健识笔谈:创新药物研发的“指路灯”-深度-知识分子

健识笔谈:创新药物研发的“指路灯”

2018/10/23
导读
创新药物研发主要有两个方面:药物和病人。因此,如何选择患者和评估药效是创新药物研发的一个主要挑战,而生物标志物正是应对这个挑战的一个有效手段。为此,本文重点介绍了生物标志物在药物研发领域的作用和意义。

f/h4/zsfz1540182541.5975387.jpg

吴家睿摄于厦门南普陀寺,2018年9月


导读:创新药物研发主要有两个方面:药物和病人。因此,如何选择患者和评估药效是创新药物研发的一个主要挑战,而生物标志物正是应对这个挑战的一个有效手段。为此,本文重点介绍了生物标志物在药物研发领域的作用和意义。


撰文 | 吴家睿(中国科学院上海生命科学研究院生物化学与细胞生物学研究所 研究员) 


  


生物标志物(Biomarker)在创新药物的研发中一直发挥着重要的作用。最经典的一个例子是,阿斯利康公司研发的表皮生长因子受体酪氨酸激酶(EGFR)的抑制剂“吉非替尼”,在几乎失败的情况下依靠生物标志物“起死回生”,即发现了该药主要是对携带EGFR基因第19号外显子的非移码缺失或21号外显子的错义突变的肺癌患者具有明显疗效。在临床试验过程中,生物标志物不仅能够帮助确定对药物有高响应的受试患者,而且也可用于排除对药物副作用敏感的患者。这二者正是药物研发试验需要解决的两个主要问题。通过分析2013年到2015年有关II期和III期临床试验失败情况, Harrison R.博士发现,疗效不佳和安全性问题占了所有II期临床试验失败的73%,同样也是III期临床研究失败的最主要原因[1]。在该作者关于提高临床试验成功率的改进措施中,第一条就是要采用更有效的生物标志物[1]。


随着精确医学的到来,个性化治疗成为主要任务,从而使得生物标志物在创新药物研发过程中的重要性愈发突出。2011年提出“精确医学”观念的倡导者认为,“精确医学的终点是,选择出一类具有相同的疾病和相同的生物学基础的病人,从而最有可能使他们从一个药物或某个方法中受益”[2]。显然,区分和选择对药物敏感的病人的基本条件就是要鉴定出相应的生物标志物。欧盟2014年启动的“创新药物先导项目2”(Innovative Medicines Initiative 2,IMI2)的主要目标是,“在正确的时间对正确的患者给予正确的防治”,而实行IMI2目标的关键之一就是要发现和验证可用于临床试验的生物标志物。


随着人类基因组计划的完成和测序能力的飞速发展,对基因变异的检测已经成为生物标志物领域的主要任务。美国NIH在2006年牵头启动了国际癌症基因组项目“癌症基因组图集”(The Cancer Genome Atlas,TCGA),涉及到数万名患者的50种不同类型的肿瘤样本分析,目前已经鉴定出了近千万种基因突变。美国FDA于2017年12月首次批准了一种可对多种实体瘤基因组变异进行检测的试剂盒;这个来自美国Foundation Medicine公司的检测试剂盒可以对肺癌和卵巢癌等恶性肿瘤相关的324个基因的突变类型进行检测,并通过检测5种靶向药物的相关突变来为肿瘤患者选择有效的靶向药物。在Nature杂志2018年10月发表的一篇研究论文中,研究者通过562名急性髓系白血病(Acute Myeloid Leukaemia, AML)患者的全外显子组测序,进而构建了各种AML药物响应与不同基因突变之间的精细关系图谱[3]。


个体的遗传差异不仅源于基因突变,而且还来自基因组序列多态性,其主要代表是“单核苷酸多态性”(Single Nucleotide Polymorphism, SNP)。有实验证明,转录因子PPARγ的结合序列上的一个SNP就能够决定其结合的强弱,从而导致抗糖尿病药物对携带不同SNP的个体产生不同的药物响应[4]。显然,SNP就是一类重要的生物标志物。人体的基因组含有数百万的SNP,研究者为此发展出了一种称为“全基因组关联分析”(Genome-wide Association Studies,GWAS)技术,用于从基因组水平上发现人群中那些与复杂的生理或病理性状高度相关的SNP。GWAS技术发展至今已有十年,研究者利用该技术发现大量与复杂性疾病有关的SNP,如针对2型糖尿病就发现了100多个高度相关的SNP[5]。此外,这些通过GWAS技术发现的SNP还在药物研发中被用来帮助鉴定和验证可以作为药物靶标的基因(Druggable Genes)。


