老藥新用，在高風險的新藥開發過程當中，無疑是一個很有價值的話題。有文章報道，完全從頭開發一個全新結構藥物，時間周期為10-17年，而總的成功率要低于10%。而老藥新用，主要降低了安全性風險，并且有確定的藥代動力學研究和毒理學研究可參考，大部分只需要驗證其對于新適應癥的有效性，則大大縮短了研發周期，降低了開發風險。這等好事當然是每一個藥企一直夢寐以求的事情。可是問題來了，該怎么去發現經典老藥的未被開發的新適應癥呢？
圖1. 圖片來源于Nature Reviews Drug Discovery 3.8 (2004): 673-83.
如果有成熟的篩選方法，最暴力也最燒錢的做法，就是把全部老藥拿來篩一遍。但這無異于高通量篩選方法，這里略過不表。除了直接篩選的方法，一些基于相似性比較的信息學方法能否給我們老藥新用提供一些有用的線索呢？
相似的原因總會帶來相似的結果，這是大自然亙古不變的法則之一。結構決定性質，這也是現代藥學理論建立的基礎之一。這里的結構可以是小分子結構，大分子序列，不同構型構象等等。對于化學小分子，相似的結構總會產生相似的生物性質，雖然存在很多例外，但仍然是目前普遍接受的觀點。這也是本篇要講的相似性比較方法的理論前提。
回到老藥新用的話題，藥物小分子-作用靶標-疾病表型這三者之間是有錯綜復雜的網絡關系的，研究已知的網絡關系，再通過相似性比較方法是可以預測和發現新的聯系的，這也為發現老藥新用提供了思路。作用靶標-疾病表型之間的關系是系統生物學的研究內容，筆者水平有限，這里也略過不表。我們來關注藥物小分子-作用靶標之間的關系，多年的研究已經闡明了大量的小分子-靶標之間的聯系，因此，我們可以通過比較小分子結構之間的相似性，來發現小分子新的作用靶標。當然這個新的靶標可能只是該小分子產生副作用的根源，也可能是該小分子針對某一新適應癥的希望。
1、小分子結構相似性比較方法
大分子序列比對也許大家經常用到，大分子序列比對的方法構成了現代生物信息學的基礎。而對于小分子結構比較，目前比較常用的就是計算Tanimoto Coefficient (T系數)。例如要計算A與B的相似性T系數，其計算方式就是T=(A與B的交集)/(A與B的并集)。對于化學小分子，A、B集合里的元素可以是各種理化性質等邏輯描述符，也可以是將結構進行邏輯轉換后的各種代碼等。這里沒有孰優孰劣，唯一評判標準就是最終得到正確的預測結果。可以比較兩個小分子之間的相似性之后，對于要預測新靶標，而每個靶標是已知一系列配體的，則可以計算該分子與這一系列已知配體之間的結構相似性，來判斷該分子是否會對這一新靶標有作用，如下圖所示。對于兩兩計算的T系數，再將其轉換為E值(E=Knme-λS，S=∑Ti; 其中K，λ為依賴于模型的常數,n,m根據模型和分子數目確定)，則可以最終判斷該小分子作用于該靶標的可能性有多大。
2、藥物分子-作用靶標相互作用網絡圖
在文獻(Nature, 2009, 462(7270): 175-81)中作者對3000多個小分子，包括FDA已批準的可購買到的800多個藥物分子，分析了其與已確定作用于246個蛋白靶標的6萬多個小分子的相似性，從而預測這3000多個分子可能存在的新作用靶標。預測前后小分子-靶標相互作用的網絡圖分別如下所示。
圖2. 已知的小分子-靶標相互作用網絡圖，圖片來源于Nature, 2009, 462(7270): 175-81.
圖3. 預測后的小分子-靶標相互作用網絡圖，圖片來源于Nature, 2009, 462(7270): 175-81.
有了上述預測，驗證預測和發現新的藥物-靶標相互作用是一件令人興奮的事情。當然在這里，你發現的新靶標可能會跟新適應癥有關，但也可能是該藥物引起副作用的根源。例如，預測發現并已驗證，常用抗抑郁藥氟西汀和帕羅西汀同樣能作用于β受體阻斷劑，因此其可能具有降血壓的潛力。而抗艾滋病藥物地拉委定Rescriptor被預測和驗證其可作用于組胺H4受體，這可能是其導致嚴重皮疹癥狀的根源所在。預測結果里還有很多的驚喜存在，感興趣的讀者可自行查閱相關文獻(Nature, 2009, 462(7270): 175-81；Nature, 2012, 486(7403): 361-7.)。
讀到這里，尋找老藥新用的方法掌握了，再來思考下有意思的問題。藥物分子-作用靶標之間的關系，常常不是一對一的簡單關系，而是多對多的復雜網絡關系。那么可被靶向藥物小分子最多的蛋白靶標是哪些，又有哪些藥物分子可靶向的蛋白靶標最多？作者在文獻(Nature, 2012, 486(7403): 361-7.)中也闡釋了這個問題，如下圖所示。
圖4. Target promiscuity and drug promiscuity. 圖片來源于Nature, 2012, 486(7403): 361-7.
由圖可見，擁有最多藥物小分子配體的蛋白靶標為門控鈉離子通道SCN5A，但這可能為特例。總體上來說，GPCR和離子通道常常更傾向于與更多的小分子發生相互作用，其次為轉運蛋白，而對于選擇性要求更高的酶則與其相互作用的小分子相對較少。對于藥物小分子，與最多蛋白靶標相互作用的小分子為氯己定。總體上來說，形式電荷為正值貌似更容易與更多的蛋白靶標相互作用，而小分子的AlogP值在2-6之間也似乎更傾向于與更多的蛋白靶標發生相互作用，這可能與小分子自身成藥性也有一定關系。
在風險巨大的新藥開發過程中，老藥新用無疑是個可以行走的捷徑。開發合適的方法為老藥新用提供線索和思路，無論何時都會是新藥開發工作者值得關注的話題。
參考文獻：
1. Ashburn T T, Thor K B. Drug repositioning: identifying and developing new usesfor existing drugs. Nature Reviews Drug Discovery, 2004, 3(8):673-83.
2. Keiser M J, Setola V, Irwin J J, et al. Predicting new molecular targets forknown drugs. Nature, 2009, 462(7270):175-81.
3. Lounkine E, Keiser M J, Whitebread S, et al. Large-scale prediction and testingof drug activity on side-effect targets. Nature, 2012, 486(7403):361-7.