分享至
多组学的力量 | 药物开发中的多组学方法(上篇)
开发新型疗法对促进人类健康和改善医疗护理至关重要。从最初的靶点发现到临床批准，药物开发过程在各个治疗领域的总体成功率约为10% 左右1,2。其中癌症治疗药物4和阿尔茨海默病药物5的成功率较低，分别为3.4% 和0.4%。药物开发的失败率极高，因此需要投入大量的时间、资金和资源，制药公司目前在药物研发（R&D）上的投入几乎是该行业在20 世纪80 年代投入的10 倍（图1）。根据目前的失败率，开发一种新药的成本估计在10 亿至20 多亿美元之间6。
所幸基于基因组学的方法已被证明能够增加药物开发工作的成功率7。在一项检测药物开发成功率的研究中，与没有生物标志物的试验相比，在临床试验中加入生物标志物使成功率几乎提升了一倍8。基于基因组学的方法被越来越多地整合到工作流程中，以提高对药物作用机制、患者特异性疗效和毒性等的理解9。基因组技术的进步提供了比以往更多的分子数据，推动了转录组学、表观基因组学、蛋白质组学等领域的发展。接下来，我们将在“多组学的力量”系列推送中介绍如何实施整合多种组学方法的多组学方法，以及这一方法如何改善药物开发工作流程。
“新一代测序和转录组测序的出现使研究人员能够快速识别潜在的致病分子异常。此外，转录组学、蛋白质组学和免疫组学数据蕴藏着大量信息， 无论是在临床前研究还是临床试验相关研究中，均可作为生物标志物发现的可挖掘资源。”
—Adashek JJ, et al.3
图1:制药公司的研发支出一在过去40年里，制药公司用于药物研发的资金几乎增长了10倍。
运用多组学，实现探索能力的成倍增长
通过研究基因组、外显子组、表观基因组、转录组和蛋白质组，多组学将DNA、RNA 和蛋白质的数据结合起来，使人们能够更全面地了解与正常发育、细胞应答和疾病有关的分子变化（图2）。此外，技术进步推动新一代测序（NGS）从批量样本分析转向高分辨率方法（图3）。单细胞测序能够检测单个细胞的多种组学，揭示驱动复杂生物系统的细胞异质性。空间分析保留了组织结构和生物分子的精确位置，从而赋予了对健康和疾病机制的另一层理解。
图2:全面了解生物学-多组学不仅分析DNA，而是通过整合来自基因组、表观基因组、转录组和蛋白质组的数据，揭示了更深层次的生物学见解。
图3:NGS的分辨率水平一技术进步提高了NGS的分辨率水平，超越了传统的批量样品分析方法，包括单细胞测序和空间方法。
药物开发工作流程
新药的开发按照研究影响临床结果的正向（“从科研到临床”）转化工作流程进行。这一过程大致可分为五个阶段（图5）：
靶点发现 — 使用无偏差的方法识别药物靶点
靶点验证 — 确认并确定药物靶点在疾病中的作用
先导物的识别与优化 — 筛选和优化先导物
临床前研究 — 在模型系统中评估药物的安全性和有效性
临床试验 — 在人体试验中评估药物的安全性和有效性
药物开发也可以按照反向（“从临床到科研”）工作流程进行，在这种工作流程中，来自临床的见解可以为研究提供信息并推动研究。
图5:药物开发工作流程一新型疗法的开发可以按照正向转化工作流程进行，包括五个主要阶段，从靶点发现到临床试验和批准。通过反向转化工作流程，来自临床的数据和见解可以为研究和持续的药物开发提供信息。
“新一代测序和转录组测序的出现使研究人员能够快速识别潜在的致病分子异常。此外，转录组学、蛋白质组学和免疫组学数据蕴藏着大量信息， 无论是在临床前研究还是临床试验相关研究中，均可作为生物标志物发现的可挖掘资源。”
—Adashek JJ, et al.3
将多组学整合到工作流程中
基于NGS 的多组学方法可以整合到药物开发全工作流程的各个阶段中。每种方法针对不同的组学，提供了不同难题的解决方案，为生物学和疾病机制的细节提供了重要见解（图6）。全基因组测序（WGS）可以对拷贝数变异（CNV）、插入/ 缺失（indel）、单核苷酸变异（SNV）和结构变异（SV）进行全面的分析。全外显子组测序（WES）可以对蛋白质编码区进行经济有效地分析，描述基因之间的相互作用，并可以识别增强或抑制这些遗传连锁的药物靶点。RNA-Seq 可同时检测转录组中数千个基因的表达模式，提供对功能通路和生物过程调控的见解。为了进一步了解基因调控机制，甲基化测序和芯片分析描述了整个表观基因组的甲基化模式。技术进步使得采用NGS 可以直接获得蛋白质定量的数据，促进了对蛋白质组的高通量研究。
图6:多组学在药物开发中的潜力-NGS和基于芯片的方法使全基因组、外显子组、转录组、表观基因组和蛋白质组的联合分析贯穿于可能提高疗效的新药的整个开发过程。
