische oder prophylaktische Zweckbestimmung.

  • Substanz/Fertig­produkt, das am menschlichen oder tierischen Körper angewandt wird.

• Wirkstoff- „Substanzen, die einen bestimmten Effekt hervorrufen“; i.d.R. biochemische oder pharmakologische Wirkung.

  • DUDEN: körpereigene oder ‑fremde Substanz, die in biologische Vorgänge eingreift.

Öffentliche Wahrnehmung & Kontroverse

• Medien­schlagzeilen: Impfquote, Pharma-Investitionen, HIV-Therapie, Opioid-Krise, Ebola-Antikörper, Rekordumsätze.

• Spannungsfeld zwischen medizinischem Nutzen, gesellschaftlicher Akzeptanz, Ethik und Ökonomie.

Historische Entwicklung der Wirkstofffindung

• Krebs-Chemotherapie (DeVita & Chu 2008) als Beispiel für Fortschritt, Rückschläge, multidisziplinäre Komplexität.

Wege zur Entdeckung von Wirkstoffen

• Klassisch/Forward Pharmacology: Phänotyp → Target unbekannt.

  • Dieser Ansatz beginnt mit der Beobachtung einer Wirkung (Phänotyp) in einem biologischen System (z.B. Zelle, Gewebe, Organismus), ohne dass das spezifische molekulare Ziel bekannt ist. Wirkstoffe werden aufgrund ihrer Fähigkeit identifiziert, den gewünschten Phänotyp zu modulieren (z.B. Wachstum von Tumorzellen hemmen, Entzündung reduzieren). Der Mechanismus und das genaue Target müssen anschließend aufwendig dekonvolutiert werden. Dies kann zu Wirkstoffen mit völlig neuartigen Mechanismen führen.

• Target-basiert/Reverse Pharmacology: bekanntes Zielmolekül → gezielte Modulation.

  • Hierbei wird zunächst ein spezifisches Biomolekül (das Target, z.B. ein Enzym, ein Rezeptor, ein Ionenkanal) identifiziert, das eine zentrale Rolle in der Pathophysiologie einer Krankheit spielt. Wirkstoffe werden dann gezielt entwickelt oder gescreent, um spezifisch an dieses Target zu binden und dessen Funktion zu modulieren (z.B. Hemmung eines überaktiven Enzyms). Dieser rationale Ansatz profitiert enorm von Fortschritten in der Genomik, Proteomik und Strukturbiologie.

• Beide Ansätze ergänzen sich (Berg & Stryer 2018): Oftmals werden Target-basierte Entdeckungen später in komplexen phänotypischen Modellen evaluiert, während bei phänotypischem Screening entdeckte Substanzen mechanistisch und Target-basiert aufgeklärt werden, um einen tieferen Einblick in ihre Wirkweise zu erhalten.

Überblick Drug-Discovery-Prozess

• Phasen (Vogelperspektive): Der Drug-Discovery-Prozess ist ein iterativer, risikoreicher und langwieriger Weg, der typischerweise sieben Hauptphasen umfasst:

  1. Target-Discovery (Zielidentifikation und -Validierung):

     • Identifikation: Das Finden eines Biomoleküls (z.B. Protein, RNA, DNA), das eine kausale Rolle in einer Krankheit spielt und potenziell therapeutisch moduliert werden kann. Dies kann durch genetische Studien (z.B. GWAS, CRISPR/Cas-Screens), Omics-Daten (Genomik, Proteomik, Metabolomik), oder funktionelle Assays geschehen.

     • Validierung: Sicherstellen, dass die Modulation des identifizierten Targets tatsächlich zu einem therapeutisch relevanten Effekt führt und nicht zu inakzeptablen Nebenwirkungen. Dies erfolgt oft durch präzise molekulare Werkzeuge wie Antikörper, niedermolekulare Inhibitoren, oder genetische Modulation (Knockout, Knockdown) in zellulären Modellen und Tiermodellen.

  2. Lead-Discovery (Treffer- und Leitstruktursuche):

     • Die Suche nach initialen Wirkstoffkandidaten (Hits), die eine messbare Affinität und/oder Aktivität zum validierten Target zeigen. Methoden umfassen High-Throughput Screening (HTS), Fragment-based Drug Discovery (FBDD), DNA-Encoded Libraries (DEL), Virtual Screening und Natural Products Screening.

     • Hits werden nach Bestätigung und Ausschluss unspezifischer Effekte zu 'Leitstrukturen' (Leads) weiterentwickelt, die das Potenzial für eine Optimierung besitzen.

  3. Lead-Optimierung (Leitstruktur-Optimierung):

     • Chemische Modifikation und Verfeinerung der Leads, um ihre pharmakologischen Eigenschaften zu verbessern. Ziele sind eine höhere Potenz (niedrigere $IC<em>{50}$/$EC</em>{50}$), bessere Selektivität gegenüber Off-Targets, optimierte ADME-Eigenschaften (Absorption, Distribution, Metabolismus, Exkretion), geringere Toxizität und verbesserte Formulierbarkeit. Dies ist ein iterativer Prozess, der Synthese- und Testzyklen umfasst; die Struktur-Aktivitäts-Beziehung (SAR) spielt hier eine zentrale Rolle.

  4. Pre-klinisch (Präklinische Entwicklung):

     • Umfassende Bewertung des optimierten Wirkstoffkandidaten (Drug Candidate) vor dem Einsatz am Menschen. Hier werden detaillierte In-vitro- und In-vivo-Studien zur Pharmakologie (Wirkmechanismus, Dosis-Wirkungs-Beziehung), Pharmakokinetik (PK: Resorption, Verteilung, Metabolismus, Ausscheidung) und Toxikologie (akute, subchronische und chronische Toxizität, Genotoxizität, Kanzerogenität, Reproduktionstoxizität) in verschiedenen Tiermodellen durchgeführt. Ziel ist die Einreichung eines "Investigational New Drug" (IND)-Antrags bei den Zulassungsbehörden.

