精準醫療背景下的藥品研發策略

陳柯羽，杜 清，張 華，詹啟敏

（1中國醫學科學院北京協和醫學院，北京100730；2青海民族大學藥學院，青海省青藏高原植物資源化學研究重點實驗室，青海西寧810007；3北京大學醫學部，北京100191）

0 引言

2011年，美國科學院、美國工程院、美國國立衛生研究院（NIH）及美國科學委員會共同發出“邁向精準醫學”的倡議，著名基因組學家Maynard V.Olson博士參與起草的美國國家智庫報告《走向精準醫學》正式發表［1］。中國早在21世紀初就開始關注精準醫學，于2006年首先提出了精準外科的概念。2015年2月，習近平總書記批示科技部和國家衛生計生委組建“中國精準醫學戰略專家組”。2015年12月11日，“中國個體化用藥-精準醫學科學產業聯盟”在上海正式成立，標志著我國首個精準醫療領域的產學研一體化聯盟正式組建。“精準醫療”是一種個體定制的醫療策略，根據患者自身的遺傳、生物標志物、表型或心理社會特征，綜合應用基因組學、轉錄組學和蛋白質組學，甚至是泛臨床表征來指導醫療決策的醫療手段，包括使用新診斷和治療，是實現真正個性化醫療的關鍵步驟，也是未來醫療發展的主要方向。隨著基因組學、酶學、藥劑學等學科的發展，以及計算機技術和大數據等新技術在醫療產業中的應用，多學科交叉也為藥物研發帶來新的變革要求，“精準藥物”成為藥品研發的重要方向。從藥物研發的角度來看，精確藥物是通過靶向定位提高藥物的定位療效，降低藥物不良事件的概率，或者更理想地以優化方式實現這兩個目標來改善給定患者群體中藥物產品的治療指數。

現代醫學正朝著精準醫學的方向發展，其通俗意義上來講是針對不同個體的生理狀態、遺傳差異性、疾病發病機制和病理過程的不同進行的“量身訂做”的醫療過程。它建議使用特定患者或亞群體的個體特征來定制藥物處方，精確命中靶點以提高藥物療效并降低不良反應的風險，很大程度上可通過藥物研究中所使用的模型系統和分析的生理表征來驗證，由此逐步規范應用至臨床研究和患者的疾病治療。當前藥物開發面臨的挑戰是藥物有效性的個體差異、藥物作用靶點的復雜性、患者與健康人臨床結果對比的情況，即藥物在機體內發生作用的分子細節、個體機體的病理狀態和發病過程的個體差異性。

藥物研發的最終目的是治療疾病，研發過程中利用基因組學對疾病過程中的具體機制進行深入研究，清晰基因表達過程的規律，整合疾病發展、藥物代謝的數據差異和基因組數據差異是進行精準醫療下藥品研發的重要工具。另外，精準藥物的研發區別于傳統藥物的研發理念，構建新型的藥物測試和效能衡量模型，利用新技術進行新型載藥體系和遞送系統的改良，是藥物在精準醫療背景下創新研發中的重要內容。

1 基因組學的深入應用

2017年2月 21日，麻省理工科技評論（MIT Technology Review）中國地區獨家合作伙伴深科技（Deep Tech）公布了“《麻省理工科技評論》2017年全球十大突破性技術”榜單，基因療法名列其中［1］。自從人類基因組計劃開始，人們就對基因組學如何改變藥物研發有著特別的熱情。隨著基因組技術的迅速發展，我們正在進入基因組學的一個新階段，基因組學現在可以全面地表征患者和健康個體的基因組。重要的是，測序技術已經與整合基因組數據和電子病歷的使用相結合，最終會促進用于識別基因組變異與臨床之間關系數據共享的推廣。精準醫療的核心在于直接準確地依據致病機理和原因進行治療，這就使在精準醫療下的“精準藥物”的研發與以往的各個階段都不同。藥物作用的靶向性、作用機制的精確性是藥物研發的重要方向。下一代測序（next generation sequencing，NGS）即組學技術的應用，增加了計算能力和大數據，將有助于精準醫學中“精準藥物”的發展。其快速的增長為具有高度復雜和異質性的基因組成的疾病帶來了希望［2］。

