【化学信息学】药物研发的过程和意义

药物研发的过程和意义

  • 1. 药物研发过程简介
  • 2. 药物发现
    • 2.1 Target Discovery
    • 2.2 Target Validation
    • 2.3 Lead Compound Identification
    • 2.4 Lead Optimization
  • 3. 临床前药物开发
  • 4. 药物设计的意义
  • 5. 药物研发案例:卡托普利
  • 参考资料

1. 药物研发过程简介

现代药物的研发是一个从基因到药物的研究过程,通常经历药物研究药物开发两大阶段,需要耗费1-3年时间和2亿美元。药物研究阶段起始于新靶标的发现(Target Discovery),从基因研究开始,研究人员依靠大量实验数据获得与疾病相关的基因,进一步发现相应的蛋白,然后寻找与疾病相关的药物靶标,再对它们进行靶标验证(Target Validation)。

研究人员在这个基础上,运用结构生物学手段,解析靶标的三维结构,发现和优化先导化合物(Lead Compound Identification and Optimization),获得成药性比较好的候选药物。先导化合物的发现和优化是创新药物研究成败的关键
Drug Discovery
图1 药物研究到开发的过程

2. 药物发现

2.1 Target Discovery

During the first phase, known as target discovery, in vitro research is performed to identify targets involved in specific diseases. A target is usually a molecule integral to gene regulation or intracellular signaling, such as a nucleic acid sequence or protein. In order to decide on which target to focus research efforts, one needs to ensure that the molecule is “druggable” — that its activity can be modulated by an exogenous compound.
在第一阶段,即靶点发现阶段,进行体外研究以确定涉及特定疾病的靶点。 靶标通常是基因调控或细胞内信号传导不可或缺的分子,例如核酸序列或蛋白质。 为了决定将研究工作集中在哪个目标上,需要确保该分子是“可成药的”——它的活性可以被外源性化合物调节。

2.2 Target Validation

After selecting a potential target, researchers must demonstrate that it is involved in the progression of a given disease and that its activity can be regulated. Conducting careful and precise target validation experiments is essential for the success of drug development in the following stages.
在选择了一个潜在的目标后,研究人员必须证明它参与了特定疾病的进展,并且其活动是可以调节的。 进行仔细和精确的目标验证实验对于以下阶段药物开发的成功至关重要。

2.3 Lead Compound Identification

Lead compound identification is the process of identifying or creating a compound that can interact with the target previously selected. Researchers can conduct screening experiments to identify possible naturally-occurring compounds that can be re-purposed as drugs. Alternatively, synthetic compounds can be designed that will both target the predicted target while not interfering with other cellular processes. In addition to testing the mechanism of action of the drug, initial safety tests are conducted in cell culture. Both the pharmacokinetics and pharmacodynamics of the drug are also tested — how it is metabolized and how it affects various bodily functions, respectively.
先导化合物识别是识别或创建可以与先前选择的目标相互作用的化合物的过程。 研究人员可以进行筛选实验,以确定可能的天然化合物,这些化合物可以重新用作药物。 或者,可以设计合成化合物,既可以靶向预测的靶标,又不干扰其他细胞过程。 除了测试药物的作用机制外,还在细胞培养中进行了初步的安全性测试。 还测试了药物的药代动力学和药效学——分别是如何代谢以及如何影响各种身体功能。

2.4 Lead Optimization

Once a compound (or compounds) have been identified, they need to be optimized for efficacy and safety. The design of synthetic molecules can be altered to prevent off-target binding, making them less likely to interact with molecules other than the target. Additionally, the optimal dosage and introduction route (oral, injection) is tested on two- and three-dimensional cell culture platforms.
一旦确定了一种(或多种)化合物,就需要对其功效和安全性进行优化。 可以改变合成分子的设计以防止脱靶结合,使它们不太可能与目标以外的分子相互作用。 此外,在二维和三维细胞培养平台上测试了最佳剂量和引入途径(口服、注射)。

