Selon l’Organisation Mondiale de la Santé (OMS), les agonistes du récepteur opioïde Mu (MOR) sont la première ligne de traitement pour le soulagement des douleurs aiguës modérées à sévères. Cependant, ces derniers induisent de nombreux effets indésirables, tels que la dépression respiratoire et la constipation, qui limitent leur utilisation pour une gestion appropriée de la douleur. Chacun des effets indésirables des agonistes du MOR est médié par des mécanismes cellulaires et moléculaires complexes. C’est pourquoi un nombre considérable de recherches précliniques ont été menées afin de découvrir des opioïdes qui induiraient moins d’effets indésirables. Plus particulièrement, de nombreuses études se sont concentrées sur le développement d’agonistes biaisés du MOR qui ont peu ou pas de recrutement de β-arrestine 2 et qui activent préférentiellement les protéines G. Néanmoins, ces recherches n’ont pas réussi à identifier des agonistes biaisés avec un profil amélioré d’effets indésirables en clinique. Nous proposons dans cette thèse que la caractérisation des similarités signalétiques des agonistes du MOR serait une bonne alternative à l’agonisme biaisé pour l’identification d’opioïdes avec des profils d’effets indésirables distincts. Pour ce faire, nous avons développé une méthode basée sur l’utilisation de l’apprentissage non supervisé par clustering pour classifier les ligands du MOR en des catégories pharmacodynamiques. Cette classification s’est faite à l'aide des paramètres qui caractérisaient une panoplie de voies de signalisation médiées par les protéines G et par les β-arrestines. Nous avons pu associer ces différentes catégories pharmacodynamiques avec différentes fréquences de rapport d’effets indésirables d’opioïdes cliniques au programme de pharmacovigilance de la FDA (Food and drug administration) tels que des effets respiratoires et gastro-intestinaux. Nous avons également montré que cette méthode peut être plus généralement appliquée à d’autres sous-types et types de récepteurs couplés aux protéines G (RCPG).
L’efficacité et l’innocuité des agonistes du MOR pour le soulagement des douleurs chroniques non cancéreuses, telles que les douleurs neuropathiques, est un sujet controversé et plusieurs essais cliniques ne sont pas en faveur de leur utilisation. Or, la douleur neuropathique est une maladie fréquente qui est associée à une très pauvre qualité de vie du patient et pour laquelle seulement 30 à 40% des patients rapportent un soulagement adéquat de la douleur avec les traitements actuels. Dans les modèles précliniques, les cannabinoïdes sont capables de moduler des processus impliqués dans le développement des douleurs neuropathiques. Ceci les rend des candidats prometteurs pour le soulagement de ces douleurs en clinique. Néanmoins, peu de médicaments à base de cannabis sont présentement approuvés sur le marché pour un usage thérapeutique. Ces derniers sont régulés selon leur contenu en Δ9-tétrahydrocannabinol (THC) et cannabidiol (CBD) et il existe une présomption selon laquelle les quantités de THC et les ratio THC:CBD permettraient de décrire l’activité biologique du cannabis médical. Or, les extraits commerciaux peuvent contenir jusqu’à 23 phytocannabinoïdes et de nombreux autres composés chimiques. La description de ces derniers uniquement en termes de contenus en THC et en CBD ne prend pas en considération les interactions potentielles qui peuvent arriver entre les multiples autres composants et qui peuvent aboutir à des effets cliniques différents. Nous avons donc testé dans cette thèse s’il y avait réellement une équivalence entre l’activité biologique d’un extrait de cannabis et des traitements cannabinoïdes avec des contenus en THC et/ou en CBD équivalents Nous avons démontré que les réponses analgésiques du THC et du CBD seuls, d’une combinaison THC:CBD (1 :1) et d’un extrait de cannabis de chémotype II (avec un ratio THC:CBD ≈ 1 :1) ne sont pas équivalentes dans un modèle de neuropathie diabétique chez les rats. Aux hautes doses testées, l’extrait était plus efficace à soulager la douleur que la combinaison THC:CBD (1 :1) qui, elle-même, était plus efficace que le THC et le CBD seuls. De plus, ces différents traitements engageaient les cibles moléculaires du système endocannabinoïde CB1 (récepteur cannabinoïde 1), CB2 (récepteur cannabinoïde 2) et TRPV1 de façon distincte. Ensemble ces résultats suggèrent qu’une équivalence au niveau des contenus en THC et des ratios THC:CBD ne se traduit pas par une équivalence d’activité biologique telle que l’analgésie.
