厳しい経済的および技術的環境で競争するというプレッシャーがますます高まっているため、製薬会社やバイオテクノロジー企業は、常に競争の先頭に立つために研究開発プログラムを革新し続ける必要があります。
外部のイノベーションはさまざまな形で現れ、大学の研究室から、ベンチャーキャピタルが支援する非公開のスタートアップや受託研究組織（CRO）に至るまで、さまざまな場所で生まれます。 2018 年以降に「注目」となるであろう、最も影響力のある研究トレンドのいくつかを確認し、イノベーションを推進する主要なプレーヤーをいくつかまとめてみましょう。
昨年の BioPharmaTrend の概要いくつかの重要な傾向バイオ医薬品産業に影響を与える、すなわち、遺伝子編集技術 (主に CRISPR/Cas9) のさまざまな側面の進歩。腫瘍免疫学 (CAR-T 細胞) の分野における興味深い成長。マイクロバイオーム研究への注目が高まっている。精密医療への関心の高まり。抗生物質の発見におけるいくつかの重要な進歩。創薬/開発のための人工知能 (AI) に対する興奮が高まっています。医療大麻の分野では物議を醸しているが急速に成長している。そして製薬会社はイノベーションと専門知識を利用するための研究開発アウトソーシングモデルへの取り組みに継続的に注力しています。
以下は、このレビューの続きであり、さらにいくつかの活発な研究分野がリストに追加されており、必要に応じて、上で概説した傾向に関するいくつかの拡張解説も含まれています。
1. 製薬およびバイオテクノロジーによる人工知能 (AI) の導入
AI に関するあらゆる誇大宣伝が行われている今日、製薬研究におけるこの傾向に驚く人はいないでしょう。ただし、AI主導の企業は、多くの研究パートナーシップや共同プログラムを通じて、大手製薬会社や他の主要なライフサイエンス企業と実際に注目を集め始めていることに注意する必要があります。こここれまでの主な取引のリストです。ここここ数か月にわたる「創薬のための AI」分野におけるいくつかの注目すべき活動を簡単にレビューします。
現在、AI ベースのツールの可能性は、研究データのマイニングや標的の特定と検証の支援から、新しいリード化合物や薬剤候補の考案、それらの特性とリスクの予測の支援に至るまで、創薬と開発のあらゆる段階で探求されています。そして最後に、AI ベースのソフトウェアが、目的の化合物を得る化学合成の計画を支援できるようになりました。 AI は、前臨床試験および臨床試験の計画、生物医学および臨床データの分析にも適用されます。
AI は、ターゲットベースの創薬を超えて、表現型創薬プログラムなどの他の研究分野にも応用されており、ハイコンテンツスクリーニング手法からのデータを分析しています。
AI主導のスタートアップ企業は主に低分子創薬に重点を置いており、そのような技術を生物製剤の発見と開発に応用することにも関心が集まっています。
2. 創薬探索のための化学空間の拡大
小分子創薬プログラムの重要な部分は、多数の最適化、検証、試験の段階を経て、ヒット探索、つまり医薬品の成功に向けた旅に乗り出す出発点となる分子の特定（ただし、この旅を生き残ることはほとんどありません）です。
ヒット探索の重要な要素は、特に新規の標的生物学を探索するために、候補を選択するための薬物様分子の拡張された化学的に多様な空間へのアクセスです。製薬会社が所有する既存の化合物コレクションが、既知の生物学的標的を標的とする小分子設計に部分的に基づいて構築されていることを考えると、新しい生物学的標的には、同じ化学物質を過度に再利用するのではなく、新しい設計と新しいアイデアが必要です。
このニーズに応えて、学術研究機関や民間企業は、一般的な製薬会社の化合物コレクションで利用できるものをはるかに超える化合物のデータベースを作成しています。例には、1,664 億個の分子を含む仮想分子の GDB-17 データベースが含まれます。FDB-17最大 17 個の重原子を持つ 1,000 万個のフラグメント状分子。亜鉛– 仮想スクリーニング用の市販化合物の無料データベース。ドッキング可能な 3D フォーマットの 2 億 3,000 万分子を含む、7 億 5,000 万の分子が含まれています。そして、エナミンによる合成的にアクセス可能な REadily AvailabLe (REAL) 化学空間の最近の開発 — 6 億 5,000 万分子が検索可能リアルスペースナビゲーターソフトウェア、および3 億 3,700 万個の分子を検索可能(類似性により) EnmineStore で。
ヒット探索のために新しい薬物のような化学空間にアクセスするための代替アプローチは、DNA エンコード ライブラリー技術 (DELT) を使用することです。 DELT 合成の「分割およびプール」の性質により、コストと時間の効率の高い方法で膨大な数の化合物 (数百万から数十億の化合物) を製造することが可能になります。ここDNA エンコードされたライブラリー技術の歴史的背景、概念、成功、限界、および将来に関する洞察力に富んだレポートです。
3. 低分子による RNA の標的化
これは創薬分野における注目のトレンドであり、興奮が高まり続けています。学者、バイオテクノロジーの新興企業、製薬会社は RNA ターゲティングにますます積極的に取り組んでいますが、不確実性も高いです。
生体では、DNAの情報を保存しますタンパク質合成とRNADNAにコード化された指示を実行し、リボソームでのタンパク質合成を引き起こします。大多数の薬剤は疾患の原因となるタンパク質を標的とするものですが、場合によっては病原プロセスを抑制するには十分ではありません。プロセスの早い段階で開始し、タンパク質が合成される前に RNA に影響を与え、それによって遺伝子型から望ましくない表現型 (疾患の発現) への翻訳プロセスに実質的な影響を与えるのは賢明な戦略のように思えます。
