中药新药研究面临的挑战及发展趋势

中药新药研究面临的挑战及发展趋势主要一、药物研发新趋势二、中药新药研究所面临的挑战三、中药、复方研究发展趋势当前西方制药行业面临的巨大压力： 药物发现过程的损耗率显著增加：疗效差以及毒副作用高两大主要因素各占损耗率的30%。据DrugBank数据库统计，至今已有60多种经美国食品与药品管理局（FDA）批准的药物或实验药物被撤回（默克“万络”赔2.53亿美元）。 新化学实体的数量逐年呈下降的趋势：从年平均30个左右下降到2008和2009年每年只有20个，而投入却大幅增加。 由于21世纪前十年是世界专利药集中到期阶段，自2010年起，世界制药行业将遭遇近40年来首次在利润上的大幅下滑。长期以来药物发现遵循的理念：“一药，一靶，一病”的还原论方法指导西方新药研究。一、药物研发新趋势代谢组学之父,英国帝国理工大学JeremyNicholson教授指出：基于单个靶点高通量筛选的药物研究已经走入“死胡同”，药物开发需要新思维！新药研发年投入500亿美元以上，但FDA批准上市的新药数量近年来呈现大幅降低的趋势2003-2008FDA批准上市的新药Chart2 37 36 18 17 14 21Sheet1 2003 37 2004 36 2005 18 2006 17 2007 14 2008 21Sheet1 Sheet2 Sheet3 新药研究事关人民健康，意义重大；目前全球新药研发的年投入额已经超过500亿美元，但近年来FDA批准上市的新药却大幅下降。代谢组学之父JeremyNicholson教授指出：基于单靶点高通量筛选的药物研究已经走入死胡同。那么，我国的新药研究应该怎么走？1996-2008FDA批准上市的新药HughesB.NatureReviewsDrugDiscovery2009,8:93-6.新药研究事关人民健康，意义重大；目前全球新药研发的年投入额已经超过500亿美元，但近年来FDA批准上市的新药却大幅下降。代谢组学之父JeremyNicholson教授指出：基于单靶点高通量筛选的药物研究已经走入死胡同。那么，我国的新药研究应该怎么走？新靶标发现新先导化合物发现药物开发靶标新候选物新药基因/功能靶标发现靶标确证先导化合物发现先导化合物优化临床前研究临床研究功能基因研究市场 锁匙学说 Onegene,onedrug,onedisease基于上述学说，新药研究的主要目标为设计发现单个药物靶点的高选择性配体。西药创新药物研究流程1893年，有机化学家EmilFischer就曾提出了酶与底物的关系是“钥匙与锁”的关系（“LockandKey”principle）。锁钥原理（Lock-and-KeyPrinciple）*1960~1982:NCIFrom114,000plantextractsof~35,000samplesrepresenting~12-13,000species,twodrugsyieldingeventualcommercialproductsweredeveloped:-FromCamptothecaacuminata-Isolationpublishedin1966-FailedClinicaltrialinearly1970s-MechanismandderivativesstudiedbyNCI-supportedgranteesandSmithKlineBeecham-CommercializedbySKBinmid-1990sTaxol®Camptothecin-FromTaxusbrevifolia-Firstcollectedin1962-Isolationpublishedin1971-Clinicaltrialsstartedin1983-CommercializedbyBristol-MyersSquibbin1994西药筛选存在的问题Pre-andClinicalTrialDrugTargetsHighThroughputScreeningCompoundsLibraryLeadingCompoundsNovelDrugsModification&optimization西方新药研究体外药效的金标准（单靶点）：IC50/EC50<0.1MTheStrategyofWesternDrugDiscoveryThisfigureshowsthestrategyofwesterndrugdiscovery.Basedontheknowndrugtargetsandhugecompoundslibraryobtainedfromcombinationalchemistry,leadingcompoundswerediscoverybyhighthroughputscreening.Someleadingcompoundswithvaluabletherapeuticpotentialaretakenintoclinicaltrialanddevelopedintonewdrugs.Wecallthisstrategy“fromlabtoclinic”.高选择性药物（selectivedrugs）治疗复杂疾病的局限 抑制一个靶标不足以引起表型的改变，甚至可能激活疾病系统的中另一相关蛋白，以保护系统功能的稳定，从而导致药物失去功效或产生毒副作用； 单个靶蛋白发生突变导致药物失效，产生耐药性 抑制单个靶蛋白导致细胞代谢系统的不稳定，从而导致严重的毒副作用 选择性药物与靶蛋白之间高亲和度的结合，使细胞正常的生理功能受到阻碍，从而导致严重的毒副作用 选择性药物与其治疗药靶高度特异性的结合的同时，也可能与其它次级药靶部分结合，从而产生毒副作用 心血管疾病多靶点 ACE，NO，CN，JNK，MMP1，ARF1，RAC3,EGFR，MAPK12，PIK3...... 