Design and Synthesis of Dual Tyrosine Kinase Inhibitors Against Pancreatic Cancer

Abstract

Entre els diferents tipus de càncer, l'adenocarcinoma ductal de pàncrees (pancreatic ductal adenocarcinoma, PDAC) es considera un dels càncers més agressius, amb una taxa de supervivència del 8% el 2022. Aquest fet és resultat de la seva tardana detecció, donat que els símptomes es mostren una vegada la malaltia ha arribat a estadis tardans, o en etapes amb metàstasis. A més, a causa de la seva capacitat de desenvolupar resistència als fàrmacs, la quimioteràpia és típicament usada com a pal·liatiu. Per aquests motius, el càncer de pàncrees s'ha convertit en una gran preocupació per a la comunitat científica, generant multitud de projectes de recerca amb l'objectiu de desenvolupar tractaments més efectius.

Entre aquests, els tractaments basats en la inhibició de proteïnes tirosina cinasa (PTK) han demostrat resultats prometedors, per la qual cosa l’interès pel disseny d'inhibidors de tirosina cinasa (TKI) per al tractament del PDAC ha crescut , amb diversos exemples que han arribat a assajos clínics. Així mateix, en el desenvolupament d'aquests compostos, la inhibició de PTK de manera individual ha demostrat resultats deficients, ja que l'habilitat de la cèl·lula per a autoregular-se li permet generar immunitat enfront del fàrmac, recuperant la seva activitat basal. Degut el mecanisme d'aquest procés, per a prevenir-lo necessitaríem la inhibició simultanieja de diverses PTK, usant per exemple TKI duals.

En el desenvolupament de nous fàrmacs, el disseny de fàrmacs assistit per ordinador, incloent-hi la modelització molecular i estratègies basades en machine learning, ha estat crucial per a elucidar les característiques necessàries perquè aquestes molècules tinguin bona activitat com a inhibidors. Particularment per al desenvolupament d’inhibidors duals, permetent la identificació de les característiques no òbvies entre les diferents dianes.

En aquest treball, hem desenvolupat i aplicat amb èxit diferents models de predicció QSAR per a la generació de TKI duals basats en l'estructura pirido[2,3-d]pirimidina. Això ens ha portat a identificar diversos candidats amb activitat IC50 submicromolar contra dues proteïnes clau en el PDAC: FGFR2 i IGF1R.

Al mateix temps, degut a les cinc posicions susceptibles de funcionalització en l'estructura elegida, els candidats derivats d'aquesta tendien a mostrar un gran grau de substitució. Per aquest motiu, es requerien de llargues i complexes síntesis. Per evitar aquest fet, s'han desenvolupat dues metodologies: un mètode computacional de simplificació racional d'estructures, i l’obtenció d’un compost intermedi modificable ortogonalment que simplifica la síntesi de pirido[2,3-d]pirimidines altament substituïdes.

Entre los diferentes tipos de cáncer, el adenocarcinoma ductal de páncreas (pancreatic ductal adenocarcinoma, PDAC) se considera uno de los más agresivos, con una tasa de supervivencia del 8% en 2022. Este hecho está asociado con su tardía detección, debido a que los síntomas se muestran una vez la enfermedad ha llegado a estadios tardíos, o en etapas metastásicas. Además, debido a su capacidad de desarrollar resistencia a los fármacos, la quimioterapia es típicamente usada como paliativo. Por todo esto, el cáncer de páncreas se ha convertido en una de las principales preocupaciones de la comunidad científica, generando multitud de proyectos de investigación con el objetivo de desarrollar tratamientos más efectivos.

Entre estos tratamientos, aquellos que están basados en la inhibición de proteínas tirosina quinasa (PTK) han demostrado resultados prometedores, por lo que el diseño de inhibidores de tirosina quinasas (TKI) para el tratamiento del PDAC ha crecido en interés, con varios ejemplos que han llegado a ensayos clínicos. Asimismo, en el desarrollo de estos compuestos, la inhibición de PTK de manera individual ha demostrado resultados deficientes, ya que la habilidad de la célula para autorregularse le permite generar resistencia al fármaco, recuperando su actividad basal. Debido el mecanismo de este proceso, para prevenirlo es necesaria la inhibición simultanea de varios PTK, usando por ejemplo TKI duales.

En el desarrollo de nuevos fármacos, el diseño de fármacos asistido por computación, incluyendo la modelización molecular y estrategias basadas en machine learning, ha sido crucial para descubrir características necesarias para que estas moléculas sean buenos inhibidores. Concretamente para el desarrollo de inhibidores duales, permitiendo la identificación de las características no obvias entre las distintas dianas.

En este trabajo, hemos desarrollado y aplicado exitosamente diferentes modelos de predicción QSAR para la generación de TKI duales basados en la estructura pirido[2,3-d]pirimidinas. Esto nos ha llevado a identificar varios candidatos con actividad IC50 submicromolar contra dos proteínas clave en el PDAC: FGFR2 y IGF1R.

Al mismo tiempo, debido a las cinco posiciones funcionalizables en la estructura elegida, los candidatos derivados de esta tendían a poseer un gran grado de sustitución. Por ello, estos requerían de síntesis más largas y complejas. Para hacer frente a esto, se han desarrollado dos metodologías: un método computacional de simplificación racional de estructuras, y la obtención de un compuestos intermedio modificable ortogonalmente que simplifica la síntesis de pirido[2,3-d]pirimidinas altamente substituidas.

Among the different types of cancer, pancreatic ductal adenocarcinoma (PDAC) is considered one of the most aggressive, having an 8% survival rate in 2022. This is the result of its late detection, displaying symptoms only in late stages of the disease, or once a metastatic stage is reached. In addition, due to its ability to develop drug resistance, chemotherapy is often used solely as a palliative. For all this, it has become a common worry among scientists, with numerous research projects focusing on finding improved treatments.

Among these, those therapeutical treatments based on targeting protein tyrosine kinases (PTK) have shown very promising results, for which the design of tyrosine kinase inhibitors (TKI) as treatment for PDAC have growth in interest, with various TKIs reaching clinical trials. Furthermore, in the development of these compounds, single-target inhibition showed poor results, as the ability of the cell to self-regulate itself would lead to drug resistance, restoring basal cell activity. Because of the mechanisms behind this, the simultaneous inhibition of various PTKs would be necessary to prevent it, for example, by dual TKIs.

In the development of new drugs, Computer Aided Drug Design, including molecular modelling and machine learning approaches, has been crucial in providing insights into the features that effective inhibitors should include. Particularly, in the development of dual inhibitors, allowing the elucidation of non-obvious characteristics shared between the different targets.

In this work, we have been able to successfully develop and apply different QSAR prediction models for the development of dual TKIs based on the versatile pyrido[2,3-d]pyrimidine scaffold. This led to the discovery of several candidates that reached sub-micromolar IC50 against two key proteins in PDAC: FGFR2 and IGF1R.

At the same time, due to the five positions amenable to functionalization within the chosen scaffold, candidates would often show a high degree of substitution. Thus, high complexity and long synthetic paths would be necessary. To surpass this limitation, two methodologies were developed where either a computational method would allow the rational simplification of such structures, or an orthogonally modifiable intermediate would ease the synthesis of highly substituted pyrido[2,3-d]pyrimidines.