問題は、RNA が低分子にとって恐ろしい標的であることで悪名高いことです。RNA は直線状ですが、不器用にねじったり、折りたたんだり、それ自体にくっついたりすることがあり、その形状を薬物に適した結合ポケットにうまく適合させることができません。さらに、タンパク質とは対照的に、タンパク質はわずか 4 つのヌクレオチド構成要素で構成されているため、すべてが非常に似ており、小分子による選択的標的化が困難です。
しかし、最近の進歩の数々RNAを標的とする薬物のような生物学的に活性な小分子を開発することが実際に可能であることを示唆しています。斬新な科学的洞察が RNA のゴールデン ラッシュを引き起こしました –少なくとも十数社大手製薬会社 (バイオジェン、メルク、ノバルティス、ファイザー) や、Arrakis Therapeutics のようなバイオテクノロジーのスタートアップ企業など、それに特化したプログラムがあります。3,800万ドルのシリーズAラウンド2017 年、拡張療法 –2018 年初頭にシリーズ A で 5,500 万ドル.
4. 新しい抗生物質の発見
抗生物質に耐性のある細菌、つまりスーパーバグの増加に対する懸念が高まっています。世界中で毎年約 70 万人が死亡しており、英国政府の調査によると、この数は劇的に増加する可能性があり、2050 年までに最大 1,000 万人に達する可能性があります。細菌は進化し、伝統的に使用され大きな成功を収めてきた抗生物質に対する耐性を獲得し、その後、時間が経つと役に立たない。
患者の単純な症状を治療するための抗生物質の無責任な処方や、畜産業における抗生物質の広範な使用は、細菌の突然変異の速度を加速させ、驚くべき速度で細菌の薬剤耐性を高め、状況を危険にさらしています。
その一方で、抗生物質の発見は、より「経済的に実現可能な」医薬品の開発と比較すると、製薬研究にとって魅力のない分野でした。おそらくこれが、新しい種類の抗生物質のパイプラインが枯渇しつつある主な理由であり、最後の抗生物質は 30 年以上前に導入されました。
現在、抗生物質の発見は、規制立法におけるいくつかの有益な変更により、より魅力的な分野となりつつあり、製薬会社が抗生物質発見プログラムに資金を注ぎ込み、ベンチャー投資家が有望な抗菌薬を開発するバイオテクノロジーの新興企業に資金を投入するよう刺激されています。 2016年、私たちの中の一人（AB）抗生物質の創薬の現状を概観したまた、Macrolide Pharmaceuticals、Iterum Therapeutics、Spero Therapeutics、Cidara Therapeutics、Entasis Therapeutics など、この分野の有望な新興企業のいくつかをまとめました。
特に、抗生物質分野における最近の画期的な進歩の 1 つは、テイクソバクチンの発見ノースイースタン大学抗菌発見センター所長のキム・ルイス博士率いる科学者グループによって、2015年にその類似体とその類似体が発見されました。この強力な新しい抗生物質クラスは、それに対する細菌耐性の発達に耐えることができると考えられています。昨年、リンカーン大学の研究者らはテイクソバクチンの合成版の開発に成功し、重要な一歩を踏み出した。
今回、シンガポール眼科研究所の研究者らは、この薬の合成バージョンがマウスの生きたモデルで黄色ブドウ球菌角膜炎をうまく治療できることを示した。テイクソバクチンの活性が in vitro でのみ実証される前は。これらの新たな発見により、テイクソバクチンが医師が使用できる薬になるにはさらに6～10年の開発が必要となるだろう。
2015 年にテイクソバクチンが発見されて以来、マラシジンと呼ばれる別の新しい抗生物質ファミリーが登場しました。2018年初めに明らかになった。この発見はまだ初期段階にあり、テイクソバクチンに関する最新の研究ほど発展していません。
5. 表現型スクリーニング
画像クレジット:サイライフラボ
2011 年、著者のデビッド・スウィニーとジェイソン・アンソニー調査結果の公表1999年から2008年の間に新薬がどのように発見されたかについて、かなり多くのファーストインクラスの小分子薬がターゲットベースのアプローチよりも表現型スクリーニングを使用して実際に発見されていたという事実を明らかにした（それぞれ28の承認薬と17の承認薬）。これは、記載された期間にわたって主な焦点であったのが目標ベースのアプローチであったことを考慮すると、さらに驚くべきことです。
この影響力のある分析は、2011 年以来、製薬業界と学術界の両方で表現型創薬パラダイムの復活を引き起こしました。最近、ノバルティス社の科学者たちは、レビューを実施しましたこの傾向の現状を調査し、製薬研究機関は表現型アプローチに関してかなりの課題に直面しているものの、過去 5 年間でターゲットベースのスクリーニングの数が減少し、表現型アプローチが増加しているという結論に達しました。おそらく、この傾向は 2018 年以降も続くでしょう。
重要なのは、表現型とターゲットベースのアプローチを比較するだけでなく、不死化細胞株から初代細胞、患者細胞、共培養、3D 培養など、より複雑な細胞アッセイへの明らかな傾向があることです。実験セットアップもますます洗練されており、単変量の読み取りをはるかに超えて、細胞内コンパートメントの変化の観察、単一細胞解析、さらには細胞イメージングにまで進んでいます。
6. 臓器（体）オンチップ
生きた人間の細胞で裏打ちされたマイクロチップは、医薬品開発、疾患モデリング、個別化医療に革命をもたらす可能性があります。 「臓器オンチップ」と呼ばれるこれらのマイクロチップは、従来の動物実験に代わる可能性を提供します。最終的に、システムを完全に接続することは、創薬や薬剤候補の試験と検証に理想的な「ボディオンチップ」システム全体を実現する方法です。
この傾向は現在、創薬および開発の分野で大きな問題となっており、「チップ上のオルガン」パラダイムの現状と背景については、最近の記事ですでに取り上げました。ミニレビュー.