阿尔兹海默病多靶点 NMDA受体，Aβ蛋白，tau蛋白，ROS...... 肿瘤多靶点 VEGF，原癌基因，TNF，IL，PIN1，PKC...... 炎症多靶点 PLA2，COX，LO，LAT4H，PGES......复杂性疾病的影响机制是多因素多靶点的国际新药研发的新趋势网络药理学——药物发现的新模式NATURECHEMICALBIOLOGY,2008,49(11):462-470网络药理学是在理解“疾病表型－基因－靶点－药物”相互作用网络的基础上，通过网络，来观察药物对病理网络的干预与影响，从而使研发的新药更接近于疾病的实际情况，提高研发的成功率。FromNature,APastAndFuture:Ifyouusethesameoldtoolswithoutinnovativemethods,you'regoingtomakethesameolddiscoveries.ASP50thannualmeeting,2009新药发现需要新思路传统医学给现代药物研究的启示 传统医学中君、臣、佐、使配伍理论给现代药物研究者以启示 体现了多靶点协同作用的研究思路Nature2007,448(12):126-128传统医学给现代药物研究的启示AllsmallmoleculeNewChemicalEntitiesbySource(01/1981-06/2006,N=974)D.J.NewmanandG.M.CraggJ.Nat.Prod.2007,70,461-47763%的传统小分子药物都基于天然产物结构模板 天然产物具有极高的结构多样性，超乎人类的想象 生物进化赋予了天然产物很好的生物相容性 天然产物的化学结构能够匹配人体各类靶标的空间需求中药化学成分在药物发现中具有重要作用为新药研究提供了结构新颖的天然模板及仿生合成思路ChemicalCommunications,2009,25:3771-3773IF=5.34OrganicLetters,2009,11(5):1131-1133IF=5.128OrganicLetters,2008,10(12):2397-2400IF=5.128OrganicLetters,2008,10(24):5517-5520IF=5.128中药化学成分的结构多样性NatureChemicalBiology2007,3(7),408-414多靶点协同作用是生物体（包括药用植物）为适应环境而进化出的普遍现象 小檗碱和5’-MHC的协同抗菌作用使小檗属植物几乎不会受到细菌性病源菌的感染5*-methoxyhydnocarpinberberine+中药多成分多靶点协同作用 5’-MHC是专一的微生物多药耐药泵(MDRpump)抑制剂 5’-MHC强烈抑制微生物多药耐药泵对berberine的排出小檗碱和5’-MHC的抗菌协同作用 5’-MHC单独给药没有抗菌作用 5’-MHC与小檗碱同时给药,最低抑制浓度降低到单独使用小檗碱时的1/500(0.3g/ml)小檗碱和5’-MHC的抗菌协同作用2004-2010年，FDA受理并上临床试验的植物药（包括中药）368个，仅批准一个外用药茶多酚上市。SFDA至今还没有出台组分中药的技术要求及审批办法，更无新药上市。二、中药新药研究所面临的挑战中药新药审批的法规问题Molecularunderstandingandmodernapplicationoftraditionalmedicines:Cell.2007Sep7;130(5):769-74.ThepathfromtraditionalmedicinetoWesternpharmaceuticalisfraughtwithchallengesTheChallengesfromTraditionalMedicinetoModernDrugDespitetheseadvantages,thepathfromtraditionalmedicinetoWesternpharmaceuticalisfraughtwithchallenges: Western“discovery”ofatraditionalmedicine Isolationorsynthesisoftheactivecomponent Elucidationofthemolecularmechanism Developmentasapharmaceutical.Showninthisslidearefivetraditionalmedicines—artemisinin,triptolide,celastrol,capsaicin,andcurcumin—andthepointsinthepathwayfromancientremedytomoderndrugwheretheyfacethebiggesthurdles.Lipinski规则，源于对上市化学药品的统计学分析，该规则集中反映了化合物结构与蛋白亲合力及透膜能力的关系的统计学规律 分子量<500 油水分布系数<5 H键供体数<5 N和O的总数<10按照上述原则，大部分天然产物将不符合Lipinski规则，那我们是不是说大部分的传统药物都没有临床价值呢，这显然是不正确的。