下载文档原格式
药物筛选技术的研究进展随着现代医学的发展，药物研究和开发成为了一个重要的领域。
药物的研究从发掘和发展初期，到致力于不断地改善和优化，一直在不断地进化。
而药物筛选技术（drug screening technology）便是其中的一种重要技术。
本文将介绍药物筛选技术的研究进展。
一、什么是药物筛选技术？药物筛选技术是一种通过高通量的实验设计和运行，在大规模环境下对药物进行快速筛选、鉴定的技术。
该技术可以高效地寻找正确和有效的药物，并为治疗人们的疾病提供重要支持。
药物筛选技术是现代药物研究中，成功的关键之一。
二、药物筛选技术的研究进展1.体外筛选技术体外筛选技术是实验室中一种着重于高效筛选药物的方法。
该技术能够在大规模环境下高效地测试药物，给药物研究带来了很大的便利。
高通量筛选（HTS）是体外药物筛选领域中最常用的方法之一。
它可以在同一时间内对成千上万甚至数百万个化合物进行测试。
高通量筛选技术主要通过自动化来实现高效筛选，它结合了机器视觉、光学、电化学和生物传感器等诸多技术，使数据采集、化合物处理、实验控制和数据分析变得更加快速和高效。
如，人胰岛素受体激动剂索拉糖已经应用于中西药物结合，智能药物设计等领域。
2.体内筛选技术体内筛选技术是对体内发生作用的药物进行筛选和确定的一种方法。
该技术依赖于特定动物模型，以高效地鉴定和评估药物的活性和安全性。
在人类临床试验之前，很多药物都需要进行体内实验来评估疗效和毒副作用。
在这个阶段，研究人员通常会使用小鼠、大鼠、猪、猕猴等动物进行体内实验。
目前，一些新技术也正在发展与完善中，例如靶向药物传输系统和体内成像技术等。
3.计算机模拟技术计算机模拟是药物筛选领域最新的研究方向。
它主要是利用计算机对分子和生物药理学进行建模，以预测药物性质和药物效果，并最终设计出最优的药物。
计算机模拟技术的发展，依赖于多学科的交叉融合。
计算机模拟可以快速预测药物的效果，通过精准的计算来帮助研究者快速减少化合物的搜索范围。
药物筛选技术在病毒治疗中的研究近年来，随着科技的不断发展和医疗行业的进步，药物筛选技术已经被广泛应用于病毒治疗中。
药物筛选技术是一种评估化合物对于特定疾病的效果的方法。
它通过在体内或体外把可能治疗某种疾病的药物和其他化合物进行筛选，以寻找最佳的治疗方案。
在病毒治疗中，药物筛选技术可以帮助研究人员更快地寻找新的抗病毒药物，从而更好地抵抗病毒的传播。
一、病毒治疗中的药物筛选技术有哪些？在病毒治疗中，药物筛选技术主要分为两种：高通量筛选技术和计算机辅助分析技术。
1. 高通量筛选技术高通量筛选技术是一种在实验室中批量评估化合物对于特定病毒的效果的方法。
病毒溶液被置于微孔板中，化合物被加入其中，然后结果被读取。
这种方法可以快速筛选大量化合物，确定哪些化合物可以有效地治疗病毒感染。
高通量筛选技术在发现新的抗病毒化合物方面非常有用，因为它消耗的时间和成本相对较少。
2. 计算机辅助分析技术计算机辅助分析技术利用计算机模拟来预测药物和病毒之间的相互作用。
这种技术可以预测哪些化合物可以与病毒相互作用，并且更好地了解它们如何相互作用。
这种方法可以用于早期药物开发，以快速确定哪些化合物可能治疗病毒感染。
二、药物筛选技术在病毒治疗中的应用病毒是一种非常具有挑战性的对抗对象，因为它们往往具有高度变异性和抵抗性。
这使得药物筛选技术在研究和发现抗病毒药物方面变得至关重要。
1. 发现新药物药物筛选技术在病毒治疗中的主要应用之一就是发现新药物。
利用高通量筛选技术和计算机辅助分析技术，研究人员可以快速地评估大量化合物，从而识别出哪些分子可以对抗病毒感染。
例如，在COVID-19的研究中，研究人员已经通过高通量筛选技术，确认了多个化合物具有与新冠病毒相互作用的潜力。
2. 更好地了解药物作用药物筛选技术可以帮助研究人员更好地了解药物如何与病毒相互作用。