1.1 免疫藥物研發和使用當William Coley使用活菌作為治療癌癥的免疫激動劑時，免疫藥物控制腫瘤生長的歷史可以追溯到1893年，但是由于基因組學研究不透徹，具體免疫機制藥物深度不夠，免疫治療進展并不顯著。免疫系統在人體的健康維持中具有重要作用，例如在癌癥的發病機制中可以抑制或促進癌癥生長的雙重作用。即癌癥免疫編輯，其包括三個階段：消除、平衡和逃逸。目前針對癌癥的免疫治療策略有癌癥疫苗、溶瘤病毒、體外激活T和自然殺傷細胞的過繼轉移，以及給予共刺激細胞或阻斷所謂的免疫檢查點途徑的抗體或重組蛋白［3］。

免疫療法是基因組學發展過程中開辟藥物研發的重要途徑。傳統藥物在治療疾病過程中主要作用于發生病變的組織或者細胞，采用損傷患病細胞的方式達到治療疾病的目的。免疫療法的不同點在于通過多種創新的方法，包括刺激免疫細胞來激發和增強癌癥細胞免疫循環的內在能力（BOXFI2），通過腫瘤疫苗和繼發性T細胞治療增強宿主反應，對抗免疫抑制，即激發腫瘤細胞的免疫反應達到抑制或毀傷腫瘤細胞的作用［4］。目前在腫瘤治療中應用的免疫疫苗是整個腫瘤發生過程中積累的突變產物，可以用來改善免疫系統區分自身與非自身的能力，從而促進一種有效的抗癌免疫應答的誘導，同時保留正常的、健康的細胞［5］。目前正在進行各種臨床試驗，以評估用于治療癌癥的個性化疫苗，包括黑色素瘤、胰腺癌和膠質母細胞瘤（NCT01970358、NCT03122106和NCT02510950）。另外，基因組學在遺傳疾病的藥物研發和癲癇病等神經性疾病的治療上也有重要的作用［6］。

目前精準醫學的實驗將特定藥物與特定基因聯系起來，可歸納為“單藥／單基因診斷”。然而，大多數癌癥在遺傳上是復雜的，并且信號傳導失調，突變不確定，使得單基因／單藥物模型不可持續。利用基因組學對患有難治性晚期／轉移性肝細胞癌患者的腫瘤樣品進行靶向 NGS分析，檢測到導致 PI3K／AKT／mTOR途徑的推定活化的分子畸變，利用基因組學分析結果對患者進行了包括mTOR抑制劑在內的治療，表現出了良好的治療效果［7］。利用基因組學進行分析和深入挖掘，有利于發現測量藥物反應的新型生物標志物，通過全基因組體細胞新表位分析和HLA分型，可以為每位患者鑒定候選腫瘤新抗原，新抗原檢測對于預測免疫療法的反應非常重要［8-9］。最近可見免疫治療方式對患者進行成功治療的報道，如單克隆抗體阻斷細胞毒性T淋巴細胞相關蛋白（cytotoxic lymphocyte antigen， CTLA-4）和程序化細胞死亡蛋白1（programmed cell death protein 1， PD-1）信號通路探明，促進了免疫治療方式的發展。

1.2 小分子藥物的研發小分子藥物主要來源于新藥研發中基因編輯技術和藥物代謝途徑中的蛋白質、多肽，甚至是單克隆抗體或經修飾的蛋白質。

基因組學研究的深入明顯促進了小分子藥物的研發，這是基于精準治療的前提。2015～2017年，美國食品藥品管理局（FDA）批準101個新型小分子實體為 NME（new molecule entities）類別（小分子、生物制劑、治療組合和診斷）。同時利用Drug Bank數據庫（該數據庫匯編了已批準藥物的信息），依據其目標和作用機制（mechanisms of action，MOA），將小分子細分為單靶標和多靶標藥物，其中生物技術藥物（蛋白質、多肽和單克隆抗體）的研發量占新型NME的31%，幾乎接近單一目標藥物的數量（34%）。這清楚地反映了最近制藥公司對小分子藥物的研究明顯增強。