因为近代药物尚存在对疾病治疗认识不全面的地方。关于Lipinski五规则现代中药研究的不足 多数现代中药没有明确的分子靶点，作用机制尚不清楚，大多是在一些疾病模型上部分地验证了治疗作用，基本停留在国外60~70年代的筛选水平，因此，从研发水平上难以被国际医药主流学术界和工业界所接受。 由于不能确定分子靶标，无法遵循现代新药研究从先导物发现、先导优化到候选药物的主要历程。而系统SAR的研究几乎不可能。因此，不能评价先导物对靶点的亲和性和选择性，根本无法保证让最优秀的化学实体进入临床研究。这也是为什么大多数已开发的现代中药在临床表现上大多不如国外上市新药的主要原因。 由于现代中药缺乏系统的临床前ADME研究，多数中药在基本的生物利用度都不清楚情况下，即进入临床研究，这也是现代中药临床表现不稳定的重要原因之一。而现代新药研发，ADME的优化作为先导化合物优化的重要内容。用药物化学方法来解决ADME问题或者口服生物利用度问题远较药剂学的方法有用。*☆NATREVDRUGDISCOV,DDT等认为多成分组合药物将成为未来药物的主流☆国际上针对不同靶点，对已上市单分子药物进行组合设计，研发治疗肿瘤等复杂性疾病的新药已经启动☆多组分药物设计已成为新兴的药学研究前沿21世纪是复方药物的世纪三、中药、复方研究发展趋势现代中药研制模式西方新药研究体外药效的金标准（单靶点）：IC50/EC50<0.1M中药疗效的优势是多成分、多靶点的网络作用，单个靶标不强，但是整体效果好因此中药的活性评价不能采用西方标准小分子候选药物活性标准中药多种成分通过作用于多个靶点发挥协同作用伴行成分对提高活性成分的溶解度或吸收率，从而提高了活性成分的生物利用度提取物中的几种成分相互消除或降低毒副反应增敏作用，降低或逆转病原体的耐药性中药的多靶点作用多靶点作用的可能机制单成分作用于多靶点 单一小分子的多个药效团共同发挥作用单一中药来源的多成分作用于多靶点 作用于同一疾病的多通路、多靶点；疗效提高中药复方来源的多成分作用于多靶点 “君、臣、佐、使”相互协同；多靶点、低亲和 减毒增效，契合中医药传统理论中药多靶点作用的主要形式 基于传统功效的活性成分发现（青蒿素，丹参酚酸） 基于随机活性筛选的活性成分发现（紫杉醇） 虚拟筛选结合生物学验证的活性成分发现 基于已上市药物结构的中药活性成分的预测 基于多靶点的中药活性成分的研究（重点）中草药活性成分发现的途径 整体性、互补性、协同性 多成分、多靶点、多维度药理活性Pharmacology&Therapeutics2000,86:191-198中药作用机制的复杂性ATCMformulaisacomplexcombinationofmanynaturalspeciessuchasplants,animalsandminerals,eachofwhichcontainslotsofchemicalcompounds.Itstherapeuticeffectsmainlydependonthecompositionandcontentofeffectiveingredients.Therefore,atthemolecularlevel,TCMformulaearemulti-componentandmulti-targetagents,thuspresentmulti-dimensionalpharmacology.ThetherapeuticeffectivenessofaTCMformulacouldbeachievedthroughcollectivelymodulatingthemolecularnetworkofthebodysystembyitsactivecompounds.疾病相关网络的构建 DiseaseClass Disease Metabolicdisorders Type2diabetes,Type1diabetes,Obesity Cancers Coloncancer,Prostatecancer,Pancreaticcancers,Pancreaticductaladenocarcinom(PDAC),glioblastoma,Breastcancer,Gastriccancer,melanoma,Leukemia Centralneuralsystemdiseases Huntingtondisease,Inheritedataxias,Parkinson’sdisease,Alzheimer'sdisease,Schizophrenia,Glaucoma Cardiovasculardiseases Heartfailure,Atherosclerosis Immunediseases HIV-1,Autoimmunedisease,Asthma,Rheumatoidarthritis Others