This stage also includes safety testing prior to introduction into multiple in vivo animal models in the following preclinical development stage. Animal models such as mice and rats can be used at this stage, however some tests for safety are first conducted in vitro.
此阶段还包括在以下临床前开发阶段引入多个体内动物模型之前的安全性测试。 在这个阶段可以使用小鼠和大鼠等动物模型,但是首先在体外进行一些安全性测试。

One specific example of a three-dimensional platform is a scaffold developed for the testing of new glaucoma drugs (Torrejon, KY, 2013). Glaucoma can result from increased intraocular pressure in the eye, which is directly related to the outflow of aqueous humor through a structure called the trabecular meshwork. The scaffold developed is a three-dimensional trabecular meshwork which effectively mimics the microenvironment around the eye. By screening drugs first in this 3D in vitro setting, animal models used in the next stage will have better chances of encountering a safe and effective drug.
三维平台的一个具体示例是为测试新的青光眼药物而开发的支架(Torrejon,KY,2013)。 青光眼可能是由眼内压升高引起的,这与房水通过称为小梁网的结构流出直接相关。 开发的支架是一种三维小梁网,可有效模拟眼睛周围的微环境。 通过在这种 3D 体外环境中首先筛选药物,下一阶段使用的动物模型将有更好的机会遇到安全有效的药物。

3. 临床前药物开发

药物开发阶段需要经历**临床前研究(Preclinical Development)临床一、二、三期研究 (Clinical Trials)**后才能最终上市。

  • 临床前研究包括药物合成体内活性测试生物利用度药动学性质以及安全性研究
  • 临床一期研究通常需要对20-80位健康受试者进行药物耐受性和有效剂量的评估
  • 临床二期研究需要对100-300位患者进行初步的药物安全性和疗效的评估
  • 临床三期研究则在多个医疗中心对1000-5000位患者进行药物的有效性、安全性以及长期服用药物后的副作用的评估

完成前三期研究后,药物可以正式上市。上市后,为了进一步完善药物在人身上的应用评估,还需要投入第四期扩大性临床研究。药物开发的整个阶段一般需要耗费7-9年时间和大概10-26亿美元。
图2 药物的临床测试阶段
图2. 药物的临床测试阶段

药物开发的临床前阶段涉及在动物模型中进行广泛的测试,以确定该药物对人体试验是否安全,以及它是否能发挥应有的作用。 具体来说,需要监测和解决药物的副作用。

the chances of a drug making it to phase III clinical trials is just 12%

4. 药物设计的意义

迄今,临床上仍有大量疾病缺乏安全有效的治疗药物。这种情况一方面源于新疾病的出现,比如自2019年至今肆虐全球的新型冠状病毒肺炎(COVID-19),另一方面源于对已知疾病缺乏对症的药物,例如癌症。因此,新药的研发非常重要。

新药的发现是一个高投入、长周期、高风险的过程,可谓步步荆棘、道阻且长。在二十世纪早期,药物的发现主要依靠疾病表型筛选,通过偶然发现和随机盲目的大规模筛选来实现。这种方法周期长、效率低。到了二十世纪末期,药物分子设计理论和技术的发展,在很大程度上改善了这一现状。药物化学家以疾病靶标和已知活性化合物的结构、性质及其相互作用等先验知识为指 导,用理性设计的方法取代随机盲目的大规模筛选模式,有目的地开发新药。这种方法节省了新药创新工作中的人力物力,显著提高了新药研发的效率和速度。

5. 药物研发案例:卡托普利

通过经典抗压药"卡托普利"的设计实例来说明药物的研发过程。卡托普利是一款治疗高血压的药物。按照药物研究的流程,第一步就是研究疾病产生的机制并确定合适的药物作用靶标。英国药理学家John Vane通过系统研究发现肾素-血管紧张素系统与高血压的形成密切相关,在比较分析了多个作用靶标之后,确认血管紧张素转化酶(ACE)为降压药物的作用靶标。
肾素-血管紧张素-醛固酮系统
图3. 肾素-血管紧张素-醛固酮系统

确定了靶标之后,第二步就是要寻找能作用于ACE的先导化合物。研究人员在蛇毒中发现了 一种降血压物质,并将其命名为替普罗肽(Teprotide)。
蛇毒中发现了替普罗泰
图4. 蛇毒中发现了替普罗泰