  5. Proof-of-Concept (Phase I/II Klinische Entwicklung):

     • Phase I: Erste Anwendung am Menschen, meist an gesunden Freiwilligen (20-100 Probanden). Hauptziele sind die Bewertung der Sicherheit und Verträglichkeit, die Bestimmung der pharmakokinetischen Profile (PK) und erste pharmakodynamische (PD) Daten.

     • Phase II: Erste Wirksamkeitsstudien an einer kleineren Patientengruppe (100-300 Patienten), die an der zu behandelnden Krankheit leiden. Ziele sind die Ermittlung der optimalen Dosis für Wirksamkeit und Sicherheit, der Nachweis des "Proof-of-Concept" (Wirkt das Medikament wie beabsichtigt am Menschen?) und die weitere Bewertung der Sicherheit. Die Erfolgsrate bis zu diesem Punkt beträgt etwa 33 %.

  6. Full Development (Phase III Klinische Entwicklung):

     • Große, multizentrische und oft internationale Studien mit Hunderten bis Tausenden von Patienten (>500), um die Wirksamkeit und Sicherheit des Wirkstoffkandidaten im Vergleich zu Placebo oder bestehenden Therapien zu bestätigen. Diese Phase liefert die notwendigen Daten für die Zulassung. Die Erfolgsrate in dieser Phase ist mit 70–90 % höher, da der "Proof-of-Concept" bereits erbracht wurde.

  7. Registration/Launch (Zulassung und Markteinführung):

     • Nach erfolgreichem Abschluss der Phase III werden die gesammelten Daten und Informationen bei den Zulassungsbehörden (z.B. FDA in den USA, EMA in Europa) eingereicht (New Drug Application, NDA). Nach Prüfung und Genehmigung wird das Medikament für den Markt zugelassen und eingeführt. Pharmakovigilanz (Überwachung der Sicherheit im Markt, Phase IV) beginnt danach.

• „Trichterbild“: >10^6 Verbindungen → 1 klinischer Kandidat.

  • Der Drug-Discovery-Prozess wird oft als "Trichter" oder "Pipeline" dargestellt, der von einer sehr großen Anzahl initialer Verbindungen (oft Millionen) zu einer einzigen erfolgreichen klinischen Verbindung führt. Die Selektion ist exponentiell, da in jeder Phase strenge Kriterien angelegt werden und die überwiegende Mehrheit der Kandidaten scheitert.

• Einflussfaktoren (Aufgabe Folie 12): Risiko, Kosten, Molekülanzahl, Zeit → exponentielle Selektion.

  • Jeder Schritt im Entwicklungstrichter ist mit zunehmendem Risiko, steigenden Kosten und einem längeren Zeitaufwand verbunden. Die Notwendigkeit, Millionen von Verbindungen auf der Suche nach einem einzigen geeigneten Medikament zu bewerten, erklärt die hohen Investitionen und die lange Dauer.

• Durchschnittliche Entwicklungszeit: $<br>c\approx$ 10–15 Jahre; Kosten >1{,}5\;\text{Mrd. USD} (Paul et al. 2010).

  • Die lange Entwicklungszeit und die enormen Kosten sind Hauptmerkmale der pharmazeutischen Forschung und Entwicklung. Nur ein geringer Prozentsatz der Projekte erreicht die Zulassung, was die Investitionen in gescheiterte Kandidaten auf die wenigen erfolgreichen umlegt.

Frühe Evaluierung vor Projektstart

• Medical need, Markt­potential, Patent­lage, Wettbewerb, Regulierung, interne Kompetenzen.

• Target-Auswahlkriterien: Wirksamkeit, Sicherheit, klinischer Bedarf, Kommerzialisierbarkeit, Druggability.

Drug Targets: Definition und Typen

• In der Vorlesung: Biomolekül, an das der Wirkstoff a) bindet und b) für therapeutische Wirkung verantwortlich.

• Hauptklassen: Proteine (>80\;\%), RNA, DNA, Lipide, Kohlenhydrate.

Proteine als Hauptzielstruktur

• Hopkins & Groom 2002: „druggable genome“ – nur Teil des Genoms pharmakologisch adressierbar.

• Ausblick: RNA-Targeting (antisense, siRNA) erweitert Landschaft.

• Proteinbiologie Repetition: Aminosäuren, Faltungs­hierarchie, funktionelle Domänen, Regulation (Phosphorylierung).

Zelluläre Signaltransduktionswege

• GPCRs- 7-TM-Rezeptoren, Liganden-induzierte Konformationsänderung → G-Protein-Aktivierung.

  • Hohe strukturelle Dynamik (Latorraca 2017).

• Rezeptor-Tyrosinkinasen (RTK)- Ligandenbindung → Dimerisierung → Autophosphorylierung.

  • Beispiel HER2 (ERBB2)-Signalweg, Target von Trastuzumab.

• RAS/MAPK-Kaskade- Mutiertes RAS in >30\;\% aller Tumoren.

  • Viele Target-Optionen (RAF, MEK, ERK, scaffolding proteins).

Target Discovery & Druggability

• Methoden: Genetik (CRISPR/Cas), Omics-Daten, in silico-Analysen, Chemoproteomics.

  • Genetik (CRISPR/Cas): Mithilfe von Technologien wie CRISPR/Cas können gezielt Gene manipuliert (z.B. ausgeschaltet oder mutiert) werden, um die funktionelle Relevanz eines Proteins für eine Krankheit zu untersuchen und neue Targets zu identifizieren.

  • Omics-Daten: Umfassende Analysen von Genom (Genomics), Transkriptom (Transcriptomics), Proteom (Proteomics) und Metabolom (Metabolomics) ermöglichen die Identifizierung von Biomarkern, Schlüsselmolekülen in Signalwegen oder Krankheitsassoziierten Veränderungen, die als Targets dienen können.

  • In silico-Analysen: Bioinformatische Methoden, Datenbankanalysen und computationally drug design zur Vorhersage potenzieller Targets, Bindungstaschen oder Wirkstoff-Target-Interaktionen.

  • Chemoproteomics: Methoden, bei denen chemische Sonden eingesetzt werden, um die Bindung von Wirkstoffen an Proteine im zellulären Kontext zu identifizieren und zu quantifizieren, was zur Target-Identifikation oder zur Entdeckung neuer Bindetaschen führen kann.

