藥物重定位——網(wǎng)絡(luò)藥理學(xué)的重要應(yīng)用領(lǐng)域

張永祥，程肖蕊，周文霞

(軍事醫(yī)學(xué)科學(xué)院毒物藥物研究所，北京100850)

藥物重定位
——網(wǎng)絡(luò)藥理學(xué)的重要應(yīng)用領(lǐng)域

張永祥，程肖蕊，周文霞

(軍事醫(yī)學(xué)科學(xué)院毒物藥物研究所，北京100850)

藥物重定位是指發(fā)現(xiàn)已上市藥物的新適應(yīng)癥，是網(wǎng)絡(luò)藥理學(xué)的重要應(yīng)用領(lǐng)域。藥物重定位策略是目前已知的藥物研發(fā)策略中風(fēng)險(xiǎn)與效益比最好的策略之一，也是一種解決新藥開(kāi)發(fā)高投入低成功率困境的有效方法之一。目前已成功進(jìn)行重定位的藥物已超過(guò)百余種(國(guó)內(nèi)有老藥新用專著收載123種)，藥物重定位研究已超越了隨機(jī)發(fā)現(xiàn)藥物新適應(yīng)癥的階段，進(jìn)入了基于計(jì)算機(jī)技術(shù)的嶄新研究階段。現(xiàn)有研究方法主要有基于小分子(或配體)特征的方法、基于蛋白靶點(diǎn)(或受體)特征的方法、基于表型(或網(wǎng)絡(luò))特征的方法。隨著對(duì)防治重大疾病有效藥物需求的不斷增加，以及系統(tǒng)生物學(xué)、計(jì)算生物學(xué)、網(wǎng)絡(luò)藥理學(xué)等相關(guān)學(xué)科的快速發(fā)展，面對(duì)新藥研發(fā)難度越來(lái)越大的嚴(yán)峻形勢(shì)，藥物重定位已成為世界范圍內(nèi)關(guān)注的熱點(diǎn)，在藥物研發(fā)領(lǐng)域占據(jù)重要地位。

藥物重定位;網(wǎng)絡(luò)藥理學(xué);相似性擾動(dòng);相似性搜索

藥物重定位(drug repositioning)又稱“老藥新用”、“重審舊藥”，指已上市藥物發(fā)現(xiàn)新適應(yīng)癥或新用途，包括對(duì)處于臨床研究階段或已批準(zhǔn)上市的藥物進(jìn)行重定位(reposition)、重定用途(repurpose)、重評(píng)價(jià)(reprofile)、重新定位治療方向(redirecting)等。通常情況下，新藥研發(fā)從思路確定到藥物上市需要10～17年［1］，且成功率低于10%［2］，而藥物重定位則只需3～12年，且安全性和藥代動(dòng)力學(xué)等不確定性顯著減?。?］，使研發(fā)成本及風(fēng)險(xiǎn)明顯降低，周期縮短。由于開(kāi)展重定位研究的藥物通常已通過(guò)了臨床試驗(yàn)的幾個(gè)階段或是已上市，因此與從頭開(kāi)始研發(fā)、獲得專利許可等策略相比，其風(fēng)險(xiǎn)更低。此外，與獲得專利許可和重新組方策略相比，具有上市時(shí)間短和發(fā)現(xiàn)藥物作用差異性的可能性更大的優(yōu)勢(shì)，因此可望獲得更高的回報(bào)［3］。所以藥物重定位是目前已知的藥物研發(fā)策略中風(fēng)險(xiǎn)/效益比最好的策略之一。隨著網(wǎng)絡(luò)生物學(xué)研究的進(jìn)展，網(wǎng)絡(luò)藥理學(xué)技術(shù)為新藥研發(fā)提供了嶄新的手段，并不斷應(yīng)用于藥物重定位研究，成為藥物重定位研究的重要技術(shù)之一。

1 已獲批重定位的藥物

藥物重定位研究通常包括4個(gè)階段:①化合物發(fā)現(xiàn)和確認(rèn)階段:可通過(guò)靶向搜索或相似性搜索(主要是網(wǎng)絡(luò)藥理學(xué)技術(shù))研究已上市藥物的其它作用，采用專門的藥物重定位篩選技術(shù)平臺(tái)進(jìn)行篩選等，也可能通過(guò)新奇見(jiàn)解或意外發(fā)現(xiàn)獲得線索，該階段通常需要1～2年時(shí)間;②獲取化合物階段:可通過(guò)獲得專利使用許可、獲得新的知識(shí)產(chǎn)權(quán)(如采用異構(gòu)體、控釋制劑、專有劑量范圍、新配方等獲得的新專利)、已擁有的產(chǎn)品及化合物資源等進(jìn)行，通常需要0～2年時(shí)間，③開(kāi)發(fā)階段:可從臨床前、Ⅰ期或Ⅱ期臨床研究開(kāi)始，與已有研發(fā)進(jìn)展及所獲數(shù)據(jù)的支持力度有關(guān)，通常需要1～6年;④注冊(cè)階段:依據(jù)提交注冊(cè)申請(qǐng)的國(guó)家或地區(qū)管理機(jī)構(gòu)〔美國(guó)食品藥品管理局(FDA)和歐洲藥品評(píng)價(jià)局(EMEA)等〕的不同而不同，通常需要1～2年［3］。

截止到2012年12月，DrugBank數(shù)據(jù)庫(kù)(www.drugbank.ca)中至少收錄了1447個(gè)FDA批準(zhǔn)的小分子藥物、131個(gè)FDA批準(zhǔn)的生物技術(shù)藥物(蛋白質(zhì)和肽)、85個(gè)保健營(yíng)養(yǎng)品和5080個(gè)正在實(shí)驗(yàn)的藥物。此外，還收錄了與這些藥物有關(guān)聯(lián)的4227個(gè)非冗余蛋白(如藥物靶點(diǎn)、酶、轉(zhuǎn)運(yùn)體或載體)序列。每一個(gè)藥物條目包含超過(guò)150個(gè)數(shù)據(jù)域的信息，這些信息的一半是藥物/化學(xué)數(shù)據(jù)，另一半是藥物靶點(diǎn)或蛋白數(shù)據(jù)。該數(shù)據(jù)庫(kù)是進(jìn)行藥物重定位研究的重要數(shù)據(jù)來(lái)源之一。美國(guó)藥品研究與制造商協(xié)會(huì)的統(tǒng)計(jì)數(shù)據(jù)表明［4］，目前全球每年提交注冊(cè)申請(qǐng)的新藥逐年增加，僅2011年一年就達(dá)7500個(gè)，其中向美國(guó)食品藥品管理局、歐洲藥品評(píng)價(jià)局、日本厚生勞動(dòng)省提交注冊(cè)申請(qǐng)的分別為3091、1449和556個(gè)，其它國(guó)家和地區(qū)有2465個(gè)。這些已知藥物和藥物靶點(diǎn)信息同樣為藥物重定位的研究提供了較豐富的資源。

從已知藥物中發(fā)現(xiàn)新適應(yīng)癥，成功重定位的藥物已有100多種，表1所列為其中具有代表性的40余種，這些藥物有的是在臨床用藥或?qū)嶒?yàn)研究時(shí)偶然發(fā)現(xiàn)、并經(jīng)進(jìn)一步研究確定的;有些則是基于新思路研究或通過(guò)其它途徑發(fā)現(xiàn)的。目前則多從專門為研發(fā)藥物重定位所建立的技術(shù)平臺(tái)篩選和基于計(jì)算機(jī)的方法所發(fā)現(xiàn)，即理性發(fā)現(xiàn)，這將大大提高發(fā)現(xiàn)效率。

