2023年2月13日,Nature Reviews Drug Discovery上一篇题为The evolving role of investigative toxicology in the pharmaceutical industry的文章概述了毒理学研究的的现状,并综述了毒理学研究常用的技术类型和进展。
前言
近几十年,临床前毒理学基本上是一个报告药物治疗影响的描述性学科,同时可以用来作为计算候选药物安全边际的基础。然而,近年来,技术的进步越来越多地使研究人员能够深入了解药物的毒理学机制,并更好地解决药物在动物模型与人类之间的物种差异性,预测药物安全性,减轻药物副作用和开发更安全的生物标志物。目前,对于毒理学的研究已经成为制药工业的关键一环。
1 毒理学研究的目标和工具
目前,毒理学研究方法主要分为两种:1)前瞻性方法,即对药物进行非临床或临床测试之前预测其潜在毒性;2)回顾性方法,即提供对非临床或临床毒性发现的机制解析。这两种方法的主要目标是:在药物开发阶段筛选最安全的候选药物以及为临床前和临床阶段提供安全评估数据,为临床试验设计提供支持。这里以小分子药物为例总结了评估药物毒理学的主要步骤。
1.1对目标药物和竞争药物进行评估
基于已有药物相关文献和数据库信息,对候选药物进行如下分析:药物靶标功能和上下游信号通路研究,候选药物直系同源物和旁系同源物分析,跨物种的同源性分析,跨物种功能和组织表达分析,以及对动物模型的遗传改造分析。同时也应将竞争药物的信息纳入其中。
详尽的目标药物安全评估有助于选择最合适的临床前安全策略。例如选择合适的靶器官和组织以及有效生物标志物,避开不表达靶基因的动物模型。最终,药物安全性评估可能会根据目标患者群体的特定目标而做出停止/停止的决定,并量化下一步试验极化的风险。例如,天冬氨酸蛋白酶家族是重要的药物靶标家族。然而,对某些天冬氨酸蛋白酶的选择可能会阻碍安全有效疗法的开发。与哺乳动物天冬氨酸蛋白酶抑制相关的功能和结构毒性相关报告影响了药物开发,因此在为天冬氨酸蛋白酶等家族目标开发药物时,需要全面评估抑制密切相关目标的风险。
1.2 使用安全的体外模型来指导候选药物设计和选择
该图总结了适用于不同靶器官毒理学评价的体外模型。
1.3 降低临床前体内研究结果的风险并解决与人类的物种差异
体外试验有助于理解在不同物种的动物研究中观察到的病理效应的分子和细胞机制,并阐明它们与人类的潜在相关性。在分子和表型水平上使用跨物种体外模型研究可以解决临床前数据与人类的物种差异性。
1.4 解析确定临床事件的潜在机制
毒理学研究对于评估临床开发或批准后出现的安全问题也至关重要。这种支持不仅限于母体药物,还可能包括药物杂质、降解物和代谢物。
2 毒理学研究最新技术
这一部分主要论述新技术发展对于毒理学研究和药物开发的影响。这些技术包括应用逐渐加深的高内涵成像(HCI)、建模和模拟、mRNA 分析、iPSC 、器官芯片以及应用频率有所下降的荧光和生物发光成像、使用MSI对细胞和组织样本进行的高维分子谱分析、基因编辑和microRNA (miRNA)等。本节主要讨论当前毒理学研究技术的适用性以及发展潜力和挑战。
2.1 成像技术
药物对细胞和组织影响的空间分辨率提供了对药物毒性的宝贵见解。此外,多参数生物标志物成像为理解药物机理提供了研究基础。目前,体外和体内成像技术已经取得了重大进展和应用,包括高内涵成像(HCI)、荧光和生物发光成像、MRI、CT以及使用MSI对细胞和组织样本进行的高维分子谱分析等。
HCI 技术结合了自动显微镜和定量图像分析,可用于研究药物和器官特异性毒性的机制研究和遗传毒性筛选。目前,HCI 主要用于监测由小分子、生物制剂或其他形式药物引起的时空生物学效应变化,并将它们整合起来以提供毒理学见解。使用 MRI、正电子发射断层扫描 (PET)、单光子发射断层扫描和 CT 等技术的体内成像提供了实时研究机体任何区域的生物事件的可能性,并可以为安全性分析的微创生物标志物提供基础。
MSI 技术可以同时检测药物和其代谢物的离散组织分布,为药物开发、代谢和毒理学的原位研究铺平了道路。此外,MSI 还具有高分子特异性,可以直接在组织中对数百种蛋白质、多肽和脂质进行全面、多重检测和定位。同时,单细胞成像已经发展到可以使用纳米级二次离子质谱 (NanoSIMS) 直接从质谱图像中测量细胞器相关、同位素标记的前药的绝对浓度。然而这些技术的复杂性和高成本仍然阻碍了它们在药物开发早期阶段的常规使用。未来,这种潜力可以通过开发用于数字病理学的人工智能 (AI) 工具来提升。
