许多药物影响体内多个目标:一些药物设计师正在接受“副作用”

许多药物影响体内多个目标:一些药物设计师正在接受“副作用”

药物并不总是像预期的那样发挥作用。虽然研究人员可能会开发一种药物来执行一种特定的功能,这种功能可能是为特定的基因谱量身定制的,但有时这种药物可能会在其预期用途之外执行其他几种功能。

这种药物有多种功能的概念,叫做多重药理学,可能会导致意想不到的后果。这是一种常见的现象癌症药物的临床试验可以有有害的副作用和治疗毒性

但事实上,多药理学可能是大多数药物的常态,而不是例外。所以不是看到它执行多种功能的能力是一个缺陷,像我这样的生物医学数据科学家和我的实验室的同事相信我们可以利用它来设计药物,以解决生物学的全部复杂性。

药物经常在细胞中发挥多重作用

当科学家谈论药物时,他们喜欢提到它作用机制,简称MOA-本质上,就是药物进入人体时的作用。然而,一种药物的官方MOA可能并不包括它影响细胞的所有方式。

例如,一种被标记为a的药物的作用机制VEGF抑制剂是阻断细胞内血管内皮生长因子(VEGF)蛋白质的活性。虽然VEGF在生成新血管中起着重要作用,这是健康组织发育不可或缺的过程,但它也可以是一种疾病癌症的标志阻断VEGF能停止形成吗为肿瘤提供营养物质,防止多种癌症的生长和扩散。

就像沙利度胺一样,化学结构上的细微差异会对药物对身体的影响产生巨大的不同。

目前有14种抑制新血管形成的药物在美国被批准用于治疗癌症,大多数靶向VEGF。你可能想知道,如果都抑制同一种蛋白质,为什么有这么多不同的药物可用。答案可以归结为多药理学:虽然它们都很可能在某种程度上通过阻断VEGF起作用,但每种药物都可能具有某种独特的其他功能。这种替代功能可能会产生副作用,或者只在某些条件下有效。

VEGF属于一组更大的蛋白质受体酪氨酸激酶,简称rtk这些都是很难单独针对的目标。许多靶向一种RTK的药物,如VEGF,最终也是不分青红皂白的针对其他rtk因为他们共享相似的化学结构,可能会导致不必要的副作用。

例如,在1999年,科学家们发现臭名昭著的晨吐药物萨力多胺也可以作为VEGF抑制剂治疗多发性骨髓瘤这是一种血癌。这是一种药物的胜利,就在70年前,这种药物因在估计中引起严重的出生检测而在全球范围内被禁止10000名婴儿这还不包括流产和死产。

像沙利度胺一样,许多化学物质以不同的方式影响身体,它们的全部作用机制仍然不完全清楚。即使是一些被批准的药物,如锂、对乙酰氨基酚和许多抗抑郁药仍然有副作用不清楚恐鸟

也许最著名的多药理学偶然发现的例子是伟哥这是一种最初用于治疗的药物但后来被批准用于勃起功能障碍。有趣的是,越来越多的证据表明伟哥也是一种VEGF活化剂这可能有助于治疗中风或心脏病发作。

机器学习可以帮助预测任何特定药物的化学结构如何影响身体。

利用多药理学

问题是,当你服用一种具有多种功能的药物时,你不能将一种理想的效果与其他所有的效果分离开来——你要一次性得到所有的效果。研究人员可以通过两种方式对多药理学做出反应。科学家们可以试着设计出更好的药物,只针对一个特定的目标。或者,科学家们可以接受生物学的复杂性,并尝试利用药物所能提供的多方面影响。

许多现有的药物具有未知的机制,可以作为一种优势而不是劣势加以利用。研究人员可以利用多药理学来重新利用现有药物,以用于其他疾病,减少开发新疗法的时间和成本。现在有一整个行业的医生和科学家都在尝试这样做。化学家和药物设计师也是有目的的设计多种功能的药物对抗癌症和2型糖尿病等复杂疾病,这些疾病可能有多个靶点,可以逃避单一功能的治疗。

但为了利用现有药物的多药理学,研究人员需要一种方法来测量它。通常情况下,化学家通过艰苦的实验来研究药物机制,每次只测试一种药物,并不总是能得出结论性的答案。然而,新的实验方法,比如表型药物筛选这种方法可以测量药物的整体效果,而不是试图缩小其作用机制的范围,使研究人员可以在一次实验中测量数千种不同的药物。

我的同事和我用这种方法只用细胞图像来预测特定药物的所有效果。我们收集了1.59亿张细胞对1300多种不同药物反应的快照,然后应用机器学习算法来识别图像中的重要模式。我们没有教算法寻找特定的细节,而是让它在图片中搜索数据片段,从而更好地预测细胞对不同类型药物的反应。

我们的模型重新定义了一种叫做潜空间算法最初是利用人脸图片开发的,用于多药理学预测药物。就像最初的算法可以模拟一个戴眼镜的人的照片一样,我们可以模拟细胞在使用具有多种作用机制的药物时的样子。

然而,我们的模型远非完美。许多药物的作用机制无法很好地模拟,而且我们受到现有的(可能不完整的)关于不同药物如何起作用的知识的限制。在更广泛的背景下,揭开不同药物机制如何影响细胞的神秘面纱,有助于改善对药物所有潜在功能的预测,从而为每种化合物提供更多的治疗可能性。

我相信,接受多药理学作为使用药物治疗疾病的一个不可避免的后果,可以帮助研究人员重新想象药物发现过程。我们能否设计一种药物,针对特定患者肿瘤中所有失控的受体?我们能否利用人工智能来模拟这种潜在的药物化合物在体内的外观和表现?多药理学真的能成为精准医疗的答案,而不是最大的挑战之一吗?思维方式的转变可能是回答这些问题的第一步。

更多信息:周元乐等,利用变分自编码器潜空间算法从细胞形态读出预测药物多药理学,PLOS计算生物学(2022)。DOI: 10.1371 / journal.pcbi.1009888
期刊信息: PLoS计算生物学

所提供的谈话

本文转载自谈话在创作共用许可下读了原文谈话

引用:许多药物影响身体的多个目标:一些药物设计师正在接受2023年1月6日从//www.puressens.com/news/2022-07-medications-affect-body-drug-embracing.html检索的“副作用”(2022,7月12日)
这份文件受版权保护。除为私人学习或研究目的而进行的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。

进一步探索

研究表明VEGF-A可增加内皮细胞多巴胺D2受体的表达

4股票

对编辑的反馈