高通量筛选技术可以快速地确定哪些化合物对病毒具有抗性，从而更好地确定化合物需要什么样的结构和性质才能对病毒产生有效的作用。
医药领域中的药物研发技术进展综述随着科学技术的不断进步，医药领域中的药物研发技术也在不断创新和发展，各种新的技术手段被应用于药物的发现、设计、合成和评价等方面。
本文将综述近年来医药领域中的药物研发技术的进展，包括高通量筛选、计算化学、基因编辑等方面。
高通量筛选是一种利用大规模样本处理和高效自动化设备进行大规模筛选的技术。
它能够快速筛选出具有潜在药效的化合物，加速新药的研发过程。
高通量筛选通常借助于大规模化合物库和高效率的药物筛选设备，例如自动液体处理系统和高吞吐量生命周期分析仪器。
这些设备能够同时测试数千种化合物，从而加速药物研发的过程。
与传统的筛选方法相比，高通量筛选大大提高了药物研发的效率和成功率。
计算化学是一种利用计算机模拟和计算方法研究物质的结构、性质和相互作用的技术。
在药物研发中，计算化学被广泛应用于药效预测、药物设计和虚拟筛选等领域。
通过建立分子模型和进行计算模拟，可以预测药物与靶点的结合能力，优化药物分子的结构和性能，甚至可以通过虚拟筛选筛选出具有潜在药效的化合物。
计算化学的发展使得药物研发过程更加高效和精确，减少了试验成本和时间。
基因编辑技术是一种通过改变生物体基因组中的特定位点来修补或修改目标基因的技术。
近年来，基因编辑技术的进展对于药物研发起到了革命性的影响。
通过利用CRISPR-Cas9系统等基因编辑工具，研究人员可以针对特定基因进行靶向编辑，从而研究该基因在疾病发生和发展中的作用，甚至是直接修复或修饰有病变的基因。
基因编辑技术使得药物研发更加精确和个性化，为疾病治疗提供了新的思路和方法。
除了高通量筛选、计算化学和基因编辑等技术，还有许多其他的技术手段在医药领域的药物研发中得到广泛应用。
应用仿生学原理设计的药物载体可以提高药物的稳定性和效果；蛋白质工程技术可以改变药物的生物活性和选择性；纳米技术可以实现药物的靶向输送和控释释放。
这些技术的应用不仅提高了药物的疗效和治疗效果，还减少了药物的副作用和毒性。
基于人工智能的药物筛选技术研究引言近年来，随着人工智能技术的不断发展，越来越多的领域开始借助人工智能来提高效率和精度，其中医疗领域也是一个非常重要的方向。
在药物研发领域，人工智能技术可以辅助筛选药物，提高药效，并加速整个研发过程。
本文将从药物筛选的角度，介绍人工智能在药物研发领域的应用和研究进展。
一、药物筛选药物研发的核心是药物筛选，即从数以万计的分子中筛选出合适的化合物作为药物候选。
传统的药物筛选方法主要是依靠人工合成，并通过实验进行筛选，这种方法效率极低，需要耗费大量的人力物力财力。
而随着计算机技术和数据处理能力的不断提升，人工智能技术在药物研发中的应用变得越来越广泛。
利用人工智能技术，可以对分子进行虚拟筛选和动态分子模拟，从而辅助药物筛选。
二、人工智能在药物筛选中的应用1.虚拟筛选虚拟筛选是利用计算机模拟分子之间的相互作用，从而预测候选分子的药效和毒性。
虚拟筛选的主要流程分为分子数据库构建、分子筛选与评价、分子优化与设计等步骤。
其中，分子筛选与评价是虚拟筛选的核心流程，涉及到多种人工智能方法，包括机器学习、神经网络、分子对接等。
2.动态分子模拟动态分子模拟是一种通过计算机模拟不同的分子结构和相互作用，预测分子药效和毒性的方法。
动态分子模拟的主要流程包括三维结构预测、模拟计算、数据分析等步骤。
其中，模拟计算环节是应用人工智能技术的核心，通常采用分子动力学、蒙特卡罗模拟等方法。
三、研究进展人工智能技术在药物筛选领域中的应用，已经得到了广泛的关注和应用。
下面，我们将介绍一些目前的研究进展，展示人工智能技术在药物研发中的巨大潜力。