• Druggability Assessment: Vorhersage, ob Ziel durch bestimmte Modalität moduliert werden kann.

  • Dies bewertet die Wahrscheinlichkeit, dass ein bestimmtes Target durch eine bestimmte Art von Wirkstoff (z.B. Small Molecule, Antikörper, PROTAC) effektiv moduliert werden kann. Kriterien hierfür sind das Vorhandensein einer zugänglichen hydrophoben Bindungstasche für niedermolekulare Wirkstoffe, die Spezifität der Target-Expression und -Funktion, oder ob das Target extrazellulär liegt und somit für Biologika zugänglich ist.

  • Bsp. Abl-Kinase: kleinmolekulare Inhibitoren (Imatinib) binden ATP-Bindetasche.

  • Bsp. VEGF: Antikörper (Bevacizumab) neutralisiert Ligand.

• Modalitäts-Abhängigkeit: ein und dasselbe Target kann für Small Molecules „undruggable“, für Biologics zugänglich sein.

Screening-Strategien

• High-Throughput Screening (HTS)- Roboterplattformen, >10^6 Assays/Tag.

  • HTS ist eine Schlüsseltechnologie in der Wirkstofffindung, die das automatisierte Testen von Millionen kleiner Moleküle oder Biologika gegen ein spezifisches Target oder in zellulären Assays ermöglicht. Roboterplattformen, Miniaturisierung auf Mikrotiterplatten (z.B. 384- oder 1536-Well-Platten), und empfindliche Detektionsmethoden (z.B. Fluoreszenz, Lumineszenz, Absorbanz) sind entscheidend. Der Z'-Faktor ist eine wichtige Metrik zur Bewertung der Qualität eines HTS-Assays.

  • TR-FRET, Reporter-Gene, kinetische/endpoint Assays, Miniaturisierung.

• Phenotypisches Screening- Zellen/Organismen; beobachteter Phänotyp → anschließende Target-Deconvolution.

  • Hier werden Substanzen auf ihre Fähigkeit getestet, einen gewünschten biologischen Effekt in einem zellulären oder organismischen Modell hervorzurufen (z.B. Differenzierung, Zellviabilität, Motilität). Der Vorteil liegt in der Entdeckung von Wirkstoffen mit neuen Mechanismen. Die größte Herausforderung ist die "Target Deconvolution", d.h. die nachträgliche Identifizierung des molekularen Ziels, das für den beobachteten Phänotyp verantwortlich ist.

• DNA-Encoded Libraries (DEL)- Chemische Vielfalt >10^8 Verbindungen, DNA-Barcode → NGS-Auswertung.

  • DELs sind Bibliotheken von Molekülen, bei denen jede Verbindung über einen einzigartigen DNA-Barcode verfügt. Milliarden von Substanzen können in einem einzigen Reagenzglas synthetisiert und gleichzeitig auf Bindung an ein Target getestet werden. Nach der Selektion der gebundenen Moleküle wird die DNA amplifiziert und mittels Next-Generation Sequencing (NGS) ausgelesen, um die Identität der angereicherten ("Hit")-Verbindungen zu bestimmen. Dies ermöglicht die Erforschung eines enormen chemischen Raums.

• Fragment-basiertes Screening (FBDD)- Kleine Fragmente (MW <300\;\text{Da}), geringe Affinität, hohe Ligand-Effizienz.

  • FBDD nutzt sehr kleine Moleküle (Fragmente), die eine geringe, aber messbare Affinität zu einem Target aufweisen. Diese Fragmente binden oft an "Hot Spots" auf der Proteinoberfläche. Trotz ihrer schwachen Bindung haben sie eine hohe Ligand-Effizienz (Bindungsenergie pro Atom). Identifizierte Fragmente dienen als Ausgangspunkt für die strukturbasierte Entwicklung zu potenten Wirkstoffen, indem sie chemisch modifiziert, zu größeren Molekülen verknüpft oder kombiniert werden.

  • Biophysikalische Primär­assays (DSF, NMR, SPR, ITC), Struktur­aufklärung (X-Ray, Cryo-EM).

Hit-Validierung & Screening-Trees

• Stufenweises Filtersystem (Hughes 2011): Primär-Hit → Bestätigung → Orthogonaler Assay → Selektivität → Zelluläre Aktivität → ADME/Tox.

• Vergleichbarkeit durch quantifizierbare Parameter (IC$<em>{50}$/EC$</em>{50}$, $K_D$, Effizienz-Indizes).

Assay-Quantifizierung und Kenngrößen

• Konzentrations-Wirkungs-Kurve (sigmoidal):- $EC<em>{50}$ / $IC</em>{50}$ = Konzentration für 50 % Maximal­effekt/Hemmung.

• Bindungsaffinität:- $K<em>D = \frac{k</em>{-1}}{k<em>{1}}$; 50 % Ligand gebunden bei [L] = $K</em>D$ .

• Therapeutischer Index: $TI = \frac{TD<em>{50}}{ED</em>{50}}$; breite vs. enge Therapeutische Fenster.

Pharmakokinetik (PK) & Pharmakodynamik (PD)

• PK: „Was der Körper mit dem Arzneistoff macht“- Ein-Kompartment i.v.: $\frac{dC<em>p}{dt} = -k</em>{el}\,C<em>p$; $t</em>{1/2}=\frac{\ln2}{k_{el}}$.

  • Orale Gabe: Zwei-Kompartiment Gleichungen, Bioverfügbarkeit $F$, Absorptionsrate k_{ab}}.

• PD: „Was der Arzneistoff mit dem Körper macht“ → Wirkungskurve, Rezeptorbesetzung.

• Lange $t_{1/2}$ nicht immer vorteilhaft (Akkumulation, Toxizität).

Lipinski-Regel & LogP

• Faustregeln für orale Bioverfügbarkeit:- $MW \le 500\,\text{Da}$

  • $\log P \le 5$

  • $H\text{-Donoren} \le 5$

  • $H\text{-Akzeptoren} \le 10$

• $\log P = \log \frac{[C]<em>{Oct}}{[C]</em>{W}}$ — Maß für Lipophilie.