Dans son ensemble, cette thèse propose dans un premier temps une méthode basée sur la classification pharmacodynamique de ligands de RCPG qui pourrait être utile pour l’identification de nouveaux candidats opioïdes avec un profil d’effets indésirables amélioré. Dans un second temps, nous avons démontré que les cannabinoïdes induisent des effets analgésiques à travers différentes cibles pharmacodynamiques et que ces dernières étaient engagées de façon distincte par les différents traitements. Notre intention future est de décrire in vitro les profils signalétiques des cannabinoïdes sur ces différentes cibles et d'utiliser notre outil de classification pharmacodynamique afin de corréler ces réponses signalétiques avec leurs effets analgésiques et indésirables in vivo. Ces travaux fournissent des éléments pertinents pour le développement rationnel d’analgésiques plus efficaces et mieux tolérés en clinique. / According to the World Health Organization (WHO), Mu opioid receptor agonists (MOR) are the first line of treatment for the relief of moderate to severe acute pain. However, they induce numerous adverse effects, such as respiratory depression and constipation, which limit their use for appropriate pain management. Each of the adverse effects of MOR agonists is mediated by complex cellular and molecular mechanisms. As a result, a considerable amount of preclinical research has been conducted to discover opioids that would induce fewer adverse effects. Specifically, many studies have focused on developing biased MOR agonists that have little or no β-arrestin 2 recruitment and preferentially activate G proteins. Despite these investigations, efforts to identify biased agonists with an improved adverse event profile in the clinic have been unsuccessful. In this thesis, we propose that characterizing the signaling similarities of MOR agonists would be a good alternative to biased agonism for identifying opioids with distinct adverse effect profiles. To this end, we developed a method based on the use of unsupervised clustering learning to classify MOR ligands into pharmacodynamic categories. This classification was done using parameters that characterized a panoply of G protein- and β-arrestin-mediated signaling pathways. We were able to associate these different pharmacodynamic categories with different frequencies of clinical opioid adverse event reported to the FDA pharmacovigilance program such as respiratory and gastrointestinal effects. We have also shown that this method can be more generally applied to other subtypes and types of G protein-coupled receptors (GPCRs).
The efficacy and safety of MOR agonists for the relief of chronic non-cancer pain, such as neuropathic pain, is a controversial topic and several clinical trials do not support their use. Neuropathic pain is a common condition that is associated with very poor patient quality of life and for which only 30-40% of patients report adequate pain relief with current treatments. In preclinical models, cannabinoids are able to modulate processes involved in the development of neuropathic pain. This makes them promising candidates for the relief of such pain in the clinic. However, few cannabis-based medications are currently approved for therapeutic use. For safety reasons, these are regulated according to their Δ9-Tetrahydrocannabinol (THC) and cannabidiol (CBD) content under the presumption that THC amounts and THC:CBD ratios would adequately describe the biological activity of medical cannabis. Commercial extracts of medical cannabis may contain up to 23 phytocannabinoids and many other chemical compounds. Describing these products only in terms of THC and CBD content does not take into consideration the potential interactions that may occur between these multiple components and that may result in different clinical effects. We therefore tested in this thesis whether there was really an equivalence between the biological activity of a cannabis extract and cannabinoid treatments with equivalent THC and/or CBD contents. We demonstrated that the analgesic responses of pure THC and CBD, a THC:CBD (1:1) combination, and a chemotype II cannabis extract (with a THC:CBD ratio ≈ 1:1) were not equivalent in a rat model of diabetic neuropathy. At the high doses tested, the extract was more efficacious than the THC:CBD (1:1) combination which, in turn, was more efficacious than pure THC and CBD. Furthermore, these different treatments engaged the molecular targets of the endocannabinoid system CB1 (cannabinoid receptor 1), CB2 (cannabinoid receptor 2), and TRPV1 in distinct ways. Together, these results suggest that equivalence in THC content and THC:CBD ratios does not translate into equivalence in biological activity such as analgesia.
Overall, this thesis firstly proposes a pharmacodynamic-based method of GPCR ligand classification that could be useful for the identification of new opioid candidates with an improved adverse effect profile. Secondly, we demonstrated that cannabinoids produced their analgesic effects via different pharmacodynamic targets and that these targets were distinctively engaged by the different treatments. Our future intention is to describe the in vitro signaling profiles of cannabinoids at these different targets, and to use our pharmacodynamic clustering tool to correlate these signaling responses with their in vivo their analgesic and adverse effects. This work provides relevant insights for the rational development of more effective and better tolerated analgesics in the clinic.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/26937 |
| Date | 11 1900 |
| Creators | Benredjem, Besma |
| Contributors | Pineyro, Graciela |
| Source Sets | Université de Montréal |
| Language | fra |
| Detected Language | French |
| Type | thesis, thèse |
| Format | application/pdf et application/vnd.ms-excel |
Page generated in 0.0919 seconds