生物信息技术加速开发旧药新用途

传统的技术路线研发新药,不仅周期很长而且耗资巨大,开发已获批准药物新的治疗用途,又称为药物重定位,比传统的新药研发具有明显的优势．基于芯片的基因表达谱分析,已常规地广泛用于各种人类疾病的临床研究,提供了在全基因组水平描述疾病状态的特征信号．同时,基因芯片也广泛地用于对比药物处理前后细胞基因表达模式的变化,这也提供了反映药物效应的高质量信号．最近出版的Science Translational Medicine杂志同时发表了一个研究组的两篇论文,为我们展示了如何利用生物信息学手段重新解析和比较全基因组基因表达谱数据,以高效地预测药物的新用途．这两篇论文使用了公共数据库中的100种疾病基因表达谱数据,以及164种药物处理前后细胞基因表达谱数据,通过比较和配对疾病与药物基因表达谱,得到了一些可以逆转疾病异常表达基因的药物,其中证实了一些已知的药物-疾病组合,也预测了一些新的药物-疾病组合．最后通过实验验证了抗溃疡药可用于治疗肺癌,而抗癫痫药可治疗炎症性肠道疾病,进一步证实了他们所采用研究策略的正确性．于是,肺癌和炎性肠道疾病这两种临床上难治的疾病有了新的候选治疗药物,我们也有了一种挖掘已有数据快速发现药物新用途的思路和方法．     

化合物药物-靶标蛋白互作关联预测算法进展分析

药物的使用极大地提高了人类的生存质量。药物的有效性是药物发现研究中的关键环节。药物的有效性通过识别药物与其作用的靶标蛋白来判断。然而,通过高通量筛选的实验方法分析确定化合物药物-靶标蛋白互作关联是一个十分昂贵、耗时且富有挑战性的任务。基于计算方法的化合物药物-靶标蛋白互作关联预测研究具有效率高、成本低的特点,越来越受到人们的重视。相比实验验证方法,化合物药物-靶标蛋白互作关联的计算方法可为药物发现研究后续的生物药学实验提供更为准确的潜在化合物药物-靶标蛋白候选对,达到减少生物实验的时间和成本的目的。本文回顾了近20年来基于计算方法的化合物药物-靶标蛋白互作关联预测算法所涉及的生物医学特征数据、预测方法和技术,并分析研究过程中所面临的生物医学特征数据高维稀疏,以及多源生物医学数据融合程度不高等问题,为进一步研究提供有价值的参考。     

化合物ADMET性质预测平台的构建

在药物研发早期阶段对化合物成药性和安全性进行评估,对于提高药物研发成功率、降低研发成本具有十分重要的意义。为了能够帮助药物研究工作者快速准确地判断候选化合物的成药性与安全性,开发了一个基于计算机方法的化合物ADMET性质预测平台。首先,通过文本挖掘的方法收集了化合物药代动力学性质和毒性(ADMET)的高质量实验数据。然后,根据原始文献复原了13个预测模型,同时采用支持向量机方法自建了15个具有较高预测能力的计算模型。最后,基于分布式架构,结合高性能计算集群优势,开发了化合物ADMET性质预测平台(http://www.vslead.com/?r=admet/index),用于预测28种重要的化合物ADMET性质。研究者可以使用这一平台快捷方便地对药物研究中比较重要的ADMET性质进行预测,在药物研发早期对候选化合物进行成药性评价和风险评估,有助于提高药物研的成功率,节省研发时间和经费的投入。     

导读北大核心CSCD

本期导读主题:基因诊断技术、抗新冠抗体药物、高通量药物筛选技术、纳米抗体、多组学肿瘤药物敏感性预测、植物质体转基因技术、肠道微生物与疾病。以基因工程为基础、细胞工程为导向的现代生物技术在医药领域的广泛应用,被称之为现代医药生物技术。现代医药生物技术在疾病的诊断、预防和治疗及生物技术药物的研发中的应用,促进了诸如传染病、恶性肿瘤、心脑血管疾病等重大疾病在诊断、预防、治疗上的技术革命,已成长为现代工业的支柱产业之一的生物医药产业,服务于人类的健康事业。     