• Ausnahmen möglich (Natural Products, PROTACs).

Toxikologische Testsysteme

• In-vitro: Ames-Test (Mutagenität), Hepatozyten-Stabilität, hERG-Assays.

• In-vivo: Xenograft-Tumormodelle (Maus), Spontaneously Hypertensive Rat, chirurgisch induzierte Modelle.

Lead-Optimierung und SAR

• Ziel: Verbesserte Potenz, Selektivität, ADME, Formulierbarkeit.

• Imatinib Evolution: Phenylaminopyrimidin-Core, Pyridyl-Gruppe, N-Methylpiperazin.

• SAR-Analyse: systematische Substitutions­muster $\leftrightarrow$ IC${50}$-Werte (Coumarin-MAO-B-Studie).

Neue Modalitäten

• PROTACs (Targeted Protein Degradation)- Bifunktional: Ligand (Target) – Linker – Ligand (E3-Ligase); Rekrutierung → Ubiquitinierung → Proteasom.

• Therapeutische Antikörper- Markt-Wachstum \nc\approx 200 zugelassene mAbs.

  • Struktur: Fab, Fc, Variable/Constant Regionen.

  • Herstellung: polyklonal, Hybridoma-mAb, in-vitro Display (Phage, Ribosome).

  • Wirkmechanismen: Ligand/Target-Neutralisation, ADCC, CDC, Checkpoint-Blockade.

• Impfstoffe- Lebend-/Tot-/Subunit-/Vektor-/mRNA-Vakzine.

  • mRNA: In-vitro-Transkription, Lipid-Nanopartikel, schnelle Skalierung (5 L Bioreaktor \nc\approx 1 Mio Dosen).

• Oligonukleotide (ASO, siRNA), Zell- & Gentherapien (CAR-T, AAV-Vektoren).

• Risiko/Chancen neuer Modalitäten laut BCG-Report: höhere klinische Unsicherheit, aber First-in-Class-Potenzial; Phase II entscheidend für „Go/No-Go“.

Klinische Entwicklung & Erfolgsraten

• Phase 0: Explorativ (Mikrodose).

• Phase I: 20–100 Probanden, Sicherheit, PK.

• Phase II: 100–300 Patienten, Dosisfindung, Proof-of-Concept (\nc\approx 33\;\% Erfolgsrate bis hier).

• Phase III: >500 Patienten, Wirksamkeit & Sicherheit multizentrisch (70–90 % Erfolgsrate in Phase).

• Phase IV: Post-Marketing, Pharmakovigilanz.

• Hauptversagens­gründe: mangelnde Wirksamkeit (\nc\approx 40\;\%), Toxizität, PK-Probleme (Cook 2014).

Ökonomische Aspekte & R&D-Produktivität

• Big Pharma 2001–2020: $+6\;\%\text{/a}$ F&E-Budget; $6,16\;\text{Mrd. USD}$ pro Neuzulassung.

• Treiber höherer Effizienz: Besseres Krankheits-Verständnis, Target-Selektion, Biomarker, digitale Technologien.

• Alternative Strategien: In-Lizenzierung, M&A.

Computer-gestützte Methoden

• SMILES: lineare Textrepräsentation chemischer Strukturen.

• Homologiemodellierung vs. Template-frei (AlphaFold): Deep-Learning revolutioniert Strukturbestimmung.

• Virtuelles Screening/Docking: In-silico-Evaluation großer Bibliotheken.

• KI-Anwendungen laut Wellcome-Trust-Report: Target-ID, Moleküldesign, Synthese­planung, Patienten­stratifizierung, Trial-Optimierung.

Kernaussagen & Implikationen

• Wirkstoffforschung ist ein multidisziplinärer, risikoreicher, aber hoch­innovativer Prozess.

• Verständnis von Biologie UND Technologie (HTS, DEL, PROTAC, KI) entscheidend für zukünftigen Erfolg.

• Neue Modalitäten erweitern die Druggability-Grenzen, erfordern jedoch angepasste Entwicklungs­pfade und regulatorische Strategien.

• Nachhaltige R&D-Produktivität verlangt datengestützte Entscheidungen, kollaborative Netzwerke und konsequente Translation grundlegender Erkenntnisse in klinischen Nutzen.

Definitionen und Begriffe

• Arzneimittel-Definition (AMG, FDA, Cambridge Dictionary):

  • Therapeutische, diagnostische oder prophylaktische Zweckbestimmung: Arzneimittel sind Substanzen oder Zubereitungen aus Substanzen, die dazu bestimmt sind, Krankheiten, Leiden, Körperschäden oder pathologische Beschwerden zu heilen, zu lindern, zu verhüten oder zu erkennen. Sie können auch dazu dienen, die Beschaffenheit, den Zustand oder die Funktionen des Körpers oder seelische Zustände zu beeinflussen.

  • Substanz/Fertigprodukt, das am menschlichen oder tierischen Körper angewandt werden wird: Dies umfasst nicht nur chemische Moleküle, sondern auch Biologika (z.B. Antikörper, Proteine), pflanzliche Produkte oder Kombinationen davon, die eine pharmakologische Wirkung im Körper entfalten.

• Wirkstoff– „Substanzen, die einen bestimmten Effekt hervorrufen“; i.d.R. biochemische oder pharmakologische Wirkung.

  • DUDEN: körpereigene oder ‑fremde Substanz, die in biologische Vorgänge eingreift, um eine spezifische zelluläre oder systemische Reaktion hervorzurufen. Wirkstoffe sind die chemisch aktiven Komponenten eines Arzneimittels.