表1 部分成功重定位的藥物［3］

(續(xù)表)

2 藥物重定位研究技術(shù)

藥物重定位的生物學(xué)依據(jù)是一藥多靶和一靶多治，主要是基于生命科學(xué)尤其是網(wǎng)絡(luò)生物學(xué)研究所取得的成果［5－6］。目前用于藥物重定位研究的主要方法有兩類，一是以高通量篩選、高內(nèi)涵技術(shù)為主的篩選方法，二是基于計(jì)算機(jī)的虛擬篩選和生物計(jì)算的方法。其中為開(kāi)展藥物重定位研究所建立的高通量篩選技術(shù)需購(gòu)置專門的儀器設(shè)備，開(kāi)發(fā)和購(gòu)買特定的試劑盒，開(kāi)展專門的數(shù)據(jù)分析和挖掘工作，并需投入大量專業(yè)技術(shù)人員，國(guó)外有實(shí)力的制藥企業(yè)常采用該方法。然而，高通量篩選方法的通量再高也有一定限度，只能對(duì)較少的藥物進(jìn)行篩選，而且存在其篩選結(jié)果會(huì)受到藥物的化學(xué)性質(zhì)、穩(wěn)定性等因素的影響，且不適合對(duì)前藥進(jìn)行篩選等缺點(diǎn)［7］。為提高篩選效率，目前所采用的策略是運(yùn)用網(wǎng)絡(luò)藥理學(xué)的思路和方法，首先應(yīng)用計(jì)算機(jī)進(jìn)行虛擬篩選，優(yōu)選成藥性及發(fā)展前景好的候選藥物，進(jìn)一步開(kāi)展高通量和高內(nèi)涵篩選。

網(wǎng)絡(luò)藥理學(xué)是指將藥物作用網(wǎng)絡(luò)與生物網(wǎng)絡(luò)進(jìn)行整合、比對(duì)和分析，分析藥物在整合網(wǎng)絡(luò)中與特定節(jié)點(diǎn)或模塊的相互作用關(guān)系，從而深入認(rèn)識(shí)藥物和機(jī)體相互作用規(guī)律的科學(xué)［8－9］。因此，現(xiàn)階段基于計(jì)算機(jī)技術(shù)與方法進(jìn)行的藥物重定位研究，主要是以生物學(xué)尤其是網(wǎng)絡(luò)生物學(xué)和網(wǎng)絡(luò)藥理學(xué)研究進(jìn)展為基礎(chǔ)，采用網(wǎng)絡(luò)藥理學(xué)相關(guān)技術(shù)和方法開(kāi)展的。根據(jù)研究策略的不同，可將基于計(jì)算機(jī)的藥物重定位研究方法分為三類:①基于小分子(配體)特征，即針對(duì)特定藥物或化合物，預(yù)測(cè)新的潛在靶點(diǎn)或藥物-靶點(diǎn)相互作用;②基于藥物靶點(diǎn)(核酸、蛋白、酶、離子通道和受體等)的特征，即針對(duì)某一特定靶點(diǎn)而預(yù)測(cè)新藥、目標(biāo)化合物或藥物-靶點(diǎn)相互作用;③基于表型(或網(wǎng)絡(luò))特征，即通過(guò)藥物-靶點(diǎn)網(wǎng)絡(luò)預(yù)測(cè)藥物-靶點(diǎn)相互作用［10－11］。

2.1 基于小分子(或配體)的藥物重定位技術(shù)

盡管對(duì)藥物的初始設(shè)計(jì)都是有選擇性的，甚至對(duì)靶點(diǎn)具有高度的特異性，但實(shí)際情況是往往存在一個(gè)藥物同時(shí)具有多個(gè)靶點(diǎn)的現(xiàn)象，這種情況下通常會(huì)導(dǎo)致副作用產(chǎn)生，但同時(shí)也會(huì)對(duì)治療作用或其他方面的有效性做出貢獻(xiàn)。基于藥物或小分子結(jié)構(gòu)的藥物重定位研究方法主要有相似性搜索和定量構(gòu)效關(guān)系(quantitative structure-activity relationships，QSAR)研究等。

相似性搜索也稱相似性分析，其基本原理是:一方面，相似結(jié)構(gòu)的分子可能結(jié)合到同一個(gè)靶點(diǎn)，具有相似的生物學(xué)功能，通過(guò)比較配體分子間的化學(xué)相似性，可推測(cè)其可能具有相似的靶點(diǎn)，發(fā)揮相似的藥理作用，通過(guò)該方法可發(fā)現(xiàn)新的藥理作用，因此該方法可用來(lái)預(yù)測(cè)原認(rèn)為在生物學(xué)上不相關(guān)的兩個(gè)靶點(diǎn)之間的相似性;另一方面，具有不同功能的生物大分子(靶點(diǎn))可能具有相似的藥物結(jié)合域，因此對(duì)與靶點(diǎn)結(jié)合藥物的化學(xué)特征和靶點(diǎn)分子的結(jié)構(gòu)進(jìn)行相似性比較，可預(yù)測(cè)藥物的未知靶點(diǎn)。

Keiser等［12］將3665個(gè)已獲美國(guó)FDA批準(zhǔn)的藥物和仍處于研究階段的藥物與數(shù)百個(gè)藥物靶點(diǎn)進(jìn)行比對(duì)。通過(guò)對(duì)藥物和配體集間的化學(xué)相似性進(jìn)行比較，預(yù)測(cè)到了數(shù)千種未曾預(yù)料到的關(guān)聯(lián)。對(duì)其中30個(gè)關(guān)聯(lián)進(jìn)行了驗(yàn)證，有23個(gè)新的藥物-靶點(diǎn)之間的作用得到確認(rèn)，其中有5個(gè)與預(yù)測(cè)靶點(diǎn)的結(jié)合強(qiáng)度較高(Ki＜100 nmol·L－1)，如研究發(fā)現(xiàn)原作用于NMDA受體的離子通道藥物芐哌酚胺(艾芬地爾)對(duì)5-羥色胺轉(zhuǎn)運(yùn)體具有抑制作用，原為胃腸蠕動(dòng)刺激劑的外周多巴胺受體阻滯藥多潘立酮對(duì)α1A腎上腺素受體具有阻斷作用，原為腎上腺素α1阻滯劑治療高血壓和偏頭痛的吲哚胺對(duì)多巴胺D4受體具有拮抗作用，原為抗組胺藥和抗高血壓藥的二甲利嗪對(duì)α1A腎上腺素受體具有阻斷作用，安定藥氟丁酰酮對(duì)α1腎上腺素受體具有阻斷作用。其中一個(gè)化合物N，N-二甲基色胺與5-羥色胺受體作用的生理學(xué)意義在基因敲除小鼠上得到了驗(yàn)證［12］。在另一項(xiàng)研究中，Keiser等［13］將65 000個(gè)配體(藥物)與數(shù)百個(gè)藥物靶點(diǎn)進(jìn)行相似性分析，使用配體(藥物)拓?fù)鋵W(xué)計(jì)算每個(gè)藥物-靶點(diǎn)集合的相似性分值，并使用統(tǒng)計(jì)學(xué)模型對(duì)相似性分值的重要性進(jìn)行排序，結(jié)果發(fā)現(xiàn)麻醉藥美沙酮可靶向毒蕈堿M3受體，抗寄生蟲病藥依米丁可靶向α2腎上腺素受體，麻醉和止瀉藥洛哌丁胺可靶向神經(jīng)激肽NK2受體［13］。上述方法通過(guò)化學(xué)相似性進(jìn)行關(guān)聯(lián)分析，同時(shí)融合了必要的生物學(xué)信息，具有系統(tǒng)性和綜合性的特點(diǎn)，可為很多藥物副作用或新適應(yīng)癥的發(fā)現(xiàn)提供線索，是發(fā)現(xiàn)新的藥物作用靶點(diǎn)、開(kāi)展藥物重定位研究的良好策略與方法。