基于机制的生理药动- 药效学模型研究进展

生理药动- 药效学模型通过对生物学过程的描述,可预测体内药物的吸收、分布、代谢、排泄以及进一步的生理生化反应。这类模型是通过已知的生化/ 生理基础来构建,采用了一种“自下而上”的建模方法,并利用数学方法对生理过程及药物的作用机制作出准确的描述。其中药效学部分,根据预测目的和药物作用的复杂性,可进一步分为基于经验的和基于机制的效应模型,这两种模型均可与基于机制的生理药动学模型相连接,最终预测药物的体内处置和效应。基于机制的生理药动- 药效学模型的优势在于：可外推性、新的影响因素的可纳入性以及可用于未知领域的预测等。随着实验技术的不断革新,药物作用机制的逐渐明确,这类模型越来越多的被成功应用于药物研发及风险评估中。综述生理药动- 药效学模型的构建策略与分类以及在药物研发和风险评估中的应用研究。     

靶向小分子创新药物

寻找药物新靶点是全球创新药物研究激烈竞争的焦点."组学"、生物信息学、系统生物学、药物筛选现代检测技术等新理论、新技术的发展使新的筛选模型和评价技术不断取得突破.靶向抗肿瘤药物的开发是靶向小分子创新药物的重点任务,多靶点的抗肿瘤药物开发及新靶点的发现是抗肿瘤药物研发的新趋势.     

基于疾病本体的疾病相似性计算方法

疾病相似性研究对于复杂疾病发病机制的理解、诊断、预测和药物研发具有重要意义.最近,研究人员通过集成多种疾病术语库,构建了描述疾病关系的疾病本体(disease ontology,DO),这为从DO角度研究疾病相似性打下了基础.本文综述了基于DO及其注释信息的疾病相似性计算方法,探讨了疾病相似性计算存在的问题和挑战,为疾病相似性进一步的研究提供有益参考.     

基因药物研究现状和对策

生物技术药物以人类体细胞的基因组、转录本组和蛋白质组三个层次生物大分子为目标 ,基因药物的研究主要针对致病基因的DNA和基因转录本mRNA两类生物大分子 .mRNA从结构上考虑是研发核酸药物的最理想靶标和策略之一 .反义寡核苷酸、特异水解基因mRNA的核酸酶(ribozyme和DNAzyme)以及具有干扰作用的双链RNA(siRNA)是药物设计的策略之二 .mRNA结构靶点研究是研发反mRNA基因药物的基础 ,mRNA分子具有高度折叠的二级及三级结构 ,阐明其可及性位点 ,筛选其结构靶位点序列是关键 .近年研究报道的靶点筛选有约 7种mRNA的实测新技术 ,以及计算机辅助软件预测分析 .但发展分子生物学实验新技术以分析、确认靶点是药物研发策略之三 .     

基于随机游走的风险致病基因预测研究进展

风险致病基因预测有助于揭示癌症等复杂疾病发生、发展机理,提高现有复杂疾病检测、预防及治疗水平,为药物设计提供靶标.全基因组关联分析(GWAS)和连锁分析等传统方法通常会产生数百种候选致病基因,采用生物实验方法进一步验证这些候选致病基因往往成本高、费时费力,而通过计算方法预测风险致病基因,并对其进行排序,可有效减少候选致病基因数量,帮助生物学家优化实验验证方案.鉴于目前随机游走算法在风险致病基因预测方面的卓越表现,本文从单元分子网络、多重分子网络和异构分子网络出发,对基于随机游走预测风险致病基因研究进展进行较全面的综述分析,讨论其所存在的计算问题,展望未来可能的研究方向.     

通过平滑势能面利用分子动力学计算CDK-8抑制剂的停留时间

停留时间是药物研发过程中的重要参数,对筛选药物先导化合物具有重要的指导意义。但目前停留时间主要通过分子生物学实验测定,尚未有准确预测停留时间的计算化学方法。提出通过平滑势能面利用分子动力学方法来计算停留时间。在CHARMM力场下用分子动力学模拟计算了5个CDK-8抑制剂的停留时间。结果显示,停留时间的计算值大小顺序与实验测定的停留时间大小顺序一致。此方法有潜力应用于预测一般分子的停留时间,从而有助于先导化合物的筛选与合成。     

PREDICT: a method for inferring novel drug indications with application to personalized medicine

Inferring potential drug indications, for either novel or approved drugs, is a key step in drug development. Previous computational methods in this domain have focused on either drug repositioning or matching drug and disease gene expression profiles. Here, we present a novel method for the large‐scale prediction of drug indications (PREDICT) that can handle both approved drugs and novel molecules. Our method is based on the observation that similar drugs are indicated for similar diseases, and utilizes multiple drug–drug and disease–disease similarity measures for the prediction task. On cross‐validation, it obtains high specificity and sensitivity (AUC=0.9) in predicting drug indications, surpassing existing methods. We validate our predictions by their overlap with drug indications that are currently under clinical trials, and by their agreement with tissue‐specific expression information on the drug targets. We further show that disease‐specific genetic signatures can be used to accurately predict drug indications for new diseases (AUC=0.92). This lays the computational foundation for future personalized drug treatments, where gene expression signatures from individual patients would replace the disease‐specific signatures.     