Öffentliche Wahrnehmung & Kontroverse

• Medien­schlagzeilen: Die öffentliche Debatte um die pharmazeutische Industrie wird oft durch aufsehenerregende Themen wie Impfquoten (z.B. COVID-19-Impfstoffe und die globale Verteilung), Pharma-Investitionen (hohe Forschungs- und Entwicklungskosten vs. Medikamentenpreise), bahnbrechende HIV-Therapien (Entwicklung von ART, die HIV von einer tödlichen zu einer chronisch beherrschbaren Krankheit gemacht hat), Opioid-Krise (Verantwortung der Pharmakonzerne für die Entwicklung und Vermarktung suchtgefährdender Schmerzmittel), Ebola-Antikörper (schnelle Entwicklung von Therapien in Krisenzeiten) und Rekordumsätze (Profitabilität der Pharmabranche) bestimmt. Diese Themen unterstreichen die immense Bedeutung, aber auch die ethischen und ökonomischen Herausforderungen der Drug Discovery.

• Spannungsfeld zwischen medizinischem Nutzen, gesellschaftlicher Akzeptanz, Ethik und Ökonomie: Arzneimittel liefern lebensrettende Therapien und verbessern die Lebensqualität, doch ihre Entwicklung und Verfügbarkeit sind oft von komplexen ethischen Fragen (z.B. Tierversuche, Zugang zu Medikamenten in Entwicklungsländern), sozioökonomischen Aspekten (z.B. Preisgestaltung, Gesundheitsbudgets) und der Bereitschaft der Gesellschaft zur Akzeptanz (z.B. bei Impfungen oder neuen Gentherapien) geprägt. Hieraus entsteht ein breites Spannungsfeld, das ständige Abwägungen erfordert.

Historische Entwicklung der Wirkstofffindung

• Krebs-Chemotherapie (DeVita & Chu 2008) als Beispiel für Fortschritt, Rückschläge, multidisziplinäre Komplexität: Die Entwicklung der Chemotherapie illustriert den iterativen Charakter der Wirkstofffindung. Anfänglich basierend auf Zufallsentdeckungen (z.B. Stickstofflost als Antikrebsmittel), entwickelte sie sich durch systematisches Screening, das Verständnis von Wirkmechanismen und die Kombination von Medikamenten zu einem komplexen Feld. Rückschläge wie schwere Nebenwirkungen oder Resistenzentwicklung führten zur Notwendigkeit präziserer, zielgerichteter Therapien und zur engen Zusammenarbeit zwischen Chemikern, Biologen, Klinikern und Statistikern.

Wege zur Entdeckung von Wirkstoffen

• Klassisch/Forward Pharmacology: Phänotyp → Target unbekannt.

  • Dieser Ansatz beginnt mit der Beobachtung einer Wirkung (Phänotyp) in einem biologischen System (z.B. Zelle, Gewebe, Organismus), ohne dass das spezifische molekulare Ziel bekannt ist. Wirkstoffe werden aufgrund ihrer Fähigkeit identifiziert, den gewünschten Phänotyp zu modulieren (z.B. Wachstum von Tumorzellen hemmen, Entzündung reduzieren). Der Mechanismus und das genaue Target müssen anschließend aufwendig dekonvolutiert werden. Dies kann zu Wirkstoffen mit völlig neuartigen Mechanismen führen.

• Target-basiert/Reverse Pharmacology: bekanntes Zielmolekül → gezielte Modulation.

  • Hierbei wird zunächst ein spezifisches Biomolekül (das Target, z.B. ein Enzym, ein Rezeptor, ein Ionenkanal) identifiziert, das eine zentrale Rolle in der Pathophysiologie einer Krankheit spielt. Wirkstoffe werden dann gezielt entwickelt oder gescreent, um spezifisch an dieses Target zu binden und dessen Funktion zu modulieren (z.B. Hemmung eines überaktiven Enzyms). Dieser rationale Ansatz profitiert enorm von Fortschritten in der Genomik, Proteomik und Strukturbiologie.

• Beide Ansätze ergänzen sich (Berg & Stryer 2018): Oftmals werden Target-basierte Entdeckungen später in komplexen phänotypischen Modellen evaluiert, während bei phänotypischem Screening entdeckte Substanzen mechanistisch und Target-basiert aufgeklärt werden, um einen tieferen Einblick in ihre Wirkweise zu erhalten.

Überblick Drug-Discovery-Prozess

• Phasen (Vogelperspektive): Der Drug-Discovery-Prozess ist ein iterativer, risikoreicher und langwieriger Weg, der typischerweise sieben Hauptphasen umfasst:

  1. Target-Discovery (Zielidentifikation und -Validierung):

     • Identifikation: Das Finden eines Biomoleküls (z.B. Protein, RNA, DNA), das eine kausale Rolle in einer Krankheit spielt und potenziell therapeutisch moduliert werden kann. Dies kann durch genetische Studien (z.B. GWAS, CRISPR/Cas-Screens), Omics-Daten (Genomik, Proteomik, Metabolomik), oder funktionelle Assays geschehen.

     • Validierung: Sicherstellen, dass die Modulation des identifizierten Targets tatsächlich zu einem therapeutisch relevanten Effekt führt und nicht zu inakzeptablen Nebenwirkungen. Dies erfolgt oft durch präzise molekulare Werkzeuge wie Antikörper, niedermolekulare Inhibitoren, oder genetische Modulation (Knockout, Knockdown) in zellulären Modellen und Tiermodellen.

  2. Lead-Discovery (Treffer- und Leitstruktursuche):

     • Die Suche nach initialen Wirkstoffkandidaten (Hits), die eine messbare Affinität und/oder Aktivität zum validierten Target zeigen. Methoden umfassen High-Throughput Screening (HTS), Fragment-based Drug Discovery (FBDD), DNA-Encoded Libraries (DEL), Virtual Screening und Natural Products Screening.

     • Hits werden nach Bestätigung und Ausschluss unspezifischer Effekte zu 'Leitstrukturen' (Leads) weiterentwickelt, die das Potenzial für eine Optimierung besitzen.

  3. Lead-Optimierung (Leitstruktur-Optimierung):

     • Chemische Modifikation und Verfeinerung der Leads, um ihre pharmakologischen Eigenschaften zu verbessern. Ziele sind eine höhere Potenz (niedrigere $IC<em>{50}$/$EC</em>{50}$), bessere Selektivität gegenüber Off-Targets, optimierte ADME-Eigenschaften (Absorption, Distribution, Metabolismus, Exkretion), geringere Toxizität und verbesserte Formulierbarkeit. Dies ist ein iterativer Prozess, der Synthese- und Testzyklen umfasst; die Struktur-Aktivitäts-Beziehung (SAR) spielt hier eine zentrale Rolle.