1.多模态深度学习多模态深度学习是将多种数据进行集成，从而提高模型精度的一种方法。
在药物筛选中，多模态深度学习可以利用多种数据（如分子结构、药理学数据等），从而进行更为准确的药物筛选工作。
在2018年的一篇论文中，研究人员利用多模态深度学习方法，对多种药物进行筛选和优化，并取得了很好的效果。
药物筛选技术及其在新药研发中的应用近年来，随着科技的不断进步，药物研发领域也取得了相当的进展。
其中，药物筛选技术是新药研发的重要环节之一，它通过对大量的化合物进行测试，筛选出对某种疾病有治疗效果的药物候选物。
本文将对药物筛选技术及其在新药研发中的应用进行探讨。
一、药物筛选技术的发展药物筛选技术起源于20世纪初期，当时主要应用于植物和动物组织中药物化合物的筛选。
20世纪50年代，化学合成技术的出现极大地丰富了筛选的化合物库，同时高通量筛选技术的发展也大大提高了筛选效率。
到了21世纪，高通量筛选技术已经成为药物筛选中不可或缺的重要手段。
当前，药物筛选技术主要分为三个阶段：一是化学筛选，即通过化学方法从化合物库中寻找具有活性的化合物；二是目标筛选，即寻找对某种疾病有特定治疗效果的化合物；三是细胞和动物模型筛选，即在体外或体内模型中测试化合物的活性和药物学参数。
这些技术的不断进步，使得药物筛选研究能够更加高效和准确地发现新药物。
二、药物筛选技术的应用药物筛选技术的应用范围相当广泛，涉及到生物化学、药理学、化学、分子生物学等多个领域。
以下分别从化学筛选、目标筛选、细胞和动物模型筛选三个方面介绍药物筛选技术的具体应用。
1. 化学筛选化学筛选是药物筛选的起点，其目的是从大量的化合物库中寻找具有特定治疗效果的活性化合物。
现代药物化学中，化合物库已经非常庞大，可以通过高通量筛选技术快速测试这些化合物的生物活性和药物学参数。
化学筛选技术的高效和准确性，可以帮助研究人员快速发现具有潜在治疗效果的新药物。
2. 目标筛选目标筛选是寻找对某种疾病有特定治疗效果的化合物。
在目标筛选中，研究人员通常会先确定药物的治疗靶点，然后通过化学筛选等技术从大量的化合物中寻找对该靶点具有亲和力的化合物。
目标筛选技术的优势在于，它可以更加准确地找到合适的候选物，有助于提高新药物的研发成功率。
3. 细胞和动物模型筛选细胞和动物模型筛选是药物筛选的最后阶段，通过体外和体内模型测试药物的生物活性和药物学参数。
组合化学高通量筛选在当今时代，人类对健康的需求日益增长，对疾病治疗的需求也日益复杂。
与此科学技术的进步也给药物研发带来了新的机遇和挑战。
组合化学高通量筛选作为一种新型的药物研发方法，已经在全球范围内引起了广泛的。
这种方法通过大规模、高效率的筛选，寻找具有治疗潜力的新型药物分子，为人类健康事业提供了新的可能性。
一、组合化学高通量筛选的概念组合化学高通量筛选是一种在大量化合物中快速筛选出具有特定生物活性的药物分子的方法。
它结合了组合化学的原理和生物信息学的方法，实现了大规模、自动化的筛选过程。
在组合化学中，科学家们可以合成大量具有相似结构但略有差异的化合物，这些化合物组成了所谓的“化合物库”。
然后，通过生物信息学的手段，科学家们可以快速分析这些化合物的生物活性，找出那些具有治疗潜力的分子。
二、组合化学高通量筛选的优点1、高效率：传统的药物研发过程往往需要数年甚至数十年，而组合化学高通量筛选可以在短时间内对大量化合物进行筛选，大大缩短了研发周期。
2、高灵敏度：通过生物信息学的方法，可以精确地分析化合物的生物活性，灵敏度极高。
3、多样性：组合化学高通量筛选可以合成和筛选大量具有不同结构的化合物，有助于发现具有全新作用机制的药物分子。
三、组合化学高通量筛选的应用组合化学高通量筛选已经被广泛应用于新药的研发。
例如，在抗癌药物的研发中，科学家们可以通过这种方法快速筛选出对肿瘤细胞具有抑制作用的药物分子。