与此同时,研究人员还合成了几个替普罗肽的类似肽,并发现C端的氨基酸序列为Phe-Ala-Pro时,其抑制ACE的活性很好。在这个基础之上,研究人员继续研究ACE的结构,并构建了ACE 的活性位点模型,发现了氨基酸残基为L-Pro的羧基烷烃酰基拟肽小分子类似物的抑制活性最好。科研 人员对先导化合物进行了大量的结构修饰,并最终获得卡托普利这个结构简单但抑制活性高的药物,由此开发出一类全新的高血压治疗药物。
图5. 卡托普利开发过程中代表性的活性化合物
图5. 卡托普利开发过程中代表性的活性化合物
图6. 优化后的结构
图6. 优化后的结构

参考资料

[1] https://www.taconic.com/taconic-insights/quality/drug-development-process.html
[2] http://www.yinfotek.com/blog

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/63509.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【ChatGpt体验】ubuntu18安装Cursor编译器

国内使用chatgpt的话比较麻烦,找了好多教程都不太行,突然看到了OpenAI推出的编写代码神器Cursor。赶紧来上手体验一波~~ Cursor 官网传送门:Cursor windows的话直接安装即可,我这里使用的是ubuntu18,需要升级下相应…

用户注册 v1 -根据手机号注册用户

注册流程图 1. 校验手机号是否合法 public boolean verifyPhone(String phone) {Pattern pattern Pattern.compile("^[1]\\d{10}$"); // 正则:手机号(简单), 1字头+10位数字即可.return pattern.matcher(phone).matc…

unity(登录注册用手机号短信验证)

短信验证 1、短信验证我是通过mob的SMSSDK实现的(free) 官网下载:http://www.mob.com/wiki/detailed?wikiSMSSDK_for_Unity3D&id23 2、在mob上注册一个账号,创建应用获得key和secret 替换案例中demo中的key和secret&#x…

chatgpt赋能python:Python如何设置字体大小:完美掌握方法

Python如何设置字体大小:完美掌握方法 你是否想要掌握Python如何设置字体大小?如果答案是肯定的,那么你来到了正确的地方。在本文中,我将向您介绍Python如何设置字体大小,以帮助您在编写代码时达到最佳效果。 为什么…

chatgpt赋能python:Python中文SEO设置指南

Python中文SEO设置指南 随着中国市场的不断扩大,越来越多的企业和开发者开始将目光投向了中文市场。而在中文市场,优化网站的SEO是至关重要的。在Python编程中也需要考虑中文SEO问题,因此本文将介绍如何在Python中设置中文SEO。 什么是中文…

语音抑郁症研究框架

1、数据集 MODMA 抑郁症语音数据集:http://modma.lzu.edu.cn DAIC-WOZ 抑郁症语音数据集:https://dcapswoz.ict.usc.edu AViD-Corpus抑郁症语音数据集:http://avec2013-db.sspnet.eu 2、特征提取工具 openSMILE:https://www.…

一文看懂 AIGC 的版权问题

伴随着 AIGC 技术的强势出圈,大家在惊叹 AI 技术强大的同时,也有越来越多的人开始讨论关于由此带来的版权问题:我们通过 AI 生成的图像属于平台还是个人?目前 AI 作品版权在法律上是如何界定的?又该如何避免引起 AI 版…

集体罢工!超200位Stack Overflow版主怒控ChatGPT将引发「垃圾内容」洪水

视学算法报道 编辑:编辑部 【导读】大反转来了?Stack Overflow「ChatGPT禁令」突然松动,而版主们不得不联名罢工表示抗议,血泪控诉LLM生成的垃圾内容将充斥整个社区。截至发稿前,公开信上已有227位用户签名。&#x…

大模型论文阅读神器来了!5秒翻译67页论文,直接截图提问,网页可试玩

萧箫 发自 凹非寺量子位 | 公众号 QbitAI 就在昨晚,网易有道“子曰”教育大模型正式发布。 这个大模型“不整虚的”,发布即可用——所有人都能玩那种,例如有道翻译桌面端,就已经全部上线了大模型的AI Box功能。 这其中比较有意思的…