Dupuytren’sdisease,Inflammation,HepatitisCvirus,Epstein–Barrvirus,BenignProstaticHyperplasia,multiplesclerosisbrain-lesion,AutosomalDominantPolycysticKidneyDisease(ADPKD),Ushersyndrome,OsteoarthritisWeconductedacomprehensiveliteraturesearchabouttheinteractomeofdiseasegenesandproteinsandfoundnear50publicationsaboutdiseasenetworksconcerning6classesofdiseases(metabolicdisorders,cancers,centralneuralsystemdiseases,cardiovasculardiseases,immunediseases,andothers).Itcanbeseenthatdiseaseswithconstructednetworksarefarfromcomprehensivecomparedwithexistingdiseases.Butthemethodologiesusedtoconstructthemcouldbeappliedtoobtainthenetworksforotherdiseases.Thedisease-associatednetworkscouldbeappliedfortheidentificationofpotentialtargetsetsfortherapeuticinterventioninthecorrespondingdiseases.Severalnetworkmetricsandmodelshavebeenusedtoidentifypotentialtargets.Hereweintroducesomeofthem.多组分药物组合治疗是利用多个活性分子同时作用于多个靶蛋白，从而对疾病进行调控。多组分药物的多个活性分子间相互作用，产生的药物终效应可能大于、等于或小于其各个成分的作用之和，从而该药物合用结果分别被称为协同、加和或拮抗的。开发多组分药物就是寻找能产生协同作用的药物组合。多组分药物及其协同作用每种活性成分可单独用于治疗相同的疾病：通过评判药物组合产生的效应是否高于大剂量的单用其中任一组分所产生的加和水平，可判断这种药物合用是否产生协同作用。至少有一种活性成分的作用与治疗目标疾病无关，或不能单独用于治疗目标疾病，但与其它成分组合后却对目标疾病产生了更好的治疗效果：可以用基于作用效应的模型如HSA模型和Bliss加和模型来判断组合用药是否产生协同作用。 组合高通量筛选（combinationHigh-ThroughputScreening,cHTS）技术 优化算法指导下的组合筛选：closed-loop优化方法、顺序解码算法（sequentialdecodingalgorithm）、MACS（MedicinalAlgorithmicCombinatorialScreen）方法多组分的协同筛选方法疾病网络中识别潜在药靶组合的数学模型和算法： 最小敲除问题（theMinimumKnockoutProblem） 最小干涉问题（theMin-InterferenceProblem） 基于代谢网络的最优酶靶识别（OPMET）模型 改进的McMillan展开算法(McMillan’sunfoldingalgorithm） 软件TIde(TargetIdentification)RuthsDA,NakhlehL,IyengarMSetal.JComputBiol2006;13:1546-1557.DasikaMS,BurgardA,MaranasCD.BiophysicalJournal2006;91:382-398.SridharP,SongB,KahveciyTetal.PacificSymposiumonBiocomputing2008;13:291-302.YangK,BaiH,OuyangQetal.MolSystBiol2008;4:228.SchulzM,BakkerB,KlippE.BMCBioinformatics2009;10:344.药靶组合的研究方法中药靶点确认、新靶点的发现与反相药理学 在相同治疗领域中已知的分子靶点中鉴定现代中药主要作用的靶点。并在细胞—分子—基因水平三个层面确认药物的直接作用靶点，而非间接作用靶点。一般，IC50值应在10mm以下，否则难以解释其临床效果。 在药物研发进程中，尽管分子生物学有突飞猛进的进展，但新靶点的发现，仍然是充满悬念和漫长的过程，一个新靶点的提出及临床价值，只有在二期临床结束后才敢下初步的结论，近年，采用各种组学技术产生的新药物靶点，如雨后春笋一般，但临床淘汰率极高，这也是靶点依赖性药物的缺点，主要原因是我们对复杂疾病的认识不够，实属“盲人摸象”。反之，中药在临床有效的前提下，找到新的作用靶点，显然成功率极高。为此，法国DoQT等人，提出了反相药理学的新概念（CurrDrugDiscovTechnol2005Sep;2(3):161-7），即先有药物再有靶点。因此，从临床有效的中药中找到新的药物靶点的可能性极大。1.