组合化学高通量筛选也被用于抗菌、抗病毒、抗炎等药物的研发。
四、展望未来随着科技的不断进步，我们有理由相信，组合化学高通量筛选将会更加高效、精确和多样化。
未来，这种方法可能会结合和机器学习等技术，实现更加智能化的药物研发。
随着绿色合成方法的发展，我们也可以期待在保护环境的前提下进行更加高效的化合物合成和筛选。
总结：组合化学高通量筛选为新药的研发提供了一条新的途径。
它以高效率、高灵敏度和多样性等特点，为药物研发带来了革命性的变化。
高通量药物筛选技术的进展药物研发一直是医学领域的重要研究方向。
如今，随着生物技术和计算技术的迅速发展，药物研发的技术也在不断地进步，其中最受人瞩目的莫过于高通量药物筛选技术。
高通量药物筛选技术能够加速药物研发的速度和效率，更快地找到可用于治疗人类疾病的新药。
本文将探讨高通量药物筛选技术的进展，以及其在药物研发领域中的应用。
一、高通量药物筛选技术的概念和发展历程高通量药物筛选技术是一种通过大规模的、自动化的实验方法快速筛选药物的技术。
该技术首先出现在20世纪90年代，随后迅速发展成为当今药物研发领域中的重要工具。
高通量药物筛选技术能够对数千、数百万个化合物进行筛选，大大提高了发现新药物的速度和效率。
该技术通过自动化设备和先进的计算机技术，能够在短时间内完成大规模的实验，降低了药物研发的成本。
自从高通量药物筛选技术的出现以来，药物研发的速度和效率得到了显著提高。
利用该技术，药物研发人员能够在数百万种可能的化合物中快速发现具有潜力的新药物。
高通量药物筛选技术也为大规模药物筛选提供了可能，帮助药物研发人员更快地找到适用于患者的新药。
二、高通量药物筛选技术的工作原理高通量药物筛选技术利用了大规模化合物筛选的原理。
该技术通过自动化化合物合成和流程化的数据记录、处理、分析和挖掘实现了高通量药物筛选。
具体来说，高通量药物筛选技术主要包括以下几个方面。
1. 高速合成化合物高通量药物筛选技术需要大量的化合物进行筛选，并检测它们在指定条件下的活性。
因此，高速合成化合物是实现高通量药物筛选的重要手段。
现今，科学家们已经开发了多种化合物合成技术，能够高效地合成化合物，这为高通量药物筛选提供了基础支持。
2. 数据管理及分析随着药物筛选实验规模的不断扩大，高通量数据管理及分析的需求也变得越来越重要。
药物研发人员使用高通量药物筛选技术进行实验后，将得到大量的数据。
高通量数据管理及分析能够对这些数据进行存储、处理、分析和挖掘，提高实验的效率和准确性。
药物筛选技术的高通量应用研究在现代医学和药物研发领域，药物筛选技术的高通量应用正发挥着越来越关键的作用。
高通量筛选（Highthroughput Screening，HTS）是一种能够在短时间内对数以万计的样品进行生物活性测试的技术手段，它极大地加速了新药的发现和开发进程，为人类健康事业带来了新的希望。
高通量筛选技术的出现是药物研发领域的一次重大变革。
传统的药物筛选方法往往效率低下，耗时费力，难以满足快速发现有效药物的需求。
而高通量筛选技术则凭借其自动化、微型化和集成化的特点，实现了对大量化合物的快速筛选。
这种技术的核心在于建立高效的筛选模型和先进的检测系统。
在筛选模型方面，常用的有基于细胞的模型和基于酶的模型。
基于细胞的模型能够更接近真实的生理环境，反映药物对细胞功能的影响。
例如，通过培养肿瘤细胞系，观察药物对细胞增殖、凋亡等过程的作用，从而筛选出潜在的抗肿瘤药物。
基于酶的模型则针对特定的酶活性进行检测，如蛋白酶、激酶等，以寻找能够调节酶活性的抑制剂或激动剂。
检测系统是高通量筛选的另一个关键组成部分。
常用的检测方法包括荧光检测、化学发光检测和放射性检测等。
荧光检测具有灵敏度高、操作简便等优点，通过标记特定的分子或细胞成分，利用荧光强度的变化来反映药物的作用效果。
化学发光检测则基于化学反应产生的发光现象，能够提供较高的检测灵敏度。
