蛋白质组学/蛋白质组学与药物发现/理性药物设计
章节编辑和更新作者：Vishal Thovarai & Kevin Smith
电子邮件：[email protected]
本节
意外发现长期以来一直是药物设计和开发过程中的驱动力。随着对人类和病原体生物化学和病理生理学等相关领域的理解不断加深，药物设计和开发过程开始向理性化方向转变。从广义上讲，理性药物设计方法涉及对受影响的生化途径进行全面的研究，识别关键元素（通常是蛋白质），并设计小分子来修饰/操纵这些蛋白质的功能。大多数方法是靶点导向的，因此是基于结构的，即识别药物靶点，这通常是相关途径的组成部分（蛋白质或其他生物分子）。
在 1980 年代初期，研究人员无法利用基于结构的方法进行药物发现过程。这归因于许多因素，其中最重要的因素是缺乏计算能力和能够测试潜在模型的对接程序，以及缺乏既定社区的兴趣，部分原因是上述工具的缺乏。然而，在 1990 年代，计算能力和可用程序呈指数级增长，以及获得更便宜、更可靠的 X 射线晶体学结构的能力，而这些结构对于任何类型的计算研究都是必要的。这标志着一个新时代的开始，第一个尝试和成功被发表，其中最著名的两个是HIV-1 蛋白酶抑制剂和肾素抑制剂（用于对抗高血压）（Lunney）。在当代药物发现中，基于结构的方法是药物开发过程不可分割的一部分。这种变化可归因于基因组学和结构生物学的快速发展，以及信息技术的进步。几个对药物发现过程至关重要的领域的技术进步加快了药物开发的速度。然而，直到一种既有效又被人体耐受的药物上市还需要多年的研究。（Anderson）。尽管有了这项新技术，以及制药公司增加了资金，但寻找安全有效化合物的难题导致治疗剂向公众发布的速度没有明显提高。（Lindsay）
从头设计法涉及基于受体/靶标结构从头开始构建新型药物分子。考虑到潜在可行结构的搜索空间约为 10100（Bohacek），这是一项特别具有挑战性的任务。从头药物设计的原理包括组装药物样化合物，评估其潜力，以及在样本空间中搜索此类化合物。
药物分子的设计通常由受体结构驱动，更具体地说是其与受体结构的假设相互作用。因此，以尽可能高的精度对结合位点进行建模是该过程中的关键步骤之一。一旦结合位点被定义，下一步就是在其中放置原子或小分子，并评估其匹配度/相互作用。这是使用评分函数完成的。根据使用的软件包，现在存在着各种各样的评分函数，从简单的空间约束到近似和评估结合自由能的函数。评分函数还负责通过为评估的结构分配适应度值来指导结构的增长和优化。
构建完整配体分子的不同方法（计算机模拟）包括连接、生长（图 1）、随机结构变化和分子动力学基于方法。
连接：原子、官能团或片段放置在预定的相互作用位点，并连接在一起以形成一个完整的分子。连接基团可以是预先定义的，也可以是根据约束条件动态生成的。
生长：选择单个构建块作为起点或种子，并将其放置在受体的相互作用位点。添加片段或其他基团以提供与位点残基的可行相互作用。继续此过程，直到所有片段都集成到一个分子中。
分子动力学：初始片段随机散布在相互作用位点，然后允许它们使用分子动力学模拟重新排列。评分函数用于评估所得结构。从头算法的主要缺点之一是它们通常忽略了所设计结构的合成可行性。
先导化合物优化方法涉及对显示治疗潜力的现有类似物（候选药物）进行修改和优化。该技术基于配体与受体之间相互作用的研究。由此获得的数据用于指导所选分子或化合物的结构修饰。创建大量类似物，然后对其进行筛选，从而提高功效和其他理想特性。
药物靶点的选择主要基于生物学和生化考虑。蛋白质组学作为该领域的工具，由于任何特定细胞中蛋白质表达的复杂性，其应用仍然有限。尽管如此，蛋白质组学在药物发现过程的其他领域（包括生物标志物识别和跟踪）中的作用日益突出。结构基础药物设计的理想药物靶点应结合小分子，并与疾病密切相关。然后，小分子要么改变药物靶点的功能，要么在致病生物的情况下，抑制靶点的功能。理想情况下，这将导致病原体的细胞死亡。在后一种情况下，药物靶点应仅存在于患病细胞或病原体中，并且应具有允许和鼓励这种选择性的独特功能。此外，药物靶点的独特性保证了另一种途径无法恢复被抑制靶点的功能。基于结构的抗癌和自身免疫药物的寻找更具挑战性，因为药物靶点调节细胞的必要功能。因此，这些靶点并非独特且孤立的；抑制其功能不仅会影响突变或过/欠激活的细胞，还会影响正常细胞。例如，磷脂酰肌醇 3-激酶 (PI3K) 途径与细胞生长有关，并已与胰腺癌激活直接相关（Reddy）。尝试分离像这样的复杂途径，使得药物发现过程比其他疾病要复杂得多。癌症靶向的另一个选择是 DNA。顺铂 和 博来霉素 分别交联和切割 DNA，并用于减缓细胞分裂，尤其是在癌组织中。（Singh）
药物靶点的配体结合位点应是一个包含氢供体和受体以及疏水残基的口袋。在许多情况下，所选的靶点位置是酶的活性位点，例如西地那非（伟哥），它靶向 NADPH 的催化亚基（Jeremy）；然而，它也可以是装配或调节位点，例如枯草芽孢杆菌 Spo0f 蛋白（一种组氨酸激酶）的磷酸转移酶调节域（Dai-Fu）。甚至蛋白质-蛋白质相互作用位点，它们通常很大且呈平面状，也被选为靶点位点（2-酮戊二酸，一种天然存在的分子，会影响 GlnK 的单体-单体相互作用，GlnK 是一种氨转运蛋白 [AcrB] 抑制剂（Anderson, Stroud））。
蛋白质组学作为发现生物标志物的工具