QSAR是指將化合物的結(jié)構(gòu)參數(shù)和其生物活性數(shù)據(jù)以一定的算式相聯(lián)系的定量關(guān)系。在采用QSAR方法研究藥物重定位過(guò)程中，為克服傳統(tǒng)方法中僅針對(duì)一個(gè)蛋白靶點(diǎn)預(yù)測(cè)化合物活性的缺點(diǎn)，有人開(kāi)發(fā)了多靶點(diǎn)定量構(gòu)效關(guān)系(multitarget QSAR，mt-QSAR)的方法［14－16］。Prado-Prado等［17］使用mt-QSAR方法對(duì)文獻(xiàn)報(bào)道的700多個(gè)抗寄生蟲的藥物進(jìn)行了分析，用線性判別分析處理并建模，結(jié)果表明所建模型在訓(xùn)練中的預(yù)測(cè)準(zhǔn)確率為93.62%(1160/1239例)，外部驗(yàn)證表明其預(yù)測(cè)準(zhǔn)確率為94.9%(573/607例)。Gonzalez-Diaz等［14］采用mt-QSAR法結(jié)合MARCH-INSIDE軟件計(jì)算藥物和靶點(diǎn)的結(jié)構(gòu)參數(shù)，同樣采用線性判別分析法尋求最佳模型，發(fā)現(xiàn)其所獲模型在訓(xùn)練中其預(yù)測(cè)準(zhǔn)確率為94.4%(3859/4086例)，外部驗(yàn)證準(zhǔn)確率為94.9%(1909/2012例)。Cheng等［18］使用mt-QSAR和計(jì)算化學(xué)基因組學(xué)技術(shù)進(jìn)行化學(xué)物-蛋白相互作用(chemical-protein interaction，CPI)預(yù)測(cè)，從ChEMBL數(shù)據(jù)庫(kù)收集了兩個(gè)綜合數(shù)據(jù)集，一個(gè)數(shù)據(jù)集由50 924個(gè)化合物和136個(gè)G蛋白偶聯(lián)受體之間形成的81 689個(gè)CPI對(duì)組成，另一個(gè)數(shù)據(jù)集則由23 376個(gè)化合物和176個(gè)激酶之間形成的43 965個(gè)CPI對(duì)組成。受試數(shù)據(jù)集的接收者操作特征曲線(ROC曲線)的曲線下面積(AUC，反映敏感性和特異性連續(xù)變量的綜合指標(biāo)，曲線下面積越大，診斷準(zhǔn)確性越高。)在運(yùn)用100個(gè)GPCR所構(gòu)建的mt-QSAR模型上為AUC 0.95到1，而在由100個(gè)激酶所構(gòu)建的mt-QSAR模型上為AUC 0.82到1。使用化學(xué)基因組方法進(jìn)行5倍交叉驗(yàn)證的結(jié)果表明，運(yùn)用兩個(gè)模型所獲得的AUC均約為0.92［18］。上述結(jié)果提示，與mt-QSAR相比，計(jì)算化學(xué)基因組學(xué)技術(shù)在對(duì)外部數(shù)據(jù)集進(jìn)行驗(yàn)證時(shí)存在較高的假陽(yáng)性率，其性能不如mt-QSAR［18］。該研究者同時(shí)還開(kāi)發(fā)了基于上述方法的可預(yù)測(cè)CPI的網(wǎng)絡(luò)服務(wù)器，可免費(fèi)使用，為網(wǎng)絡(luò)藥理學(xué)和藥物重定位研究提供了可供選擇的方法和工具。

2.2 基于藥物靶點(diǎn)的藥物重定位技術(shù)

基于藥物靶點(diǎn)的藥物重定位是指針對(duì)某一特定藥物靶點(diǎn)預(yù)測(cè)新藥或目標(biāo)化合物，通常使用配體-受體反向?qū)臃椒?。該方法可用于藥?靶點(diǎn)親和力預(yù)測(cè)、藥物-靶點(diǎn)相互作用預(yù)測(cè)等［19－21］。如對(duì)已知生物活性但作用機(jī)制尚不清楚的候選藥物可預(yù)測(cè)其潛在的靶點(diǎn)，對(duì)于作用機(jī)制明確的藥物可通過(guò)反向?qū)铀褜に幬锎渭?jí)靶點(diǎn)信息，可用于藥物重定位及預(yù)測(cè)與藥物毒副作用相關(guān)的蛋白，也可用于小分子配體靶點(diǎn)的搜尋。但反向?qū)臃椒ú贿m于三維結(jié)構(gòu)未知的靶點(diǎn)。

SELNERGY是一個(gè)基于反向?qū)拥某绦颍軌蜥槍?duì)2000多個(gè)3D藥物靶點(diǎn)進(jìn)行化合物靶向虛擬篩選。該程序已成功應(yīng)用于抗焦慮藥托非索泮的重定位研究。托非索泮于20世紀(jì)80年代上市，用于焦慮癥的治療，其特點(diǎn)是已過(guò)專利保護(hù)期、作用機(jī)制不十分清楚，且上市使用的是包含兩種對(duì)映異構(gòu)體的消旋體，具有研發(fā)出兩個(gè)對(duì)映異構(gòu)體藥物的可能，因而是一個(gè)具有較好前景的研究對(duì)象。做為具有非典型2，3-苯二氮艸卓藥物，托非索泮并不與苯二氮艸卓受體結(jié)合，因而避免了產(chǎn)生苯二氮艸卓類藥物的中樞副作用，但其作用機(jī)制一直不明。研究者所在團(tuán)隊(duì)最近研究發(fā)現(xiàn)該藥具有PDE4抑制劑的作用，他們采用SELNERGY策略進(jìn)一步研究發(fā)現(xiàn)托非索泮抑制PDE4的活性為亞微摩爾級(jí)，且其S-對(duì)映異構(gòu)體的活性比R-對(duì)映異構(gòu)體強(qiáng)10倍［22］，這些研究為開(kāi)發(fā)托非索泮與PDE4抑制劑作用相關(guān)的新適應(yīng)癥提供了有力證據(jù)，提示SELNERGY是進(jìn)行藥物重定位研究的良好方法之一。

TarFisDock是一個(gè)基于網(wǎng)絡(luò)、基于蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)進(jìn)行小分子-蛋白相互作用自動(dòng)搜索的工具，它包含一個(gè)潛在藥物靶點(diǎn)數(shù)據(jù)庫(kù)和一個(gè)反向配體-蛋白對(duì)接程序。與傳統(tǒng)配體-蛋白對(duì)接不同，反向配體-蛋白對(duì)接的目的是通過(guò)篩選合適的蛋白質(zhì)數(shù)據(jù)庫(kù)為小分子尋找潛在的蛋白靶點(diǎn)。為檢驗(yàn)TarFisDock方法的可靠性，研發(fā)者使用該工具在潛在藥物靶點(diǎn)數(shù)據(jù)庫(kù)庫(kù)中搜尋維生素E和4H-他莫昔芬的推定靶點(diǎn)，結(jié)果發(fā)現(xiàn)，TarFisDock辨識(shí)得到的維生素E結(jié)合蛋白中得分最高的2個(gè)和得分靠前10%的候選靶點(diǎn)分別占已確認(rèn)或經(jīng)實(shí)驗(yàn)驗(yàn)證靶點(diǎn)的30%和50%;TarFisDock辨識(shí)得到的4H-他莫昔芬結(jié)合蛋白中得分最高的2個(gè)候選靶點(diǎn)和得分靠前5%的候選靶點(diǎn)也分別占經(jīng)實(shí)驗(yàn)驗(yàn)證靶點(diǎn)的30%和50%。提示Tar Fis Dock進(jìn)行靶點(diǎn)預(yù)測(cè)可靠性較高，有望成為一種對(duì)老藥進(jìn)行靶點(diǎn)辨識(shí)及機(jī)制研究的有用工具［20］。

