系统鉴定针对HIV协同药物对

方法探讨药物相互作用的大型搜索空间的缺乏,使得系统地识别有效的药物组合收到了阻碍。哈佛医学院、休斯顿医学院及清华大学的研究人员提出了相互作用的化合物的多重筛选(MuSIC),加快了两两化合物相互作用的综合鉴定。该成果发表在201210月《Nature Biotechnology》杂志上。

研究人员分析了1000个美国食品和药物管理局(FDA)批准或临床试验的药物的500000组药物对,并确定药物协同抑制HIV病毒的复制。研究人员的分析在药物组合中找到了丰富抗炎药物协同治疗HIV。研究结果表明HIV感染随着炎症的发生,抑制炎症可以抑制艾滋病毒的传播。这项研究中发现多种药物对,包括各种糖皮质激素和硝唑尼特(NTZ),作用于HIV生命周期中不同阶段。MuSIC应用于各种各样的相关疾病的筛选,以方便有效地识别药物组合。

HIV病毒30年造成了至少6000万人次的感染,2500万人的死亡。艾滋病人可以通过高效抗逆转录病毒治疗(HAART)进行治疗,然而HAART治疗费用相当高额,并含有严重的副作用。而联合疗法大幅降低的抗药性,提高疗效和减少副作用。

从现有现有的药物的组合提供了一个未开发资源,开发新的治疗。研究人员已经开发出了MuSIC,一种pooled筛选方法,筛选出各种不同药物或药物的临床试验化合物的大数据集。验证了研究人员的方法使用基于模型的HIV的生命周期,表明它是有效地识别具有抗HIV活性两两组合。(MuSIC 方法如下图)

Fig1MuSIC方法及筛选实验

a: MuSIC的筛选:10种药物的1000种药物的汇集库,使用启发式算法,以确保两两互作,并进行再次筛选构建次级库,使用两药物的浓度滴定在二级库中找出Hits(red wells)

b:第一部分:新鲜细胞18小时后接种病毒,进行药物治疗,用细胞免疫组化染色HIV p24的表达和成像量化细胞的比例与染色阳性,观察感染率。第二部分:取第一部分检测的上清液到新细胞中,对细胞定量分析c: 第一部分和第二部分用于筛选的染色图像阳性对照(1毫克/毫升,AZT)和阴性对照(DMSO)。(第一行:DAPI细胞核染色的细胞数和细胞毒性的定量监测。第二行:p24 HIV感染的细胞染色。)

MuSIC筛选识别协同抗HIV病毒药物对,从初次筛选的汇集库在一式三份使用两个分法(补充表2),研究人员选择了低感染率和较低的细胞毒性反卷积找到了12904个特殊药物对。研究人员构建了一个二级库解卷积288库和确定有效的药物对。研究人员使用另一种启发式算法设计的二级库的布局,说明二级库中药物表现的高变异和可用的药物量的限制。

同样的方法在二级库中进行二次筛选中,至少有一个浓度组合使用的滴定法减少了50%艾滋病毒感染率。测量药物之间的协同作用,研究人员使用了两种模式,BlissHSABliss模型是基于概率论,认为当药物是独立的,它们的组合效应应该是其个体效应的增殖。HSA模型定义了在同一浓度的混合物中组合的协同效应大于任何单一药物的效果。研究人员要求至少三种组合剂量归一化产生HIV感染减少10%。使用这些标准,根据Bliss模型,116对中66对(57%)显示出协同作用,。对HSA模型,77对(66%)进行协同和41对(35%)协同使用模型。值得注意的是,顶库(最大的减少HIV感染率)确定在初次筛选(图2A)。在二次筛选上产生一个最佳药物对,包括糖皮质激素药物倍他米松和抗原虫药物NTZ(图2B),说明这一级和二级筛选策略的有效性。单独筛选验证MuSIC策略:系统验证MuSIC的方法,研究人员进行一个单独的筛选,寻找与糖皮质激素泼尼松(PDN)协同药物,如同在顶部对中糖皮质激素高度集中。研究人员发现,NTZ始终与PDN最高协同(图2c)。 验证GlucocorticoidsNTZglucocorticoid NTZ的组合效应在多个剂量显著高于那些Bliss预测的模型(fig2d)。结合指数计算在三活动水平和两剂量比率糖皮质激素表明PDNNTZ之间的协同作用强(CI0.3)或非常强(CI0.1)(fig2e-g.PDNTIZ在抗病毒活性的协同作用是明显的,fig2.h所示,2μmTIZ单独作用减少10%的感染和2μmPDN单独作用减少51%感染,但结合他们减少79%的感染。研究人员还观察到,从二级筛选的part1前发现多种药物属于一个小的官能团,包括糖皮质激素、非甾体类抗炎药(NSAIDs)和抗胆碱能药物。四种糖皮质激素对在研究人员的库中顶部出现最频繁。

 Fig2

揭示与已知的抗病毒药物相互作用的机理,研究人员针对HIV生命周期不同时期糖皮质激素和NTZ的作用做了实验。首先,研究人员测试已知的抗HIV药物PDNNTZ的协同作用。值得注意的是,虽然PDNNTZHIV整合酶抑制剂raltegravir都有协同作用协同(图3ab),PDN仅仅与核苷类逆转录酶抑制剂AZT协同(图3C)。NTZ显示精确Bliss下,单独与AZT协同(图3d)。非核苷类逆转录酶抑制剂efavirenz类似的模式观察(图3EFAZTefavirenz之间检测无协同作用,(图3g)。研究人员还对数据组合的指标进行了分析,研究人员观察到协同作用中NTZCI50与其他药物组合反转录抑制剂非常相似(AZTefavirenz)。研究人员怀疑NTZ和反转录抑制剂协同模式的相似,可能是由于它们的重叠的作用机制,如同以往的研究药物相互作用的概况及其作用机制。根据实验发现,NTZ明显抑制反转录,而PDN没有影响(图3h)。

Fig3

研究人员从筛选提取药物相互作用的信息中进行了计算分析的结果,对药物对二次筛选。在二次筛选库中每种药物均存在多对平均效应,估计每种药物的协同作用,药物之间的协同或拮抗作用。研究人员采用了以前开发的计算方法,得出了一个药物相互作用网络中的抗HIV活性的药物之间的协同作用。图4显示了在第12个分析提取的网络中药物之间在抗病毒活性的协同作用,这表明抗HIV的药物组合和单药物。

Fig4

研究人员利用药物筛选方法来确定FDA批准和临床试验的1000个药物相互作用。我们表示,这种方法用经过验证,选择药物对具有协同作用并表现出的较强的药效。除了检测到先前已知对艾滋病毒的药物外,发现了一些以前未知的抗艾滋病病毒药物,值得进一步研究。此外,研究人员发现了一个丰富的抗发炎药物来抗艾滋病协同药物网络。MuSIC筛选的方法,不仅确定了有效的药物对,但也提供了药物相互作用网络的生物理论。设想,MuSIC可以用于各种各样的相关疾病的筛选,从而有效的重新定位的药物和药物对,可以迅速用于病人身上。

参考文献:

Systematic identification of synergistic drug pairs targeting HIV.Xu Tan, et al. Nature Biotechnology 2012 Oct

作者简介:

鲁志:清华大学生命科学院研究员。清华973国家重点基础研究发展计划项目《基于新一代测序的生物信息学理论与方法》第四课题组学术骨干。从事癌症发生发展中表观遗传和非编码基因标识物的发现和机理研究等方面工作。