Most known drug targets and metabolizing enzymes are located inside cells. Interactions with these proteins are determined by intracellular unbound drug concentrations. Assessing intracellular drug exposure is technically challenging, but essential for predicting pharmacokinetic, pharmacological, and toxicological profiles of new drugs. This thesis aims at establishing and applying a straightforward methodology to measure intracellular unbound drug concentrations. This was achieved by separately measuring cellular drug binding (fu,cell), and total intracellular drug accumulation (Kp). This allowed the calculation of intracellular drug bioavailability (Fic), which represents the fraction of the concentration added to the cells that is unbound in the cell interior. The methodology was initially developed in HEK293 cells, where the Fic of 189 drug-like compounds was measured. Binding to HEK293 cells was governed by compound lipophilicity and was correlated with binding to more complex systems, such as hepatocytes and brain. Due to negligible expression of drug transporters, Fic in this cell line was consistent with pH-dependent subcellular sequestration of lipophilic cations in low pH compartments. The methodology was then applied to study the effects of drug transporters on Fic. The uptake transporter OATP1B1 increased the Fic of its substrates in a concentration-dependent manner. In contrast, the Fic of P-gp substrates was decreased when P-gp was present. In human hepatocytes, the methodology allowed the determination of Fic without prior knowledge of transporter mechanisms or metabolic activity. Finally, the methodology was applied to measure the impact of Fic on target binding and cellular drug response. Intracellular concentrations of active metabolites of pro-drugs targeting the intracellular target thymidylate synthase were in agreement with the level of binding to this target. Further, high Fic was generally required for kinase and protease inhibitors to be active in cellular assays. In conclusion, the methodology can be used to predict if new drug candidates reach their intracellular targets in sufficient amounts. Furthermore, the methodology can improve in vitro predictions of drug clearance and drug-drug interactions, by measuring the drug available for intracellular enzymes. Finally, this work can be expanded to other xenobiotics, e.g., to predict their intracellular toxicity.

La pharmacogénomique (PGx) étudie le concept selon lequel les déterminants génétiques peuvent aider à prédire la réponse clinique d’un patient aux médicaments. Les concentrations plasmatiques de ces derniers sont essentielles pour déterminer l’exposition, les profils pharmacocinétiques (PK), les effets cliniques et éventuellement les doses des médicaments, dont la plupart sont métabolisés par des enzymes hépatiques, les cytochromes P450 (CYPs). Néanmoins, la plupart des découvertes en matière de PGx concernant la prédiction des profils de concentrations des médicaments ont généralement recours à des plans d’études PK traditionnels avec une approche fonctionnelle. Bien qu’utile, cette méthodologie comporte des limites pour les études PGx, notamment le nombre restreint de sujets inclus, qui réduit la puissance statistique des associations PGx et limite l’identification de nouveaux variants génétiques moins fréquents. À l’inverse, les grandes cohortes observationnelles sont largement utilisées pour identifier des marqueurs génétiques physiopathologiques. Cette thèse de doctorat visait donc à 1) synthétiser les données publiées concernant les effets cliniques des polymorphismes génétiques de l’enzyme CYP2D6 sur le traitement au métoprolol, un agent β-bloquant. Les concentrations plasmatiques de métoprolol ont montré à plusieurs reprises qu’elles étaient fortement influencées par la PGx du CYP2D6; 2) développer une nouvelle méthode bioanalytique capable de quantifier les concentrations chirales de métoprolol des patients dans un contexte clinique; 3) mener une étude clinique en utilisant une grande cohorte observationnelle, ou biobanque, comme preuve de concept pour recréer l’association précédemment établie entre les phénotypes inférés des génotypes du CYP2D6 et les concentrations plasmatiques de métoprolol. Ces projets sont présentés en tant que chapitres de thèse et sous forme de manuscrits publiés. Le premier projet consistait en une revue systématique qui a permis d’extraire toutes les études relatives à la PGx du métoprolol-CYP2D6. La synthèse qualitative a suggéré que les métaboliseurs lents du CYP2D6, dépourvus de capacité enzymatique, avaient des valeurs plus élevées concernant les réductions de la fréquence cardiaque et de tension artérielle, ainsi que la survenue d’épisodes bradycardiques relativement aux autres phénotypes. Une méta-analyse ultérieure a confirmé la significativité de ces associations. Le deuxième projet a combiné des techniques bioanalytiques telles que la dérivation, l’extraction en phase solide et la chromatographie liquide avec spectrométrie de masse en tandem. Une méthode permettant de surmonter les limites analytiques antérieures a été validée avec succès pour mesurer les concentrations plasmatiques de (S)-métoprolol, l’énantiomère pharmacologiquement actif, et de son métabolite spécifique au CYP2D6. L’applicabilité d’une telle méthode a ensuite été démontrée grâce aux échantillons d’un groupe de patients issus de la Cohorte Hospitalière de l’Institut de Cardiologie de Montréal (ICM). Puis, le troisième projet présente la réalisation de l’étude LEVEL-PGx (LEVEraging Large observational cohort studies to identify pharmacogenetic determinants of drug dosing : A proof-of-concept study in the Montreal Heart Institute Hospital Cohort). L’étude portait sur un échantillon de >1000 patients sélectionnés dans la cohorte hospitalière de l’ICM, incluant