2023最新ChatGPT商业运营版网站源码+支持ChatGPT4.0+GPT联网+支持ai绘画(Midjourney)+支持Mind思维导图生成

本系统使用Nestjs和Vue3框架技术,持续集成AI能力到本系统! 支持GPT3模型、GPT4模型Midjourney专业绘画(全自定义调参)、Midjourney以图生图、Dall-E2绘画Mind思维导图生成应用工作台(Prompt)AI绘画广场自定…

GPT提示词系统学习-第二课-使用GPT帮你“填表格”

开篇 前面我们说到了GPT的提示词使用的好不好对你可以得到精准的答案是至关重要的。今天我们来看看,GPT中如何使用提示词来帮助我们填一个表格。 参照样本让GPT制作可填表格 请阅读以下销售邮件。删除任何可用于识别个人身份的信息 (PII),并用相应的占位符替换它。 例如,…

2001-2020年沪深A股上市公司管理者短视主义指标数据

2001-2020年沪深A股上市公司管理者短视主义指标数据 1、时间:2001-2020年 2、包括所有沪深A股所有上市公司 3、指标包括: 证券代码:以上海证券交易所和深圳证券交易所公布的证券代码为准。 证券简称:以上海证券交易所和深圳证…

【毕业设计】大数据股票分析与预测系统 - python LSTM

文章目录 0 前言1 课题意义1.1 股票预测主流方法 2 什么是LSTM2.1 循环神经网络2.1 LSTM诞生 2 如何用LSTM做股票预测2.1 算法构建流程2.2 部分代码 3 实现效果3.1 数据3.2 预测结果3.2.1 项目运行展示3.2.2 开发环境3.2.3 数据获取 4 最后 0 前言 🔥 Hi&#xff0…

pytorch_LSTM预测股票行情

7.8 用LSTM预测股票行情 7.8.1 导入数据 # Tushare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工 到 数据存储的过程 import tushare as ts cons ts.get_apis()#获取沪深指数(000300)的信息,包括交易日期(…

如何评估券商分析师预测股票涨跌的准确性?

上篇我们已经讲过如何从新浪财经上获取券商分析师的评级数据, 那么我们接下来就可以来分析哪些分析师推的股票比较靠谱哪些分析推荐的股票比较拉跨?(注:后来有对分析师收益率排名,如有同名分析师看到,纯属…

python应用(3)svm模型预测股票涨跌

最近接了一个私活,指导学妹完成毕业设计。核心思想就是利用SVM模型来预测股票涨跌,并完成策略构建,自动化选择最优秀的股票进行资产配置。 在做这个项目的过程中,我体会到想成为一个合格的数据分析或者数据挖掘工程师不仅技术要过…

利用随机森林预测股票大盘涨跌

本文仅从实战角度去观察,利用机器学习算法中,随机森林模型预测股票市场指数涨跌的准确率。 适合入门玩家 首先,我们导入所需要的模块 import numpy as np import pandas as pd import talib as ta #金融数据计算 import datetime,pickle …

随机森林——股票涨跌预测模型搭建

多因子模型搭建 1.引入之后需要用到的库 import tushare as ts # 股票基本数据相关库 import numpy as np # 科学计算相关库 import pandas as pd # 科学计算相关库 import talib # 股票衍生变量数据相关库 import matplotlib.pyplot as plt # 引入绘图相关库 from sk…

案例分析:股票涨跌预测

目标和背景 采用逻辑回归方法,使用过去 5 天的收益率 X 来预测未来一天的涨跌 Y, 并依据涨跌概率大小来构建多空投资组合。 解决方案和程序 拟合模型:将其中 450 天数据作为训练样本,拟合一个逻辑回归模型,得 到参数估…

股票预测pythonlstm_LSTM预测股票涨跌--结合技术分析视角(一)

LSTM处理股票数据的一般流程: image.png 2.在先工作的基本思路: (1).为利用沪深300前100天的收盘价预测下一天的收盘价。从结果来看,LSTM对未来20天的预测基本上是对过去100天收盘价变化的趋势的总括,因此最终的预测结果以及回测结果都不是很理想。 之后尝试增加了feature…