激酶抑制劑的研發和應用具有一定的代表性，使抗腫瘤藥物的耐藥性得到了一定程度的解決［10］。伊馬替尼（諾華；Glevec）是第一個上市的靶向治療慢性粒細胞白血病的藥物。靶向其他致癌激酶的藥物包括受體酪氨酸蛋白激酶 EbBFI2（human epidermalgrowth factor receptor 2， HER2）、BRAF 或表皮生長因子受體（epidermal growth factor receptor， EGFR），在特定的患者群中也表現出臨床反應［10］。目前精準醫療應用中的藥品研發還包括聚合酶抑制劑的使用，在卵巢癌的治療由BRCA1或BRCA2中的LASSFIFF功能突變引起的同源重組修復（homologous recombination，HR）的缺陷腫瘤細胞，使腫瘤細胞對PARP抑制敏感，最終導致腫瘤細胞死亡［11］。PARP抑制劑用于治療其他包含HRR突變的腫瘤類型的臨床試驗正在進行中（NCT01682272和 NCT01585805），并且PARP抑制劑奧拉帕利已被FDA批準用于轉移性去勢耐藥前列腺癌（metastatic castration-resistant prostate cancer）的突破性治療［11-12］。

1.3 生物納米材料的研發在結構設計、表面功能化、基因／藥物存儲和遞送、細胞靶向和醫學成像方面的新問題給藥用材料領域帶來了許多挑戰。用納米材料構建的非病毒載體成為生物醫學應用中最有前途和最受歡迎的遞送系統。目前基因或藥物傳遞中的關鍵問題涉及簡便易行、可擴展的合成、無效的RNA有效載荷、基因／藥物傳遞的生物學障礙、低細胞攝取、溶酶體逃逸和全身毒性。各種納米載體已被設計和開發，如陽離子脂質、聚合物膠束、聚陽離子聚合物為載體和無機納米粒子，具有特定大小、形狀、結構和表面功能。考慮將RNA進行包裹，然后通過納米體系送入病態細胞中，直接對患病細胞進行殺傷［13］，根據非編碼 RNAs的顆粒特性，研制安全、穩定、高效的精密藥物輸送系統已成為納米材料研究的主要任務之一［14］。

2 藥物的靶向性設計

藥品研發的方向是一種藥物多靶標組合且各個靶標均具有高度靶向性，未來的藥品研發方向應該是單藥多靶標藥物。所謂單藥多靶標，指的是一種藥物制劑中具有作用于多個靶標的成分或藥物分子基團，每個靶向藥物具有高度的靶向性，每個成分或分子基團僅針對疾病過程中的個別酶、個別基因或者個別結合位點，精準到細胞生命過程中的最基本的環節或者動作，這樣為將來大數據時代下個性化治療方案的匹配，即精準醫療，實現多靶點、多種藥物的配合治療奠定基礎［15］。藥品靶向性的關鍵在于靶標的明確，在于疾病生物標志物的檢測，在實驗室研發藥品的過程中應當尤其注意生物信息學的結合和應用，在生物標志物的檢測中加大研究力度，為臨床試驗的開展建立基本的檢測指標［16］。根據它們的實用性，生物標志物可分為預測生物標志物、預后生物標志物、藥效學（PD）生物標志物和替代生物標記物，為避免增加藥品開發的復雜性，應該合理利用生物標志物進行階段性、分層性的藥品開發活動［17］。

隨著基因組學中分子亞型的研究取得的進步，疾病發生環節進一步清晰，藥物作用靶標明確性提高，使治療策略和靶抑制的藥物組合由一個基因、一種藥物途徑轉變為多基因、多藥模型［18］。Midostaurin是泛激酶抑制劑staurosporine的半合成衍生物，是一種著名的多激酶抑制劑，于2017年4月批準用于治療那些具有FLT3特異性變異的新診斷的急性髓性白血病成年患者基因，臨床使用中發現其可以抑制蛋白激酶Cα（PKCα）、VEGFR2、KIT、PDGFR、WT 和／或突變FLT3酪氨酸激酶的活性［19］。另外，多靶點藥物也被應用到治療精神分裂癥和抑郁癥。用于治療精神分裂癥的主要策略是利用多巴胺拮抗d2、血清素5-HT 2A和α1腎上腺素受體［20-21］。細胞周期蛋白依賴性激酶（CDK）4和6的雙重抑制劑以吡啶并［2，3-d］嘧啶-7-酮支架作為模板，通過化學篩選和優化結合成為廣泛的橫截面激酶，包括由于相關毒性而中斷的泛CDKs抑制劑，發現C2位的修飾為CDK提供了精確的選擇性抑制劑。其中，palbociclib、abemaciclib和ribociclib在此時間框架內被FDA批準為乳腺癌治療藥物［22］。