Recent Advances in Drug Repositioning for the Discovery of New Anticancer Drugs

Drug repositioning (also referred to as drug repurposing), the process of finding new uses of existing drugs, has been gaining popularity in recent years. The availability of several established clinical drug libraries and rapid advances in disease biology, genomics and bioinformatics has accelerated the pace of both activity-based and in silico drug repositioning. Drug repositioning has attracted particular attention from the communities engaged in anticancer drug discovery due to the combination of great demand for new anticancer drugs and the availability of a wide variety of cell- and target-based screening assays. With the successful clinical introduction of a number of non-cancer drugs for cancer treatment, drug repositioning now became a powerful alternative strategy to discover and develop novel anticancer drug candidates from the existing drug space. In this review, recent successful examples of drug repositioning for anticancer drug discovery from non-cancer drugs will be discussed.     

Pharmacologically active metabolites,combination screening and target identification-driven drug repositioning in antituberculosis drug discovery

There has been renewed interest in alternative strategies to address bottlenecks in antibiotic development. These include the repurposing of approved drugs for use as novel anti-infective agents, or their exploitation as leads in drug repositioning. Such approaches are especially attractive for tuberculosis (TB), a disease which remains a leading cause of morbidity and mortality globally and, increasingly, is associated with the emergence of drug-resistance. In this review article, we introduce a refinement of traditional drug repositioning and repurposing strategies involving the development of drugs that are based on the active metabolite(s) of parental compounds with demonstrated efficacy. In addition, we describe an approach to repositioning the natural product antibiotic, fusidic acid, for use against Mycobacterium tuberculosis. Finally, we consider the potential to exploit the chemical matter arising from these activities in combination screens and permeation assays which are designed to confirm mechanism of action (MoA), elucidate potential synergies in polypharmacy, and to develop rules for drug permeability in an organism that poses a special challenge to new drug development.     

A phenome-guided drug repositioning through a latent variable model

Background

The phenome represents a distinct set of information in the human population. It has been explored particularly in its relationship with the genome to identify correlations for diseases. The phenome has been also explored for drug repositioning with efforts focusing on the search space for the most similar candidate drugs. For a comprehensive analysis of the phenome, we assumed that all phenotypes (indications and side effects) were inter-connected with a probabilistic distribution and this characteristic may offer an opportunity to identify new therapeutic indications for a given drug. Correspondingly, we employed Latent Dirichlet Allocation (LDA), which introduces latent variables (topics) to govern the phenome distribution.

Results

We developed our model on the phenome information in Side Effect Resource (SIDER). We first developed a LDA model optimized based on its recovery potential through perturbing the drug-phenotype matrix for each of the drug-indication pairs where each drug-indication relationship was switched to “unknown” one at the time and then recovered based on the remaining drug-phenotype pairs. Of the probabilistically significant pairs, 70% was successfully recovered. Next, we applied the model on the whole phenome to narrow down repositioning candidates and suggest alternative indications. We were able to retrieve approved indications of 6 drugs whose indications were not listed in SIDER. For 908 drugs that were present with their indication information, our model suggested alternative treatment options for further investigations. Several of the suggested new uses can be supported with information from the scientific literature.

Conclusions

The results demonstrated that the phenome can be further analyzed by a generative model, which can discover probabilistic associations between drugs and therapeutic uses. In this regard, LDA serves as an enrichment tool to explore new uses of existing drugs by narrowing down the search space.

Electronic supplementary material

The online version of this article (doi:10.1186/1471-2105-15-267) contains supplementary material, which is available to authorized users.     

Computational drug repositioning using meta-path-based semantic network analysis

Background

Drug repositioning is a promising and efficient way to discover new indications for existing drugs, which holds the great potential for precision medicine in the post-genomic era. Many network-based approaches have been proposed for drug repositioning based on similarity networks, which integrate multiple sources of drugs and diseases. However, these methods may simply view nodes as the same-typed and neglect the semantic meanings of different meta-paths in the heterogeneous network. Therefore, it is urgent to develop a rational method to infer new indications for approved drugs.