放射性检测虽然具有很高的灵敏度，但由于涉及放射性物质，使用受到一定的限制。
高通量筛选技术在药物研发的多个阶段都有着广泛的应用。
在药物发现的早期阶段，它可以用于大规模筛选化合物库，寻找具有特定生物活性的先导化合物。
通过对数十万甚至数百万种化合物的筛选，有可能发现具有新颖结构和作用机制的药物候选物。
在药物优化阶段，高通量筛选可以帮助研究人员对先导化合物进行结构修饰和优化。
例如，通过合成一系列类似物，然后进行活性测试，筛选出活性更强、毒性更低、药代动力学性质更优的化合物。
此外，高通量筛选技术还在药物靶点的发现和验证方面发挥着重要作用。
生物信息学方法在药物筛选与设计中的进展生物信息学是生物学与计算机科学的交叉学科，利用计算机和数学模型等工具，对生物学中的相关信息进行收集、分析和解释。
随着生物技术的迅猛发展，生物信息学方法在药物筛选与设计中的应用也取得了巨大进展。
本文将探讨生物信息学方法在药物筛选与设计中的最新进展，并讨论其在新药研发中的潜在应用。
1. 基于生物信息学的药物筛选生物信息学方法在药物筛选中发挥着重要作用。
通过遗传学、基因组学和蛋白质组学等大规模数据的分析，可以发现与疾病相关的潜在药物靶点。
例如，通过研究蛋白质通路网络，可以发现特定蛋白质与疾病之间的关联，进而确定可能的药物靶点。
此外，生物信息学方法还可以通过药物与蛋白质的结合亲和力、毒理学数据和代谢途径等多种因素进行评估，筛选出具有潜在治疗作用的药物。
2. 分子模拟在药物设计中的应用分子模拟是通过计算机模拟方法，对化合物与靶点之间的相互作用进行预测和优化的过程。
生物信息学方法中的分子模拟在药物设计中起着重要的作用。
通过分子对接和分子动力学模拟等技术，可以预测化合物与目标蛋白的结合模式和稳定性，从而帮助优选合适的化合物进行药物设计。
此外，分子模拟还可以用于评估药物分子的药代动力学性质，例如生物利用度、药物分布和代谢稳定性等。
3. 基因组学在药物研发中的应用基因组学是对整个基因组进行分析的学科。
生物信息学方法在基因组学中的运用，为药物研发提供了新的思路和方法。
通过大规模基因组数据的分析，可以发现与疾病相关的基因变异，进而确定可能的药物靶点。
此外，基因组学还可以帮助解决个体药物反应的差异性问题，通过分析基因型与药物治疗效果之间的关系，实现个体化药物治疗。
4. 蛋白质结构预测与功能注释蛋白质结构预测是生物信息学中的一项重要任务，通过预测蛋白质的三维结构，可以揭示其功能和相互作用方式，为药物设计提供依据。
生物信息学方法中的蛋白质功能注释，可以根据蛋白质序列和结构信息，推断其潜在功能和参与的生物过程，有助于寻找新的药物靶点。
药理学研究的新进展药理学是研究药物对生物体作用及其机理的科学。
它在医学领域发挥着至关重要的作用，通过探究药物的作用、代谢及副作用等方面，为疾病的治疗提供了新的选择和方案。
在药物的发现和研究方面，药理学一直扮演着重要的角色。
现在，药理学的研究正不断取得新的进展，本文将探讨几个最近的重要研究进展。
1. 人机器交互晶片技术在高通量筛选药物中的应用高通量筛选是药物研发过程中的一个核心步骤，旨在筛选出具有预期药效的化合物。
人机器交互晶片技术是一种新兴的研究工具，能够实现药物筛选的高度自动化和快速化。
近日，一项研究利用人机器交互晶片技术成功地筛选出了具有潜在抗肿瘤活性的化合物。
该研究证明了该技术在药物研究中的潜在优势和前景，为未来的药物发现和开发提供了新的思路和方法。
2. 基于人工智能的靶点识别方法在药物研究中的应用靶点是药物研发中的一个重要概念，是指药物与生物体内特定分子相互作用而产生的效应。
在药物的研究和开发中，识别靶点并确定其作用机制是十分关键的。
目前，人工智能在药物研发中的应用越来越广泛。
一项最新的研究利用基于人工智能的靶点识别方法，成功地从数千万分子中筛选出了具有强大抗肿瘤活性的药物。