  4. Pre-klinisch (Präklinische Entwicklung):

     • Umfassende Bewertung des optimierten Wirkstoffkandidaten (Drug Candidate) vor dem Einsatz am Menschen. Hier werden detaillierte In-vitro- und In-vivo-Studien zur Pharmakologie (Wirkmechanismus, Dosis-Wirkungs-Beziehung), Pharmakokinetik (PK: Resorption, Verteilung, Metabolismus, Ausscheidung) und Toxikologie (akute, subchronische und chronische Toxizität, Genotoxizität, Kanzerogenität, Reproduktionstoxizität) in verschiedenen Tiermodellen durchgeführt. Ziel ist die Einreichung eines "Investigational New Drug" (IND)-Antrags bei den Zulassungsbehörden.

  5. Proof-of-Concept (Phase I/II Klinische Entwicklung):

     • Phase I: Erste Anwendung am Menschen, meist an gesunden Freiwilligen (20-100 Probanden). Hauptziele sind die Bewertung der Sicherheit und Verträglichkeit, die Bestimmung der pharmakokinetischen Profile (PK) und erste pharmakodynamische (PD) Daten.

     • Phase II: Erste Wirksamkeitsstudien an einer kleineren Patientengruppe (100-300 Patienten), die an der zu behandelnden Krankheit leiden. Ziele sind die Ermittlung der optimalen Dosis für Wirksamkeit und Sicherheit, der Nachweis des "Proof-of-Concept" (Wirkt das Medikament wie beabsichtigt am Menschen?) und die weitere Bewertung der Sicherheit. Die Erfolgsrate bis zu diesem Punkt beträgt etwa 33 %.

  6. Full Development (Phase III Klinische Entwicklung):

     • Große, multizentrische und oft internationale Studien mit Hunderten bis Tausenden von Patienten (>500), um die Wirksamkeit und Sicherheit des Wirkstoffkandidaten im Vergleich zu Placebo oder bestehenden Therapien zu bestätigen. Diese Phase liefert die notwendigen Daten für die Zulassung. Die Erfolgsrate in dieser Phase ist mit 70–90 % höher, da der "Proof-of-Concept" bereits erbracht wurde.

  7. Registration/Launch (Zulassung und Markteinführung):

     • Nach erfolgreichem Abschluss der Phase III werden die gesammelten Daten und Informationen bei den Zulassungsbehörden (z.B. FDA in den USA, EMA in Europa) eingereicht (New Drug Application, NDA). Nach Prüfung und Genehmigung wird das Medikament für den Markt zugelassen und eingeführt. Pharmakovigilanz (Überwachung der Sicherheit im Markt, Phase IV) beginnt danach.

• „Trichterbild“: >10^6 Verbindungen → 1 klinischer Kandidat.

  • Der Drug-Discovery-Prozess wird oft als "Trichter" oder "Pipeline" dargestellt, der von einer sehr großen Anzahl initialer Verbindungen (oft Millionen) zu einer einzigen erfolgreichen klinischen Verbindung führt. Die Selektion ist exponentiell, da in jeder Phase strenge Kriterien angelegt werden und die überwiegende Mehrheit der Kandidaten scheitert.

• Einflussfaktoren (Aufgabe Folie 12): Risiko, Kosten, Molekülanzahl, Zeit → exponentielle Selektion.

  • Jeder Schritt im Entwicklungstrichter ist mit zunehmendem Risiko, steigenden Kosten und einem längeren Zeitaufwand verbunden. Die Notwendigkeit, Millionen von Verbindungen auf der Suche nach einem einzigen geeigneten Medikament zu bewerten, erklärt die hohen Investitionen und die lange Dauer.

• Durchschnittliche Entwicklungszeit: $c\approx$ 10–15 Jahre; Kosten >1{,}5;\text{Mrd. USD} (Paul et al. 2010).

  • Die lange Entwicklungszeit und die enormen Kosten sind Hauptmerkmale der pharmazeutischen Forschung und Entwicklung. Nur ein geringer Prozentsatz der Projekte erreicht die Zulassung, was die Investitionen in gescheiterte Kandidaten auf die wenigen erfolgreichen umlegt.

Frühe Evaluierung vor Projektstart

• Medical need, Markt­potential, Patent­lage, Wettbewerb, Regulierung, interne Kompetenzen.

• Target-Auswahlkriterien: Wirksamkeit, Sicherheit, klinischer Bedarf, Kommerzialisierbarkeit, Druggability.

Drug Targets: Definition und Typen

• In der Vorlesung: Biomolekül, an das der Wirkstoff a) bindet und b) für therapeutische Wirkung verantwortlich.

• Hauptklassen: Proteine (>80;\%), RNA, DNA, Lipide, Kohlenhydrate.

Proteine als Hauptzielstruktur

• Hopkins & Groom 2002: „druggable genome“ – nur Teil des Genoms pharmakologisch adressierbar.

• Ausblick: RNA-Targeting (antisense, siRNA) erweitert Landschaft.

• Proteinbiologie Repetition: Aminosäuren, Faltungs­hierarchie, funktionelle Domänen, Regulation (Phosphorylierung).

Zelluläre Signaltransduktionswege

• GPCRs- 7-TM-Rezeptoren, Liganden-induzierte Konformationsänderung → G-Protein-Aktivierung.

  • Hohe strukturelle Dynamik (Latorraca 2017).

• Rezeptor-Tyrosinkinasen (RTK)- Ligandenbindung → Dimerisierung → Autophosphorylierung.

  • Beispiel HER2 (ERBB2)-Signalweg, Target von Trastuzumab.

• RAS/MAPK-Kaskade- Mutiertes RAS in >30;\% aller Tumoren.

  • Viele Target-Optionen (RAF, MEK, ERK, scaffolding proteins).

