Erkennen Sie es, bevor es auf den Markt kommt: Die prädiktive Datenbank von DAMD bringt Geräten bei, Designerdrogen zu erkennen

„Designer“-Psychosubstanzen sind Unmengen von Molekülen, die die Wirkung bekannter Drogen nachahmen, sich aber der Kontrolle entziehen: Synthetische Substanzen verändern ein Fragment in der Struktur – und herkömmliche Suchen in Massenspektrometriebibliotheken bleiben ergebnislos. Gleichzeitig sind die neuen Formeln im Körper unvorhersehbar und an tödlichen Vergiftungen beteiligt. Ein Forscherteam hat auf der ACS-Konferenz Herbst 2025 die DAMD ( Drugs of Abuse Metabolite Database ) vorgestellt – eine vorhergesagte Bibliothek chemischer Strukturen und Massenspektren potenzieller Metaboliten von Designerdrogen. Die Idee ist einfach: Wenn man im Voraus „theoretische Fingerabdrücke“ zukünftiger Substanzen und ihrer Zerfallsprodukte hat, steigen die Chancen, sie im Urin eines Patienten oder bei einer forensischen Untersuchung zu erkennen, dramatisch.

Hintergrund der Studie

Der Markt für Designer-Psychosubstanzen verändert sich schneller, als herkömmliche Laborbibliotheken aktualisiert werden können. Hersteller nehmen absichtlich winzige Veränderungen an der Struktur bekannter Moleküle (Fentanyle, Cathinone, synthetische Cannabinoide, neue Benzodiazepine, Nitazene) vor, um Kontrollen und Tests zu umgehen. Für Kliniken bedeutet dies, dass Patienten mit schweren Vergiftungen bei Standarduntersuchungen nichts finden; für die forensische Toxikologie bedeutet dies eine verzögerte Erkennung „neuer“ Substanzen und das Risiko, tödlich verursachungsrelevante Substanzen zu übersehen.

Das technische Problem ist zweifacher Natur. Erstens sind Immunassays auf mehrere „alte“ Klassen zugeschnitten und lassen sich schlecht auf neue Analoga übertragen. Zweitens funktionieren Massenspektrometrie-Panels wie „Shazam für die Chemie“: Das Gerät vergleicht das Spektrum eines unbekannten Peaks mit einem Referenzwert in der Bibliothek. Doch für neue Designermoleküle gibt es schlicht keine solche Referenz. Die Situation wird durch die Biologie kompliziert: Metabolite finden sich häufiger in Blut und Urin als das „Muttermolekül“. Sie entstehen nach Reaktionen der Phasen I (Oxidation, Reduktion, Hydrolyse) und II (Glucuronidierung, Sulfatierung), und von einer Ausgangssubstanz kann eine ganze Reihe von Derivaten existieren. Wenn die Bibliothek nur das Original „kennt“, führt die Analyse leicht zu Fehlschlüssen.

Daher besteht das Interesse an hochauflösender Massenspektrometrie (HRMS) und In-silico-Tools, die im Voraus vorhersagen, welche Metaboliten wahrscheinlich sind und wie sie in einem Massenspektrometer fragmentieren. Solche Ansätze schließen die Lücke zwischen seltenen, arbeitsintensiven Messungen von Referenzspektren und dem täglichen Bedarf an schnellen Antworten in Kliniken. Die Idee ist einfach: Wenn ein Labor theoretische Fingerabdrücke potenzieller Metaboliten zur Hand hat, steigen die Chancen, eine neue Substanz zu erkennen, bevor sie in klassische Nachschlagewerke gelangt, dramatisch.

