도전적인 경제 및 기술 환경에서 경쟁해야 한다는 압력이 점점 더 커지고 있는 제약 및 생명공학 회사는 경쟁에서 앞서 나가기 위해 R&D 프로그램을 지속적으로 혁신해야 합니다.
외부 혁신은 대학 연구실부터 민간 벤처 캐피탈 지원 스타트업, 계약 연구 기관(CRO)까지 다양한 형태로 나타나고 다양한 장소에서 시작됩니다. 2018년 이후에 "핫"할 가장 영향력 있는 연구 동향을 검토하고 혁신을 주도하는 핵심 주체를 요약해 보겠습니다.
지난해 BioPharmaTrend 요약몇 가지 중요한 추세바이오제약 산업에 영향을 미침, 즉 유전자 편집 기술(주로 CRISPR/Cas9)의 다양한 측면의 발전; 면역종양학(CAR-T 세포) 분야의 눈부신 성장; 미생물군집 연구에 대한 관심이 증가하고 있습니다. 정밀 의학에 대한 관심이 깊어지고 있습니다. 항생제 발견의 몇 가지 중요한 발전; 약물 발견/개발을 위한 인공 지능(AI)에 대한 관심이 커지고 있습니다. 논란의 여지가 있지만 의료용 대마초 분야의 급속한 성장; 혁신과 전문 지식에 접근하기 위해 R&D 아웃소싱 모델에 참여하는 제약 회사의 지속적인 초점입니다.
아래에는 목록에 추가된 몇 가지 더 활발한 연구 영역과 관련 있는 경우 위에 설명된 추세에 대한 일부 확장된 논평이 포함된 이 검토의 연속입니다.
1. 제약 및 생명공학 분야의 인공지능(AI) 채택
요즘 AI에 대한 과대광고로 인해 제약 연구에서 이러한 추세를 보이는 사람은 누구도 놀랄 수 없습니다. 그러나 AI 기반 기업은 실제로 많은 연구 파트너십과 협력 프로그램을 통해 대형 제약회사 및 기타 선도적인 생명과학 기업의 관심을 끌기 시작했다는 점에 유의해야 합니다.여기지금까지의 주요 거래 목록입니다.여기지난 몇 달 동안 "약물 발견을 위한 AI" 분야에서 주목할만한 활동에 대한 간략한 검토입니다.
AI 기반 도구의 잠재력은 이제 연구 데이터 마이닝, 표적 식별 및 검증 지원, 새로운 선도 화합물 및 약물 후보 도출 지원, 해당 속성 및 위험 예측에 이르기까지 약물 발견 및 개발의 모든 단계에서 탐구됩니다. 그리고 마지막으로 AI 기반 소프트웨어는 이제 관심 있는 화합물을 얻기 위한 화학 합성 계획을 지원할 수 있습니다. 전임상 및 임상시험 계획, 생물의학 및 임상 데이터 분석에도 AI가 적용된다.
표적 기반 약물 발견 외에도 AI는 표현형 약물 발견 프로그램과 같은 다른 연구 영역에 적용되어 하이 콘텐츠 스크리닝 방법의 데이터를 분석합니다.
AI 기반 스타트업은 소분자 신약 발견에 중점을 두고 있으며, 생물학적 제제 발견 및 개발에 이러한 기술을 적용하는 데에도 관심이 있습니다.
2. 신약 발견 탐사를 위한 화학 공간 확장
소분자 약물 발견 프로그램의 중요한 부분은 수많은 최적화, 검증 및 테스트 단계를 통해 히트 탐색(성공적인 약물을 향한 여정을 시작하는 출발점 분자 식별(드물지만 이 여정에서 살아남는 경우는 거의 없음))입니다.
히트 탐색의 핵심 요소는 특히 새로운 표적 생물학을 조사하기 위해 후보를 선택할 수 있는 분자와 같은 약물의 확장되고 화학적으로 다양한 공간에 접근하는 것입니다. 제약 회사의 기존 화합물 컬렉션이 부분적으로 알려진 생물학적 표적을 표적으로 하는 소분자 설계를 기반으로 구축되었다는 점을 감안할 때, 새로운 생물학적 표적에는 동일한 화학 물질을 과도하게 재활용하는 대신 새로운 설계와 새로운 아이디어가 필요합니다.