2.2 组学技术
毒理基因组学(Toxicogenomics,TGX):是研究生物体整个基因组与环境有害因素(化学 因素、物理因素、生物因素)间的交互作用及其方式的一门新兴学科。毒物基因组学利用转录组学来分析细胞基因表达(即蛋白质组学和代谢组学),从而对药物的毒理作用从分子层面进行评估。此外, 某些 miRNA(调节蛋白质编码基因翻译的小型进化保守内源性非编码 RNA)的表达与药物的不良生物学效应相关。循环 miRNA 越来越多地作为毒理学研究中的组织特异性毒性生物标志物进行研究。然而,这些技术较低的转化潜力限制了其发展。
2.3 预测药物毒性的算法和建模
不同药物测试平台的集成会产生大量数据集,这就需要高性能计算和基于机器学习的建模才能充分研究和预测其机理。在某些特定情况下,基于体外分析数据的模型在预测药物毒性方面可能比动物模型表现更好。此外,使用机器学习技术(化学基因组学)和基于药代动力学、药效学、生理学模型的系统毒理学方法可以获得更多定量的风险评估数据。未来,采用基于生理学的药代动力学(PBPK)建模和模拟(M&S)方法来预测药物在人体内的药代动力学和药效学行为将有望通过提供一种整合计算机、体外和体内临床前数据的方法来极大地影响药物安全。
2.4 iPSC 和高级细胞模型
iPSC和动物MPS 模型(器官芯片或类器官)提供了更具转化相关性的毒理学数据,同时可以用来深入了解器官特异性和器官之间的毒性概况。iPSC衍生心肌细胞(iPSC CM)是制药行业中用于评估心脏毒性和心脏电生理的最先进的iPSC衍生模型。3D肝细胞培养系统的进展导致了生理组织和器官水平功能的进一步改善。此外,基于原代肝细胞以及非实质细胞和免疫细胞的肝MPS有可能模拟供体的遗传、生理和疾病环境,并复制特定环境的毒理学。而在其他MPS组织模型上也取得了实质性进展,包括胃肠道、肺和肾。这些模型仍然需要开发和验证,以适合用于药物发现和安全性测试。
2.5 基因组编辑
以CRISPR/Cas9技术为代表的基因编辑平台的开发使研究人员能够深入了解单基因产物对疾病的贡献。当专注于了解毒性的特定生物学机制或不良结果途径时,具有准确和特异性删除或修饰特定基因的能力也可以深入了解药物靶点的潜在安全性。
3 挑战与展望
本文中讨论的技术是被认为最有可能解决药物安全机理差异并促进候选药物选择的方法。随着新技术的出现和发展,这些技术可能会有进一步的整合。例如将单细胞基因组学等技术与原位成像方法整合成适用更加广泛的空间转录组学,这将有助于更加全面理解药物毒理学相关的生物学机制。此外,空间转录组学产生的“大数据”与人工智能、数字病理学、人工智能辅助蛋白质折叠和功能预测、合成生物学、微生物组-药物相互作用和用于即时生物参数监测的生物传感器等新兴发展技术的整合值得更深入的评估。此外,任何新技术在临床前安全性测试中的采用和整合都需要根据其在临床试验中对人类受试者和患者的转化价值进行全面评估。
最后,对于药物的风险评估要遵从以下两个原则:一是在健康和疾病状态下适应人类相关性的稳健转化原则;二是需要提供人类(病理)生理学的背景下药物的定量转化数据。事实上,许多药物在细胞和动物模型中观察到的毒性作用与人类志愿者身上潜在的不良反应之间存在重大差异。因此,药物开发阶段的毒理学研究目标不仅限于发现新的药物,还需要利用计算机和体外模型来评估药物风险。
对于药物发现早期的安全评估,必须克服以下三个障碍:
1)收集分散的信息源:开发通用和方便查询的数据库工具。例如,开发自动化流程工具对科学文献进行文本和数据挖掘,同时搜索药物、毒理学和临床数据库。
2)解决相似性问题:在查询数据库进行复合效应预测时,需要使用复杂的计算工具来评估化学结构以外的相似性从而将化学结构与生物效应联系起来。
3)数据库管理:整合复杂搜索的结果需要自动化处理才能处理大数据量。数据可视化、机器学习和人工智能的新方法将有助于早期筛选候选药物。
同时,以下五个策略可以帮助解决这些障碍并进一步推进毒理学研究:
1)建立合作以评估不同检测方法,并允许开发标准化的协议来改进药物危害识别和风险评估。
2)建立基线数据集,为研究进展提供参考,并能够评估各种毒理学研究方法的影响。
3)参与开放式创新和竞争前合作;在定义的范围内共享数据,以充分利用来自庞大行业档案库的知识来构建预测性安全模型,并更有效地评估最有前途的新兴技术。
4)开发和共享候选药物毒性的系统毒理学和不良结果途径框架,以促进机制和定量转化研究。
4 总结
DOI:10.1038/s41573-022-00633-x
联系客服