結(jié)構(gòu)蛋白質(zhì)組脫靶研究技術(shù)是一種將分子動(dòng)力學(xué)模擬、MM/GBSA自由能計(jì)算與配體結(jié)合位點(diǎn)比較以及生物網(wǎng)絡(luò)分析等進(jìn)行整合以辨識(shí)已知藥物潛在靶外結(jié)合位點(diǎn)或靶點(diǎn)的方法，用于奈非那韋靶外結(jié)合分子的研究取得了明顯進(jìn)展［19］。奈非那韋是HIV逆轉(zhuǎn)錄酶抑制劑類抗艾滋病藥，近年發(fā)現(xiàn)其具有多效抗腫瘤作用，實(shí)驗(yàn)研究結(jié)果提示其可能通過(guò)抑制Akt信號(hào)轉(zhuǎn)導(dǎo)通路而發(fā)揮抗腫瘤作用，但其確切的分子靶點(diǎn)并不清楚［23－25］。Xie等［19］采用結(jié)構(gòu)蛋白質(zhì)組脫靶研究技術(shù)進(jìn)行研究的結(jié)果表明，奈非那韋可抑制與腫瘤發(fā)生和轉(zhuǎn)移密切相關(guān)的多個(gè)蛋白激酶樣超家族中成員，其中大部分蛋白激酶是Akt，MAPK，JNK，NF-κB，mTOR及相關(guān)信號(hào)通路的上游分子，作者推測(cè)奈非那韋對(duì)這些蛋白激酶弱但廣譜的抑制作用可能是其對(duì)不同類型腫瘤產(chǎn)生治療作用的重要原因。上述計(jì)算機(jī)預(yù)測(cè)的結(jié)果得到了激酶活性測(cè)定實(shí)驗(yàn)的支持，且與已有實(shí)驗(yàn)和臨床證據(jù)一致，這一結(jié)果為解釋奈非那韋具有廣譜抗腫瘤效應(yīng)的原因提供了分子基礎(chǔ)，同時(shí)也為進(jìn)一步研究和優(yōu)化奈非那韋的多向藥理學(xué)特性提供了線索。

2.3 基于網(wǎng)絡(luò)或表型的藥物重定位技術(shù)

從系統(tǒng)生物學(xué)的角度看，生物網(wǎng)絡(luò)平衡是健康的基礎(chǔ)，疾病的本質(zhì)在于生物網(wǎng)絡(luò)的失平衡，藥物治療疾病的本質(zhì)則在于重建生物網(wǎng)絡(luò)的平衡或減輕平衡被破壞的程度。藥物治療復(fù)雜疾病的作用往往不是通過(guò)作用于單一致病基因而發(fā)揮的，而是通過(guò)調(diào)節(jié)或擾動(dòng)“致病網(wǎng)絡(luò)”，從而影響疾病表型來(lái)實(shí)現(xiàn)的。

基于網(wǎng)絡(luò)或表型研究方法的基礎(chǔ)是一藥多靶、一靶多藥且多個(gè)藥物-靶點(diǎn)相互作用可形成網(wǎng)絡(luò)的理論，這種生物學(xué)現(xiàn)象最直接的證據(jù)就是通過(guò)藥物-靶點(diǎn)二元相關(guān)性將美國(guó)FDA批準(zhǔn)的藥物和蛋白(或靶點(diǎn))連接起來(lái)所建立的二部圖網(wǎng)絡(luò)，經(jīng)定量分析，發(fā)現(xiàn)多數(shù)藥物或靶點(diǎn)呈現(xiàn)出冗余性的特征，即一個(gè)藥物對(duì)應(yīng)多個(gè)靶點(diǎn)，且一個(gè)靶點(diǎn)又對(duì)應(yīng)多個(gè)藥物［26］?；趶?fù)雜網(wǎng)絡(luò)理論，已有3種高級(jí)推理算法被用于藥物重定位研究［27－29］，如基于藥物的相似性推理基于靶點(diǎn)相似性的推理和基于網(wǎng)絡(luò)的推理即基于藥物-靶點(diǎn)二部網(wǎng)絡(luò)拓?fù)湎嗨菩缘耐评怼?/p>

2.3.1 基于藥物作用相似性推理

除上述通過(guò)藥物結(jié)構(gòu)相似性進(jìn)行藥物重定位研究外，根據(jù)藥物作用(生物效應(yīng))的相似性進(jìn)行研究也是該領(lǐng)域的研究熱點(diǎn)。

全基因組關(guān)聯(lián)分析(genome-wide association studies，GWAS)具有在全基因組范圍內(nèi)進(jìn)行整體研究、獲得藥物全面作用信息的優(yōu)點(diǎn)，近年來(lái)被應(yīng)用于藥物重定位研究，取得了一些有意義的結(jié)果。Sanseau等［30］通過(guò)對(duì)公開(kāi)報(bào)道的GWAS數(shù)據(jù)進(jìn)行分析后選擇其中991條GWAS相關(guān)基因用于潛在藥物靶點(diǎn)的評(píng)價(jià)，發(fā)現(xiàn)其中155條(15.6%)基因是全球范圍的藥物研發(fā)鏈上相關(guān)藥物或候選藥的靶點(diǎn)。進(jìn)一步研究的結(jié)果表明，其中63條GWAS基因與GWAS性狀以及藥物的適應(yīng)癥相同或非常接近(認(rèn)為匹配)，更好地說(shuō)明了藥物適應(yīng)癥是合適的;相反，有93條GWAS基因與藥物的適應(yīng)癥不同(認(rèn)為不匹配)，為藥物潛在新適應(yīng)癥的研究提供了線索，即為藥物重定位提供了機(jī)會(huì)。比如，他們?cè)谘芯恐邪l(fā)現(xiàn)，用于治療絕經(jīng)后婦女骨質(zhì)疏松癥的單抗藥物地舒單抗靶向腫瘤壞死因子(配體)超家族成員11〔tumor necrosis factor(ligand)superfamily，member 11，TNFSF11，也叫核因子NF-κB受體活化子配體(RANKL)〕;而Franke等［31］通過(guò)GWAS分析曾發(fā)現(xiàn)，TNFSF11與克羅恩氏病發(fā)生關(guān)聯(lián)，其可能在炎癥性腸病中發(fā)揮重要作用。因此，他們推測(cè)，地舒單抗可能對(duì)克羅恩氏病具有治療作用，進(jìn)而通過(guò)分別使用順式-調(diào)節(jié)變異和順式-e定量性狀位點(diǎn)分析等方法，證明了TNFSF11的等位基因(rs2062305［G］)與克羅恩氏病發(fā)生的相關(guān)性，從而部分證實(shí)了他們的推測(cè)［30］。

