上海中科新生命生物科技有限公司
诚信认证:
工商注册信息已核实！
扫一扫即可访问手机版展台
精准打“疾” | “回炉再造”，老药如何探新靶
“Although a bit of an exaggeration, there is a lot of truth in the saying that we do not need to find new drugs; rather we need to find the patients who can benefit from existing drugs”
——Christopher Lipinski
2019-nCov的攻坚战中，传统疫苗研发、血浆治疗外，新药研发一直处于热点，涌现出许多潜在药物（如抗流感药物-法匹拉韦、抗HIV药物-洛匹那韦等）。这些发现不仅给慌乱的人们吃了一剂定心丸，也侧面折射出近年来药物临床转化领域的新策略——老药新用。老药，不仅限于已上市药物，还包含曾/现处于临床前或临床研究中的候选药物。以临床效果为导向、以改变表型为目标、靶向疾病发病机制，开发已上市药物的临床新用途，将避免由ADMET（药物的吸收、分配、代谢、排泄和毒性）引起的临床高失败率，从而降低研发成本、缩短开发上市时间。
最知名的成功案例便是****（sildenafil）。****是1989年开发的，原本用于治疗心绞痛，现在上市用于治疗勃起功能障碍症。
背景：传统新药研发多是根据不同疾病的病因和病理特点，有的放矢从头研发，不仅要验证其在人体中的代谢和副作用，还需要依次开展动物和人类的临床实验，观察是否安全有效，这一流程常规耗时13-15年，平均花费20亿-30亿美元，失败风险极高。
近年来，基于大数据模式下的虚拟筛选技术正在成为系统性老药新用研究的主流，综合运用药物分子-靶标相互作用，疾病相关蛋白组学技术，靶标-疾病关联，信号通路和药理网络，将能够进一步减少老药新用研发过程的投入，提高新适应症命中率。而对应到基础研究阶段，有以下两个关键点值得注意：
关键问题（一） 关键致病靶标的确定
基因组学研究表明，人体中全部药靶蛋白将近2万种，其主要分为三类：1）疾病相关（特异性）蛋白质；2）生物标记分子；3）信号标记分子。蛋白组学探测药物作用相关靶点的策略是蛋白质组学比较，即健康与病变组织、细胞或者体液（如血清、脑脊液、尿液和气管呼出物等）的蛋白质表达量和修饰变化（磷酸化修饰为主）。
历史软文
◆ 文献解读 | Circulation：哈佛大学医学院研究团队揭秘慢性肾病患者动脉粥样硬化风险增加新机制
◆ 年终盘点 | 2019年中科项目文章医学篇（一)：肿瘤研究
◆ 【应用研究院】促进中医药传承创新发展，组学研究策略报告新鲜出炉
◆ PNAS | 脂质组学揭示病毒感染引起的脂代谢异常及潜在治疗靶点
关键问题（二） 潜在作用药物筛选
药物设计和虚拟筛选依赖与生物信息学对大量靶点、小分子以及靶点-小分子互作网络进行匹配，从而有效甄选出潜在的候选化合物，再结合以往文献和细胞实验进一步缩小范围。对于大多数人，只能单纯依靠SCI文献查找的方式进行，导致筛选效率受到极大限制，为此小编展示了两个公共数据库，帮助大家降低筛选难度。
数控库（1） DrugBank 【https://www.drugbank.ca/】
DrugBank数据库是一种独特的生物信息学和化学信息资源，将详细的药物数据与综合药物靶标信息相结合。该数据库包括FDA批准的2037个小分子药物，241个FDA批准的生物技术（蛋白质/肽）药物，96个营养药物和超过6000个实验药物。
数控库（2） SymMap 【https://www.symmap.org/】
SymMap数据库包含499种在中国药典中注册的草药，其中包含19,595种成分，以及1,717种在中药中使用的相应症状。目前，SymMap提供有关草药、中医症状、现代医学、成分、目标和疾病的大量信息，以及六个部分之间的集成关系网络。
当我们掌握蛋白质组学（修饰组学）和虚拟筛选两门利器之后，就需要构建合适疾病模型、结合潜在药物筛选后表型验证，去整体揭示XX药物在XX疾病中的作用，实现‘老’药‘新’用。最后我们分享两个代表案例，看看组学技术是如何在基础研究阶段助力药物研发的！
当我们掌握蛋白质组学（修饰组学）和虚拟筛选两门利器之后，就需要构建合适疾病模型、结合潜在药物筛选后表型验证，去整体揭示XX药物在XX疾病中的作用，实现‘老’药‘新’用。最后我们分享两个代表案例，看看组学技术是如何在基础研究阶段助力药物研发的！
1 Leukemia 丨磷酸化蛋白组学揭示急性白血病药物靶点 （基础版）
Time resolved quantitative phosphoty-rosine analysis reveals Bruton’s Tyrosine kinase mediated signaling downstream of the mutated granulocyte-colony stimulating factor receptors
发表年份：2018年 影响因子：9.944
构建疾病细胞模型→磷酸化蛋白组学分析→筛选潜在靶点(Btk) →确定潜在药物（依鲁替尼）→验证药物干预后效果（鼠源+人源细胞模型）
小编建议：这是一个经典药物靶点相关研究，该研究只选用了人源和鼠源两种细胞模型，适合缺乏动物模型平台，或需求快速发文者借鉴。该研究核心在于潜在药物靶点筛选：
1）首先作者对鼠源细胞模型进行酪氨酸磷酸化蛋白组学分析，并对鉴定到的250个磷酸化位点进行激酶富集分析；
2）富集后发现三类显著改变物质，最终将Btk列为潜在药物靶点（文献报道-Btk tyrosine 223突变与B细胞淋巴瘤相关）；
3）结合文献进行筛选发现，依鲁替尼可干预Btk(前人报道依鲁替尼治疗淋巴瘤靶点为Btk)；
4）结合两种细胞模型，证实依鲁替尼干预后可抑制Btk表达，从而抑制细胞增殖。
2 Nature丨基因蛋白组学揭示肝癌早期治疗新靶标（进阶版）
Proteomics identifies new therapeutic targets of early-stage hepatocellular carcinoma
发表年份：2019年 影响因子：43.07
分析肝癌样本突变特征→样本分型（蛋白组学）→筛选潜在药物靶点（磷酸化蛋白组）→验证靶点干预对肝癌进展影响（PDX模型）→药靶广靶性验证（数据库）
小编建议：
这是近五年的顶级期刊惯用模式，从临床样本入手，通过多组学技术筛选到与肝癌患者不良预后相关的药物靶点，并在PDX模型上进行验证；适合科研实力雄厚、需要高分文章者借鉴。
1）作者通过对肝细胞癌及配对癌旁组织进行蛋白组学和磷酸组学分析，发现在预后最差的一类病人中存在胆固醇代谢通路的重编程，进一步发现一种称作甾醇O-酰基转移酶1（SOAT1）其表达水平与肝癌患者较差的预后密切相关。
2）团队随后在254例肝癌组织芯片中进一步验证发现SOAT1是早期肝癌患者的独立预后因素。
3）作者进一步筛选了SOAT1的潜在抑制剂，并从中选择阿伐麦布（avasimibe，该抑制剂以往作为治疗动脉粥样硬化药物进行临床试验）进行后续验证。
4）为深入探究SOAT1的临床价值，作者利用PDX模型进行avasimibe的药效学研究， avasimibe能显著抑制细胞质膜上胆固醇水平，有效抑制肿瘤细胞增殖和迁移（无明显毒、副作用），有望成为预后较差肝细胞癌患者的靶向治疗药物。