Organisatorisch ist dies nicht nur für die Wissenschaft, sondern auch für die Praxis wichtig. Die frühzeitige Erkennung einer unbekannten Klasse ermöglicht eine schnellere Therapieauswahl (z. B. die sofortige Berücksichtigung von Naloxon bei Opioidvergiftung), die Ausgabe von Gesundheitswarnungen und die Anpassung der Arbeit von Schadensminderungsdiensten. Für die Forensik ist dies eine Möglichkeit, proaktiv zu arbeiten, anstatt dem Markt hinterherzulaufen. Allerdings erfordern alle „prädiktiven“ Datenbanken eine sorgfältige Validierung: Vorhergesagte Strukturen und Spektren sind Hypothesen, die durch reale Daten bestätigt werden müssen, da sonst das Risiko falscher Übereinstimmungen steigt. Daher liegt der aktuelle Schwerpunkt darauf, prädiktive Bibliotheken mit bereits anerkannten Referenzen (wie SWGDRUG, NIST) zu verknüpfen und den Mehrwert in realen Probenflüssen aufzuzeigen.

Wie sie es geschafft haben: Von einer „Basisbibliothek“ zu Vorhersagen

Ausgangspunkt war die Referenzdatenbank SWGDRUG (DEA-Arbeitsgruppe), die verifizierte Massenspektren von über 2.000 bei Strafverfolgungsbehörden beschlagnahmten Substanzen enthält. Das Team modellierte anschließend die Biotransformationen dieser Moleküle und generierte fast 20.000 Kandidaten – mutmaßliche Metabolite – zusammen mit ihren „theoretischen“ Spektren. Diese Spektren werden nun anhand von „echten“ Daten aus nicht zielgerichteten Urinanalysen validiert: Gibt es enge Übereinstimmungen im Array, bedeutet dies, dass sich die Algorithmen im richtigen chemischen Raum bewegen. DAMD könnte in Zukunft eine öffentliche Ergänzung bestehender forensischer Bibliotheken werden.

Was ist in der Datenbank enthalten und wie unterscheidet sie sich von herkömmlichen Bibliotheken?

Im Gegensatz zu kommerziellen Bibliotheken und Institutsbibliotheken (z. B. der jährlich aktualisierten Sammlung „Massenspektren von Designerdrogen“), die gemessene Spektren bereits bekannter Substanzen enthalten, ist DAMD eine vorausschauende Prognose: digitalisierte Hypothesen darüber, welche Metabolite in noch nicht untersuchten Designermolekülen auftreten und wie sie im Massenspektrometer fragmentiert werden. Diese „vorausschauende“ Ergänzung schließt die wichtigste Lücke: Der Analytiker sucht nicht nur nach dem Molekül selbst, sondern auch nach seinen Spuren nach dem Stoffwechsel, also danach, was tatsächlich in Bioproben gefunden wird.

So funktioniert es in der Praxis

Express-Screening in der Toxikologie funktioniert folgendermaßen: Das Gerät empfängt das Massenspektrum eines unbekannten Peaks und vergleicht es mit einem Katalog von Referenzspektren – ähnlich wie Shazam in der Chemie. Das Problem mit Designersubstanzen ist, dass es keinen Standard gibt: Das Molekül ist neu, die Metaboliten sind neu – der Katalog schweigt. DAMD speist das Gerät mit plausiblen „Phantom“-Standards – Spektren, die durch Computermodellierung für vorhergesagte Metaboliten gewonnen wurden. Laut dem Team basiert das Set auf SWGDRUG, wurde um Zehntausende theoretischer Spektren erweitert und durchläuft bereits reale Kataloge von Urintests. Der nächste Schritt ist die Demonstration des Machbarkeitsnachweises in der forensischen Toxikologie.

Warum brauchen Kliniken, Labore und Polizei das?

• In der Notaufnahme sieht der Arzt im Urinbefund „verdächtige“ Metabolite, die Fentanylderivaten ähneln – dies führt schnell zur richtigen Rettungstaktik, auch wenn die ursprüngliche Substanz in der Mischung maskiert war.
• In der forensischen Toxikologie ist es möglich, „neue Produkte“ auf dem Markt früher zu erkennen und Methoden proaktiv zu aktualisieren, anstatt reaktiv – wenn es bereits zu Vergiftungen gekommen ist.
• In Ressourcenlaboren: DAMD kann möglicherweise als Add-on zu vorhandenen Bibliotheken (NIST, SWGDRUG, kommerzielle Assemblierungen) verwendet werden, wodurch wochenlange manuelle Spektrumdekodierung eingespart wird.