Target Discovery & Druggability

• Methoden: Genetik (CRISPR/Cas), Omics-Daten, in silico-Analysen, Chemoproteomics.

  • Genetik (CRISPR/Cas): Mithilfe von Technologien wie CRISPR/Cas können gezielt Gene manipuliert (z.B. ausgeschaltet oder mutiert) werden, um die funktionelle Relevanz eines Proteins für eine Krankheit zu untersuchen und neue Targets zu identifizieren.

  • Omics-Daten: Umfassende Analysen von Genom (Genomics), Transkriptom (Transcriptomics), Proteom (Proteomics) und Metabolom (Metabolomics) ermöglichen die Identifizierung von Biomarkern, Schlüsselmolekülen in Signalwegen oder Krankheitsassoziierten Veränderungen, die als Targets dienen können.

  • In silico-Analysen: Bioinformatische Methoden, Datenbankanalysen und computationally drug design zur Vorhersage potenzieller Targets, Bindungstaschen oder Wirkstoff-Target-Interaktionen.

  • Chemoproteomics: Methoden, bei denen chemische Sonden eingesetzt werden, um die Bindung von Wirkstoffen an Proteine im zellulären Kontext zu identifizieren und zu quantifizieren, was zur Target-Identifikation oder zur Entdeckung neuer Bindetaschen führen kann.

• Druggability Assessment: Vorhersage, ob Ziel durch bestimmte Modalität moduliert werden kann.

  • Dies bewertet die Wahrscheinlichkeit, dass ein bestimmtes Target durch eine bestimmte Art von Wirkstoff (z.B. Small Molecule, Antikörper, PROTAC) effektiv moduliert werden kann. Kriterien hierfür sind das Vorhandensein einer zugänglichen hydrophoben Bindungstasche für niedermolekulare Wirkstoffe, die Spezifität der Target-Expression und -Funktion, oder ob das Target extrazellulär liegt und somit für Biologika zugänglich ist.

  • Beispiel Abl-Kinase: kleinmolekulare Inhibitoren (Imatinib) binden die ATP-Bindetasche.

  • Beispiel VEGF (Vascular Endothelial Growth Factor): Antikörper wie Bevacizumab neutralisieren diesen Liganden. VEGF ist ein entscheidender Wachstumsfaktor, der die Bildung neuer Blutgefäße (Angiogenese) stimuliert, ein Prozess, der für das Wachstum von Tumoren unerlässlich ist, da er die Versorgung mit Nährstoffen und Sauerstoff sicherstellt. Durch die Neutralisierung von VEGF wird die Blutgefäßneubildung gehemmt, was das Tumorwachstum verlangsamen oder stoppen kann.

• Modalitäts-Abhängigkeit: ein und dasselbe Target kann für Small Molecules „undruggable“, für Biologics zugänglich sein.

Screening-Strategien

• High-Throughput Screening (HTS)- Roboterplattformen, >10^6 Assays/Tag.

  • HTS ist eine Schlüsseltechnologie in der Wirkstofffindung, die das automatisierte Testen von Millionen kleiner Moleküle oder Biologika gegen ein spezifisches Target oder in zellulären Assays ermöglicht. Roboterplattformen, Miniaturisierung auf Mikrotiterplatten (z.B. 384- oder 1536-Well-Platten), und empfindliche Detektionsmethoden (z.B. Fluoreszenz, Lumineszenz, Absorbanz) sind entscheidend. Der Z'-Faktor ist eine wichtige Metrik zur Bewertung der Qualität eines HTS-Assays.

  • TR-FRET, Reporter-Gene, kinetische/endpoint Assays, Miniaturisierung.

• Phenotypisches Screening- Zellen/Organismen; beobachteter Phänotyp → anschließende Target-Deconvolution.

  • Hier werden Substanzen auf ihre Fähigkeit getestet, einen gewünschten biologischen Effekt in einem zellulären oder organismischen Modell hervorzurufen (z.B. Differenzierung, Zellviabilität, Motilität). Der Vorteil liegt in der Entdeckung von Wirkstoffen mit neuen Mechanismen. Die größte Herausforderung ist die "Target Deconvolution", d.h. die nachträgliche Identifizierung des molekularen Ziels, das für den beobachteten Phänotyp verantwortlich ist.

• DNA-Encoded Libraries (DEL)- Chemische Vielfalt >10^8 Verbindungen, DNA-Barcode → NGS-Auswertung.

  • DELs sind Bibliotheken von Molekülen, bei denen jede Verbindung über einen einzigartigen DNA-Barcode verfügt. Milliarden von Substanzen können in einem einzigen Reagenzglas synthetisiert und gleichzeitig auf Bindung an ein Target getestet werden. Nach der Selektion der gebundenen Moleküle wird die DNA amplifiziert und mittels Next-Generation Sequencing (NGS) ausgelesen, um die Identität der angereicherten ("Hit")-Verbindungen zu bestimmen. Dies ermöglicht die Erforschung eines enormen chemischen Raums.

• Fragment-basiertes Screening (FBDD)- Kleine Fragmente (MW <300;\text{Da}), geringe Affinität, hohe Ligand-Effizienz.

  • FBDD nutzt sehr kleine Moleküle (Fragmente), die eine geringe, aber messbare Affinität zu einem Target aufweisen. Diese Fragmente binden oft an "Hot Spots" auf der Proteinoberfläche. Trotz ihrer schwachen Bindung haben sie eine hohe Ligand-Effizienz (Bindungsenergie pro Atom). Identifizierte Fragmente dienen als Ausgangspunkt für die strukturbasierte Entwicklung zu potenten Wirkstoffen, indem sie chemisch modifiziert, zu größeren Molekülen verknüpft oder kombiniert werden.

  • Biophysikalische Primär­assays (DSF, NMR, SPR, ITC), Struktur­aufklärung (X-Ray, Cryo-EM).

Hit-Validierung & Screening-Trees

• Stufenweises Filtersystem (Hughes 2011): Primär-Hit → Bestätigung → Orthogonaler Assay → Selektivität → Zelluläre Aktivität → ADME/Tox.

