Méthodes de criblage à haut débit

Le criblage à haut débit (HTS) est le test automatisé de vastes collections de composés chimiques par rapport à un essai biologique, afin d'identifier ceux qui présentent une activité. En utilisant des essais miniaturisés, la robotique et des plaques de microtitration, le HTS peut évaluer des centaines de milliers à des millions de composés, fournissant les points de départ (molécules actives ou « hits ») qui alimentent le reste de la découverte de médicaments. Sa valeur dépend autant de la qualité et de la conception de l'essai que de son échelle.

Definition

Le criblage à haut débit est l'essai systématique et automatisé de grandes bibliothèques de composés contre une cible biologique ou un phénotype, afin d'identifier des composés (molécules actives ou « hits ») qui produisent une activité mesurable méritant d'être approfondie.

Scope

Ce thème aborde les principes et les méthodes du HTS : les formats d'essai (biochimiques et à base cellulaire), la conception de bibliothèques, la miniaturisation et l'automatisation, ainsi que le contrôle statistique de la qualité des données, y compris le facteur Z utilisé pour évaluer la robustesse de l'essai. Il mentionne également des alternatives et des compléments tels que le criblage basé sur des fragments et le criblage virtuel. Il s'agit d'un matériel de référence et non d'une directive clinique.

Core questions

• Comment les grandes bibliothèques de composés sont-elles testées de manière efficace et reproductible ?
• Qu'est-ce qui distingue un essai de criblage bien conçu et robuste d'un essai bruyant ?
• Comment la qualité d'un essai est-elle quantifiée afin que les molécules actives réelles puissent être séparées du bruit ?
• Quelle est la place du HTS par rapport au criblage basé sur des fragments, au criblage phénotypique et au criblage virtuel ?

Key concepts

• Bibliothèque de composés
• Essais biochimiques versus essais à base cellulaire
• Miniaturisation et automatisation des plaques de microtitration
• Facteur Z et robustesse de l'essai
• Taux de molécules actives
• Faux positifs et interférence avec l'essai
• Conception du criblage

Key theories

La qualité de l'essai comme propriété mesurable (facteur Z)

La fiabilité d'un essai de criblage peut être résumée dans une seule statistique sans dimension, le facteur Z, dérivée des moyennes et de la variabilité des contrôles positifs et négatifs, permettant de valider et de comparer les criblages avant et pendant une campagne.

Mechanisms

Dans un criblage typique, chaque puits d'une plaque de microtitration reçoit un composé différent, et un signal détectable (souvent la fluorescence ou la luminescence) rend compte de l'activité contre la cible ou dans une lecture cellulaire. La robotique gère la distribution des liquides et le mouvement des plaques afin que de très grandes bibliothèques puissent être traitées. Parce que l'activité doit être distinguée de la variation aléatoire et des artefacts d'essai, les contrôles statistiques sont essentiels : le facteur Z compare la séparation entre les contrôles positifs et négatifs avec leur variabilité combinée, donnant une mesure standard de la pertinence d'un essai pour le criblage. Une bonne conception du criblage — choix du format d'essai, de la bibliothèque et des seuils — influence fortement les molécules actives qui émergent et le nombre de celles qui sont fallacieuses.

Clinical relevance

De nombreux points de départ chimiques à l'origine des médicaments modernes ont été découverts par le HTS ; ainsi, la compréhension de cette méthode aide à expliquer comment et pourquoi certains composés sont entrés en développement. Cette entrée décrit une méthode de découverte et est à visée éducative ; elle ne constitue pas une base pour les décisions cliniques ou thérapeutiques.

Evidence & guidelines

La littérature pertinente est méthodologique. L'article sur le facteur Z fournit une norme largement utilisée pour la validation des essais, tandis que les revues sur la conception du criblage et sur la génération de molécules actives (hits) et de têtes de série (leads) exposent les bonnes pratiques et les limites du HTS par rapport aux approches complémentaires telles que les méthodes basées sur les fragments et les méthodes basées sur la structure.

History

Le HTS est né de la convergence, dans les années 1980 et 1990, de l'automatisation, de la miniaturisation des essais et des grandes collections de composés combinatoires, devenant un moteur central de la découverte pharmaceutique. À mesure que les criblages prenaient de l'ampleur, le besoin de contrôle qualité objectif a conduit à des statistiques standard telles que le facteur Z (1999). Les revues ultérieures ont souligné que davantage de composés ne produisaient pas automatiquement de meilleures têtes de série, attirant l'attention sur la conception des essais et sur des stratégies complémentaires au-delà du criblage par force brute.

Debates

Une simple augmentation de l'échelle de criblage permet-elle d'obtenir de meilleures têtes de série ?

Des bibliothèques plus grandes augmentent les chances de trouver des molécules actives, mais aussi des faux positifs et des chimiotypes indésirables ; les experts ont soutenu qu'une conception réfléchie des essais et des bibliothèques, ainsi que l'intégration avec des méthodes basées sur des fragments et des méthodes computationnelles, sont plus importantes que le débit brut.

Key figures

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

Seminal works

• zhang-1999
• walters-namchuk-2003

Frequently asked questions

Qu'est-ce que le facteur Z dans le criblage à haut débit ?

Le facteur Z est une statistique sans dimension qui résume la capacité d'un essai de criblage à séparer les réponses actives des réponses inactives, basée sur les moyennes et les écarts-types des contrôles positifs et négatifs ; il est utilisé pour juger si un essai est suffisamment robuste pour le criblage.

Le criblage à haut débit est-il le seul moyen de trouver des molécules actives ?

Non. C'est une méthode majeure, mais le criblage basé sur des fragments, le criblage virtuel (computationnel) et les approches phénotypiques sont des voies complémentaires pour identifier les composés de départ.