通過(guò)藥物的副作用發(fā)現(xiàn)新的藥物作用靶點(diǎn)和機(jī)制是進(jìn)行藥物重定位研究的另一個(gè)重要策略。Campillos等［32］對(duì)已上市的746個(gè)藥物按副作用相似性建立網(wǎng)絡(luò)并進(jìn)行網(wǎng)絡(luò)分析，構(gòu)建了一個(gè)由1018個(gè)副作用所驅(qū)動(dòng)的藥物-藥物關(guān)聯(lián)網(wǎng)絡(luò)，包括已知有共同靶點(diǎn)的407個(gè)藥物-藥物關(guān)聯(lián)和新預(yù)測(cè)出來(lái)的611個(gè)藥物-藥物關(guān)聯(lián)(或藥物對(duì))。這611個(gè)新預(yù)測(cè)出的藥物-藥物關(guān)聯(lián)又可分為四類，包括有相似化學(xué)結(jié)構(gòu)或相似靶點(diǎn)的158個(gè)、無(wú)已知人類靶點(diǎn)的119個(gè)、屬于同樣治療分類的73個(gè)，以及未曾預(yù)料到的屬于不同治療分類的關(guān)聯(lián)261個(gè)。由于這261個(gè)藥物-藥物關(guān)聯(lián)中既無(wú)相似的化學(xué)結(jié)構(gòu)，也無(wú)相同的適應(yīng)癥，用傳統(tǒng)方法難以發(fā)現(xiàn)，從通過(guò)計(jì)算預(yù)測(cè)藥物作用的角度來(lái)看意義更大，因此作者對(duì)其進(jìn)行了詳細(xì)研究。他們選擇其中的20個(gè)進(jìn)行了實(shí)驗(yàn)驗(yàn)證，發(fā)現(xiàn)有13個(gè)與所預(yù)測(cè)靶點(diǎn)之間在體外結(jié)合實(shí)驗(yàn)中顯示了較高親和力，其中有11個(gè)與所預(yù)測(cè)靶點(diǎn)的結(jié)合常數(shù)小于10 μmol·L－1(表2)，被認(rèn)為具有生物活性，足以引起副作用。進(jìn)而，又選擇了9個(gè)藥物在細(xì)胞水平進(jìn)行了活性檢測(cè)，結(jié)果活性全部得到了驗(yàn)證，說(shuō)明通過(guò)副作用(表型)相似性進(jìn)行靶點(diǎn)預(yù)測(cè)的準(zhǔn)確性很高。研究結(jié)果提示，使用藥物作用表型(如副作用)相似性不但能推斷藥物是否共用一個(gè)靶點(diǎn)，還能闡明新的藥物-靶點(diǎn)相互作用［32］，說(shuō)明使用表型變化特點(diǎn)推斷分子相互作用及發(fā)現(xiàn)上市藥物的新用途是可行的。

2.3.2 基于靶點(diǎn)相似性推理

以網(wǎng)絡(luò)或表型為基礎(chǔ)，基于靶點(diǎn)相似性的推理通常采用以下兩個(gè)策略:一是對(duì)基因表達(dá)譜相似性的擾動(dòng)，二是對(duì)基因表達(dá)標(biāo)簽相似性的擾動(dòng)。這兩種方法均需要首先獲得待研究藥物的基因表達(dá)譜［33－35］。

根據(jù)基因表達(dá)譜的相似性可預(yù)測(cè)藥物作用的相似性和新的作用方式，對(duì)藥物作用進(jìn)行重定位。Lorio等［36］構(gòu)建了一個(gè)由1302個(gè)節(jié)點(diǎn)(藥物)和41 047個(gè)邊(具有相似性的藥物對(duì))組成的藥物網(wǎng)絡(luò)，進(jìn)一步進(jìn)行網(wǎng)絡(luò)分析發(fā)現(xiàn)，網(wǎng)絡(luò)致密連接區(qū)富集的藥物具有相似的作用方式或作用于同一生物通路，據(jù)此可預(yù)測(cè)藥物靶向的主要生物通路。將新的未知的化合物整合到該網(wǎng)絡(luò)中預(yù)測(cè)其治療效應(yīng)和脫靶效應(yīng)，結(jié)果正確地預(yù)測(cè)了9個(gè)抗癌化合物的作用模式，其中發(fā)現(xiàn)了拓?fù)洚悩?gòu)酶抑制劑具有抑制細(xì)胞周期依賴的蛋白激酶的作用，該作用到目前為止還未見(jiàn)報(bào)道。進(jìn)而，通過(guò)實(shí)驗(yàn)證明了細(xì)胞周期蛋白依賴的激酶2抑制劑與拓?fù)洚悩?gòu)酶抑制劑作用模式之間未曾預(yù)料到的相似性，從而為化合物作用方式或模式的揭示提供線索。此外，還發(fā)現(xiàn)Rho激酶抑制劑法舒地爾亦是一種細(xì)胞自噬增強(qiáng)劑，因此，該藥除作為血管擴(kuò)張劑用于缺血性腦血管痙攣外，還有望用于幾種神經(jīng)退行性疾病的治療［36］。Sirota等［33］則采用系統(tǒng)計(jì)算的方法，通過(guò)綜合測(cè)定藥物-疾病配對(duì)中的分子標(biāo)簽預(yù)測(cè)新的適應(yīng)癥。該研究將164個(gè)藥物的基因表達(dá)譜與100種疾病的基因表達(dá)譜進(jìn)行整合，來(lái)預(yù)測(cè)這些藥物的潛在治療作用，結(jié)果既發(fā)現(xiàn)了許多已有藥物與疾病的關(guān)聯(lián)性，同時(shí)也預(yù)測(cè)到了這164個(gè)藥物的許多新治療作用。作者從100種疾病中找出了53種疾病的藥物-疾病的配對(duì)關(guān)系，164個(gè)小分子中的每一個(gè)分子都與53種疾病中至少1種相關(guān)，而與這些藥物匹配數(shù)最高的疾病是癌癥，預(yù)測(cè)結(jié)果表明，組蛋白去乙?；敢种苿┓炙舅沁m應(yīng)癥最多藥物，對(duì)多種疾病都有效。進(jìn)而，作者選擇了專利到期、價(jià)格低且副作用較少的藥物西咪替丁進(jìn)行了實(shí)驗(yàn)，結(jié)果表明，西咪替丁可使肺腺癌細(xì)胞生長(zhǎng)減慢、分化減少并發(fā)生廣泛凋亡，使用肺腺癌小鼠異種移植模型進(jìn)行實(shí)驗(yàn)發(fā)現(xiàn)，西咪替丁使腫瘤縮小的程度幾乎與化療藥多柔比星的作用相當(dāng)［33］。上述研究表明，通過(guò)對(duì)基因表達(dá)譜進(jìn)行系統(tǒng)計(jì)算是發(fā)現(xiàn)藥物新作用，進(jìn)行藥物重定位研究的有效方法之一。

表2 預(yù)測(cè)獲得的抑制常數(shù)(Ki)小于10 μmol·L－1的藥物

采用基因表達(dá)標(biāo)簽(疾病發(fā)展過(guò)程中或經(jīng)藥物處理后顯著上調(diào)和下調(diào)的基因)的相似性進(jìn)行藥物重定位研究時(shí)，通常采用如下方法進(jìn)行:首先采用微陣列顯著性分析技術(shù)，對(duì)兩套基因表達(dá)數(shù)據(jù)即基因表達(dá)庫(kù)中與疾病相關(guān)的芯片檢測(cè)數(shù)據(jù)和使用藥物處理細(xì)胞后芯片檢測(cè)數(shù)據(jù)進(jìn)行分析，獲得基因標(biāo)簽，然后將疾病標(biāo)簽與藥物表達(dá)標(biāo)簽進(jìn)行統(tǒng)計(jì)比較，產(chǎn)生一系列藥物基因表達(dá)譜。依據(jù)譜的相似性給每個(gè)藥物-疾病對(duì)分配一個(gè)分值，若分值為負(fù)值則表示藥物和疾病有相反的標(biāo)簽，提示藥物有可能對(duì)該疾病具有治療效果。采用該方法，Dudley等［34］預(yù)測(cè)發(fā)現(xiàn)治療癲癇的藥物托吡酯對(duì)克羅恩氏病的治療分值較對(duì)該病具有確切療效的潑尼松龍還要高，預(yù)測(cè)也發(fā)現(xiàn)托吡酯對(duì)潰瘍性結(jié)腸炎也是最具療效的藥物之一。在此基礎(chǔ)上，采用三硝基苯甲酸誘導(dǎo)的炎性腸病大鼠模型檢測(cè)托吡酯的作用，結(jié)果發(fā)現(xiàn)與潑尼松龍?zhí)幚斫M相比，使用托吡酯的模型大鼠腹瀉減少，炎癥和潰瘍均減輕，結(jié)腸黏膜層破壞減少［34］，表明托吡酯對(duì)實(shí)驗(yàn)性炎性腸病具有良好治療作用。上述研究表明，采用基因表達(dá)標(biāo)簽相似性推理的方法對(duì)于預(yù)測(cè)藥物新的適應(yīng)癥是非常有用的，是開(kāi)展藥物重定位研究的有效方法。