이러한 요구에 따라 학술 연구실과 민간 기업에서는 일반적인 제약 회사 화합물 컬렉션에서 사용할 수 있는 것보다 훨씬 더 많은 화합물 데이터베이스를 만듭니다. 그 예로는 1,664억 개의 분자를 포함하는 가상 분자의 GDB-17 데이터베이스와FDB-17최대 17개의 중원자를 포함하는 천만 개의 단편형 분자;징크– 도킹 준비가 완료된 3D 형식의 2억 3천만 개를 포함하여 7억 5천만 개의 분자를 포함하는 가상 스크리닝을 위해 상업적으로 이용 가능한 화합물의 무료 데이터베이스입니다. Enamine의 합성 접근 가능한 REadily AvailabLe(REAL) 화학 공간의 최근 개발 — 다음을 통해 검색 가능한 6억 5천만 개의 분자실제 우주 항해사소프트웨어 및3억 3,700만 개의 분자 검색 가능(유사성에 따라) EnamineStore에서.
히트 탐색을 위해 신약과 유사한 화학 공간에 접근하는 또 다른 접근 방식은 DNA 인코딩 라이브러리 기술(DELT)을 사용하는 것입니다. DELT 합성의 "분할 및 풀" 특성으로 인해 비용 및 시간 효율적인 방식으로 엄청난 수의 화합물(수백만에서 수십억)을 만드는 것이 가능해졌습니다.여기DNA 암호화 라이브러리 기술의 역사적 배경, 개념, 성공, 한계 및 미래에 대한 통찰력 있는 보고서입니다.
3. 소분자로 RNA 표적화
이는 지속적으로 증가하는 기대와 함께 약물 발견 분야의 뜨거운 추세입니다. 불확실성도 높음에도 불구하고 학계, 생명공학 스타트업 및 제약 회사가 RNA 표적화에 대해 점점 더 적극적으로 활동하고 있습니다.
살아있는 유기체에서는,DNA에 대한 정보를 저장합니다.단백질합성과RNA리보솜에서 단백질 합성을 유도하는 DNA에 암호화된 명령을 수행합니다. 대부분의 약물은 질병을 일으키는 단백질을 표적으로 삼는 반면, 때로는 병원성 과정을 억제하는 것만으로는 충분하지 않습니다. 프로세스 초기에 시작하여 단백질이 합성되기 전에 RNA에 영향을 주어 유전자형을 원치 않는 표현형(질병 발현)으로 변환하는 과정에 실질적으로 영향을 미치는 것이 현명한 전략인 것 같습니다.
문제는 RNA가 작은 분자에 대한 악명 높은 표적이라는 것입니다. 선형이지만 서투르게 비틀거나 접거나 달라붙을 수 있어 약물에 적합한 결합 포켓에 모양을 제대로 빌려주지 못합니다. 게다가, 단백질과는 대조적으로, 이들은 단지 4개의 뉴클레오티드 빌딩 블록으로 구성되어 있어 모두 매우 유사해 보이고 소분자에 의한 선택적 표적화가 어렵습니다.
하지만,최근의 여러 발전이는 RNA를 표적으로 하는 약물과 유사한 생물학적 활성 소분자를 개발하는 것이 실제로 가능하다는 것을 시사합니다. 새로운 과학적 통찰력으로 인해 RNA의 골든 러시가 시작되었습니다.적어도 12개 회사대형 제약회사(Biogen, Merck, Novartis, Pfizer)와 Arrakis Therapeutics와 같은 생명공학 스타트업을 포함한 전용 프로그램이 있습니다.$38M 시리즈 A 라운드2017년 및 확장 치료제 –2018년 초 5,500만 달러 규모의 시리즈 A.
4. 새로운 항생제 발견
항생제 내성 박테리아, 즉 슈퍼버그의 증가에 대한 우려가 커지고 있습니다. 매년 전 세계적으로 약 700,000명의 사망자가 발생하고 있으며, 영국 정부의 검토에 따르면 이 숫자는 2050년까지 최대 1,000만 명까지 극적으로 증가할 수 있습니다. 박테리아는 진화하여 전통적으로 큰 성공을 거두었던 항생제에 대한 내성을 갖게 된 후 시간이 지나면 쓸모가 없습니다.
단순한 환자 치료를 위한 무분별한 항생제 처방과 축산업계에서의 광범위한 항생제 사용은 박테리아의 돌연변이 속도를 가속화하고 놀라운 속도로 약물에 대한 내성을 갖게 하여 상황을 위태롭게 하고 있습니다.
반면, 항생제 발견은 보다 '경제적으로 실현 가능한' 약물 개발에 비해 제약 연구에서 매력이 없는 분야였습니다. 이는 아마도 30여년 전에 마지막 항생제가 도입된 새로운 항생제 계열의 파이프라인이 고갈된 주요 이유일 것입니다.
