Stop zo veel mogelijk bekende bijwerkingen van geneesmiddelen in een computermodel, en je kunt aardig voorspellen welke bijwerkingen je mag verwachten van een nieuw medicijn. Dat claimen Japanse onderzoekers in het Journal of Chemical Information and Modelling.

Het zou geneesmiddelenontwikkelaars een hoop geld en moeite kunnen besparen. Vaak komen ze er pas tijdens de klinische tests achter dat de bijwerkingen van een kandidaat-medicijn onaanvaardbaar zijn. Of nòg later: er is wel eens geschat dat alleen al in de VS 100.000 doden per jaar vallen door bijwerkingen van medicijnen die al goedgekeurd en op de markt zijn.

Yoshihiro Yamanishi (Kyushu University, Fukuoka) verzamelden de molecuulstructuren van 658 bestaande medicijnen (allemaal ‘kleine’ moleculen, dus geen eiwitten), hun ‘targets’ (dat zijn dus wèl eiwitten) en alle bijwerkingen die in de bijsluiters stonden. Nadat ze de triviale zaken zoals misselijkheid en duizeligheid hadden geschrapt, en ook de verschijnselen die zo exotisch waren dat ze maar bij één medicijn voorkwamen, hielden ze in totaal 969 bijwerkingen over en 23.061 associaties met medicijnen, dat waren er dus gemiddeld 35,1 per middel.

Op basis van deze dataset hebben ze een regressiemodel in elkaar gezet, waarmee ze nu proberen de bijwerkingen te voorspellen van nog niet uitgeteste medicijnen. Bij hun publicatie hebben ze voorspellingen voor minstens 730 kleine moleculen gevoegd. De meeste daarvan zijn met geen mogelijkheid te verifiëren omdat de experimentele data bedrijfsgeheim of domweg niet aanwezig zijn. Maar in de paar gevallen dat die data wel opdoken, lijken ze aardig met de voorspellingen overeen te komen.

bron: American Chemical Society