药物靶点发现
靶点发现是指通过组学（DNA、RNA 和蛋白质）对“可操作”实体（如大分子、分子功能、途径）进行无偏差鉴定，这些实体均可以作为现有药物或新候选药物的靶点（图7）。可以使用多种NGS 方法来识别靶点。
图7:靶点发现一对细胞系和类器官、来源于患者的样本或动物模型进行基于NGS的分析，可以无偏差地鉴定或假定药物靶点。
应用实例
结合WES 与电子健康记录，用于靶点识别
Regeneron Genetics Center 和Geisinger Health System 合作开展了DiscovEHR 研究，该研究是将基于基因组学的方法学应用于药物靶点发现的开创性范例。Geisinger Health System 对超过5 万名患者进行了WES。通过挖掘研究对象的现有电子健康记录，可以分析测序数据中发现的变异和目标表型之间的关联。除了确认变异和现有药物靶点之间的关联外，还发现了新的关联。例如，CSF2RB 基因的功能缺失突变与嗜碱性粒细胞和嗜酸性粒细胞免疫细胞计数的变化有关11。
基因分型极端表型
在正常表型分布极端尾部的个体的WGS 或WES 能够识别潜在的致病变异。患有骨质疏松症时，Wnt 信号通路的功能缺失突变与疾病相关，导致骨密度下降12。科学家对一个骨密度极高的家庭进行了基因分析。在LRP5 基因中发现了一个功能获得变异，导致Wnt 信号通路的增加和观察到的骨表型13。这些结果进一步表明Wnt 通路可作为治疗骨质疏松的候选治疗干预手段。
药物靶点验证
在临床相关模型（即人类细胞系、来源于患者的组织样本、动物模型）中对确定的靶点进行验证。验证过程旨在记录模型系统对给药方案的直接和间接反应（图8）。虽然理想模型是目标基因发生自然突变的人14，但基因组学工具的进步使得能够在体外和体内快速生成各种人类疾病模型，以验证药物靶点，并研究药物的作用机制、毒性和耐药性。CRISPR（规律成簇间隔短回文重复序列） 基因组编辑是一种革命性的方法，其中的可编程RNA 能将核酸酶（例如Cas9）靶向基因组中的特定位置15, 16。CRISPR-Cas9 技术具有突变、沉默、诱导或替换遗传元件的功能，凭借其快速、简易以及精确的优势广泛应用于世界研究领域。这一技术的发展大大增强了模型系统中基因功能的分子敲除或敲低能力。跨组学的NGS 方法可用于表征敲除/ 敲低的表型效应，检测个体或模型之间的差异，以了解疾病易感性，并识别病例和对照样本中生物标志物水平的差异17。
图8:靶点验证-药物靶点通常通过基因功能的分子敲除或敲低来验证。基于NGS的方法可以用于分析干扰在转录组、表观基因组和蛋白质组中的表型效应，以验证靶点开展进一步开发。
应用实例
利用CRISPR-Cas9 筛选药物靶点的优先性排序
认识到需要使用无偏差的方法来验证和确定优先考虑的癌症药物开发的靶点，科学家们在几个细胞系中进行了CRISPR-Cas9 适应度筛选，研究了超过1.8 万个基因，以确定那些是癌症细胞生长和生存所需的基因。研究结果表明，WRN 基因可优先作为治疗具有微卫星不稳定性（MSI） 的肿瘤的药物靶点18。
合作进一步推动科学发展
Illumina 提供集成式服务和支持，以匹配我们成熟技术的质量要求。一旦你选择了Illumina 产品，这就是一段关系的开始。我们的技术支持团队聘请了许多人拥有博士学位的专业人士，还有大量的免费在线培训资源。
Illumina 致力于支持DNA 和RNA 的广泛应用。Illumina 技术还使包括蛋白质组学和甲基化分析在内的新兴应用和多组学测序方法成为可能。通过与BioLegend、10x Genomics、Olink 和Nanostring 等供应商建立合作，我们可以帮助提供多组学产品解决方案，满足您的研究需求。
参考文献
Arrowsmith J, Miller P. Trial watch: phase II and phase III attrition rates 2011-2012. Nat Rev Drug Discov. 2013;12(8):569.
DiMasi J, Grabowski H, Hansen R. Innovation in the pharmaceutical industry: new estimates of R&D costs. J Health Econ . 2016;47:20-33.
Adashek JJ, Goloubev A, Kato S, Kurzrock R. Missing the target in cancer therapy. Nat Cancer. 2021;2:369–371.