中药单体的研究四、实例Berberineisanovelcholesterol-loweringdrugworkingthroughauniquemechanismdistinctfromstatinsWeijiaKong,JingWei,ParveenAbidi,etal.NatureMedicine,2004,10(12):1344例-1Figure-1UpregulationofLDLRexpressionbyBBRinhumanhepatomacelllinesFigure-2BBRincreasesLDLRexpressionbystabilizingLDLRmRNAthroughthe5’proximalsectionoftheLDLRmRNA3’UTR.Figure-3(a)TheactivityofBBRonLDLRexpressionwasmostsensitivetoU0126.Figure-3BlockingERKactivationabolishedtheregulatoryeffectofBBRonLDLR.Figure-3(b)BBRrapidlyactivatedERKandthekineticsofERKactivationprecededtheupregulationofLDLRexpressionbyBBR.Figure-3(c)TheactivationofERKbyBBRisalsodosedependent.Figure-4BBRreducesplasmaLDL-candincreasesliverLDLRexpressioninhamsters.Figure-4(a)Figure-4(b)Figure-4(a):TreatmentofhyperlipidemicanimalswithBBRresultedindose-dependentdecreasesinbothserumtotalcholesterolandLDL-c.Figure-4(b):3.5-foldincreaseinmRNAanda2.6-foldincreaseinproteinhamsterliverstreatedwith100mg/kg/dofBBR.Figure-5BBRloweredserumLDL-cinhypercholesterolemicpeopleFigure-6BBRtreatmentalsosignificantlyimprovedliverfunctioninthissubgroupChart1 5.9 6.1 0.7 0.6 4.2 6 0.9 0.8 2.3 2.2 1.8 0.8 1.5 2.1 0.96 0.9 1.1 1.2 0.3 0.5 1.1 1.2 0.3 0.4 3.2 3.7 0.7 0.7 2.4 3.7 0.6 0.8BBRPlacebohypercholesterolemicSheet1 BBR Placebo Cholesterol before 5.9 6.1 0.7 0.6 after 4.2 6 0.9 0.8 Triglyceride before 2.3 2.2 1.8 0.8 after 1.5 2.1 0.96 0.9 HDL-c before 1.1 1.2 0.3 0.5 after 1.1 1.2 0.3 0.4 LDL-c before 3.2 3.7 0.7 0.7 after 2.4 3.7 0.6 0.8 BBR Placebo ALT before 44.9 45.7 21.8 17 after 23.6 44.8 11.1 10.2 AST before 39.3 39.6 22.2 19.2 after 26.6 38.8 8.2 8.3 GGT before 53.7 52.2 24.4 21.4 after 31.7 52 15.2 14.8 Bil-T before 17.4 17 8.8 6 after 13.8 17.3 6.3 5.3 Cr before 75.5 72.6 14.6 17.1 after 72.6 73.1 18.7 19 BUN before 5.76 5.6 1.2 1.4 after 5.79 5.66 1.2 1.3Sheet1 0.7 0.6 0.9 0.8 1.8 0.8 0.96 0.9 0.3 0.5 0.3 0.4 0.7 0.7 0.6 0.8BBRPlacebohypercholesterolemicSheet2 21.8 17 11.1 10.2 22.2 19.2 8.2 8.3 24.4 21.4 15.2 14.8 8.8 6 6.3 5.3 14.6 17.1 18.7 19 1.2 1.4 1.2 1.3BBRPlaceboum/LSheet3 Chart2 44.9 45.7 21.8 17 23.6 44.8 11.1 10.2 39.3 39.6 22.2 19.2 26.6 38.8 8.2 8.3 53.7 52.2 24.4 21.4 31.7 52 15.2 14.8 17.4 17 8.8 6 13.8 17.3 6.3 5.3 75.5 72.6 14.6 17.1 72.6 73.1 18.7 19 5.76 5.6 1.2 1.4 5.79 5.66 1.2 1.3BBRPlaceboum/LSheet1 BBR Placebo Cholesterol before 5.9 6.1 0.7 0.6 after 4.2 6 0.9 0.8 Triglyceride before 2.3 2.2 1.8 0.8 after 1.5 2.1 0.96 0.9 HDL-c before 1.1 1.2 0.3 0.5 after 1.1 1.2 0.3 0.4 LDL-c before 3.2 3.7 0.7 0.7 after 2.4 3.7 0.6 0.8 BBR Placebo ALT before 44.9 45.7 21.8 17 after 23.6 44.8 11.1 10.2 AST