蛋白质组学/蛋白质组学与药物发现

蛋白质芯片

蛋白质组学与药物发现

生物标志物

主题列表

作者： Piotr Kowalski 和 Patrick Kenney

药物发现过程简介

T

在现代科学背景下，药物发现的过程非常复杂，它整合了许多学科，包括结构生物学、代谢组学、蛋白质组学和计算机科学，仅举几例。鉴于体内药物与靶标相互作用的可能性极大，以及在进行临床试验前必须成功通过严格的药代动力学研究和毒理学试验，因此这一过程通常非常繁琐且昂贵。 尽管本文后面将对此进行更详细的解释，但药物发现过程的几个关键组成部分包括靶标选择、先导化合物鉴定以及临床前和临床候选药物选择。右侧的示意图概述了药物发现过程中涉及的步骤。

药物发现时间表

蛋白质组学领域或对不断变化的有机体蛋白质组的分析的近期蓬勃发展，为当前药物发现过程的本质带来了许多进展。蛋白质组学领域在鉴定与疾病发病机制相关的蛋白质和重建生理途径方面所蕴含的潜力，促进了对新的、新型药物靶标、它们各自的机制作用方式及其生物毒理学的不断发现。

药物发现过程中的挑战在于找到潜在疾病的确切病因，并找到一种方法来消除它们或将它们恢复到正常水平。要阐明任何针对特定靶标的治疗方法，就必须对所涉疾病的本质有一个机制上的理解。虽然许多已记录的临床问题的病因在性质和来源上差异很大，但在某些情况下，病因是在蛋白质水平上发现的，涉及蛋白质功能、蛋白质调控或蛋白质-蛋白质相互作用。这种疾病的一个例子是黑尿症，其特征在于编码同性苯丙氨酸氧化酶的基因缺陷，抑制了苯丙氨酸降解途径中同性苯丙氨酸代谢为马来酰乙酰乙酸。 虽然这种先天性疾病的根本原因是单个基因遗传缺陷，但其临床表现包括黑色尿液的排泄，是同性苯丙氨酸积聚的结果，而同性苯丙氨酸积聚是由于[蛋白质] 酶的缺陷造成的。

应用基因组学的最新进展帮助了靶标识别过程，因为它允许对表达基因进行高通量筛选。然而，研究表明，转录本的调控与实际蛋白质数量之间存在较差的相关性。造成这种情况的原因是基因组分析没有考虑翻译后过程，例如蛋白质修饰和蛋白质降解。因此，药物发现过程中采用的方法开始从基因组学转向蛋白质组学。 与静态基因组相比，对动态有机体蛋白质组的分析，无疑将为识别适用的生物标志物提供更准确的方法，这些生物标志物将有助于诊断，而且还将为不同起源的疾病提供有效的治疗方法。

蛋白质组学领域面临着一些与基因组学相比的巨大挑战，原因有几个。首先，蛋白质科学缺乏聚合酶链反应 (PCR)的类似物，而聚合酶链反应可以体内产生单个天然分子 (核酸在 PCR 情况下) 的许多拷贝。然而，最近已应用了几种方法来努力解决这一难题。化学合成方法是存在的，但其产量有限，尤其是在合成长肽时。体内表达合成方法也存在，但是，这种方法不能用于生产可能改变正常细胞功能的蛋白质。此外，无细胞合成核糖体试剂盒也可用于准确快速地合成蛋白质，尽管核糖体失活酶的内在存在会导致这些系统的稳定性降低。 其次，与 DNA 相比，蛋白质水平因细胞类型和环境而异。第三，蛋白质丰度与蛋白质活性没有直接相关性。蛋白质活性通常由翻译后修饰决定，例如磷酸化。在药物发现过程中，蛋白质活性，而非蛋白质丰度才是感兴趣的。最后，蛋白质与其他蛋白质或小分子形成许多相互作用。阐明这些相互作用将极大地加速药物发现过程。目前，一种方法是通过配体结合的 X 射线晶体学研究。

适用于药物发现的理想蛋白质组学技术应具有以下特征：它应该能够分离膜蛋白并检测低丰度蛋白，这两种能力尚未完全实现，但目前的分离和分析技术都需要它们。此外，它应该能够独立于蛋白质丰度识别蛋白质活性。它还应揭示蛋白质-蛋白质和蛋白质-小分子相互作用。这种方法还应易于实施，可自动化，并以高通量速度执行。蛋白质组学研究人员正在解决这些问题，并正在开发新的方法。

在公共和私营部门都在开发虚拟药物库。这些数据库包含潜在的药物化合物；这些化合物可能存在于计算机数据库之外，也可能不存在，并且通过各种合成方法开发的新化合物不断被添加到数据库中。还使用修改现有数据库条目以创建新的异构体和衍生物的方法，以更充分地涵盖一系列潜在的药物化合物。使用蛋白质上已知和假设的药物靶标，结合虚拟化学化合物数据库，来实施对接和评分。在对接中，使用各种计算方法将化学物质正确地定位在蛋白质结合位点内。遗传算法和蒙特卡罗方法是两种流行的算法，用于进化最佳结合位置。此过程筛选出作为潜在药物的化学物质，这些化学物质最初被称为命中。对接后，使用数学模型进行评分。这些模型确定药物-蛋白质复合物的化学结合强度和能量状态。那些具有高评分的命中随后进行体内测试；在两个领域都获得正分的命中被称为先导化合物。

然后对接入和评分的复合物进行评估，选择任意数量的最佳命中，以便手动进一步筛选。前两个步骤完全在计算机上完成；然而，现在需要使用软件可视化，通常在三维设置中，来检查最佳复合物。这使科学家能够确保确定的对接方向看起来可以接受，并且基于已知的相互作用能量（例如氢键和离子相互作用）进行评分是正确的。

通过对接、评分和评估的化合物成为药物先导化合物，然后被传递给实验室的科学家进行药物测试，以确保只有对靶系统具有相对独特作用且对机体其他部分安全的化合物才会被考虑。但是，到目前为止，制药公司已经通过让计算机而不是人类科学家进行化学筛选，节省了大量时间和金钱。