2.3.3 基于網(wǎng)絡(luò)相似性推理

基于網(wǎng)絡(luò)相似性(或稱網(wǎng)絡(luò)拓?fù)湎嗨菩?推理的方法，通常采用藥物-靶點(diǎn)二部網(wǎng)絡(luò)拓?fù)湎嗨菩酝茖?dǎo)已知藥物作用的新靶點(diǎn)。

Cheng等［10］采用基于網(wǎng)絡(luò)相似性推理的方法，應(yīng)用FDA批準(zhǔn)的12 483個(gè)藥物(靶向酶、離子通道、GPCR和核受體)和實(shí)驗(yàn)獲得的靶點(diǎn)-藥物結(jié)合，建立了藥物-靶點(diǎn)網(wǎng)絡(luò)，并預(yù)測(cè)了一些新的藥物-靶點(diǎn)相互作用。對(duì)其中40個(gè)藥物進(jìn)行了體外實(shí)驗(yàn)檢測(cè)，結(jié)果表明，其中5個(gè)老藥具有新作用。如發(fā)現(xiàn)白三烯D4受體拮抗劑孟魯司特具有抑制二肽肽酶-Ⅳ的作用(IC50=9.79 mmol·L－1);雙氯芬酸、辛伐他汀、酮康唑和伊曲康唑具有雌激素受體結(jié)合活性(EC50均小于10 μmol·L－1)。此外，在檢測(cè)藥物對(duì)細(xì)胞增殖影響的實(shí)驗(yàn)中，發(fā)現(xiàn)辛伐他汀和酮康唑?qū)θ巳橄侔┘?xì)胞系MDA-MB-231具有很強(qiáng)的抗增殖活性(IC50分別為8.95和1.49 μmol·L－1)［10］。作者將本研究所采用的方法與前述基于藥物作用相似性推理的方法和基于靶點(diǎn)相似性推理的方法進(jìn)行了比較，認(rèn)為基于網(wǎng)絡(luò)相似性推理的方法具有更高的預(yù)測(cè)準(zhǔn)確性和檢出率［10］。

Chiang等［37］采用“連坐法”進(jìn)行藥物-疾病相關(guān)性預(yù)測(cè)和藥物重定位研究，發(fā)現(xiàn)了近57 000種藥物新用途，這些新用途為臨床試驗(yàn)提供了新線索。進(jìn)而，作者選擇了抗腫瘤藥物利妥昔單抗和抗動(dòng)脈粥樣硬化藥阿托伐他汀兩種藥物對(duì)預(yù)測(cè)獲得的新適應(yīng)癥進(jìn)行了驗(yàn)證，結(jié)果表明，其預(yù)測(cè)到的新適應(yīng)癥多數(shù)正處于臨床試驗(yàn)階段或已有報(bào)道，但也有一些預(yù)測(cè)到的適應(yīng)癥尚未見(jiàn)報(bào)道，如利妥昔單抗對(duì)白內(nèi)障、胃潰瘍和胃癌可能有效，阿托伐他汀對(duì)霍奇金淋巴瘤、乳腺癌和骨肉瘤可能有效［37］。

Cheng等［10］認(rèn)為，在上述三種基于網(wǎng)絡(luò)或表型的藥物重定位方法中，網(wǎng)絡(luò)相似性推理具有簡(jiǎn)單、可靠的特點(diǎn)，優(yōu)于基于藥物相似性推理和基于靶點(diǎn)相似性推理的方法，也優(yōu)于其它一些反向?qū)蛹夹g(shù)。此外，基于網(wǎng)絡(luò)相似性推理的方法還具有可根據(jù)研究者的需要，針對(duì)特定的靶點(diǎn)對(duì)藥物進(jìn)行排序的優(yōu)點(diǎn)，也具有可針對(duì)給定的藥物，將其作用靶點(diǎn)進(jìn)行排序的優(yōu)點(diǎn)［10，38］。然而，基于網(wǎng)絡(luò)相似性推理的方法也存在缺點(diǎn)，主要表現(xiàn)在該方法由于只使用已知的藥物-靶點(diǎn)相互作用信息，因此，還不能預(yù)測(cè)尚無(wú)靶點(diǎn)信息的新藥的靶點(diǎn)。如要對(duì)靶點(diǎn)不清楚的新藥進(jìn)行靶點(diǎn)預(yù)測(cè)或重定位研究，則需將基于藥物作用相似性推理、基于靶點(diǎn)相似性推理和基于網(wǎng)絡(luò)相似性推理三種基于網(wǎng)絡(luò)或表型的藥物重定位方法整合使用。

2.3.4 基于藥物作用相似性、基于靶點(diǎn)相似性和基于網(wǎng)絡(luò)相似性推理綜合運(yùn)用的方法

綜合運(yùn)用基于藥物作用相似性推理、基于靶點(diǎn)相似性推理和基于網(wǎng)絡(luò)相似性推理三種方法進(jìn)行藥物重定位研究，可望提高預(yù)測(cè)的準(zhǔn)確性，但會(huì)帶來(lái)檢出率低的缺點(diǎn)。

如根據(jù)藥物結(jié)構(gòu)相似性(基于藥物相似性推理的方法)、靶點(diǎn)序列相似性(基于靶點(diǎn)相似性推理的方法)和藥物-靶點(diǎn)相互作用網(wǎng)絡(luò)拓?fù)鋵W(xué)特性(基于網(wǎng)絡(luò)相似性推理的方法)，整合化學(xué)和基因組的二分圖學(xué)習(xí)法，對(duì)4類藥物-靶點(diǎn)(酶、離子通道、GPCR和核受體)相互作用網(wǎng)絡(luò)進(jìn)行分析，預(yù)測(cè)新的藥物-靶點(diǎn)相互作用，獲得了較好的AUC值(與酶、離子通道、GPCR和核受體作用的AUC分別為0.904、0.851、0.899和0.843)，說(shuō)明其特異性和靈敏度較高，但是r值卻不高(酶、離子通道、GPCR和核受體的r值分別為0.574、0.271、0.234和0.148)［27］，說(shuō)明其檢出率不高，有可能漏掉新的藥物-靶點(diǎn)相互作用信息。