对于生物个体而言,基因组序列是非常重要的生物标志物,但RNA、蛋白质和代谢小分子等同样也是重要的生物标志物。尽管美国的TCGA项目启动时是从基因测序开始,但是这个项目当前研究的分子标志物类型已经覆盖了生物分子的方方面面;NIH为此在美国和加拿大的7个科研机构分别设立了与该项目相关的“基因组特性分析中心”(Genome Characterization Centers,GCCs),除了专门进行基因组序列分析的中心之外,还有专门负责“表观基因组学”、“基因表达分析”、“microRNA分析”和“功能蛋白质组学”的分析中心。TCGA项目的研究者不久前在Cell杂志发表了对1万个肿瘤样本的分子分型结果;在这项研究中,他们通过整合染色体非整倍性、DNA甲基表达谱、基因表达谱、microRNA表达谱和蛋白质表达谱等数据,将传统的基于解剖位置和病理性状分类的33种肿瘤重新分为28种类型[6]。更重要的是,美国研究人员在其精确医学的研究策略中提出,不仅要采集个体的基因组和蛋白质组等微观层次的信息,而且还要收集个体的分子影像和肠道菌群等各种宏观层次的信息[2]。也就是说,生物标志物并不局限于分子层次。


在目前药物研发领域的一系列改革中,生物标志物也将发挥出更重要的作用。在不同于传统的I、II、III期三阶段临床试验的连续性无缝临床试验中,研究者从试验开始的关注点就不再局限于药物代谢和安全性,而是包括了药物的疗效。因此,找到符合标准的特定患者成为这种无缝临床试验方案的限速步骤,不仅从试验开始就需要寻找合适患者,而且需要在整个试验过程中对患者的表现进行实时评估和动态调整,以期找到药效响应好而副作用低的患者。显然,在这种临床试验一开始,就可以通过检测特定的生物标志物来预测临床试验结果,并在后续试验中只选择具有相应的生物标志物的患者。


在无缝临床试验的基础上,美国FDA最近又提出了一个新的“并行式”临床试验方案——“人群优先的多种扩大队列试验”(First-in-human Multiple Expansion Cohort Trials),即在药物起始剂量递增的“爬坡试验”患者队列之外,还需要构建3个或以上的额外患者队列,以便能够同时并行地开展各项相关的临床研究[7]。FDA认为,只要通过了一定的安全性评估,哪怕尚未完成药物代谢方面的研究,都可以启动这些队列研究,从而加快整个药物临床试验的进程。这些增加的队列应有不同的具体研究目标,如药效的评估,老年人或儿童等特定人群的药物安全性评估等;其中当然也包括了构建专门用于发现相关的生物标志物的研究队列[7]。


在“一对多”的主方案临床试验中,都是把生物标志物作为其重要的试验手段。例如在一个称为“I-SPY 2”的“平台试验中,研究者根据3个遗传标志物确定了乳腺癌患者的8个亚型,然后比较了12种治疗方法对这8个亚型患者的不同效果[8]。通过一个篮型试验,默沙东制药公司发现,不论罹患的是身体哪个部位的实体瘤,只要患者携带“高度微卫星不稳定性”(Microsatellite Instability-high,MSI-H)或错配修复缺陷(Mismatch Repair Deficient,dMMR),就能够对药物 Pembrolizumab有较好的响应;FDA根据这个试验在2017年批准了该药的适应症——只要肿瘤患者携带这两个生物标志物中的一个。在原创药——TRK抑制剂Larotrectinib的篮型试验中,入选的患者涉及到13种不同的实体瘤类型,但都有一个共同的分子标志物——TRK基因的融合。也就是说,在某些情况下,生物标志物本身同时也就是药物靶标。

 

参考文献

[1] Harrison, R.K. Phase II and phase III failures: 2013–2015. Nat. Rev. Drug Discov. 2016, 15:817-818.

[2] National Research Council. Toward precision medicine: building a knowledge network for biomedical research and a new taxonomy of disease. 2011, http://www.nap.edu/catalog/13284/

[3] Tyner, J.W. et al.Functional genomic landscape of acute myeloid leukaemia. Nature 2018-10-18.

[4] Soccio, R.E. et al.Genetic variation determines PPARγ function and anti-diabetic drug response in vivo. Cell 2015, 162:33–44.

[5] Visscher, P.M. et al. 10 years of GWAS discovery: biology, function, and translation. Am. J. Hum. Genet. 2017, 101:5-22.

[6] Hoadley, K.A. et al. Cell-of-origin patterns dominate the molecular classification of 10,000 tumors from 33 types of cancer. Cell 2018, 173:291-304.

[7] Food and Drug Administration Expansion Cohorts: Use in First-In-Human Clinical Trials to Expedite Development of Oncology Drugs and Biologics Guidance for Industry, Retrieved August 14, 2018, https://www.fda.gov/downloads/Drugs/Guidance Compliance Regulatory Information/Guidances/UCM616325.pdf.

[8] Woodcock, J. & LaVange, L.M. Master protocols to study multiple therapies, multiple diseases, or both.N. Engl. J. Med. 2017, 377:62-70.


注:文章来源“吾家睿见


参与讨论
0 条评论
评论
暂无评论内容
上海科技大学生命科学与技术学院执行院长,中国科学院系统生物学重点实验室主任
订阅Newsletter

我们会定期将电子期刊发送到您的邮箱

GO