[edit | edit source]“生物标志物”是“生物标志物”的简称。生物标志物是指可以用来测量疾病进展、感染阶段、药物疗效以及其他各种生物学功能的分子、指标或检验。它们也可以用作治疗剂安全性研究的一部分。尽管如今最常用的生物标志物是小分子和蛋白质，但正在蓬勃发展的药理遗传学和药理基因组学领域正在尝试利用 基因型、单倍型 和 单核苷酸多态性 作为生物标志物 (Frank)。
随着对生物标志物作为指标的重视程度越来越高，美国国立卫生研究院 (NIH)[1] 启动了“生物标志物和替代终点工作组”。[2] 该组织为生物标志物建立了一个分类系统。
0 型生物标志物更多地表现出症状性，并在整个疾病史中跟踪疾病进展。它们用于 0 期临床研究。这些临床研究在高度规范的人群中针对特定持续时间使用完善的测定技术。这些研究的目标是为所研究的药物或系统获得简单的阳性或阴性结果。
1 型生物标志物用于跟踪注入生物系统中的任何类型的化合物。最熟悉的方面是药物试验，研究人员正在寻找特定效果。观察到的效果可能是积极的或消极的。
2 型生物标志物用于确定“替代终点”。替代终点，正如 FDA 所定义的，[3] “是指在治疗性试验中用作临床意义终点的替代指标——实验室测量值或体征——该指标是患者感觉、功能或生存状况的直接测量值，预计能预测治疗的效果。”换句话说，替代终点超出了单个生物标志物的概念，进入了可能需要许多或不需要任何生物标志物的领域。可以研究其他症状，包括总体健康状况和死亡率，以确定治疗方案的有效性。尽管替代终点仍处于早期阶段，但血压和胆固醇这两个例子已被接受，它们与心血管健康和死亡率密切相关 (Frank)。
除了上述效果外，生物标志物还应与疾病状况高度相关，并将假阳性和假阴性的数量降至最低。因此，生物标志物应该能够以高重复性准确地区分正常状况和感染状况。蛋白质组学研究的挑战是从复杂的生物混合物中识别出与疾病状况明确相关的独特生物标志物。生物标志物可用于多种用途。此外，已建立的生物标志物可用作风险因素指标，能够提供信息来表明某人容易患某种疾病。QT 间期延长，是心室电周期变化的衡量指标，被用作评估患者心脏病发作后生存机会的指标，以及 肌钙蛋白 T，这是一种心脏酶，其水平在心脏病发作后会升高。5-羟色胺 是血清素的代谢前体，被发现定位于神经内分泌组织的肿瘤周围。这些分子的标记使这些事件可以通过 氟脱氧葡萄糖正电子发射断层扫描 (FDG-PET) 进行可视化，FDG-PET 用于可视化多种类型的恶性肿瘤。另一种 PET 应用使用 SPA-RQ，这是一种神经激肽-1 结合剂，其注射用于跟踪药物 阿普瑞匹坦™ 的结合，阿普瑞匹坦™ 是一种用于化疗患者控制呕吐的药物 (Frank)。
目前正在研究和开发的生物标志物还有很多，而且随着我们对人体的理解不断加深，这个数字还会不断增长。示踪分子和成像技术的结合，如 5-羟色胺，为可视化不应该进行手术的区域提供了一种强大的方法，除非作为最后的手段。蛋白质组学在寻找生物标志物方面的应用不断增加，这一点也很重要。质谱 和 柱色谱 等分析技术的最新进展使蛋白质表达的更全面研究成为可能。此外，二维电泳 以类似于基因研究的方式提供表达的总体概览。利用这些技术进行的蛋白质组学研究已经鉴定了卵巢癌、黄斑变性以及脂蛋白组成。这些技术的发展无疑将在未来得到加强 (Frank)。
参考文献
[edit | edit source]Asano, T.; Yao, Y.; Shin, S.; McCubrey, J.; Abbruzzese, J. L.; Reddy, S. A. Cancer Res. 2005, 65, 9164-9168.
Bleicher, K. H.; Bohm, H. J.; Muller, K.; Alanine, A. I. Nat. Rev. Drug Discov. 2003, 2, 369-378.
Bohacek, R. S.; McMartin, C.; Guida, W. C. “The art and practice of structure-based drug design: a molecular modelling perspective.” Med. Res. Rev. 1996, 16, 3–50
Cai, X. H.; Zhang, Q.; Shi, S. Y.; Ding, D. F. Acta Biochim. Biophys. Sin. (Shanghai) 2005, 37, 293-302.
Frank, R.; Hargreaves, R. Nat. Rev. Drug Discov. 2003, 2, 566-580.
Gruswitz, F.; O'Connell, J.,3rd; Stroud, R. M. Proc. Natl. Acad. Sci. U. S. A. 2007, 104, 42-47.
Lindsay, M. A. Nat. Rev. Drug Discov. 2003, 2, 831-838.
Lunney, E. Structure-Based Design and Two Aspartic Proteases. http://www.netsci.org/Science/Cheminform/feature01.html.
Muzaffar, S.; Shukla, N.; Srivastava, A.; Angelini, G. D.; Jeremy, J. Y. Br. J. Pharmacol. 2005, 146, 109-117.
Singh, S.; Malik, B. K.; Sharma, D. K. Bioinformation 2006.
Next: 虚拟化合物库