요즘 항생제 발견은 규제 입법부의 유익한 변화로 인해 더욱 매력적인 분야가 되고 있으며, 제약회사가 항생제 발견 프로그램에 자금을 쏟아 붓고 벤처 투자자가 유망한 항균 의약품을 개발하는 생명공학 스타트업에 투자하도록 자극하고 있습니다. 2016년에는 우리 중 하나(AB)항생제 신약 발굴 현황 검토Macrolide Pharmaceuticals, Iterum Therapeutics, Spero Therapeutics, Cidara Therapeutics 및 Entasis Therapeutics를 포함하여 이 분야의 유망 스타트업을 요약했습니다.
특히, 항생제 분야에서 가장 흥미로운 최근 혁신 중 하나는테익소박틴의 발견그리고 2015년 노스이스턴 대학교 항균 발견 센터 소장인 Kim Lewis 박사가 이끄는 과학자 그룹이 그 유사품을 발표했습니다. 이 강력한 새로운 항생제 계열은 이에 대한 박테리아 내성 발달을 견딜 수 있는 것으로 여겨집니다. 작년에 링컨 대학의 연구자들은 테익소박틴의 합성 버전을 성공적으로 개발하여 중요한 진전을 이루었습니다.
이제 싱가포르 안과 연구소(Singapore Eye Research Institute)의 연구원들은 이 약물의 합성 버전이 실제 쥐 모델에서 황색포도상구균 각막염을 성공적으로 치료할 수 있음을 보여주었습니다. 이전에는 테익소박틴의 활성이 시험관 내에서만 입증되었습니다. 이러한 새로운 발견으로 인해 테익소박틴이 의사가 사용할 수 있는 약물이 되려면 6~10년의 추가 개발이 필요할 것입니다.
2015년 테익소박틴이 발견된 이후 말라시딘이라는 또 다른 새로운 항생제 계열이 등장했습니다.2018년 초 공개. 이 발견은 아직 초기 단계에 있으며 테익소박틴에 대한 최신 연구만큼 발전되지 않았습니다.
5. 표현형 스크리닝
이미지 출처:사이라이프랩
2011년 저자 David Swinney와 Jason Anthony연구 결과를 발표했습니다.1999년부터 2008년 사이에 신약이 어떻게 발견되었는지에 대해 설명하고 표적 기반 접근법보다 표현형 스크리닝을 사용하여 훨씬 더 많은 최초의 소분자 약물이 실제로 발견되었다는 사실을 밝혔습니다(각각 승인된 약물 28개 대 17개). 명시된 기간 동안 주요 초점이었던 것이 목표 기반 접근 방식이었다는 점을 고려하면 훨씬 더 놀랍습니다.
이 영향력 있는 분석은 2011년부터 제약 산업과 학계 모두에서 표현형 약물 발견 패러다임의 르네상스를 촉발시켰습니다. 최근 노바티스의 과학자들은검토를 실시했다이러한 추세의 현재 상태를 파악하고 제약 연구 기관이 표현형 접근 방식에 상당한 어려움을 겪고 있는 반면, 지난 5년 동안 표적 기반 스크리닝 수가 감소하고 표현형 접근 방식이 증가했다는 결론에 도달했습니다. 아마도 이러한 추세는 2018년 이후에도 계속될 것입니다.
중요한 것은 표현형 기반 접근 방식과 표적 기반 접근 방식을 비교하는 것 이상으로 불멸 세포주에서 일차 세포, 환자 세포, 공동 배양 및 3D 배양으로 전환하는 것과 같은 보다 복잡한 세포 분석을 향한 분명한 추세가 있다는 것입니다. 실험 설정은 또한 단변량 판독을 넘어 세포하 구획의 변화 관찰, 단일 세포 분석 및 세포 이미징까지 점점 더 정교해지고 있습니다.
6. 칩에 내장된 장기(신체)
살아있는 인간 세포로 둘러싸인 마이크로칩은 약물 개발, 질병 모델링 및 맞춤형 의학에 혁명을 일으킬 수 있습니다. '장기 온 칩(organs-on-chips)'이라고 불리는 이러한 마이크로칩은 전통적인 동물 실험에 대한 잠재적인 대안을 제공합니다. 궁극적으로 시스템을 모두 연결하는 것은 약물 발견과 약물 후보 테스트 및 검증에 이상적인 전체 "바디온어칩(body-on-a-chip)" 시스템을 보유하는 방법입니다.
이러한 추세는 이제 신약 발견 및 개발 분야에서 큰 이슈가 되었으며, 우리는 이미 최근 논문에서 "organ-on-a-chip" 패러다임의 현재 상태와 맥락을 다뤘습니다.미니 리뷰.
