今天给大家介绍美国Broad Institute of MIT and Harvard的 Todd R. Golub团队发表在Nature cancer上的一篇文章：“Discovering the anticancer potential of nononcology drugs by systematic viability profiling“。在这个研究中，作者试图创建一个公共资源，其中包含在578种人类癌细胞系中测试的4,518种药物的抑癌活性。作者使用PRISM(profiling relative inhibition simultaneously in mixtures)，一种分子条形码方法，用DNA条形码标记每个细胞系，使得可以在每个培养皿中聚集多种细胞系，更快的进行较大规模的实验去筛选药物。该研究通过对这数千种已经开发的药物化合物的系统分析，发现了近50种药物存在以前无法识别出来的抗癌活性。揭示了新的药物机制和靶标，为加速开发新的癌症药物或重新利用现有药物治疗癌症提供了可能的方向。

图1 生成PRISM再利用数据集流程图

1

研究背景

将现有药物用于新的临床适应症具有很好的应用前景，已经证明对人体安全的药物可以进行快速的临床应用。原则上，当发现现有药物的新靶点时，这些药物也可以作为药物开发的起点。迄今为止，大多数针对肿瘤药物再利用的发现都是偶然的，系统的大规模筛查整个药典仍不可行。非肿瘤药物作为未来癌症治疗的潜力有多大尚不清楚。

最近在Sanger研究所进行的有限的细胞系中多种化合物的测试或多种细胞系中少量的肿瘤化合物的测试，以及Broad研究所的癌症目标发现和发展项目证明了大规模癌细胞系筛选的力量；理想的研究将涉及在一大批具有基因组特征的细胞系中筛选多种药物，以捕获人类癌症的分子多样性。

2

研究结果

2.1 药物选择和PRISM分析

为了方便跨越数百种细胞系筛选数千种化合物，作者使用了PRISM方法，筛选了涵盖24种肿瘤类型的578个粘附细胞系。从药物再利用中心(https://www.broadinstitute.org/repurposed)选择了4,518种药物，并通过liquid chromatography–mass spectrometry (LC–MS)确认了所有化合物的性质和纯度均大于75％；其中3,350种化合物已在美国或欧洲批准用于临床，或正在临床开发中。其余的1,168是具有已知活性的工具化合物。3,466种化合物与肿瘤学无关，其余化合物为化学治疗药或靶向肿瘤治疗剂。

2.2 筛选结果

作者采用了两阶段筛选策略（图1c），即首先在2.5μM下对4,518种药物进行了初步筛选，然后对1,448种活性药物进行了8个剂量的再测试。有趣的是，1448种中有774种活性化合物最初是为非肿瘤临床适应症开发的。首次和二次筛查数据集可在Cancer Dependency Map portal（https://depmap.org/repurposed）和figshare（https://doi.org/10.6084/m9.figshare.9393293）上获得。作者将PRISM结果与GDSC和CTD2两个黄金标准数据集进行了比较。并得出的结论，尽管测定形式，化合物来源和细胞系来源有所不同，但PRISM 再利用数据集与现有药物基因组数据集相比具有相似的鲁棒性。

2.3非肿瘤药物对癌症生存能力的影响

作者使用uniform manifold approximation and projection (UMAP)方法对独立于功能注释的化合物生存能力谱进行无监督聚类（图2a）。具有相似作用机理的化合物趋于聚集在一起，这表明PRISM分析恢复了预期的活性。

为了进一步研究非肿瘤药物的治疗潜力，该研究计算了每种化合物的剂量生存力曲线的双峰系数，然后计算了每种化合物的最大值。尽管非肿瘤药物的平均双峰性低于癌症药物（图2c），但数据集中最具选择性的化合物包括非肿瘤药物（图2d）。这提供了进一步的证据，证明对非癌药物的大规模测试可以揭示选择性的抗癌活性。

图2 人类癌症细胞系药物反应示图

2.4 杀伤活性的预测模型

作者讨论了基于细胞系的基因组特征可预测的细胞杀伤活性的范围。使用了基于随机森林的ATLANTIS算法。与化疗药物或非肿瘤性药物相比，大多数高度可预测的杀伤谱来自靶向肿瘤药物。这是正常现象，但除此之外作者观察到大量的非肿瘤性药物具有高度可预测的杀伤模式。有趣的是与基因组信息的其他类别相比，mRNA表达是迄今为止最具预测性的特征类型。