before 39.3 39.6 22.2 19.2 after 26.6 38.8 8.2 8.3 GGT before 53.7 52.2 24.4 21.4 after 31.7 52 15.2 14.8 Bil-T before 17.4 17 8.8 6 after 13.8 17.3 6.3 5.3 Cr before 75.5 72.6 14.6 17.1 after 72.6 73.1 18.7 19 BUN before 5.76 5.6 1.2 1.4 after 5.79 5.66 1.2 1.3Sheet1 0.7 0.6 0.9 0.8 1.8 0.8 0.96 0.9 0.3 0.5 0.3 0.4 0.7 0.7 0.6 0.8BBRPlacebohypercholesterolemicSheet2 21.8 17 11.1 10.2 22.2 19.2 8.2 8.3 24.4 21.4 15.2 14.8 8.8 6 6.3 5.3 14.6 17.1 18.7 19 1.2 1.4 1.2 1.3BBRPlaceboum/LSheet3 Results&conclusion:OraladministrationofBBRin32hypercholesterilemicpatientsfor3monthsreducedserumcholesterolby29%,triglyceridesby35%andLDL-cholesterolby25%.TreatmentofhyperlipidemichamsterswithBBRreducedserumcholesterolby40%andLDL-cholesterolby42%,witha3.5-foldincreaseinhepaticLDLRmRNAanda2.6-foldincreaseinhepaticLDLRprotein.Usinghumanhepatomacells,BBRupregulatesLDLRexpressionindependentofsterolregulatoryelementbindingproteins,butdependentonERKactivation.BBRelevatesLDLRexpressionthroughapost-transcriptionalmechanismthatstabilizesthemRNA.Usingaheterologoussystemwithluciferaseasareporter,the5’proximalsectionoftheLDLRmRNA3’untranslatedregionresponsiblefortheregulatoryeffectofBBR.BBRasanewhypolipidemicdrugwithamechanismofactiondifferentfromthatofstatindrugs.黄芪甲苷通过多靶点发挥心血管疾病治疗作用例-2黄芪甲苷的结构黄芪甲苷是黄芪的主要活性化合物(A)黄芪甲苷的化学结构;(B)黄芪甲苷的三维立体结构★significantanti-oxidantactivityNeuroscienceLetters,2004,363:218-223.★ToinducethegenerationofNOPlantaMedica,2006,72(1):4-8.★ToblocktheinternalflowofcalciumionPlantaMedica,2006,72(7):621-626★throughendothelium-dependentNO/CgmppathwayproducetheeffectClinicalandExperimentalPharmacologyandPhysiology,2007,34:387★alleviatemyocardialischemia★increasecoronarybloodflowandcardiacoutput★decreasemyocardialconsumptionofoxygen★protectheartagainstischemiainduceddisfunction★pharmacokineticsandtissuedistributionLifeSciences,2006,79(8):808-815BasicPharmacodynamicsandMechanismThecompletepharmacodynamicsandmechanismstudiesdemonstratedthatastragalosideIVhasgoodperspectiveandpotentialinthetreatmentofcardiovasculardiseases.Tobeemphasized,wefoundastragalosideIVcaninducethegenerationofnitrogenmonoxidum,whichisaessentialmechanismtoalleviatemyocardialischemia.收集某疾病所有上市药物及其作用靶点1.将药物靶点标记在各自所属的信号通路上2.