使用已知的基因-藥物相互作用關(guān)系、基因-基因相互作用網(wǎng)絡(luò)和藥物-藥物相似性參數(shù)，將人類基因組的12 460個(gè)基因按照與受試藥物的相關(guān)性和基因的功能進(jìn)行排序，通過(guò)已知相互作用關(guān)系建立局部網(wǎng)絡(luò)，對(duì)與基因產(chǎn)物相互作用的藥物和受試藥物在此局部網(wǎng)絡(luò)中的相似性(通過(guò)結(jié)構(gòu)和適應(yīng)癥)進(jìn)行評(píng)估。結(jié)果表明，所觀察的12 460個(gè)基因可形成313 524個(gè)物理相互作用，形成的藥物-基因相互作用涉及了1139個(gè)藥物和1546個(gè)基因。訓(xùn)練和驗(yàn)證后，模型的ROC曲線下面積(AUC)為0.82，說(shuō)明其靈敏度和特異性較高。采用數(shù)學(xué)模型進(jìn)行預(yù)測(cè)發(fā)現(xiàn)，抗凝藥華法林可靶向NSUN6、VKORC1、細(xì)胞色素P450 2C9、HSD3B7;吉非替尼可靶向SH3BGRL、AMH、PTPRS和FAM96B;卡鉑可靶向MAK3;吉西他濱可靶向AICDA、SLC29A1、SH2D5、AJCDA、NT5C3、GPM6A和BNIP3［39］。上述發(fā)現(xiàn)多數(shù)尚未見(jiàn)文獻(xiàn)報(bào)道，為上述藥物新作用靶點(diǎn)或新適應(yīng)癥的發(fā)現(xiàn)提供了線索。

此外，Gottlieb等［40］開(kāi)發(fā)了另一種用于大規(guī)模預(yù)測(cè)已有藥物和未知靶點(diǎn)藥物的新作用或新適應(yīng)癥的方法，稱預(yù)測(cè)法。該方法基于相似性推理，即相似的藥物治療相似的疾病的原理，利用多個(gè)藥物-藥物、疾病-疾病的相似性測(cè)度進(jìn)行預(yù)測(cè)。該方法在預(yù)測(cè)藥物的新適應(yīng)癥方面也具有較高的特異性和靈敏度(AUC=0.9)，此外，將該方法與疾病特異性遺傳標(biāo)簽相結(jié)合，為新的疾病預(yù)測(cè)有效的治療藥物，亦可獲得較高的準(zhǔn)確性(AUC=0.92)［40］。

3 結(jié)語(yǔ)

過(guò)去10余年來(lái)，新藥候選物成功轉(zhuǎn)化為臨床有效新藥的速率顯著降低，處于Ⅱ、Ⅲ期臨床試驗(yàn)中的新藥，因缺乏有效性或出現(xiàn)非預(yù)期的毒性所導(dǎo)致失敗的案例呈現(xiàn)令人擔(dān)憂的增長(zhǎng)趨勢(shì)，占導(dǎo)致新藥研發(fā)失敗原因的60%［41］，研發(fā)的難度越來(lái)越大。許多學(xué)者認(rèn)為，在當(dāng)前所有新藥研發(fā)策略當(dāng)中，藥物重定位研究是最快捷、有效策略之一，受到高度重視。2011年《Science Translational Medicine》雜志發(fā)表的評(píng)論認(rèn)為，藥物重定位研究是一種“綠色的藥物發(fā)現(xiàn)”［33］。英國(guó)科學(xué)家，諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)獲得者杰姆斯·布萊克爵士指出:“新藥發(fā)現(xiàn)的最有成效的基礎(chǔ)乃是從舊藥開(kāi)始”［42］。目前已有藥物的數(shù)量眾多，加上不斷產(chǎn)生的新候選藥物，為藥物重定位研究提供了豐富的藥源。網(wǎng)絡(luò)生物學(xué)和網(wǎng)絡(luò)藥理學(xué)為藥物重定位研究提供了嶄新的思路與方法，同時(shí)藥物重定位研究的需求也成為網(wǎng)絡(luò)藥理學(xué)發(fā)展的重要驅(qū)動(dòng)力之一。隨著系統(tǒng)生物學(xué)、計(jì)算生物學(xué)、網(wǎng)絡(luò)生物學(xué)、網(wǎng)絡(luò)藥理學(xué)、以及計(jì)算機(jī)等技術(shù)的快速發(fā)展和多學(xué)科技術(shù)的不斷交叉與融合，必將對(duì)基于理性推理和計(jì)算模型的藥物重定位發(fā)現(xiàn)、基于高通量/高內(nèi)涵篩選技術(shù)對(duì)重定位藥物的篩選、基于生化和表型檢測(cè)對(duì)重定位藥物的實(shí)驗(yàn)驗(yàn)證、以及新理念指導(dǎo)下的重定位藥物的臨床試驗(yàn)研究等發(fā)揮巨大推動(dòng)作用，藥物重定位研究的理論與技術(shù)必將更加豐富，并得以不斷完善。

［1］Reichert JM.Trends in development and approval times for new therapeutics in the United States［J］.Nat Rev Drug Discov，2003，2(9):695-702.

［2］Gottleib S.PartⅡ－drug shortages:Big pharma＇s new business model［J］.Mo Med，2012，109(2):100-101.

［3］Ashburn TT，Thor KB.Drug repositioning:identifying and developing new uses for existing drugs［J］.Nat Rev Drug Discov，2004，3(8):673-683.

［4］Biopharmacetuicals.inperspective［EB/OL］［2012-03-07］http:∥www.pharma.org/track－pdf.php?q=/sites/default/files/159/pharma_chart_pack.pdf

［5］Barabasi AL，Oltvai ZN.Networkbiology:understanding the cell's functional organization［J］.Nat Rev Genet，2004，5(2):101-113.

［6］Bader S，Kuhner S，Gavin AC.Interaction networks for systems biology［J］.FEBS Lett，2008，582(8):1220-1224.

［7］Swamidass SJ.Mining small-molecule screens to repurpose drugs［J］.Brief Bioinform，2011，12(4):327-335.

［8］Hopkins AL.Network pharmacology［J］.Nat Biotechnol，2007，25(10):1110-1111.

［9］Hopkins AL.Network pharmacology:the next paradigm in drug discovery［J］.Nat Chem Biol，2008，4(11):682-690.

［10］Cheng F，Liu C，Jiang J，Lu W，Li W，Liu G，et al.Prediction of drug-target interactions and drug repositioning via network-based inference［J］.PLoS Comput Biol，2012，8(5):e1002503.

［11］Yu H，Chen J，Xu X，Li Y，Zhao H，F(xiàn)ang Y，et al.A systematic prediction of multiple drug－target interactions from chemical，genomic，and pharmacological data［J］.PLoS One，2012，7(5):e37608.

［12］Keiser MJ，Setola V，Irwin JJ，Laggner C，Abbas AI，Hufeisen SJ，et al.Predicting new molecular targets for known drugs［J］.Nature，2009，462(7270):175-180.

［13］Keiser MJ，Roth BL，Armbruster BN，Ernsberger P，Irwin JJ，Shoichet BK.Relating protein pharmacology by ligand chemistry［J］.Nat Biotechnol，2007，25(2):197-206.

［14］Gonzalez-Diaz H，Prado-Prado F，Garcia-Mera X，Alonso N，Abeijon P，Caamano O，et al.MIND-BEST:Web server for drugs and target discovery;design，synthesis，and assay of MAO-B inhibitors and theoretical-experimental study of G3PDH protein from Trichomonas gallinae［J］.J Proteome Res，2011，10(4):1698-1718.

［15］Vina D，Uriarte E，Orallo F，Gonzalez-Diaz H.Alignment-free prediction of a drug-target complex network based on parameters of drug connectivity and protein sequence of receptors［J］.Mol Pharm，2009，6(3):825-835.

［16］Speck-Planche A，Kleandrova VV，Luan F，Natalia M，Cordeiro DS.Multi-target inhibitors for proteins associated with Alzheimer:In silico discovery using fragment-based descriptors［J］.Curr Alzheimer Res，2012.In press

［17］Prado-Prado FJ，Ubeira FM，Borges F，Gonzalez-Diaz H.Unified QSAR＆network-based computational chemistry approach to antimicrobials.Ⅱ.Multiple distance and triadic census analysis of antiparasitic drugs complex networks［J］.J Comput Chem，2010，31(1):164-173.