Results

In this study, we proposed a novel methodology named HeteSim_DrugDisease (HSDD) for the prediction of drug repositioning. Firstly, we build the drug-drug similarity network and disease-disease similarity network by integrating the information of drugs and diseases. Secondly, a drug-disease heterogeneous network is constructed, which combines the drug similarity network, disease similarity network as well as the known drug-disease association network. Finally, HSDD predicts novel drug-disease associations based on the HeteSim scores of different meta-paths. The experimental results show that HSDD performs significantly better than the existing state-of-the-art approaches. HSDD achieves an AUC score of 0.8994 in the leave-one-out cross validation experiment. Moreover, case studies for selected drugs further illustrate the practical usefulness of HSDD.

Conclusions

HSDD can be an effective and feasible way to infer the associations between drugs and diseases using on meta-path-based semantic network analysis.

     

现代生物学对药物发现的影响

随着后基因组时代的到来,药物发现研究领域不断涌现出一系列新思路、新技术、新方法,从而迅速推进药物发现的多元化发展。一方面,基因组学、蛋白质组学、转录组学、代谢组学、生物信息学、系统生物学等新兴学科的崛起与发展,为药物发现提供更为广泛而深刻的理论基础;另一方面,计算机辅助药物设计、高通量筛选、高内涵筛选、生物芯片、转基因和RNA干扰等高新技术的发展和完善,为药物发现提供了新的技术手段和有力工具,极大地拓宽了药物发现的途径。本文结合近年来现代生物学的研究进展,综述现代生物学对药物发现过程的影响。     

2014年全球新药研发报告—— 第一部分：新药和生物药品（Ⅰ）

2014年的新药批准和上市年终报告显示医药行业的活跃性持续保持在高位。截至2014年12月23日,共有55个新药和生物制 品首次上市。此外,29个重要的延伸性新药（新处方、新复方或已上市药物的新适应证）也在2014年首次上市。在这些新上市的药物中, 最多的是抗感染药物,有11个新药和生物制品。它们大多用于多药耐药菌引发的感染或丙肝的治疗。美国再一次成为这些新上市药物最青 睐的市场,该国是2014年半数以上新上市药物的首选地区。不过,日本在2014年开发上市新药的能力显著增强,多年来首次超越欧盟。 另一重要成果是：2014年上市的新药和生物制品中有15个获得罕见病用药资格,5个获得突破性治疗药物资格,还有3个获得合格传染 病产品（QIDP)资格。另外,2014年还有19个产品首度获批,将于2015年年初上市。     

2014年全球新药研发报告——第一部分：新药和生物制品（Ⅲ）

2014的新药批准和上市年终报告显示医药行业的活跃性持续保持在高位。截至2014年12月23日,共有55个新药和生物制品 首次上市。此外,29个重要的延伸性新药（新处方、新复方或已上市药物的新适应证）也在2014年上市。在这些新上市的药物中,最多 的是抗感染药物,有11个新药和生物制品。它们大多用于多药耐药菌引发的感染或丙肝的治疗。美国再一次成为这些新上市药物最青睐的 市场,该国是2014年半数以上新上市药物的首选地区。不过,日本在2014年开发上市新药的能力显著增强,多年来首次超越欧盟。另一 重要成果是：2014年上市的新药和生物制品中有15个获得罕见病用药资格,5个获得突破性治疗药物资格,以及3个获得合格传染病产 品（QIDP)资格。另外,2014年还有19个产品首度获批,将于2015年初上市。     

2014年全球新药研发报告—— 第一部分：新药和生物药品（Ⅱ）

2014的新药批准和上市年终报告显示医药行业的活跃性持续保持在高位。截至2014年12月23日,共有55个新药和生物制品 首次上市。此外,29个重要的延伸性新药（新处方、新复方或已上市药物的新适应证）也在2014年上市。在这些新上市的药物中,最多 的是抗感染药物,有11个新药和生物制品。它们大多用于多药耐药菌引发的感染或丙肝的治疗。美国再一次成为这些新上市药物最青睐的 市场,该国是2014年半数以上新上市药物的首选地区。不过,日本在2014年开发上市新药的能力显著增强,多年来首次超越欧盟。另一 重要成果是：2014年上市的新药和生物制品中有15个获得罕见病用药资格,5个获得突破性治疗药物资格,以及3个获得合格传染病产 品（QIDP)资格。另外,2014年还有19个产品首度获批,将于2015年初上市。