将所有涉及到的信号通路网络补充完整关键通路及关键药靶中药活性成分计算机反向对接中药活性成分的可能作用靶点中药多靶点的网络分析多靶点实验验证研究方案FDA批准的小分子心血管治疗药物的靶点通路网络和药物-通路网络(A)靶点通路网络(B)药物-通路网络共计：●药物▲靶点■通路 167个药物 193个靶点 120条通路心血管疾病相关的药物和信号通路网络分析红色：文献报道的治疗心血管疾病可以利用的靶蛋白,共27个下划线：现有心血管疾病的药靶,共7个反向对接结果预测黄芪甲苷的可能作用靶蛋白 Cat. Proteinfunctionclass GeneIDforputativetargetsofAGS-IV 1 Regulationofvasoconstrictionandvasodilation ACE,NOS3 2 Bloodcoagulation F2,SERPINC1 3 Calciumionrelated CALM1,CN,LCK,DAPK1,DAPK2,MMP1 4 MAPkinaseactivityrelated EGFR,EGF,TGFA,FGFR1,INSR,MAPK12,MAPK14,MAPK8(JNK) 5 PI3K/Aktpathway PIK3CG,mTOR 6 SmallGproteins ARF1,RAC3 7 Immuneresponse HLA-DRB1,HLA-DRA,HLA-A,BST1,IRAK4 8 anti-oxidationrelated CYP3A4,ADH5,AKR1C4,GAPDH,NQO1,NCF1 9 Others KIT,MME,OAT,RXRB,MSN,GCK用反向对接软件INVDOCK预测出黄芪甲苷的可能作用靶蛋白共39个这39个蛋白可大致分为9类，其中8类是与心血管疾病治疗相关的蛋白体现了中药多靶点作用的特点黄芪甲苷——单成分多靶点作用网络通过自主建立的生物信息学方法，我们构建了黄芪甲苷的多靶点作用网络，证实了黄芪甲苷可通过抗炎、扩血管、抗血栓等多个环节发挥对心血管疾病的治疗作用，体现了中药单成分、多靶点作用的特点。红色显示的是黄芪甲苷可能直接作用的靶点◆黄芪甲苷●●●药物▲▲△靶点与黄芪甲苷相关的药物-靶点网络分析黄芪甲苷抑制钙调磷酸酶CN黄芪甲苷抑制ACE黄芪甲苷抑制JNK的磷酸化黄芪甲苷的可能作用靶蛋白的实验验证实验验证了3个蛋白确实被黄芪甲苷抑制 (B)黄芪甲苷抑制钙调磷酸酶CN;其中CsA是阳性对照药;PE是CN的激活剂(C)黄芪甲苷抑制ACE,其中EM是是阳性对照药(D)黄芪甲苷抑制JNK的磷酸化,其中PBS是对照组Conclusion:AlthoughinvitroactivityofAGSIVonspecificproteintargetsisweak,theinvivoactivityiscomparablewiththepositivedrugs.ActivityProfileofAGS-IVonMulti-targets Experimentclass AGS-IV Positivecontrastdrug InvitroInhibitiononCN IC50=403nM CNinhibitorCyclosporinAIC50=5nM InvitroInhibitiononACE IC50=268nM ACEinhibitorEnalaprilatIC50=1.94nMBycomparisonoftheIC50ofAGS-IVwithpositivecontrasts,wecouldcometotheconclusionthat AGS-IVcaninvitroinhibittheactivityofspecificproteintargets ItsinteractionswiththetargetsseemtobesubstantiallyweakercomparedwithcorrespondingpositivecontrolofFDA-approveddrugs.金沸草中多种类型萜类成分通过多靶点发挥抗炎作用例-3单一中药来源的多成分多靶点中药金沸草抗炎药效成分群的研究桉烷-愈创木烷二倍体裂环桉烷-愈创木烷二倍体内酯环裂环桉烷愈创木烷 共90个萜类化合物 分属8种不同结构类型 传统功效：祛风除湿、舒筋活络 现代药理：治疗关节酸痛例如，中药金沸草具有祛风除湿的传统功效，我们从中获得了大量倍半萜类成分。通过与炎症相关重要通路上各药物靶点的柔性对接，发现金沸草有效成分群可与TNF-、TAK1等多个靶点结合从而发挥多靶点的抗炎作用XFH-31XFH-5金沸草有效成分群作用网络的发现通过与炎症相关重要通路上药物靶点的柔性对接，我们发现金沸草中的多个成分可与TNF-、TAK1等多个靶点结合，从而发挥多靶点的抗炎作用。金沸草化合物对NF-B转录活性的抑制作用XFH-31+XX-3LPSLGTXFH-5XFH-31XX-3XFH-5+XFH-31XFH-5+XX-3 金沸草有效成分群的抗炎活性优于各单一成分细胞试验证明，金沸草有效成分群的抗炎活性优于各单一成分整体动物水平抗炎活性验证 活性成分群对小鼠关节损伤的改善作用显著优于单一成分，体现了中药多成分多靶点的作用特点XFH-31治疗组成分群治疗组模型组整体动物试验也证明，金沸草活性成分群对小鼠关节损伤的改善作用优于各单一成分。这充分体现了中药多成分多靶点的作用特点，而且在分子网络及整体动物水平上验证了金沸草的传统功效。复方丹参方的现代研究例-4组分配伍优化设计现代中药发现新模式丹参水溶性组分丹参脂溶性组分三七皂苷类组分复方丹参方的标准组分丹参素丹酚酸B人参皂苷Rb1人参皂苷Rg1三七皂苷R1丹参酮ⅡA组效关系研究基于组效关系的组分配伍优选FDA配伍组合均匀设计BEC组分分离分析A:丹酚酸B:丹参素C:丹参酮D:三七总皂苷E:三七黄酮F:冰片配伍协同效应张伯礼，等.