该研究证明了该技术在药物研发中的巨大潜力，为未来的药物研究和开发提供了新的契机和方向。
3. 药物代谢组学的发展和应用药物代谢是药物在生物体内发生的代谢反应，是药物的生物转化和排泄的主要途径。
药物代谢组学是一种新兴的研究方法，能够通过综合分析生物样品中的代谢产物和代谢酶，探究药物的药效、毒性及代谢途径等方面。
最近，一项关于药物代谢组学的研究报道了一种新型的代谢酶，该酶被发现能够代谢多种特定药物，并且具有广泛的分布和高度的基因组表达。
该研究为药物代谢组学的发展和应用提供了新的突破和基础。
总的来说，药理学的研究是药物研发过程中不可或缺的一部分，近年来，药理学的研究正不断取得新的进展。
高通量筛选、基于人工智能的靶点识别和药物代谢组学等新技术的不断涌现和应用，为药物的研究和发展提供了新的思路和方向，也为疾病治疗提供了更加有效和安全的药物选择。
综述与编译药物筛选技术的研究进展吕秋军综述徐天昊,吴祖泽审校(军事医学科学院放射医学研究所,北京100850)摘要:药物筛选是药物发现的主要手段之一,近年来在药物筛选的技术方面发展迅速。
本文综述了药物筛选中药靶的发现、化合物样品的选择、超高通量药物筛选技术、高信息量筛选、药代动力学和毒性的高通量筛选、数据分析等方面的进展。
关键词:药物筛选;药物靶标;先导化合物中图分类号:Q812;R914.2文献标识码:A文章编号:100120971(2003)032012920620世纪90年代,药物发现进入工业化时代,人工合成和筛选有限数量的化合物被大规模化合物合成和高通量筛选(high throughput screening,HTS)所取代。
人类基因组学计划和蛋白组学研究可望发现大量新药靶,组合化学技术使可供作为药物筛选的化合物数量呈指数级增长,这些成为HTS发展的技术基础。
制药企业对新化学实体需求增加并由此带来的投资增多,推动着现有的药物筛选技术迅速发展。
另一方面,尽管制药企业投入了巨资进行HTS,新的候选药物上市并未显著增加,这也促使人们对HTS 进行进一步发展和完善。
现代药物筛选除通过筛选化合物以便发现对药靶有作用的活性化合物(/hit0)起滤过(filter)作用外,还应用于活性化合物作用选择性、毒性和药代动力学等多方面性质的筛选,在先导化合物的选择和优化等过程中起着重要作用[1]。
如国外常通过合成小分子有机化合物库来优化先导化合物,这就需要设计HTS来确定在活性、药代动力学特性和选择性等方面较理想的结构类型。
本文对近年来HTS的研究进展进行综述。
1药靶的识别和确证药靶是指在一种疾病的病理过程中起某种作用的生物分子,是创新药物发现的前提,也是药物筛选的基础。
最早的药靶是病原微生物,以此为药靶发现了抗生素。
50年代以后药靶主要是受体和酶,如肾上腺素受体及血管紧张素转化酶,由此开发出了一些抗高血压药物。
80年代随着分子生物学技术的应用,药靶的发现深入到基因水平。
人类和病原微生物的基因组学及功能基因组学研究的开展引发收稿日期:2002207230了新一轮的药靶发现高潮。
药靶的急剧增多,与组合库的应用和制药企业的竞争一起成为HTS发展的主要推动力。
药靶的识别(identification)是指采用生物信息学、化学基因组学和芯片等方法及技术发现与疾病相关的生物分子。
如利用从结核杆菌的基因组序列得到的信息,克隆和表达涉及细胞壁合成的酶,用来筛选对耐药菌株有活性的化合物或寻找与宿主免疫反应有关的药物以消灭进入潜伏期的结核病[2]。
基于生物信息学的方法主要是依据已知药靶分子功能域的结构特征,搜索基因文库,找到具有相同结构特征的基因或序列作为候选药靶。
化学基因组学利用对药靶有特异作用的化合物来全面研究基因的功能,寻找与药效密切相关的靶基因[3]。
目前,利用基于芯片的表达谱分析而发现的候选药靶分子增多。