［18］Cheng F，Zhou Y，Li J，Li W，Liu G，Tang Y.Prediction of chemical-protein interactions:multitarget-QSAR versus computational chemogenomic methods［J］.Mol Biosyst，2012，8(9):2373-2384.

［19］Xie L，Evangelidis T，Xie L，Bourne P E.Drug discovery using chemical systems biology:weak inhibition of multiple kinases may contribute to the anti-cancer effect of nelfinavir［J］.PLoS Comput Biol，2011，7(4):e1002037.

［20］Li H，Gao Z，Kang L，Zhang H，Yang K，Yu K，et al.TarFis-Dock:a web server for identifying drug targets with docking approach［J］.Nucleic Acids Res，2006，34(Web Server issue):W219-W224.

［21］Yang L，Wang K，Chen J，Jegga A G，Luo H，Shi L，et al.Exploring off-targets and off-systems for adverse drug reactions via chemical-protein interactome-clozapine-induced agranulocytosis as a case study［J］.PLoS Comput Biol，2011，7(3):e1002016.

［22］Bernard P，Dufresne-Favetta C，F(xiàn)avetta P，Do QT，Himbert F，Zubrzycki S，et al.Application of drug repositioning strategy to TOFISOPAM［J］.Curr Med Chem，2008，15(30):3196-3203.

［23］Chow WA，Guo S，Valdes-Albini F.Nelfinavir induces liposarcoma apoptosis and cell cycle arrest by upregulating sterol regulatory element binding protein-1［J］.Anticancer Drugs，2006，17(8):891-903.

［24］Gills JJ，Lopiccolo J，Tsurutani J，Shoemaker RH，Best CJ，Abu-Asab MS，et al.Nelfinavir，A lead HIV protease inhibitor，is a broad-spectrum，anticancer agent that induces endoplasmic reticulum stress，autophagy，and apoptosis in vitro and in vivo［J］.Clin Cancer Res，2007，13(17):5183-5194.

［25］Chow WA，Jiang C，Guan M.Anti-HIV drugs for cancer therapeutics:back to the future?［J］.Lancet Oncol，2009，10(1):61-71.

［26］Yildirim MA，Goh KI，Cusick ME，Barabasi AL，Vidal M.Drug-target network［J］.Nat Biotechnol，2007，25(10):1119-1126.

［27］Yamanishi Y，Araki M，Gutteridge A，Honda W，Kanehisa M.Prediction of drug-target interaction networks from the integration of chemical and genomic spaces［J］.Bioinformatics，2008，24(13):i232-i240.

［28］Yamanishi Y，Kotera M，Kanehisa M，Goto S.Drug-target interaction prediction from chemical，genomic and pharmacological data in an integrated framework［J］.Bioinformatics，2010，26(12):i246-i254.

［29］He Z，Zhang J，Shi XH，Hu LL，Kong X，Cai YD，et al.Predicting drug-target interaction networks based on functional groups and biological features［J］.PLoS One，2010，5(3):e9603.

［30］Sanseau P，Agarwal P，Barnes MR，Pastinen T，Richards JB，Cardon LR，et al.Use of genome-wide association studies for drug repositioning［J］.Nat Biotechnol，2012，30(4):317-320.

［31］Franke A，McGovern DP，Barrett JC，Wang K，Radford-Smith GL，Ahmad T，et al.Genome-wide meta-analysis increases to 71 the number of confirmed Crohn's disease susceptibility loci［J］.Nat Genet，2010，42(12):1118-1125.

［32］Campillos M，Kuhn M，Gavin AC，Jensen LJ，Bork P.Drug target identification using side-effect similarity［J］.Science，2008，321(5886):263-266.

［33］Sirota M，Dudley JT，Kim J，Chiang AP，Morgan AA，Sweet-Cordero A，et al.Discovery and preclinical validation of drug indications using compendia of public gene expression data［J］.Sci Transl Med，2011，3(96):96ra77.

［34］Dudley JT，Sirota M，Shenoy M，Pai RK，Roedder S，Chiang AP，et al.Computational repositioning of the anticonvulsant topiramate for inflammatory bowel disease［J］.Sci Transl Med，2011，3(96):96ra76.

［35］Harrison C.Signatures for drug repositioning［J］.Nat Rev Genet，2011，12(10):668-673.

［36］Iorio F，Bosotti R，Scacheri E，Belcastro V，Mithbaokar P，F(xiàn)erriero R，et al.Discovery of drug mode of action and drug repositioning from transcriptional responses［J］.Proc Natl Acad Sci USA，2010，107(33):14621-14626.

［37］Chiang AP，Butte AJ.Systematic evaluation of drug-disease relationships to identify leads for novel drug uses［J］.Clin Pharmacol Ther，2009，86(5):507-510.

［38］Zhou T，Kuscsik Z，Liu JG，Medo M，Wakeling JR，Zhang YC.Solving the apparent diversity-accuracy dilemma of recommender systems［J］.Proc Natl Acad Sci USA，2010，107(10):4511-4515.

［39］Hansen NT，Brunak S，Altman RB.Generating genome-scale candidate gene lists for pharmacogenomics［J］.Clin Pharmacol Ther，2009，86(2):183-189.

［40］Gottlieb A，Stein GY，Ruppin E，Sharan R.Predict:a method for inferring novel drug indications with application to personalized medicine［J］.Mol Syst Biol，2011，7:496-501.

［41］Kola I，Landis J.Can the pharmaceutical industry reduce attrition rates?［J］.Nat Rev Drug Discov，2004，3(8):711-715.

［42］Raju TN.The Nobel chronicles.1988:James Whyte Black，(b 1924)，Gertrude Elion(1918－99)，and George H Hitchings(1905－98)［J］.Lancet，2000，355(9208):1022-1027.

Drug repositioning:an important application of network pharmacology

ZHANG Yong-xiang，CHENG Xiao-rui，ZHOU Wen-xia
(Institute of Pharmacology and Toxicology，Academy of Military Medical Sciences，Beijing100850，China)

Drug repositioning，as an important application of network pharmacology，is concerned with identification of new indications for existing drugs.Drug repositioning can offer a better risk vs reward trade-off than other drug development strategies.There are more than 100 successfully repositioned drugs.Beyond serendipitous observations，there are several in silico methods that have been established to address the issues of drug-target interaction prediction and drug repositioning.These methods base on the feature of ligand(including quantitative structureactivity relationships and similarity search)or receptor(including reverse docking)or phenotype-based(including drug-based similarity inference，target-based similarity inference and network-based inference).Drug repositioning is playing a vital role in drug research and development with the increasing demand on market and rapid advanvement in systems biology，computational biology and network pharmacology.

drug repositioning;network pharmacology;similarity inference;similarity search

The project supported by National Key Technology R＆D Program(2012BAI29B07);National Science and Technology Major Project(2012ZX09301003-002-001)

ZHANG Yong-xiang，E-mail:zhangyx@bmi.ac.cn，Tel:(010)66931018

R96

A

1000-3002(2012)06-0779-08

10.3867/j.issn.1000-3002.2012.06.001

國(guó)家科技支撐計(jì)劃課題(2012BAI29B07);國(guó)家“重大新藥創(chuàng)制”科技重大專項(xiàng)(2012ZX09301003-002-001)

張永祥，E-mail:zhangyx@bmi.ac.cn，Tel:(010)66931018

2012-12-11)

(本文編輯:喬虹)