Hochdurchsatz-Screening-Methoden

Hochdurchsatz-Screening (HTS) ist die automatisierte Testung großer Sammlungen chemischer Verbindungen gegen einen biologischen Assay, um diejenigen zu finden, die Aktivität zeigen. Durch den Einsatz miniaturisierter Assays, Robotik und Mikrotiterplatten kann HTS Hunderttausende bis Millionen von Verbindungen evaluieren und liefert so die Ausgangspunkte (Hits), die den Rest der Arzneimittelentwicklung speisen. Sein Wert hängt ebenso sehr von der Qualität und dem Design des Assays ab wie von seinem Umfang.

Definition

Hochdurchsatz-Screening ist der systematische, automatisierte Assay großer Bibliotheken von Verbindungen gegen ein biologisches Ziel oder einen Phänotyp, um Verbindungen (Hits) zu identifizieren, die eine messbare Aktivität erzeugen, die es wert ist, weiterverfolgt zu werden.

Scope

Dieses Thema behandelt die Prinzipien und Methoden des HTS: Assay-Formate (biochemisch und zellbasiert), Bibliotheksdesign, Miniaturisierung und Automatisierung sowie die statistische Kontrolle der Datenqualität, einschließlich des Z-Faktors zur Beurteilung der Assay-Robustheit. Es werden auch Alternativen und Ergänzungen wie fragmentbasiertes und virtuelles Screening erwähnt. Es handelt sich um Referenzmaterial und nicht um klinische Leitlinien.

Core questions

• Wie werden große Substanzbibliotheken effizient und reproduzierbar getestet?
• Was unterscheidet einen gut konzipierten, robusten Screening-Assay von einem verrauschten?
• Wie wird die Assay-Qualität quantifiziert, damit echte Treffer von Rauschen getrennt werden können?
• Wo passt HTS im Verhältnis zu fragmentbasiertem, phänotypischem und virtuellem Screening?

Key concepts

• Substanzbibliothek
• Biochemische versus zellbasierte Assays
• Mikrotiterplatten-Miniaturisierung und -Automatisierung
• Z-Faktor und Assay-Robustheit
• Trefferquote
• Falsch positive Ergebnisse und Assay-Interferenz
• Screening-Design

Key theories

Assay-Qualität als messbare Eigenschaft (Z-Faktor)

Die Zuverlässigkeit eines Screening-Assays kann in einer einzigen dimensionslosen Statistik, dem Z-Faktor, erfasst werden, die aus den Mittelwerten und der Variabilität positiver und negativer Kontrollen abgeleitet wird, wodurch Assays vor und während einer Kampagne validiert und verglichen werden können.

Mechanisms

In einem typischen Screening erhält jede Vertiefung einer Mikrotiterplatte eine andere Verbindung, und ein nachweisbares Signal (oft Fluoreszenz oder Lumineszenz) meldet die Aktivität gegen das Ziel oder in einem zellulären Readout. Die Robotik übernimmt die Flüssigkeitsdispensation und Plattenbewegung, sodass sehr große Bibliotheken verarbeitet werden können. Da Aktivität von zufälligen Variationen und von Assay-Artefakten unterschieden werden muss, sind statistische Kontrollen unerlässlich: Der Z-Faktor vergleicht die Trennung zwischen positiven und negativen Kontrollen mit ihrer kombinierten Variabilität und liefert ein Standardmaß dafür, ob ein Assay gut genug für das Screening ist. Ein gutes Screening-Design – Wahl des Assay-Formats, der Bibliothek und der Schwellenwerte – prägt maßgeblich, welche Hits entstehen und wie viele davon falsch sind.

Clinical relevance

Viele der chemischen Ausgangspunkte moderner Medikamente wurden durch HTS gefunden, daher hilft das Verständnis der Methode zu erklären, wie und warum bestimmte Verbindungen in die Entwicklung gelangten. Dieser Eintrag beschreibt eine Entdeckungsmethode und ist edukativ; er ist keine Grundlage für klinische oder Behandlungsentscheidungen.

Evidence & guidelines

Die relevante Literatur ist methodologischer Natur. Das Z-Faktor-Papier liefert einen weit verbreiteten Standard für die Assay-Validierung, während Übersichten zum Screening-Design und zur Hit- und Lead-Generierung bewährte Verfahren und die Grenzen von HTS im Vergleich zu komplementären Ansätzen wie fragmentbasierten und strukturbasierten Methoden darlegen.

History

HTS entstand aus der Konvergenz von Automatisierung, Assay-Miniaturisierung und großen kombinatorischen Verbindungssammlungen in den 1980er und 1990er Jahren und entwickelte sich zu einem zentralen Motor der pharmazeutischen Entdeckung. Mit der Skalierung der Screenings führte der Bedarf an objektiver Qualitätskontrolle zu Standardstatistiken wie dem Z-Faktor (1999). Spätere Übersichten betonten, dass mehr Verbindungen nicht automatisch zu besseren Leads führten, was die Aufmerksamkeit auf das Assay-Design und auf komplementäre Strategien jenseits des Brute-Force-Screenings lenkte.

Debates

Führt der reine Screening-Umfang zu besseren Leads?

Größere Bibliotheken erhöhen die Chance, Treffer zu finden, aber auch die von falsch positiven Ergebnissen und unerwünschten Chemotypen; Rezensenten haben argumentiert, dass ein durchdachtes Assay- und Bibliotheksdesign sowie die Integration mit fragmentbasierten und computergestützten Methoden wichtiger sind als der reine Durchsatz.

Key figures

• Ji-Hu Zhang
• W. Patrick Walters
• Konrad Bleicher

Seminal works

• zhang-1999
• walters-namchuk-2003

Frequently asked questions

Was ist der Z-Faktor im Hochdurchsatz-Screening?

Der Z-Faktor ist eine dimensionslose Statistik, die zusammenfasst, wie gut ein Screening-Assay aktive von inaktiven Reaktionen trennt, basierend auf den Mittelwerten und Standardabweichungen positiver und negativer Kontrollen; er wird verwendet, um zu beurteilen, ob ein Assay robust genug für das Screening ist.

Ist Hochdurchsatz-Screening der einzige Weg, um Treffer zu finden?

Nein. Es ist eine wichtige Methode, aber fragmentbasiertes Screening, virtuelles (computergestütztes) Screening und phänotypische Ansätze sind komplementäre Wege zur Identifizierung von Ausgangsverbindungen.