약 6~7년 전에는 많은 회의론이 존재했지만, 열정적인 채택자들이 현장에 대한 관점을 표현했습니다. 그러나 오늘날 비평가들은 완전히 후퇴한 것으로 보입니다. 규제 및 자금 지원 기관뿐만 아니라컨셉을 받아들였다, 그러나 이제는 점점 더채택됨제약회사와 학계 모두의 약물 연구 플랫폼입니다. 온칩 시스템에는 20개 이상의 장기 시스템이 표시됩니다. 자세히 알아보기여기.
7. 바이오프린팅
인간의 조직과 장기를 바이오프린팅하는 분야는 빠르게 발전하고 있으며 의심할 여지 없이 의학의 미래입니다. 2016년 초에 설립되었으며,셀링크인간 세포의 생명과 성장을 가능하게 하는 액체인 3D 인쇄 가능한 바이오잉크를 제공하는 세계 최초의 회사 중 하나입니다. 이제 회사는 주로 약물과 화장품 테스트를 위해 코와 귀 등 신체 일부를 바이오프린트합니다. 또한 연구원들이 간과 같은 인간 기관의 세포를 가지고 "놀이"할 수 있도록 큐브를 인쇄합니다.
Cellink는 최근 암 연구 및 신약 발견 분야를 실질적으로 발전시키기 위해 암 조직 생산을 전문으로 하는 프랑스 의료 기술 회사인 CTI Biotech와 파트너십을 맺었습니다.
이 젊은 생명공학 스타트업은 Cellink의 바이오잉크와 환자의 암세포 샘플을 혼합하여 CTI가 암 종양의 복제물을 3D 프린팅하는 데 본질적으로 도움을 줄 것입니다. 이는 연구자들이 특정 암 유형에 대한 새로운 치료법을 식별하는 데 도움이 될 것입니다.
생물학적 재료 인쇄를 위한 3D 프린팅 기술을 개발하는 또 다른 생명공학 스타트업인 옥스퍼드 대학 스핀아웃 회사인 OxSyBio는방금 1000만 파운드를 확보했습니다시리즈A 파이낸싱에서
3D 바이오프린팅은 매우 유용한 기술이지만 인쇄된 물체의 초기 상태만 고려하기 때문에 정적이고 무생물입니다. 보다 발전된 접근 방식은 인쇄된 생체 물체의 4차원으로 "시간"을 통합하여(소위 "4D 바이오 프린팅") 외부 자극이 가해질 때 시간에 따라 모양이나 기능을 변경할 수 있도록 하는 것입니다.여기4D 바이오프린팅에 대한 통찰력 있는 리뷰입니다.
닫는 관점
방금 설명한 각각의 주요 트렌드를 자세히 살펴보지 않더라도 AI가 점점 더 많은 부분을 차지하게 될 것이라는 점은 분명해집니다. 바이오제약 혁신의 이러한 새로운 영역은 모두 빅데이터 중심이 되었습니다. 이러한 상황 자체는 AI의 탁월한 역할을 예고하며, 또한 이 주제에 대한 내용에 대한 후기로서 AI는 지속적으로 발전하는 여러 분석 및 수치 도구로 구성되어 있음을 지적합니다. 신약 발견 및 초기 단계 개발에 AI를 적용하는 것은 대부분 식별할 수 없거나 이해할 수 없는 원인과 결과를 연결하는 숨겨진 패턴과 추론을 밝히는 것을 목표로 합니다.
따라서 제약 연구에 사용되는 AI 도구의 하위 집합은 "기계 지능" 또는 "기계 학습"이라는 이름에 더 적합합니다. 이는 분류기 및 통계적 학습 방법과 같이 인간의 지도에 의해 감독되거나 다양한 유형의 인공 신경망 구현과 같이 내부 작업이 감독되지 않을 수 있습니다. 불확실한(또는 퍼지) 추론을 위한 언어 및 의미론적 처리와 확률론적 방법도 유용한 역할을 합니다.
이러한 다양한 기능이 "AI"라는 광범위한 분야에 어떻게 통합될 수 있는지 이해하는 것은 모든 이해관계자가 수행해야 하는 어려운 작업입니다. 설명과 설명을 찾을 수 있는 가장 좋은 장소 중 하나는 다음과 같습니다.데이터 사이언스 센트럴포털, 특히 Vincent Granville의 블로그 게시물을 참조하세요.차이점을 설명합니다AI, 머신러닝, 딥러닝, 통계 사이. AI 전반에 대해 잘 아는 것은 바이오제약 트렌드를 따라잡거나 앞서가는 데 없어서는 안 될 요소입니다.
게시 시간: 2018년 5월 29일