基因组测序、转录组学和蛋白组学分析是通过检测疾病相关的表达谱以发现药靶。
Tanaka 等[4]利用转录组学的分析方法(随机cD NA测序、mRN A展示和差异杂交),研究脑血管痉挛动物模型基因表达变化,发现了脑血管痉挛治疗靶血红素氧化酶(heme oxygenase)21。
Celera基因组公司的Ryan 等[5]介绍了基于蛋白组学的工业化规模发现药靶的整个过程,把药靶的发现分为样品准备阶段(包括样品分离和分层)、样品处理阶段1包括二维凝胶电泳或高效液相色谱/质谱的定量分析和凝胶点切割及酶切和(或)串联质谱的识别2及数据分析阶段(包括数据获取及数据的管理和分析)。
良好的药靶是发现性质优良药物的基础。
因此,药靶的确认(validation)在整个药物发现过程中至关重要。
药靶的确认是指证实疾病病理过程中靶分子的重要性和价值。
目前,药靶的确认主要采用基因敲除、转基因技术、反义技术、抗体、基因突变和生物芯片技术等,在整体动物和细胞水平进行。
RNA干扰(RN Ai)技术发展迅速,因为较低浓度双链RNA(dsRNA)即可使靶基因沉默,故其在药靶确认方面应用越来越多[6]。
药靶的确认首先是要了解候选药靶分子的生理作用,再明确其在疾病的发生和发展过程中的作用,最后证明阻断或激活候选药靶分子将产生有益的治疗效果。
如神经性疼痛被认为是损伤部位钠离子通道功能异常所致。
通过鞘内给予靶向河豚毒素抗性的钠离子通道Na V1.8的特异反义寡核苷酸,可以降低相应神经元的钠电流,减轻神经损伤引起的神经性疼痛,证实了NaV1.8可以作为治疗神经性疼痛的特异性分子靶[7]。
2化合物样品的选择化合物样品与药靶、筛选模型一样是药物筛选体系的重要组成部分。
随着药物筛选新技术的出现,如超高通量筛选(uHTS)药物、组合化学和基因组测序等,天然产物(natural product,NP)在先导化合物产生中的重要性越来越不被人们重视,一些制药企业(如Abbott和Pfiz er公司)早已终止对NP的研究,在21世纪从NP发现新药有可能被边缘化。
其原因可能有:通过传统的活性导向NP分离和筛选周期长且费用高,很难得到纯的NP,已知结构重复发现等。
但在1983~1994年被FD A批准的新药中,39%来自NP或是衍生的NP,如抗生素、免疫抑制剂、抗肿瘤药和调节血脂药物。
在2000年销售最好的20个非蛋白药物中,有9个来自NP。
另外,NP 是目前蛋白质功能研究的有用工具。
制药企业为保持每年10%的增长率及缩短确定先导化合物的周期,需要利用HTS技术从数量巨大、结构多样的化合物库中进行筛选。
而NP的主要优点为其结构的多样性,因此,通过采用新方法和新技术最终将会使NP成为供药物筛选用化合物样品的主要来源。
筛选天然药物的一个重要变化是从活性导向的提取筛选转向纯化合物筛选,即不依赖于活性化合物的分离和筛选。
1998年Rho^ne2Poulenc Rorer公司认识到发现的药靶越来越多,活性导向的分离过程与筛选不相适应,故决定放弃对提取物的筛选,而采用对纯化合物进行筛选以发现先导化合物的策略[8]。
与此同时,A nalytiCon Discovery与A ventis合作进行一项试验,旨在18个月内建立含4000个纯度高、不重复的来自微生物和植物的NP库。
库内每个化合物超过5mg,纯度\80%,其中10%的化合物进行完全结构解析。
结果表明,利用现有的分离技术和高通量结构解析方法,在几个月内可以建立含几千个纯NP的化合物库,化合物具有高度的结构多样性,与合成化合物的结构显著不同,39%的化合物为新化合物,79%的化合物分子量为0.2~0.7 ku,适合于药物筛选。
对库中60%的化合物针对9个不同药靶进行了HTS,结果发现阳性率极高(9次检测5次阳性),进行再次筛选阳性率高于或接近于对合成纯化合物库筛选的结果。