Wichtige Fakten und Zahlen

• Titel und Zweck: Drugs of Abuse Metabolite Database (DAMD) – vorhergesagte Stoffwechselsignaturen und Massenspektren für „neue psychoaktive Substanzen“ (NPS).
• Wo wir angefangen haben: SWGDRUG-Datenbank mit Spektren von >2000 beschlagnahmten Substanzen.
• Vorhersageskala: ≈20.000 mutmaßliche Metabolite mit „spektralen Fingerabdrücken“; Bewertungen durch Dritte weisen auf ein Gesamtvolumen von Zehntausenden theoretischer MS/MS-Spektren hin.
• Präsentationsort: ACS-Artikel Herbst 2025 (Washington, 17.–21. August), gesponsert von NIST.

Technische Hinweise

• Quelle der „Referenzen“: SWGDRUG – Elektronenionisations-(EI-MS)-Bibliotheken für beschlagnahmte Substanzen; DAMD – vorhergesagte MS/MS-Metaboliten für Bioproben. Das ist logisch: Im Urin ist der Zerfall häufiger sichtbar, nicht der „Ausgangsstoff“.
• Fragmentierungsmodellierung: Presseberichte weisen auf die Verwendung hochpräziser CFM-ID-Simulationen hin, um theoretische Spektren bei unterschiedlichen Kollisionsenergien zu erzeugen (was die Wahrscheinlichkeit einer Übereinstimmung zwischen den Methoden erhöht).
• Validierung: Vergleich mit nicht zielgerichteten Urinanalyse-Arrays (Listen aller erkannten Peaks/Spektren), um unrealistische Strukturen herauszufiltern und Modelle anzupassen.

Was das nicht bedeutet

• Kein „Zauberstab“. DAMD ist noch eine Forschungsbibliothek, die auf einer wissenschaftlichen Tagung vorgestellt wird. Nach Validierungen und Freigaben für Geräte-Ökosysteme wird sie in die Praxis eingeführt.
• Fehler sind möglich. Die vorhergesagten Spektren sind Modelle, keine Messungen; ihre Zuverlässigkeit hängt von chemisch plausiblen Stoffwechselwegen und einer korrekten Fragmentierungsmaschine ab.
• Der Markt ist flexibel. Hersteller synthetischer Substanzen ändern ihre Rezepte schnell; DAMD gewinnt gerade deshalb, weil es skalierbar ist und schnell neue Vorhersagen treffen kann, aber das Rennen wird ein Rennen bleiben.

Wie geht es weiter?

• Pilotprojekt in der Toxikologie: Zeigen Sie, dass die Hinzufügung von DAMD zu aktuellen Bibliotheken die Empfindlichkeit und Präzision für NPS in realen Probenströmen verbessert.
• Integration mit kommerziellen Kits: „Kleben“ mit jährlichen Veröffentlichungen von Designer-Medikamentenbibliotheken und automatischer, nicht zielgerichteter Suche.
• Transparente Veröffentlichung: Stellen Sie DAMD der Community zur Verfügung (Versionen, Format, Metadaten), damit es nicht nur von Bundeslaboren, sondern auch von regionalen LVCs verwendet werden kann.

Nachrichtenquelle: Pressemitteilung der American Chemical Society zum ACS-Vortrag im Herbst 2025 mit dem Titel „ Aufbau einer besseren Datenbank zur Erkennung von Designerdrogen “; Beschreibung des DAMD-Projekts und seiner Validierung; SWGDRUG-Quelldatenbanken; Kontext zu bestehenden kommerziellen Bibliotheken.