6 ～ 7 年ほど前には多くの懐疑論が存在しましたが、当時はこの分野に関する見解が熱心な採用者によって明確に表明されていました。しかし今日では、批評家たちは完全に後退しているようだ。規制当局と資金提供機関だけではないコンセプトを受け入れた、しかし今ではますます採用された製薬業界と学術界の両方による医薬品研究プラットフォームとして。 24 を超える臓器系がオンチップ システムで表現されます。詳細についてはこちらをご覧くださいここ.
7. バイオプリンティング
人間の組織や臓器のバイオプリンティングの分野は急速に発展しており、間違いなく医療の未来です。 2016年初めに設立され、セリンクは、人間の細胞の生命と成長を可能にする液体である 3D 印刷可能なバイオインクを提供した世界最初の企業の 1 つです。現在、同社は主に医薬品や化粧品の検査のために、鼻や耳といった体の一部をバイオプリントしている。また、研究者が肝臓などの人間の臓器の細胞を「遊ぶ」ことを可能にする立方体も印刷します。
Cellink は最近、がん研究と創薬の分野を大幅に前進させるために、がん組織の生産を専門とするフランスの医療技術企業 CTI Biotech と提携しました。
この若いバイオテクノロジーの新興企業は基本的に、Cellink のバイオインクと患者のがん細胞のサンプルを混合することで、CTI ががん腫瘍のレプリカを 3D プリントするのを支援します。これは、研究者が特定の種類のがんに対する新しい治療法を特定するのに役立ちます。
生物材料を印刷するための 3D プリンティング技術を開発している別のバイオテクノロジー スタートアップ - オックスフォード大学のスピンアウト企業、OxSyBioたった今1000万ポンドを確保したシリーズA資金調達中。
3D バイオプリンティングは非常に有用な技術ですが、印刷されるオブジェクトの初期状態のみを考慮するため、静的で無生物です。より高度なアプローチは、印刷された生体オブジェクトに 4 番目の次元として「時間」を組み込むことであり (いわゆる「4D バイオプリンティング」)、外部刺激が加えられると時間とともに形状や機能を変化できるようにします。ここは 4D バイオプリンティングに関する洞察力に富んだレビューです。
終わりの視点
上で説明した各トップトレンドを深く掘り下げなくても、AI が行動に占める割合がますます増大していることは明らかでしょう。バイオ医薬品イノベーションのこれらすべての新しい分野はビッグデータ中心になっています。この状況自体が AI の卓越した役割を予感させるものであり、このトピックの報道の追記として、AI は継続的に進化する複数の分析ツールや数値ツールで構成されることにも言及しています。創薬や開発の初期段階における AI の応用の大部分は、原因と結果を結びつける隠れたパターンや推論を明らかにすることを目的としています。
したがって、製薬研究で使用される AI ツールのサブセットは、「機械知能」または「機械学習」という名前に分類されるのがより適切です。これらは、分類器や統計学習方法のように人間の指導によって監視されることも、さまざまなタイプの人工ニューラル ネットワークの実装のように内部動作が監視されないこともできます。言語と意味の処理、および不確実な (またはファジーな) 推論のための確率的手法も有用な役割を果たします。
これらのさまざまな機能を「AI」という広範な分野にどのように統合できるかを理解することは、すべての関係者が取り組むべき困難な作業です。説明や説明を探すのに最適な場所の 1 つは、データ サイエンス セントラルポータル、特に定期的に投稿している Vincent Granville のブログ投稿違いを説明しますAI、機械学習、ディープラーニング、統計の間。 AI 全体の詳細に精通することは、バイオ医薬品のトレンドに遅れを取らない、または先を行くために不可欠な要素です。
投稿日時: 2018 年 5 月 29 日