这至少说明N P和合成化合物同样可以是现代药物筛选的化合物来源。
尽管利用纯化N P进行HTS,早期的化合物分离和纯化的投入会很大,但从筛选到先导物确认的过程会很快,费用显著降低。
从提取物筛选到纯化合物筛选仅是NP复兴的第一步,将来通过对潜力巨大的生物合成基因的深入研究,利用组合生物合成产生大量的NP将会对药物发现产生更为重要的影响。
研究型制药企业库存的化合物一般有20~100万个,加之逐年合成新的化合物,如果对每一个化合物进行多个模型的筛选,将会使药物筛选的成本较高。
因此,一些制药企业尝试采用每次对3~10个化合物的混合物(compound pooling)进行筛选,以降低成本,但需要对阳性结果进行解析,以确定混合物中有活性的化合物[9]。
3超高通量筛选一般将每个工作日检测次数>105、反应体积[ 10L L、在高密度(\1536孔)检测板中进行的药物筛选认为是uHTS。
uHTS采用微量化技术、灵敏的信号检测方法、多种板样式、自动化样品传送系统和数据管理系统,因而具有高效、成本效益比合理的特点。
微量化技术是实行uHTS的关键。
已建立的生化检测方法须易于微量化以缩短整个筛选周期和降低成本,如基于芯片的实验室系统高度微量化,检测体积达pL水平,流通量每日超过10万次检测。
检测微量化是一个建立合适于检测条件、使用高密度孔板、提高流通量、同时减少试剂和样品消耗的过程。
但检测微量化需解决以下几方面问题:(1)液体处理系统的精确性;(2)蒸发效应最小化;(3)检测灵敏度可变性;(4)蒸发表面与体积比增强吸附效应;(5)试剂的稳定性、酶反应动力学、细胞沉积和存活水平;(6)完全应用高密度板加样设计。
解决上述问题的办法包括改变加试剂的浓度和顺序,添加去污剂(0.01%~0.5%)等,利用统计学方法设计进行自动化检测优化。
但是,通过微量化开发检测方法以适合uHTS仍是一个挑战。
目前,96孔和384孔微量板仍然是绝大多数HTS标准的样式,需100L L或10~50L L检测体积。
一般认为,检测体积[5L L时达到微量化标准,可以比用96孔板时大大减少样品和试剂消耗。
现在许多公司逐步利用1536孔以上的板样式。
板内孔的密度越高,对板的光滑度、硬度、对称性和一致性要求越严。
<1L L检测体积时,蒸发表面与体积比和液体处理等缺陷变得明显。
在uHTS中常用2080孔(NanoCarrierT M2080)或3546孔板(Nano WellT M assay plate)。
如在2080孔样式板中允许筛选1536个样品,4排孔为检测对照孔,周边加水以对抗蒸发。
对于细胞的检测方法在每孔细胞数<100~1000个时误差较大,移液处理时细胞存活率低。
还有认为对于芯片实验室的芯片技术和微流装量及利用照相技术研制的10cm皿上约5000个以上的孔。
uHTS需对1~5L L检测体积进行快速的移液处理。
目前使用的有3种移液技术:量换(空白)、针具(基于金属针)和利用喷墨技术的移液系统。
HT S的常规检测技术有受体配体结合实验的同位素法、酶底物法和利用报告基因技术等[10]。
目前,常用的检测方法是荧光和化学发光。
荧光读出技术可分为:与时间和体积相关的荧光发射信号平均强度检测和以随机方式检测孔内单个分子荧光性质的检测[11]。
第一种技术包括在HTS使用的瞬时荧光强度(FLIN T)、荧光共振能量转移(FRE T)、时间分辨能量转移(TRET)和荧光异向性(FA)等方法。
后一种技术涉及荧光相关光谱学(FC S)、荧光强度分布分析(FID A)和相关的多维技术等方法。
共聚焦荧光是一种适合于uHTS的主要读出技术。
由于共聚焦检测体积小(10~15L L),因此共聚焦读出不易受微量化影响。
检测技术的发展方向很可能是应用偶合多参数分辨算法的激光扫描系统和引入荧光寿命等的荧光读出技术。
