@phdthesis{Wilde2019, author = {Wilde, Sabrina}, title = {Einsatz von mechanistischen Biomarkern zur Charakterisierung und Bewertung von \(in\) \(vitro\) Genotoxinen}, doi = {10.25972/OPUS-18278}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-182782}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2019}, abstract = {Die verf{\"u}gbaren in vitro Genotoxizit{\"a}tstests weisen hinsichtlich ihrer Spezifit{\"a}t und ihres Informationsgehalts zum vorliegenden Wirkmechanismus (Mode of Action, MoA) Einschr{\"a}nkungen auf. Um diese M{\"a}ngel zu {\"u}berwinden, wurden in dieser Arbeit zwei Ziele verfolgt, die zu der Entwicklung und Etablierung neuer in vitro Methoden zur Pr{\"u}fung auf Genotoxizit{\"a}t in der Arzneimittelentwicklung beitragen. 1. Etablierung und Bewertung einer neuen in vitro Genotoxizit{\"a}tsmethode (MultiFlow Methode) Die MultiFlow Methode basiert auf DNA-schadensassoziierten Proteinantworten von γH2AX (DNA-Doppelstrangbr{\"u}che), phosphorylierten H3 (S10) (mitotische Zellen), nukle{\"a}ren Protein p53 (Genotoxizit{\"a}t) und cleaved PARP1 (Apoptose) in TK6-Zellen. Insgesamt wurden 31 Modellsubstanzen mit dem MultiFlow Assay und erg{\"a}nzend mit dem etablierten Mikrokerntest (MicroFlow MNT), auf ihre F{\"a}higkeit verschiedene MoA-Gruppen (Aneugene/Klastogene/Nicht-Genotoxine) zu differenzieren, untersucht. Die Performance der „neuen" gegen{\"u}ber der „alten" Methode f{\"u}hrte zu einer verbesserten Sensitivit{\"a}t von 95\% gegen{\"u}ber 90\%, Spezifit{\"a}t von 90\% gegen{\"u}ber 72\% und einer MoA-Klassifizierungsrate von 85\% gegen{\"u}ber 45\% (Aneugen vs. Klastogen). 2. Identifizierung mechanistischer Biomarker zur Klassifizierung genotoxischer Substanzen Die Analyse 67 ausgew{\"a}hlter DNA-schadensassoziierter Gene in der QuantiGene Plex Methode zeigte, dass mehrere Gene gleichzeitig zur MoA-Klassifizierung beitragen k{\"o}nnen. Die Kombination der h{\"o}chstrangierten Marker BIK, KIF20A, TP53I3, DDB2 und OGG1 erm{\"o}glichte die beste Identifizierungsrate der Modellsubstanzen. Das synergetische Modell kategorisierte 16 von 16 Substanzen korrekt in Aneugene, Klastogene und Nicht-Genotoxine. Unter Verwendung der Leave-One-Out-Kreuzvalidierung wurde das Modell evaluiert und erreichte eine Sensitivit{\"a}t, Spezifit{\"a}t und Pr{\"a}diktivit{\"a}t von 86\%, 83\% und 85\%. Ergebnisse der traditionellen qPCR Methode zeigten, dass Genotoxizit{\"a}t mit TP53I3, Klastogenit{\"a}t mit ATR und RAD17 und oxidativer Stress mit NFE2L2 detektiert werden kann. Durch die Untersuchungen von posttranslationalen Modifikationen unter Verwendung der High-Content-Imaging-Technologie wurden mechanistische Assoziationen f{\"u}r BubR1 (S670) und pH3 (S28) mit Aneugenit{\"a}t, 53BP1 (S1778) und FANCD2 (S1404) mit Klastogenit{\"a}t, p53 (K373) mit Genotoxizit{\"a}t und Nrf2 (S40) mit oxidativem Stress identifiziert. Diese Arbeit zeigt, dass (Geno)toxine unterschiedliche Gen- und Proteinver{\"a}nderungen in TK6-Zellen induzieren, die zur Erfassung mechanistischer Aktivit{\"a}ten und Einteilung (geno)toxischer MoA-Gruppen (Aneugen/Klastogen/ Reaktive Sauerstoffspezies) eingesetzt werden k{\"o}nnen und daher eine bessere Risikobewertung von Wirkstoffkandidaten erm{\"o}glichen.}, subject = {Genotoxizit{\"a}t}, language = {de} }