盡管目前單藥多靶標的研究工作已經逐步展開，但是藥物開發工作仍然面臨許多困境。第一個問題是多靶點藥物和治療組合中疾病的靶標的正確組合，需要明確的目標-疾病關聯，同時需要兼顧代謝途徑-目標-藥物-疾病關系和不良事件分析［23］。此外，選擇應基于調整所選目標是否會導致加性或協同效應［24］。當靶標屬于相同途徑時可以獲得累加效應，而只有當所選靶標位于功能互補的途徑上時才能實現協同作用，這意味著在兩種情況下都可以在較低劑量下獲得效果，影響藥物的安全性。第二個問題，天然產物中藥效物質多為偶然發現的，多靶標化合物現在通過合理設計，通常由不同的框架結合成一個單一的化學實體。因此，多靶標化合物通常來自選擇性分子的藥效團的整合，來源于已知的藥物或候選藥物，具有相似支架（通常是環系統）的藥效團可以根據起始框架之間的重疊程度融合或合并，或者藥效團存在與每個靶相互作用所需的不同結構元件，它們可以與可切割或不可切割的接頭整合［25］。在所有情況下，多靶化合物的產生通常由靶的性質、起始框架的可用性和化學易處理性驅動。除此之外，多靶標化合物的基本要求是每個框架保留與其特定靶標相互作用的能力。控制起始分子與其特定靶標相互作用的結構-活性關系，并且當這些靶標僅略微相關或不相關時（即當它們屬于不同的蛋白質類型時）使得多靶標藥物的研發變得最具挑戰性。

3 構建新型的藥物測試和效能衡量模型

藥物研究中使用的模型系統和檢測方法是否具有生理上的代表性，是否可以準確表達出在人體生理環境中的效能問題直接決定了藥物研發的臨床有效性和安全性。目前興起的主要技術包括無標記細胞分析技術，其主要來源于患者的病理和生理細胞構建模型系統，特異性調節基因啟動子作為特定生理過程的生物標志物，利用熒光和發光蛋白作為標志指標，從而制定某一樣本下的精準治療方案［26］，同時對治療方案中的模型體系構建和基本數據進行大數據積累，從而形成精準醫療下的藥品研發數據庫，以促進藥品研發。

在新型藥物研發過程中一旦找到潛在藥物的生物學靶標，并鑒定出先導化合物，就必須對化合物的藥代動力學（藥物如何處理）和藥效學（藥物對身體功能的作用）進行分析。在這個階段，大部分測試是在二維細胞培養和動物模型中完成的，這兩種方法都沒有充分模擬人體生理反應。人體組織本質上是3D的，并且由于存在多種細胞類型和細胞-細胞相互作用，這種結構和異質環境不能在96（或更高）孔板中復制［27］。在藥物研究的初級階段可以采用組織芯片法進行研究，所謂組織芯片法是指通過人為設計用于將細胞定位在模擬身體器官功能的三維結構中的裝置，并且以生理反應方式暴露于藥物、激素、細胞信號分子和生物力學、壓力源的環境。人為設計不同種平臺，或者使細胞自組織成類器官型結構，或者為細胞提供支架，以結構定義的方式增殖和生長。一些具有高度規范性的設計，其中將特定細胞類型置于明確定義的位置或區室中（例如腎近端小管或肝竇）以重現器官的功能單元。在3D模型中，人類多能神經祖細胞、內皮細胞、間充質干細胞和小膠質細胞前體在水凝膠上培養，并允許在三周內自組裝成“神經球”，其顯示具有功能性神經膠質整合的血管網絡，然后將構建體暴露于70種已知毒性的化合物，并通過RNASeq讀數測量全局基因表達模式變化。生成的大量數據集與機器學習算法一起用于構建神經毒性的預測模型，該模型正確預測了10種不同化合物中的9種可能的毒性（其余化合物后來被鑒定為假陽性），這種機器學習和中等吞吐量平臺的組合使用可能對藥物篩選方法產生變革性影響［28］。