在初级筛查中，有195种非肿瘤药物具有可预测的杀伤力（Pearson得分> 0.2），有23种具有Pearson得分> 0.4的可预测杀伤力。当可预测性与双峰性评分作图时，观察到同样的高度可预测的非肿瘤性药物杀伤现象（图3）。

图3使用PRISM再利用数据集发现预测性生物标志物

作者还在论文中具体描述其中的四种化合物。分别是：1、PDE3A-SLFN12蛋白-蛋白相互作用的诱导剂(图4)；2、双硫仑活性的预测生物标志物(图5)；3、含钒合物(图5)；4、Tepoxalin和多药耐药性(图6)。

图4多种已有药物通过刺激PDE3A-SLFN12相互作用选择性杀伤癌细胞

图5 双硫仑和钒的抗癌活性

图6 Tepoxalin通过ABCB1介导的机制对ABCB1高水平癌细胞系具有活性

3

讨论

该研究开发了一个包含非肿瘤药物抗癌活性的大规模资源的PRISM再利用数据集。PRISM筛查回收了49种具有选择性和预测性生物标志物相关抗癌活性的非肿瘤化合物和103种双峰系数截止值较宽松的化合物。值得注意的是，六种非肿瘤化合物显示出选择性杀伤模式，但基于细胞系的基线基因组特征，其活性是不可预测的。PRISM面板中细胞系数目的增加可能会有助于识别此类生物标记。或者可以用细胞系中尚未测量的分子特征来解释杀伤作用。

某些非肿瘤药物直接用于临床试验对癌症患者进行测试或许是可行的。但是，在这样做之前，重要的是要确定在人类可以达到和耐受的浓度下观察到此类药物的杀伤活性。同样重要的是要确认在细胞系中鉴定出的预测性生物标志物代表体内人类肿瘤的不同种群。这项研究中描述的大多数观察结果很可能不适合在人体中进行即时检测。生物标记假说需要进一步完善，或者化合物本身需要进一步优化。

与重新定位现有药物相反，该研究报告的PRISM结果也代表了新药开发的起点。当药物的抗癌活性通过脱靶机制发生时，对该新靶点的进一步优化可能会产生更有效和更具选择性的候选药物。作者注意到，使用基于细胞的筛查（例如PRISM）可以发现以前未知的作用机制，而使用传统的生化筛查测定法则很难发现。

从历史上看，基于细胞的表型筛选的一个挑战是难以获得分子对分子的作用机理的了解。然而，作者目前的研究结果表明，基因组规模的CRISPR Cas9功能缺失和功能获得筛选有为小分子的作用机制提供线索的能力。作者也注意到，当抗癌药物靶标本身不是癌症依赖性时，很强的选择性压力可能会导致靶蛋白下调，从而导致耐药性。可以通过联合药物治疗来克服这种耐药性。

这个研究中描述的PRISM条形码和合并方法极大地提高了筛选效率，但细胞系合并会导致旁分泌介导的机制来调节药物敏感性。然而，在实践中作者尚未观察到这种细胞相互作用或PRISM与一对一生存力分析之间的任何不一致。然而，已经报道了微环境介导的耐药机制的存在，解释PRISM结果时应考虑这种相互作用的可能性。

这项研究中描述的PRISM再利用数据集几乎代表了人类测试过的所有药物的一半。鉴于从最初的筛选中会出现大量出乎意料的发现，作者认为在药物和癌症模型方面都应扩大PRISM资源。这些数据将提供“癌症依赖关系图”（https://depmap.org）的重要药理成分，从而为癌症精密医学提供临床前基础。

4

可用数据

 

Cancer Dependency Map portal 

(https://depmap.org/repurposing)：

提供了PRISM再利用数据集，包括筛查数据和所有元数据。

 

figshare

(https://doi.org/10.6084/m9.figshare.9393293)：原始和经过处理的PRISM可用数据，以及散点图源数据的存档。

参考资料

Corsello, S.M., Nagari, R.T., Spangler, R.D. et al. Discovering the anticancer potential of non-oncology drugs by systematic viability profiling. Nat Cancer 1, 235–248 (2020)

https://doi.org/10.1038/s43018-019-0018-6