Investment Needed to Bring a New Medicine to Market, 2009- 2018. JAMA . 2020;323(9):844-853.
Sugino H, Watanabe A, Amada N. Global trends in Alzheimer Disease clinical development: increasing the probability of success. Clin Ther . 2015;37(8):1632-1642.
Congressional Budget Office. Research and development in the pharmaceutical industry. 2021. Accessed July 28, 2021.
Francies HE, McDermott U, Garnett MJ. Genomics-guided pre-clinical development of cancer therapies. Nat Cancer . 2020;1482–492.
Wong CH, Siah KW, Lo AW. Estimation of clinical trial success rates and related parameters. Biostatistics . 2019;20(2):273-286.
Illumina (2015). Drug development review. Accessed July 28, 2021.
Spreafico R, Soriaga LB, Grosse J, Virgin HW, Telenti A. Advances in genomics for drug development. Genes (Basel) . 2020;11(8):942.
Dewey FE, Murray MF, Overton JD, et al. Distribution and clinical impact of functional variants in 50,726 whole-exome sequences from the DiscovEHR study. Science . 2016;354(6319): doi: 10.1126/science.aaf6814.
Baron R, Gori F. Targeting Wnt signaling in the treatment of osteoporosis. Curr Opin Pharmacol . 2018;40:134-141.
Boyden LM, Mao J, Belsky J, et al. High bone density due to a mutation in LDL-receptor-related protein 5. N Engl J Med. 2002;346(20):1513-1521.
Plenge RM, Scolnick EM, Altshuler D. Validating therapeutic targets through human genetics. Nat Rev Drug Discov. 2013;12(8): 581-594.
Cong L, Ran FA, Cox D, et al. Multiplex genome engineering using CRISPR/Cas systems. Science . 2013;339(6121):819-823.
Mali P, Yang L, Esvelt KM, et al. RNA-guided human genome engineering via Cas9. Science . 2013;339(6121):823-826.
Pasic MD, Samaan S, Yousef GM. Genomic medicine: new frontiers and new challenges. Clin Chem . 2013;59(1):158-167.
Behan FM, Iorio F, Picco G, et al. Prioritization of cancer therapeutic targets using CRISPR-Cas9 screens. Nature . 2019;568:511-516.