• Vergleichbarkeit durch quantifizierbare Parameter (IC$<em>{50}$/EC$</em>{50}$, $K_D$, Effizienz-Indizes).

Assay-Quantifizierung und Kenngrößen

• Konzentrations-Wirkungs-Kurve (sigmoidal):

  • $EC<em>{50}$ / $IC</em>{50}$ = Konzentration für 50 % Maximal­effekt/Hemmung.

• Bindungsaffinität:

  • $K<em>D = \frac{k</em>{-1}}{k<em>{1}}$; 50 % Ligand gebunden bei [L] = $K</em>D$ .

• Therapeutischer Index: $TI = \frac{TD<em>{50}}{ED</em>{50}}$; breite vs. enge Therapeutische Fenster.

Pharmakokinetik (PK) & Pharmakodynamik (PD)

• PK: „Was der Körper mit dem Arzneistoff macht“

  • Ein-Kompartment i.v.: $\frac{dC<em>p}{dt} = -k</em>{el}\,C<em>p$; $t</em>{1/2}=\frac{\ln2}{k_{el}}$.

  • Orale Gabe: Zwei-Kompartiment Gleichungen, Bioverfügbarkeit $F$, Absorptionsrate $k_{ab}$.

• PD: „Was der Arzneistoff mit dem Körper macht“ → Wirkungskurve, Rezeptorbesetzung.

• Lange $t_{1/2}$ nicht immer vorteilhaft (Akkumulation, Toxizität).

Lipinski-Regel & LogP

• Faustregeln für orale Bioverfügbarkeit:

  • $MW \le 500\,\text{Da}$

  • $\log P \le 5$

  • $H\text{-Donoren} \le 5$

  • $H\text{-Akzeptoren} \le 10$

• $\log P = \log \frac{[C]<em>{Oct}}{[C]</em>W}$ — Maß für Lipophilie.

• Ausnahmen möglich (Natural Products, PROTACs).

Toxikologische Testsysteme

• In-vitro: Ames-Test (Mutagenität), Hepatozyten-Stabilität, hERG-Assays.

• In-vivo: Xenograft-Tumormodelle (Maus), Spontaneously Hypertensive Rat, chirurgisch induzierte Modelle.

Lead-Optimierung und SAR

• Ziel: Verbesserte Potenz, Selektivität, ADME, Formulierbarkeit.

• Imatinib Evolution: Phenylaminopyrimidin-Core, Pyridyl-Gruppe, N-Methylpiperazin.

• SAR-Analyse: systematische Substitutions­muster $\leftrightarrow$ IC$_{50}$-Werte (Coumarin-MAO-B-Studie).

Neue Modalitäten

• PROTACs (Targeted Protein Degradation)- Bifunktional: Ligand (Target) – Linker – Ligand (E3-Ligase); Rekrutierung → Ubiquitinierung → Proteasom.

• Therapeutische Antikörper:

  • Markt-Wachstum $\approx$ 200 zugelassene mAbs.

  • Struktur: Fab, Fc, Variable/Constant Regionen.

  • Herstellung: polyklonal, Hybridoma-mAb, in-vitro Display (Phage, Ribosome).

  • Wirkmechanismen: Ligand/Target-Neutralisation, ADCC, CDC, Checkpoint-Blockade.

• Impfstoffe:

  • Lebend-/Tot-/Subunit-/Vektor-/mRNA-Vakzine.

  • mRNA: In-vitro-Transkription, Lipid-Nanopartikel, schnelle Skalierung (5 L Bioreaktor $\approx$ 1 Mio Dosen).

• Oligonukleotide (ASO, siRNA), Zell- & Gentherapien (CAR-T, AAV-Vektoren).

• Risiko/Chancen neuer Modalitäten laut BCG-Report: höhere klinische Unsicherheit, aber First-in-Class-Potenzial; Phase II entscheidend für „Go/No-Go“.

Klinische Entwicklung & Erfolgsraten

• Phase 0: Explorativ (Mikrodose).

• Phase I: 20–100 Probanden, Sicherheit, PK.

• Phase II: 100–300 Patienten, Dosisfindung, Proof-of-Concept ($\approx$ 33 % Erfolgsrate bis hier).

• Phase III: >500 Patienten, Wirksamkeit & Sicherheit multizentrisch (70–90 % Erfolgsrate in Phase).

• Phase IV: Post-Marketing, Pharmakovigilanz.

• Hauptversagens­gründe: mangelnde Wirksamkeit ($\approx$ 40 % ), Toxizität, PK-Probleme (Cook 2014).

Ökonomische Aspekte & R&D-Produktivität

• Big Pharma 2001–2020: $+6;\%/a$ F&E-Budget; $6,16;\text{Mrd. USD}$ pro Neuzulassung.

• Treiber höherer Effizienz: Besseres Krankheits-Verständnis, Target-Selektion, Biomarker, digitale Technologien.

• Alternative Strategien: In-Lizenzierung, M&A.

Computer-gestützte Methoden

• SMILES: lineare Textrepräsentation chemischer Strukturen.

• Homologiemodellierung vs. Template-frei (AlphaFold): Deep-Learning revolutioniert Strukturbestimmung.

• Virtuelles Screening/Docking: In-silico-Evaluation großer Bibliotheken.

• KI-Anwendungen laut Wellcome-Trust-Report: Target-ID, Moleküldesign, Synthese­planung, Patienten­stratifizierung, Trial-Optimierung.

Kernaussagen & Implikationen

• Wirkstoffforschung ist ein multidisziplinärer, risikoreicher, aber hoch­innovativer Prozess.

• Verständnis von Biologie UND Technologie (HTS, DEL, PROTAC, KI) entscheidend für zukünftigen Erfolg.

• Neue Modalitäten erweitern die Druggability-Grenzen, erfordern jedoch angepasste Entwicklungs­pfade und regulatorische Strategien.

• Nachhaltige R&D-Produktivität verlangt datengestützte Entscheidungen, kollaborative Netzwerke und konsequente Translation grundlegender Erkenntnisse in klinischen Nutzen.