复方丹参方药效物质及作用机理研究.世界科学技术—中医药现代化，2003，5(5):14~17等比设计-非线性建模-多目标优化非线性建模：方剂不同配比与药效之间的关系采用神经网络算法进行非线性拟合、建模。多目标优化：采用优化计算方法，寻找能使多个药效指标接近综合最优的配伍配比。商洪才,张伯礼等.丹参、三七不同配比的多目标模糊优化研究.北京中医药大学学报.2003,26（4）:28-31王睿,张伯礼等.ED-NM-MO三联法在中药方剂配比多目标优化中的应用.天津中医药.2005,23（6）:13-16Pareto最优集多目标优化问题解集新方与药典方抗心肌缺血药理作用比较冠脉血流量心肌耗氧量心外膜心电图表1 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 98.23 89.99 99.24 91.53 128.78 1.93 1.93 2.59 2.59 12.28 12.28 14.15 14.15 7.4 7.4 96.53 84.65 101.32 103.49 115.9 2.77 2.77 4.01 4.01 9.66 9.66 15.11 15.11 7.42 7.42 97.24 78.48 108.59 109.87 100.72 2.61 2.61 6.66 6.66 7.29 7.29 10.21 10.21 5.13 5.13 93.78 73.22 116.76 111.11 92.36 1.28 1.28 5.36 5.36 7.24 7.24 9.97 9.97 9.02 9.02 93.31 68.795 115.75 110.55 90.22 2.19 2.19 5.68 5.68 7.08 7.08 12.83 12.83 8.29 8.29假手术组模型组10/3组10/6组消心痛组时间（min）变化率（%）各给药组对急性心肌缺血犬冠脉血流量的影响比较Sheet8 药前 药后30 60 90 120 180 假手术组 100 98.23 96.53 97.24 93.78 93.31 模型组 100 89.99 84.65 78.48 73.22 68.795 10/0组 100 111.61 111.21 103.3 91.47 90.69 10/1组 100 84.41 82.09 84.91 78.57 75.84 10/3组 100 99.24 101.32 108.59 116.76 115.75 10/6组 100 91.53 103.49 109.87 111.11 110.55 10/10组 100 92.29 100.08 110.83 108.57 105.91 1/10组 100 99.03 93.44 94.77 90.59 104.81 0/10组 100 90.91 92.97 96.59 107.26 106.23 消心痛组 100 128.78 115.9 100.72 92.36 90.22Sheet8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0假手术组模型组10/0组10/1组10/3组10/6组10/10组1/10组0/10组消心痛组图表1 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 101.01 217.69 94.62 123.15 132.46 10.8 10.8 19.97 19.97 29.57 29.57 66.16 66.16 26 26 101.11 210.89 135.26 169.24 127.05 12.35 12.35 49.16 49.16 38.04 38.04 96.09 96.09 34.33 34.33假手术组模型组10/6组10/3组消心痛时间（min）变化率（%）各给药组对急性心肌缺血犬心肌耗氧量的影响Sheet1 药前 药后30min 90min 假手术组 100 101.01 101.11 模型组 100 217.69 210.89 10/10组 100 204.08 262.86 10/6组 100 94.62 135.26 10/3组 100 123.15 169.24 10/1组 100 109.63 120.76 10/0组 100 135.17 142.13 1/10组 100 153.69 157.47 0/10组 100 99.18 107.11 消心痛 100 132.46 127.05Sheet1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0假手术组模型组10/10组10/6组10/3组10/1组10/0组1/10组0/10组消心痛时间（min）变化率（%）各给药组对急性心肌缺血犬心肌耗氧量的影响Sheet2 Sheet3 图表2 100 100 100 100 0 0 0 0 0 0 0 0 100.52 85.96 90.23 93.35 0.7 0.7 2.69 2.69 8.31 8.31 2.91 2.91 101.43 87.03 90.24 85.34 1.03 1.03 2.39 2.39 6.62 6.62 8.