增材制造（additive manufacturing，AM，也稱為3D打印），定義為由3D計算機輔助設計（computer aided design，CAD）文件中的數字信息引導的部件的逐層制造，提供了同步快速原型制作（rapid prototyping，RP）的優勢、生物功能化以及高分辨率的細胞、生物材料的精確放置。目前在生物組織和生物器官的打印，例如腦、肺等器官的生物骨架，骨血管等生物組織的構建中已經取得了相當大的進展，這對于體外3D藥物篩選模型的構建具有重要的推動作用［29］，在腫瘤微環境構建對于抗腫瘤藥物的研發起到了重要作用［30］。

4 大數據與基因組技術的聯合使用

雖然目前藥品研發中的各環節技術得到了進步，但是精準的個性化藥品研發進展仍然是緩慢的。在藥品研發的過程中，各個環節的數據收集和處理關乎藥品改進方法和作用機制的探明，同時關乎藥品從實驗室走向臨床。因此，藥品研發中藥品從有效天然產物的發現、結構修飾或者合成藥物的設計、藥理實驗等方面數據的積累和應用具有重要意義，尤其針對臨床遺傳學數據的深化處理將極大地促進精準醫療的發展。

藥物研發過程主要分為天然活性產物的發現／藥物分子設計、藥物活性篩選、藥理活性機制探明、藥物臨床試驗、藥物上市等幾個主要步驟。

4.1 藥品研發和活性篩選大數據和基因組技術的聯合應用不僅包括目前已經比較成熟的化合物庫和藥理模型庫的應用，而且在新藥的發現、設計、生物活性的篩選和藥物靶標的確定等功能上也有了長足的發展和進步。藥物分子研發傳統上，化合物選擇和／或設計是藥物化學家的主要研究方向。定向多樣性合成提供了一種用于以受控的方式與不同的官能團、立體化學和框架生成的小分子的集合的途徑［31］。遵循這一概念，Maurya等［32］報道了碳水化合物衍生的結構單元對大環化合物的多樣化。基于大數據Eli Lilly公司的研究，已經建立了這樣一個完全自動化的機器人的合成實驗室，可以進行遙控，用以完成化合物的自動設計［33-34］。利用大數據和基因組技術部分取代低效的傳統篩選方法，例如組合QSAR和混合QSAR 方法，使用 Random forest（RF）和 Decision trees（DT）首次模擬藥物-毒性關系。他們的數據包括227 093名潛在候選藥物志愿者和39種潛在候選藥物，結果模型預測了特定載體對藥物的毒性緩解［35］。在小分子藥物的篩選過程中，大數據和基因組技術的集合提高藥物篩選的效率極為明顯。AbbVie的研究人員開發了一個用于小型自動平行合成的集成機器人平臺。他們的系統能夠進行液體處理和蒸發，用以進行在線分析、純化和活性測試，24～36 h內可以得出實驗報告，這使得項目團隊可以在一兩天內獲得假設檢驗的結果［36］。未來基于深度學習的背景下可以利用人工智能將模型-預測藥物-靶標相互作用關系進行模擬，目前已經有了藥物設計和臨床效果間的預測方法。 Segler等［37］介紹了使用RNN（recurrent neural network）設計新型聚焦圖書館的生成模型，實現了滿意的性能，完成了整個藥物設計周期。

