Begrebet synergi er meget kompliceret
Når du anvender to lægemidler på et system, er responsen så større end den, du ville forudsige ud fra de to individuelle responser? Hvis det er tilfældet, siger man, at de to lægemidler virker synergistisk. Hvordan analyserer du dine data for at finde ud af, om dette er tilfældet? Det lyder som et let spørgsmål. Men i virkeligheden er det ret vanskeligt. Denne korte artikel (af Greco og kolleger) giver et perspektiv på problemets kompleksitet og er vigtig læsning for alle, der begynder at tænke over synergi. En meget længere gennemgang er også værd at læse.
Den vigtigste pointe at tage med sig fra disse to artikler er, at spørgsmålet “Er disse to lægemidler synergistiske?” ikke er enkelt. Det afhænger af, hvilket respons man ser på, og hvordan man definerer synergi. Det er ikke muligt for et computerprogram at besvare dette spørgsmål for dig, før du har defineret spørgsmålet klart.
Hvis du tænker på to lægemidler, der virker på forskellige steder på den samme receptor, skal du læse om allosteriske interaktioner. Dette er et særligt tilfælde af lægemiddelsynergi med veludviklede metoder til dataanalyse.
Test for Bliss-uafhængighed med Prism
Resten af denne side forklarer, hvordan man tester for additivitet af to lægemidler. Udtrykket “additiv” er i virkeligheden et glidende begreb med flere definitioner. I denne artikel vil vi bruge definitionen af Bliss. Dette er hensigtsmæssigt, når begge stoffer virker på det samme system (i det mindste nedstrøms), så det maksimale respons, der fremkaldes af begge stoffer, er det samme. Reglen er, at det fraktionelle respons af en kombination af to lægemidler (under forudsætning af Bliss’ uafhængighed) er lig med summen af de to fraktionelle responser minus deres produkt.
Tænk på det på denne måde. Det fraktionelle respons på lægemiddel A alene ved en given dosis er Fa. På samme måde er det fraktionelle respons på lægemiddel B alene Fb. Men hvad er det yderligere respons fra lægemiddel B, når A allerede er til stede? Den yderligere respons på lægemiddel B er brøkdelen Fb gange den resterende mulige respons, som er 1-Fa, så den yderligere respons på grund af lægemiddel B i tilstedeværelse af lægemiddel A er lig med Fb*(1-Fa). Derfor er det samlede respons på en blanding af de to stoffer Fa+Fb(1-Fa), hvilket er lig med Fa+Fb-Fa*Fb. Denne ligning forudsætter, at virkningerne af de to stoffer er additive.
Vi antager, at du anvender de to stoffer i forholdet 1:1. Det betyder, at hver X-værdi er koncentrationen for begge lægemidler (hvert lægemiddel er det samme, så den samlede koncentration, der tilsættes, er dobbelt så stor som X-værdien). Bemærk, at modellen ikke antager, at de to EC50-værdier er de samme, men den antager, at de to Hill Slopes er de samme.
Her er en brugerdefineret model, skrevet til Prism, der kan passe til disse tre kurver:
Den første linje definerer den første dosisreaktionskurve, med sin egen logEC50 og hældning. I dette eksempel antages alle tre kurver at have en basislinje på nul og et topplat plateau på 1,0 (dataene er blevet normaliseret til brøkvis respons). Den anden række definerer den anden dosis-respons-kurve. Den tredje linje fortæller Prism, at for datasæt A er Y defineret som Fa (defineret i den første række). I den næste linje defineres modellen for datasæt B. I den sidste linje defineres Y (respons) for datasæt C i henhold til Bliss’ uafhængighedsregel. Bemærk, at denne model, som den er skrevet, forudsætter, at X-værdierne er logaritmer af koncentrationer.
Vi tilpasser dataene og deler alle parametre. Dette er vigtigt. Du skal dele de to logEC50-værdier, så tilpasningen for kurve C er afledt af (er i overensstemmelse med) tilpasningerne for kurve A og B.
Nedenfor er der et eksempel på data, der er i overensstemmelse med den additive model. Dosis-respons-kurven for lægemidler A og B, der indgives sammen, er meget tæt på summen af de to individuelle dosis-respons-kurver.
Den nedenstående figur viser derimod lægemidler, der virker synergistisk.
Kurverne er tilpasset under antagelse af, at de to lægemidler virker på en “additiv” eller “uafhængig” måde, og disse kurver passer ikke godt til dataene. Dette fortæller os, at den additive model er utilstrækkelig.
Det ville være rart på dette tidspunkt at tilpasse dataene til en alternativ model, der tager hensyn til synergismen mellem de to lægemidler. Jeg kender ikke til en eksplicit model til brug, så det vil jeg ikke forfølge. Men hvis det var mine data, ville jeg forsøge at finde frem til en alternativ model, der passer godt til dataene. Derefter ville jeg bruge F-testen til at sammenligne de to modeller.
Du kan downloade den Prism-fil, som jeg har brugt til at lave graferne ovenfor.