leur génotypage pour CYP2D6 et la quantification du métoprolol racémique et de son métabolite spécifique au CYP2D6 dans des échantillons provenant de la Biobanque de l’ICM. Un seul échantillon unique et aléatoire par patient a été utilisé. Le recours à des modèles multivariables a validé le concept selon lequel de grandes cohortes transversales recueillant des échantillons biologiques pouvaient être utilisées afin d’identifier des associations PGx de concentrations de médicaments et ce, à des valeurs satisfaisant les seuils de significativité d’essais pangénomiques. D’autres analyses de cette cohorte ont indiqué que cette méthodologie parvenait à identifier des associations PGx qui influençaient la fréquence cardiaque au repos et la posologie du métoprolol à-travers les phénotypes du CYP2D6 et pour les déterminants génétiques uniques, même en présence de co-médications. Cependant, ces associations PGx avec les paramètres cliniques n’ont pas atteint une significativité applicable aux seuils pangénomiques. En résumé, par la reproduction d’une association PGx préalablement démontrée, l’ensemble des travaux présentés dans cette thèse suggère que l’identification et la découverte de nouveaux déterminants génétiques prédictifs des concentrations et des doses des médicaments pourrait s’effectuer par le biais de grandes cohortes observationnelles à l’échelle du génome. Ces approches permettraient de développer des modèles prédictifs plus précis de l’exposition et de la réponse aux médicaments, ce qui pourrait favoriser les découvertes PGx et, dans certains cas, éventuellement développer le potentiel translationnel d’une approche thérapeutique personnalisée selon le profil génétique des patients. / Pharmacogenomics (PGx) studies the concept that genetic determinants can help predict a patient’s clinical response to therapies. Drug concentrations are an essential component to determining the exposure, pharmacokinetic (PK) profiles, clinical effects, and potentially drug doses, most of which are metabolized through the cytochrome P450 (CYPs) liver enzymes. Nevertheless, most PGx discoveries regarding the prediction of drug concentration profiles have generally resorted to traditional PK study designs with a functional approach. Though useful, this methodology contains limitations for gene-drug interaction studies, most notably the restricted number of subjects included, which reduces the statistical power for PGx associations and limits the identification of new, less frequent genetic variants. On the opposite, large observational cohorts have long been utilized for identifying genetic markers of disease. This doctoral thesis therefore aimed to 1) synthesize published data regarding the clinical effects of CYP2D6 genetic polymorphism on metoprolol therapy. A β-blocker, metoprolol plasma concentrations have shown repeatedly to be heavily influenced by the PGx of the CYP2D6 enzyme; 2) develop a new bioanalytical method able to quantify patients’ chiral concentrations of metoprolol in a clinical setting; 3) conduct a clinical study using a large observational cohort, or biobank, as a proof of concept to recreate the previously established association between CYP2D6 genotype-inferred phenotypes and metoprolol plasma concentrations. Those projects are presented as thesis chapters in the form of published manuscripts. The first project was a systematic review that allowed us to find all studies pertaining to the PGx of metoprolol. The qualitative synthesis suggested that CYP2D6 poor metabolizers (PMs), without enzymatic capacity, had greater values regarding reductions in heart rate, blood pressures, and occurrences in bradycardia relative to non-PMs. A subsequent meta-analysis confirmed the significance of those associations. The second project combined bioanalytical techniques such as derivatization, solid phase extraction, and liquid chromatography-tandem mass spectrometry. A method overcoming previous analytical shortcomings was successfully validated to measure (S)-metoprolol plasma concentrations and its CYP2D6-specific metabolite. Its application was later demonstrated in a group of patients from the Montreal Heart Institute (MHI) Hospital Cohort. Then, the third project presents the conduct of the LEVEL-PGx study (LEVEraging Large observational cohort studies to identify pharmacogenetic determinants of drug dosing: A proof-of-concept study in the Montreal Heart Institute Hospital Cohort). The study implicated a sample of >1000 selected patients selected from the MHI Hospital Cohort, along with the genotyping of CYP2D6, and the quantification of racemic metoprolol and its CYP2D6-specific metabolite in samples from the MHI Biobank. A single, random sample per patient was used. Multivariable modeling validated the concept that large observational cohorts collecting biospecimens could be utilized to identify PGx associations of drug concentrations with genome-wide significance. Further analyses in our cohort indicated that the tested PGx associations influenced resting heart rate and metoprolol daily drug dosage across CYP2D6 phenotypes and for single genetic determinants, regardless of interfering comedications. However, such PGx associations with clinical parameters could not achieve genome-wide significance. In summary, the body of work presented in this thesis suggested that, using a previously validated PGx association, the identification of novel genetic determinants predictive of drug concentrations and dosage could be discovered and identified at the genome-wide level with large observational cohorts. These approaches would help develop more accurate predictive models of drug exposure and response, which could favor PGx discoveries and the translational potential of a personalized approach to treatments according to a patient’s genetic profile.