4.2 藥理數據處理和藥物設計優化了解疾病的時間、空間異質性以及這些因素在確定試驗和個體治療成功和失敗方面非常重要，其中科學家、臨床醫生、社會和行為調查員、患者合作產生大量數據，并使用數據網來訪問、聚集、整合和分析龐大患者群體、健康人群和實驗生物的信息，以確定正常和疾病過程的機制［38］，為藥物研發的靶點發現，現有藥物的改良和配合藥物制劑的發現產生了巨大的促進作用。特別是對于罕見病的藥物研發、大數據的積累更加重要［39］。基于藥物和基因組開發的drug CIPHER就是一個預測藥物靶點的計算工具，利用該模型在全基因組范圍內構建了726種藥物的生物指紋圖譜，其中，在501例中發現新的藥物互作關系。通過多組學分析發現的與嗜鉻細胞瘤和副神經節瘤的發生發展密切相關的13個位點可作為藥物研發的靶點［40］。在風濕性關節炎的治療過程中，通過對10 000例患者的數據整理和深入探討發現了101個疾病治療相關靶點，為市場中批準的27種藥物中的18種確定了藥物治療靶點。在LDL膽固醇水平類疾病的作用過程的發現和藥品發展中，遺傳和臨床大數據的應用都起到了至關重要的作用［41］。

采用無偏測序技術對亞群體進行疾病控制測序［42］，加強實驗室數據、藥物遺傳學數據和臨床表征的交叉對比，打破空間限制，加強科研機構與臨床機構的聯合，建立大數據對比庫。加強機器學習，通過化學結構相似性檢索、數據挖掘、生物活性譜等算法模擬藥物設計過程，尋找潛在的藥物靶點。例如改進對已定義問題的病例狀態的識別（例如檢測煙草暴露），糖尿病足檢查的提取元素，或IDE，或改進通用工具，如自然語言處理算法，并通過廣譜測算的方法進行藥物篩選和副作用預測［43］。隨著醫療實踐的發展和治療匹配成為常規，每名患者的結果可以有助于擴大臨床數據、藥品作用和基因組信息的數據池，患者從中可以導出治療方法，藥品研發也將獲得更加結合臨床和疾病的珍貴數據。在臨床實用過程中通過藥物遺傳學進一步優化原創設計藥物，提高藥物質量。藥物遺傳學的重點是發現改變藥物應答的基因變體，通過改變藥物的吸收、分布、代謝或排泄產生有效差異，如早期的藥物基因組學發現為TPMT基因型和活性的表現［44］。結合基因組學的研究數據發現新生活環境下的個體或個別疾病的發生、發展和變異規律，探究發病深層機制發現新型藥物作用靶點，優化現有藥物的作用方式，改進現有治療手段療效，尤其對于精準醫學中“精準藥物”的發現和改進作用巨大。

5 前景與展望

精準醫療下的精準藥物的研發是將來藥物發展的主要方向，藥品研發是一個復雜的體系工程，其中涉及眾多環節，然而精準的作用靶點是精準藥物使用的基礎。精準藥物的發現基礎在于發病機制的探明，發病位點和生理病理過程的清晰可見，這一切都建立在藥理研究和生物信息學的基礎上。只有清晰地把握具體生理病理機制，掌握具體的生理病理的關鍵節點，才可以實現藥物的精準作用。就目前的研究現狀來看，精準醫療背景下藥品研發需要加強的工作是進一步探明藥物具體生物學機制，深入研究分子層次的具體作用機理，加強實驗機構和臨床機構的聯合，進行多學科交叉研究，進一步探明藥物多作用位點、多靶向藥物的研發。同時加強來源生物學機制的研究，探明有效作用分子或化合物的來源機制，進一步加強機體基因通路的影響，小分子藥物的研發。對目前已知藥物的協作作用成分進行研究，加強疾病微環境的機制探明，橫向比較藥用成分，發現多成分同靶點、多成分多靶點綜合體藥物的機制研究，以發現更多的藥物。加強計算機模擬技術和體外人工3D模型的構建，加強人工智能在藥品研發工作中的使用，相信隨著基因組學的進步和大數據、人工智能技術的結合，納米靶向投送機制的進一步發展，精準醫療下的精準藥物會給人民帶來巨大福祉。另外，隨著上市創新藥物的成熟，應當注意成熟藥物的再利用問題，爭取藥物服務人民的可用性最大化。