Brain HealthForschungsarbeitKostenpflichtig

Wissenschaftler entwickeln cannabisbasierte Schmerzmittel, die typische Nebenwirkungen vermeiden

Forscher haben neue CB1-Rezeptor-Wirkstoffe entwickelt, die Schmerzlinderung bieten, ohne die unerwünschten Wirkungen traditioneller Cannabis-Verbindungen.

Mittwoch, 15. April 2026 5 Aufrufe
Veröffentlicht in Cell
a molecular model of a CB1 receptor protein structure displayed on a computer screen in a modern pharmaceutical research laboratory

Zusammenfassung

Forscher der Zhejiang University haben zwei neue cannabisbasierte Verbindungen entwickelt, LZD503 und LZD505, die den CB1-Rezeptor zur Schmerzlinderung ansprechen und dabei typische Nebenwirkungen vermeiden. Mithilfe eines strukturgesteuerten Designs entwickelten sie Moleküle, die selektiv vorteilhafte Gi-Signalwege aktivieren und gleichzeitig die Aktivierung jener Signalwege minimieren, die für unerwünschte Wirkungen verantwortlich sind. Die Verbindungen zeigten in Mäusen vielversprechende schmerzlindernde Wirkung ohne unerwünschte Reaktionen und könnten damit eine neue Klasse nicht-opioider Schmerzmittel darstellen.

0:00--:--

Detaillierte Zusammenfassung

Cannabisbasierte Arzneimittel versprechen seit Langem eine wirksame Schmerzlinderung, doch ihre Entwicklung wurde durch erhebliche Nebenwirkungen behindert, die den klinischen Einsatz einschränken. Forscher der Zhejiang University haben nun eine mögliche Lösung entwickelt, indem sie CB1-Rezeptoragonisten konstruierten, die selektiv vorteilhafte Signalwege aktivieren und dabei problematische umgehen.

Das Team nutzte Struktur-Aktivitäts-Beziehungsanalysen, um zwei Verbindungen – LZD503 und LZD505 – rational zu entwickeln, die bevorzugt Gi-Signalwege in CB1-Rezeptoren aktivieren. Die Designstrategie umfasste präzise strukturelle Modifikationen, um spezifische molekulare Wechselwirkungen zu stören und Konflikte in der Bindungstasche des Rezeptors zu minimieren, was eine selektive Aktivierung der Signalwege begünstigt.

Kryo-Elektronenmikroskopie bestätigte, dass diese konstruierten Verbindungen an CB1-Rezeptoren in Konformationen binden, die eine Gi-biasierte Signalübertragung begünstigen. In Mausstudien zeigten beide Verbindungen eine wirksame Schmerzlinderung, ohne die unerwünschten Reaktionen auszulösen, die typischerweise mit der CB1-Aktivierung verbunden sind, wie kognitive Beeinträchtigungen und motorische Dysfunktionen.

Dieser Durchbruch könnte zu einer neuen Generation cannabisbasierter Analgetika führen, die therapeutischen Nutzen ohne einschränkende Nebenwirkungen bieten. Die aus dieser Arbeit gewonnenen strukturellen Erkenntnisse bilden einen Rahmen für die Entwicklung weiterer auf CB1 ausgerichteter Wirkstoffe mit verbesserten Sicherheitsprofilen, die in der klinischen Praxis potenziell Alternativen zu Opioid-Schmerzmitteln darstellen könnten.

Wichtigste Erkenntnisse

  • Two new CB1 agonists (LZD503 and LZD505) provide pain relief without typical cannabis side effects
  • Compounds selectively activate beneficial Gi signaling pathways in CB1 receptors
  • Cryo-electron microscopy confirmed the predicted receptor binding conformations
  • Mouse studies showed effective analgesia without unwanted behavioral responses
  • Structure-guided design approach enables development of safer cannabis-based medicines

Methodik

Forscher nutzten Struktur-Aktivitäts-Beziehungsanalysen und rationales Wirkstoffdesign, um CB1-Agonisten mit selektiven Signaleigenschaften zu entwickeln. Kryo-Elektronenmikroskopie wurde eingesetzt, um Rezeptorbindungskonformationen zu bestätigen, und die Wirksamkeit wurde in Mausmodellen für Schmerzen getestet.

Studienlimitierungen

Diese Zusammenfassung basiert ausschließlich auf dem Abstract, was eine detaillierte Analyse der Methodik und Ergebnisse einschränkt. Die Verbindungen wurden bisher nur an Mäusen getestet, und Daten zur Sicherheit und Wirksamkeit beim Menschen sind noch nicht verfügbar.

Hat dir diese Zusammenfassung gefallen?

Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.

E-Mail-Adresse zum Abonnieren eingeben: