【分享】新药研发简介系列

zhulikou431

新药研发简介系列（一）：新药研发的艰难
新药研发的艰难新药研发在西方是个相对成熟的行业，而中国则刚刚进入这个领域。本系列将为中国从事创新药物研发的同行们提供一些基本信息。
?
本章将讨论新药研发的复杂性。世界上有能力做创新药物的国家可能不到能在奥运会拿金牌的国家的三分直译。美国在有巨大市场（7000亿美元）的吸引之下，制药公司每年投入400-500亿美元的研发经费。这些经费用于吸引制药界的顶级人才，建立和维护研发的宏观设施，开展研发活动等。这样巨额投入，加上几十年的经验，每年FDA批准的新分子药物在25个左右，其中3-5个是全新机理药物。一个企业必须有足够的人才，经验，和财力才有可能成功地把新药做到上市，而只有极少数企业能达到这样的规模。现在美国4300家研发企业中，只有 6%的企业上市过至少一个新药，就是说94%的公司从未上市任何药物。0.48%的企业（这些企业集中在欧美发达国家）发现了50%的所有上市药物，就是说99.5%的公司只能去分剩下的50%。综合这些基本事实，加上中国在创新药物领域缺少实战经验，我们国内的绝大多数新药研发公司发现并上市新药的机会是很小的。这个残酷的现实迫使企业必须选择正确的切入点, 尽力避免损伤投资者对这个脆弱的新兴工业的信心。
新药研发为什么如此艰难呢？新药研发从来都很难，但由于以下几个原因近些年变得尤其困难。第一，容易的疾病（急性，外源性，机理单一简单如细菌感染）已经可以比较好地控制。目前的主要疾病都是慢性，内源性病，机理复杂多样，每个疾病在分子水平都是多种疾病的组合，任何一个药很难对多数病人有效。历史上慢性病药物的发现多起源于临床上的意外发现，比如大多数中枢神经药物均由少数几个意外发现衍生而来。当今的基因-蛋白-药物发现模式对于很多主要疾病，如中枢神经，肥胖等药物发现效率极低，因为没有可靠的动物模型和相关生物标记。第二，药监部门对药物的疗效，安全性要求提高。据Cochrane的估计，目前市场上的药物只有11%达到了当今药监部门的疗效要求。安全性的要求同样严格，对于某些非致命性疾病，每数万病人发生一例严重副反应则被认为是不够安全。Merck的Vioxx每4000人引起一例心梗，就被迫撤市。这样小概率的事件几乎无法在临床前预测，所以很多特异性很弱的测试（如hERG）加到了先导物优化程序中, 增加了潜在药物被误伤的机会。同样，临床实验的任何安全性信号都可以中止一个来之不易的潜在药物。第三，研发费用增长迅速。由于疗效空间变小，安全性容忍度下降，必须通过更大的临床实验才能充分鉴定潜在药物，从而大大增加研发成本，也大大降低药企对风险的容忍，我们无法知道有多少潜在的重磅药物被错误地中止。
?
?
为了给大家一些基本概念，我列举几个历史上的几个实例。大家可以看到新药研发人员所面临的复杂情况和必须做的艰难决定。第一个例子是有关他汀类药物。这是历史上最成功的药物，但其发现却充满艰辛。1976年，A. Endo从青霉发酵液提出一复杂天然产物叫compactin，是HMGCoA还原酶抑制剂，从而抑制胆固醇的生物合成。但给大鼠高剂量的compactin并无降血脂作用。公司因此停止了该项目。几个月后，不甘心的Endo给母鸡使用了compactin，发现有降血脂作用，从而重新启动了这个项目。这时Merck也加入了这个领域。Compactin很快上了临床，但没多久高剂量compactin被发现在狗身上产生毒性反应，从而中止了它的临床实验。这时Merck自己的同类药物lovastatin已准备进入临床，听到这个消息后，Merck立即停止了Lovastatin的开发。当时Merck的CEO Roy Vagelos自己就是脂代谢专家，他对这个机理非常感兴趣，所以决定彻底弄清毒性的本质。Merck用了3年时间仔细研究了lovastatin的安全性，证明所看到的毒性信号不是致癌的，因此再度开始了lovastatin的临床实验并于1987年上市，开辟了250亿美元的他汀市场。如果没有Endo的持之以恒，没有Vagelos判断和在时间和资源上的冒险投入，他汀只能是药物发展史上的一个小小的脚注。
?
第二个例子是甲氰脒胍的发现。60年代，胃溃疡手术是最常见的手术之一，所以胃溃疡药物市场显得很小因为当时的药物无法和手术竞争。H2拮抗剂的峰值销售当时的预测是1000万美元/年。但是James Black决定开始H2拮抗剂的研究。当时胃黏膜上是否有H2受体还是有争议的，那时也没有HTS, 选择性H2受体拮抗剂是从非选择性组氨受体激动剂，组氨，一点点优化过来的。第一个临床药物导致白血球下降，当时不能断定是否是机理本身的问题。甲氰脒胍作为后备药物刚进入临床后有一例重症胃溃疡病人，胃出血马上有生命危险。当时给这个人用甲氰脒胍是十分冒险的，因为他要是死了甲氰脒胍的研究就很难继续。尤其是考虑到当时为了开发H2拮抗剂，公司砍掉了很多其它项目，这个决定就更加困难。但是公司还是决定使用甲氰脒胍，结果病人治好了。Glaxo也从一个默默无闻的小公司变成一个世界级制药企业。
?
新药研发要面临大量错综复杂，经常相互矛盾的数据，每个决定都可以使多年的努力付之东流或使公司长时间陷入进退两难的困境。如同带兵打仗，必须有丰富的实战经验，准确的判断，和坚强的意志才能胜多负少。
2011-10-26 09:06新药研发简介系列（二）：药物的疗效和安全性
2011-11-14 07:44新药研发简介系列（三）：战前准备
2011-11-20 07:06新药研发简介系列（四）：1号高地-活性

zhulikou431

新药研发简介系列（三）：战前准备
孙子兵法有云“知己知彼，百战不殆；不知彼而知己，一胜一负；不知彼，不知己，每战必殆”。无论军事，竞技，还是智力较量，战前准备十分重要。准备越充分，执行的压力越小。
开始一个药物研发项目之前，通常需要做大量的调研来估计该项目的可行性，一般大概分成四部分，既SWOT
（优势，劣势，机会，风险）分析。我这里主要讲讲技术上有哪些方面需要考虑。成本，市场的估计同样关键但不在本文讨论之内。
技术上大概有两方面，即数据的数量和质量。
先说数量。一个项目需要在化学（包括专利情况），生物，药理等几方面的支持。化学方面，如果先导物已知，要考察它的成药性好坏，合成难易，有无毒性基团等。如果有一定构效关系，要看看构效关系是否过于陡峭以判断靶标蛋白是否能和多种化学类型结合。还要考察专利空间，有些靶点的专利空间不大，如蛋白激酶，需要考虑。生物方面，要考察调控一个生物途径对于目标疾病是否合理，同一条途径上的其它靶标是否有上市药物，该途径一旦被阻断是否有redundant生物途径维持其功能，阻断该途径是否会对细胞的生存造成威胁。还要研究靶标蛋白有无同源蛋白，其功能是什么，找到选择性配体的可能性，如果选择性不高有何后果，该蛋白是否在人和试验动物的表达一致，蛋白次序是否足够类似，结构是否已知以便药物设计，等等。药理方面，是否有足够强度，选择性，药代性质的化合物有动物疗效？如果没有，应该有蛋白剔除动物，或靶标抗体，反译核酸，siRNA等生物技术的数据。是否有功能或疗效的生物标记？该标记是否可以从试验动物转化到真实病人？实际的问题如能否建立生物筛选模型也必须考虑。
再说质量。前面文章讲到确定药物的疗效需要很严密的科学研究，判断靶标的可行性同样需要大量的科学数据。得到上面的那些数据后，首先要看它们是否一致；如果不一致，哪些数据更可靠。前几周罗氏发表一论文声称文献中60%的靶标生物数据他们无法重现。除了个别造假文章外，现在科技文献中还存在大量假阳性结果。据业内人士估计，《科学》，《自然》这样的顶尖杂志可能有50%以上的结果无法重复。2005年，斯坦福大学的Ioannidis在跟踪多个重大发现后得出结论现在大多数的发表数据是错误的。如何在文献中挑选出真正有价值的东西绝非易事。考虑到药物研发涉及上面提到的多学科数据，深刻的分析和准确的判断可以说是衡量一个团队技术水平一个关键指标。
分析项目可行性的确需要大量的知识和实战经验，而战机的把握也很重要。林彪曾说打仗要有七分胜率。胜率太小，风险太大；等更大的胜率则可能失去战机。目前新药研发的平均胜率约为~8%（从一期临床算）。如果从项目开始算，应该小于<1%。所以如果有一分胜率，就得调兵遣将了。
“知彼”固然十分重要，战略的另一个成分是“知己”。这个理论上容易但实际上人们通常会高估自己的实力，做出一些蚍蜉撼大树的决定。决策者做决定之前一定要参照业界历史数据，自己过去的胜率。不要假设如果你车轮的所有分子同时向前运动，你就明年不用买汽油了。
总之，全面，客观，冷静地分析项目的可行性和自己的战斗力是一个项目开始之前的必要工作。这个工作做的越好，你成功的机会就越大。

zhulikou431

新药研发简介系列（四）：1号高地-活性
老大决定开始某个项目后就是兄弟们流血流汗的时候了。一个项目第一个要解决的问题就是活性。很多人认为药物设计就是解决活性问题，这是不对的。早些年，合成技术落后，起始原料/中间体供应少，筛选通量低，所以活性是个比较大的问题。今天由于上述情况发生了天翻覆地的变化，活性虽然依旧重要，但只占临床前研究的5-10%的工作量。设计高活性化合物已经不是衡量一个药物化学家水平的主要标志。
人体大约有三万个蛋白，由于进化效率的要求这些蛋白是由为数不多的一些模块和他们的类似模块组合而成。这个现象同时提供了药物研发的机会和挑战。一方面，由于不同蛋白使用类似模块，使筛选成为可能否则多数项目无法开始。大多数靶点的先导物来自功能上不相关的其他靶点的配体。另一方面，同样原因也使选择性成为药物设计的一个主要难题。
为什么需要高活性化合物呢？由于上述原因，现在药物一般要求剂量在<100毫克/天（最好一次口服）以避免副作用。这要求该药物有好的药代性质（以后还会详悉讨论这个问题）和足够的活性。100毫克正常分布在靶点组织大概有1
uM浓度，考虑到蛋白结合，大概有100 nM的自由药物。考虑到体内体外环境的区别，对一般靶点来说药物应该有<10 nM的活性。
如果你有500，000个化合物大小的化合物库，对一般靶点来说HTS能找到一些1
uM左右的先导物。你需要另外找到3-4千卡/摩尔的结合能才能得到1-10 nM的配体。怎样才能得到这些结合能呢？
1．??增加基团。
最明显也是最常用的手段就是在先导物上继续加其它基团以找到新的接合点，从而增加活性。但分子大小会影药代性质所以不能无限制增加分子量。那么一个基团一般能带来多少结合能呢？1984年，Peter Andrews分析了当时的200个上市药物的结合能得出如下公式：
?G = -14 (熵) - 0.7xDOP + 0.7xCsp2 + 0.8xCsp3 + 11.5xN+ + 1.2xN +
8.2xCO2- + 10xPO4- + 2.5xOH + 3.4xC=O + 1.1xO,S + 1.3xHal
配体和蛋白结合先要损失14 Kcal/mol的熵，各个基团对结合能贡献不同。例如对于一般药物，羧酸能贡献8.2 Kcal/mol的结合能。注意，并不是说对于任何分子你加个羧酸就能得到8.2 Kcal/mol的结合能，而是如果你加个羧酸得到了8.2
Kcal/mol的结合能说明你达到了一般药物的设计水平。尽管如此，这是第一次大家对常用基团的贡献有了个大概估计。
1999年，Docking大腕Kuntz比较了最强活性的配体和分子大小的关系，得出平均每个重原子大概能带来0.3 Kcal/mol的结合能。同样，并不是说对于任何分子你加个一个重原子就能得到0.3 Kcal/mol的结合能，而是如果能得到0.3
Kcal/mol的结合能说明你的重原子基本选对了并放对了位置，您可以偷着乐了。这个结论后来得到其他药物化学家的证实。所以你增加基团的时候应该以这个为目标。实际工作中，一般达不到这个水平，但也有个别情况一个原子可以带来巨大的结合能。例如抗凝血新药Xarelto噻酚环上的那个氯原子提供了~3Kcal/mol的结合能。
2．??改变已有基团。
由于分子间弱相互作用对分子间距离十分敏感（范德华力和距离的12次方成反比），任何一个药物分子都不可能每个片断都和靶点蛋白有完美的作用。把无用或起反作用的基团用更有效的基团替代也是提高活性的手段之一。我举个简单的例子来演示这个过程需要多少知识和思考。
化合物1是Bradykinin B1拮抗剂，但由于吡碇环上电子密度太大所以代谢不稳定（半衰期0.15小时）。Merck的科学家想到用环丙烷酰基取代吡碇（化合物2），结果半衰期增加到9.5小时而活性几乎未失去。这个设计你得知道1）电子密度大会导致代谢不稳定；2）环丙烷不易被代谢；3）环丙烷的碳虽然是sp3杂化但有很强的sp2碳特征所以可以代替吡碇；4）羰基氧可以代替吡碇氮。
3．??骨架迁越。
有时无论如何做外围的改动都无法达到预期的活性，这时只能改变分子骨架。.改变骨架一般需要更多的合成技巧，失去活性的可能性也大大增加。我认为这是药物设计比较尖端的技巧，适合经验丰富的高手。找到成药的骨架意义重大，一个好的骨架可以衍生出很多药物, 如甾体，beta-内酰胺等经典骨架均有多个上市药物。1996年，Mark Murcko分析了已有药物的骨架发现32个分子骨架造就了50%的上市药物。这个问题细讲起来技术性太强，就不多说了。
最后说一点，体外活性和你筛选的模型息息相关，多数模型没有考虑结合动力学，靶点占据时间等细节，亦没有体内局部内源性配体过高导致的活性下降，体内正负反馈，血流营养供应等重要因素，所以不是都能转化为体内活性，有时甚至不能作为主要的优化指标。这些见不得人的内幕就不讲了。

zhulikou431

新药研发简介系列（五）：五规则（Rule Of 5，RO5）
药学界有些人有一点神笔马良情结，总梦想自己掌握一个简单的窍门就能把别人需要历尽千辛万苦才能解决的问题轻松搞定。90年代后期，经历了计算机辅助药物设计，组合化学等几个失望之后，魔力爱好者找到一个新目标。
1997年，辉瑞的Lipinsky分析了当时的二期临床以后药物的理化特征，得出一个非常自律，具体的结论：除了天然产物药物（主要是抗生素），如果一个化合物违反了下面四个规则中的两个将可能有水溶性或透膜性差的问题。这四个规则是：1.分子量>500; 2. cLogP>5; 3. 氢键供体>5；4. 氢键受体>10，简称五规则因为都和数字五有关。其理由是90%的药物都遵守至少其中的两个规则。我们知道任何反向(retrospective)的分析都不是很可靠因为很多因素没有控制, 比如那时候GPCR受体占了50%的药物靶点而这些受体的配体多是分子量很小的有机胺。另外，你不知道非药物的化合物是否也有90%或者更高比例遵守这些规则。我个人经验是97年的时候最多有20-30%制药工业合成供筛选的化合物违反两个以上的RO5，所以药物可能比普通群众长的更drug-like，但区别有限。虽然有这些逻辑上的缺陷，但这些规则的确和药物化学家的经验在一定程度上一致。最重要的是，Lipinsky只是说违背这些规则只有两个不良后果：水溶性或透膜性不理想。如果其它因素需要你违背RO5，Lipinsky从没说过永远不要合成违背RO5的化合物。
遗憾的是，这个重要的研究很快被传播地走了样。有些同志似乎发现了制药工业停滞不前的唯一原因：我们的化合物违背了RO5。马上就有人把符合RO5的化合物叫类药性（drug-like）化合物。做药的人都知道水溶性和透膜性只是一个药物需要跨过几十个障碍中的两个。把RO5遵守者叫drug-like和把一年级数学拿满分的学生叫Nobel Winner-like一样可笑，虽然90%的诺贝尔奖获得者可能小学一年级数学得了满分。多个研究表明药物比其先导物分子量更大，cLogP更高，难道先导物比药物更像药物，李鬼比李逵更像李逵？再说了，cLogP根本没有统一算法，不同算法能差两个单位。
不管怎样，RO5很快成了药物化学家必须考虑的设计因素。药物设计的新手学的第一课就是RO5，很多公司强烈限制合成违背RO5的新化合物，尽管自2001年起由于药代性质不好而失败的临床药物只占不到总数的10%。2008年销售前10名的小分子药物中，有两个违背了RO5，三个需要代谢活化成不可逆配体才起作用，还有一个是麦克尔受体。只有四个是良民百姓。随着制药工业不断进军非传统靶点（蛋白蛋白相互作用靶点如BCl，磷酸酶如PTP1B，高亲脂靶点如CETP）, 在违犯RO5的化合物中选择药物将不可避免。
RO5对新药研发起了多少积极或消极的作用估计永远也不会有明确结论。自1997年至今，虽然RO5的影响持续增长但新药的产出却几乎是直线下降。前一阵有人统计各公司专利化合物的理化性质，辉瑞的化合物遵守RO5的比例最高，但单位R&D投入做出的新药却最少。违背RO5最多是诺华，但其新药产出率是最高的。
前面讲过药物研发要面临非常复杂的情况，期望一个简单的规则就能大大增加你的胜率是不现实的，也违背了Lipinsky的初衷。前一阵礼来的总裁说过做药如同橄榄球比赛，要靠基本功，而不是投机取巧（trick plays）。爱迪生不是说过“成功是1%的灵感加上99%的血汗”，没有任何领域比药物研发更能验证这个真理。

zhulikou431

新药研发简介（六）：动物实验
虽然人们早就意识到动物和人，疾病模型和疾病本身的巨大区别，但是动物实验依然是药物上市前的一道重要的风险控制关口。我这里讲讲如何对待动物实验数据。对于团队里的非药理成员，虽然不一定懂得实验细节，但也不能无条件接受药理学家的结论。评价一个动物实验结果是否可靠主要看以下几个因素：1，疗效的大小，是否统计性显著；2，阴性/阳性对照是否异常； 3，量效曲线是否异常；4，重复性； 5，疗效是否通过项目靶点而产生；6，其它细节。
一个最基本的概念是统计性显著。如果用药组和对照组的差异没有通过统计学显著性差异试验（一般是<5%假阳性），那么不管用药组和对照组在数值上有多大差异都得认为药物没有疗效。一个常见解释数据的错误是说虽然两组没有统计性显著差异，但有有效趋势，对这类同志要小心。你或者怀孕或者没怀孕，不能有点怀孕。虽然<5%假阳性有一定随意性，但是达不到这个水平就得算无效。另一种需要注意的情况是，虽然两组有统计性差异但差异很小。这种情况有可能是假阳性虽然p<0.05，也可能疗效是真的但没有应用价值。都不是好事。
动物实验一般要有阳性/阴性/空白对照。这是比赛的场地，只有在这个场地进的球才算数。每个实验都应有空白对照（vehicle control）, 如果一个模型很成熟有时为了节约资源可以不用阳性/阴性对照。如果模型不够稳定，应该使用已经证实有效的药物作为阳性对照和其它性质类似但无活性的化合物作为阴性对照。从任何缺少对照的实验得出的结论都不能作为最后结论。
量效曲线是另一个重要指标。一般大家期待一个饱和曲线，即低剂量时疗效很低，随着剂量增加疗效增加直至饱和。但实际工作中常出现其它形状的量效关系。最常见的“非正常”曲线是反U型曲线，即高低剂量都无效只有中间剂量有效。反U型曲线很多情况下是实验噪音，有时这种曲线是真的，叫hormesis，不过学界对其真实性还有争论。一般这种药物的疗效都很微小，在临床上反应人群的确定远难于饱和曲线药物（如果病人服药无效可能是剂量过低，过高，或不反应，大大增加了复杂性），所以遇到反U型曲线药物果断放弃一般是正确的决定。这种情况原因很多。一是药物浓度和剂量相关性差，这种情况在临床实验较常见，但因实验动物的基因背景一致，又是军事化管理所以差异很小，所以不常见。另一可能是机体的正反馈调控，最常见是受体失敏（receptor desensitization），即高剂量下目标蛋白表达大量增加反而疗效下降。
实验的重复性很重要，我以前的老板总说不要相信任何n<3（重复3次）的实验结果。同一次实验的不同组一般只算一次实验。一些没有经历新药研发折磨过的同志有时会因为一个好的实验结果欢蹦跳跃，而老同志一般会要求重复该实验。
虽然理论上讲疗效是否通过目标靶点起作用并不重要，但由于动物模型的预测性大多数很差，所以假阳性很多。如果起作用的蛋白只在动物上表达或和人的蛋白结构，功能，或表达水平相差太多，动物疗效将无法转化为临床疗效。另外，现在的项目对目标靶点的研究都是多方面，全方位的，所以保证动物疗效是通过目标靶点起作用可以减少临床研究的复杂性。现在极少有公司敢把由off-target产生疗效的化合物推向临床。验证机理的方法很多。你可以使用不表达该蛋白的动物看疗效是否消失，也可用作用相反的化合物/抗体中和药物疗效（一个受体的拮抗剂因该中和其激动极的作用）。也可以测量下游被调控蛋白的变化来反推目标靶点是否和药物发生了作用。
除了这些，还有一些其它细节需要大家注意，就不多讲了。
最后讲一点，由于经济和伦理原因，极少药物在临床上做过量效曲线；而动物实验又极少考虑临床实验的很多设计因素，尤其是动物的同一性（同一基因背景，同一作息时间，同种饮食等等）。临床实验的样本考虑（保证假阳性<5%, 假阴性<10-20%的样本量）在设计动物实验时几乎不是一个因素。新药研发有时更是一种艺术（和gambling尤其类似）而非一门科学。

zhulikou431

新药研发简介（七）：Me-too药物
所有没能力做全新靶点药物而又不甘心做仿制药物的企业都知道me-too药物是个折中的选择，但做me-too药物研发也是有不少窍门的。本文将结合历史上成功的me-too药物和最近的一些常用策略来阐述一下me-too药物研发的技巧。
首先说明现在几乎所有的热门靶点都有多家企业参与竞争，冒同样风险，所以相差一，二年上市的非首创药物叫平行me-too，不在本文讨论范围内。我这里讲的是适合中国企业的纯me-too，即在首创药物已上市或接近上市时才开始的项目。
Me-too药物最大的好处，也是最广为人知的好处是它的低风险，但是低风险几乎永远是和低回报联系在一起的。Me-too药物研发的高手并不是一味回避风险才做me-too，而是发现了某个靶点的潜力并没有完全被开采，而用自己的药物扩大同类药物的用途。这种模式是带有较大风险的，但仍比全新靶点靠谱。
最理想的情况是首创药物没有优化好，比如活性没有最大化或药代不理想。这种情况现在已极少出现了，即使有，首创公司也会有自己的后备me-too。所以谁说把延长半衰期作为me-too卖点不是那人自己看走眼了，就是忽悠你。切合实际的机会有几种。一种情况是靶点的药理十分复杂，市场的吸收缓慢，需要多年的研究才能找到最佳的使用方法。这时首创药物可能专利已过所以无人会继续投资深度开发。另一种情况是新的科学研究或临床数据表明老的靶点可能有新的用途或首创药物的某些缺陷可以有效地改善。
说到me-too不可能不讲利普陀。利普陀是第五个上市的的他汀类药物，但它成为历史上最成功的药物。它11月专利到期时甚至大众媒体都作为一新闻报道，可见其影响力。我记得利普陀的专利发表在1990年，那时首创药物lovastatin已上市3年，所以这是纯me-too。那么是什么使利普陀成为史上最强药物呢？不是它的IC50或成药性比lovastatin好多少（活性差不多，分子量还大一百多），而是辉瑞投入的8亿美元的临床实验。辉瑞做了三个很大的临床实验把适用人群扩大到几乎所有人，就差把利普陀放自来水里了。一个实验是TNT，表明即使LDL在正常值（当时）左右的人使用80mg利普陀也可以降低心梗（22%）和中风（25%）。其它二个一个叫CARDS，证明糖尿病人使用利普陀可降低心血管病风险，另一个叫ASCOT，证明高血压病人服用利普陀可以降低心血管病风险。所以有些人认为利普陀的成功纯粹是因为辉瑞的销售人员会卖是不正确的，当然辉瑞的销售的确是世界一流。
一类药物上市后可能在临床上发现新的用途，尤其是使用广泛的大药。但一般这时首创药物已专利过期，所以失去继续开发的价值。一个例子是King Pharmaceutical的ACE抑制剂Altace。Altace是第n个上市的ACE抑制剂。临床上早就发现所有ACE抑制剂除了降压还有心肌保护作用，但无人肯做实验证实。King Pharmaceutical 根据这个临床结果做了个风险很小的实验证明自己的ACE抑制剂Altace有心肌保护作用，由于这个新适应症，Altace的市场占有率从4%上升到15%。辉瑞的新药pregabalin和同类老药gabapentin结构几乎一模一样，但增加了fibromyalga这个新适应症（其实gabapentin效果应该一样，但没人会做了），现在已是40亿美元药物。
还有一些常见的策略，比如利用两个成熟靶点设计多靶点新药（如GSK的Tykerb）；增加极性基团消除中枢副作用；抗感染和抗癌药的耐药问题造就了多代同类药物；改进分布的前药如capecitabine等等。
当然最纯朴的me-too同样有市场，尤其是在价格还是主要因素的发展中国家。南韩的PDE5抑制剂Udenafil只是把伟哥的一个不重要的侧链（整个侧链才提供<1Kcal/mol的结合能）稍加改造, 但因其售价很低所以在南韩的市场占有率很高。
药物远比其它商品复杂，随着新知识的出现成熟的机理仍然有很大改进的空间。作为后来者你有两个优势：你比原创者知道的更多，你的专利比原创者更晚到期。只要你深入研究新研究进展对老产品带来的改进机会并愿意冒一定风险，me-too是一个非常有前景的研发模式。历史上最成功的药学家James Black曾说过”找新药最好的办法是从老药开始”，这话可不是随便说着玩的, 而是有其深刻内涵的。

zhulikou431

新药研发简介系列（二）：药物的疗效和安全性
药物的疗效和安全性似乎是不言自明的，我妈就常说那药管不管用我自己吃的我还不知道。对于极少数疾病和极少数药物这可能是对的，但多数情况下事情要复杂的多。有些疾病是可以自愈的（如感冒），所以在好转时你即使服用无效药物病情也会稳定或好转；不少疾病的疗效须长时间观察才能得出结论，如心血管疾病的预防；另有一些疾病的空白效应很大，如抑郁，疼痛等，50-70%的病人不管吃什么药都有好转。更根本的问题是，目前的主要疾病药物无法逆转或治愈，只能在一定程度上缓解病情和减慢恶化的速度，这种情况下病人，甚至一般医生都无法准确判断一个药物是否有效。只有临床实验才能解决这样的问题。
几个星期前，英特尔的前CEO Andrew Grove在《科学》杂志上发表一篇评论，建议“药物在一期临床证明安全后就在真正的病人上使用，使用中医生把效果数据输入一个统一的大数据库中，这样可以知道药物在真实世界中的有效性”。这个建议让我想起多年前有人在BMJ上发表一篇文章讥笑随机对照临床实验（RCT），题目大概是“降落伞在自由下落时对死亡和创伤的作用”。两篇文章都假设疾病由单一机理产生，病人无个体差异，药物疗效十分显著。这和目前主要疾病的治疗情况可以说是几乎不沾边。实际的情况是每个疾病在分子水平都是多种疾病（如癌症），临床表现不尽相同，并发疾病可能截然相反（心衰可伴随高血压或低血压）；每个病人的代谢酶和靶点蛋白的表达程度不一，饮食，生活习惯，基因背景千差万别；病人的依从性，其它药物的服用数量也不尽相同。如果这还不够复杂的话，多数药物一般只有比较弱的效果，多数疾病的硬临床事件（如死亡）发生率并不高。在如此复杂的情况下，本来就不强的疗效和安全性信号很容易被埋在噪音里。现在的临床实验越来越大，越来越长。Merck的升HDL药物预计有36，000病人，历时3年才能准确定义该药的疗效和安全性。即使这样大的实验回答的问题还通常不如引进的多。2002年美国政府为解决高血压用药混乱的问题资助一个大型临床实验简称ALLHAT，到今天关于这个实验的各种争论还在继续。当然一个主要原因是最便宜的利尿药不光降压效果不逊于更贵的新药，甚至比昂贵的新药更有效地防止心力衰竭的发生率。
RCT起源于20世纪50年代，其中的一个主要倡导者叫Bill Silverman。50年代很多早产儿会失明。当时哥伦比亚大学生物系的一个教授生了一个早产儿（1.2公斤），在此之前此人流产6次，所以同事们都非常珍惜这个孩子。为了避免失明的厄运，Silverman教授决定用唯一的希望，一种叫ACTH的药物避免孩子的失明。使用了10个星期后，孩子的视力基本正常。Silverman又给他们医院的31个早产儿使用了ACTH，其中25名孩子视力正常，只有2名双目失明。而同时在附近另一家医院的7名早产儿有6人双目失明。Silverman没有立即推广这个疗法，而是在两个医院做了一个随机，双盲，对照的实验。实验结果发现用药组比对照组失明率还高。多年后才弄清是两个医院婴儿氧气箱的氧气量不同导致的失明率的不同。从那以后，循证医学（evidenced based medicine）成为定义药物疗效的权威手段。
近年来有人把循证医学更推进一步，叫science based medicine。其根据是即使RCT的结果也可能是假阳性，所以须有其它的科学证据支持。举个小例子。我问我10岁的女儿，过去3天每天我的闹钟一响，太阳就出来了，是不是我的闹钟把太阳叫起来的？她说不是。我又问，过去3天我一直感冒，今天吃了一片药就好了，是不是药治好了我的感冒。她说那当然。所以大家直觉都会对一个事情的可能性有个估计，但对于新药研发直觉是不够的，必须有科学证据。
总之，某些药物的疗效可以很容易观测。但对于多数主要疾病，目前新药研发的技术只能找到效果一般的药物，这时只有严格的RCT加上辅助的科学证据才能准确定义一个药的疗效和安全性。

zhulikou431

新药研发简介（八）：再谈me-too药物
过节的酒也醒的差不多了，咱们再来谈谈me-too药物。
前面写了一些有关me-too药物研发的概况，我的观点是在国际市场有前途的me-too应该挖掘一个靶点没被首创药物涵盖的潜力，而不是简单模仿。这跟找对象一样，你第一个见的人不一定是和你最匹配的人虽然他/她满足你的大部分要求。郑洁和梁国辉都过了十几年了那华硕不还是后来居上了？药物也一样，任何一个药物都不可能只做它该做的事而且做得最好；不做不该做的事，一点不做。药物和靶点的匹配（即疗效）以及对其它蛋白的不匹配（即选择性/副作用）没有最好，只有更好。很多人以为一个靶点的治疗能力很容易被一个药物完全涵盖是不对的，而且很多药物的off-target effects都是可以继续优化的。关键是me-too药物和首创药物的区分是否值得你的投入而这个问题是和疾病的演化，人们对该疾病的重视程度，新知识的出现等多种因素相关，时刻变化的。
那么怎样判断一个靶点的潜力是否被挖掘的差不多了呢？任何一个靶点，如果只有一个上市药物，不管厂家把这个药物说的怎么天花乱坠，都值得me-too之。有不少销量很大的药物还没有任何后续药物，令我十分不解。比如最近一篇DDT文章中提到的Tamiflu, Revlimid, Provigil, Velcade等。还有一种情况是虽然一个靶点已有几个药物，但其中一个结构与其它药物有明显区别，临床表现也独特。那这个药物可能还有潜力。一个例子是利尿药氯噻酮。虽然它被认为是噻嗪类但其结构与其它噻嗪有明显区别，近来有几个临床实验表明它疗效独特。我个人最看好的靶点是（此处略去721字），目前只有一个药物。这个病发病率高但公众并未对其给与应有的重视，未来十年药厂会广泛宣传这个疾病，所以大众会象了解高血脂，高血压一样了解它的危害。市场前景十分看好。
即使最好的药物也都有一些根本缺陷，这是由于药物研发的复杂性和高成本造成的。比如几乎所有药物都只对部分病人有效，因为病人的靶点表达和代谢酶水平不同，所以至少这一点所有药物都可以被继续优化。多数药物都有一些不严重的副作用如头晕，恶心。很多药物和其它药物有配伍禁忌，不少药物的吸收受食物影响。药物比其它商品更复杂，改进的空间也更大，但由于研发成本太高使很多改造得不偿失。正是这个错综复杂的环境使药物研发惊心动魄。一方面有Roche总裁认为me-too一文不值，另一方面Concert和GSK签订了价值10亿美元的合同只是氘代了GSK三个即将专利过期的药物。所以判断一个靶点还有多少潜力是十分复杂，不断变化，仁者见仁，智者见智的事。

zhulikou431

新药研发简介（九）：运气在药物研发中的作用
很少有人愿意把成功归功于运气，但运气的确在药物研发中起到很重要的作用，有时甚至是决定性作用。历史上成功的药物我估计80%的情况运气起了关键作用。从弗莱明偶然发现青霉素，到Leo Sternbach清理实验室发现了最大一类精神类药物，benzodiazapine（这两个药的衍生药物估计能占整个药物总数的10-20%）, 到Cade为了增加尿酸溶解度发现了锂盐的抗抑郁疗效，到4-辛酸作为溶剂而发现其抗癫痫疗效。真正理性设计的药物所占比例真是不大。
除了上面提到的众所周知，大家都承认的例子，还有很多新药的发现依赖更深层的，不是很明显的运气。今天和大家聊聊这些故事。
19世纪有机化学还在婴儿期，只有分子式能准确测定，很多天然产物的结构根本无法测定。当时奎宁已经被发现有抗疟作用。18岁的Perkin一算两个分子的稀丙基对甲级苯胺氧化缩合正好是奎宁的分子式。现在学过有机化学的人都知道这根本不可能成功，奎宁的全合成得等100年后我的师爷R.B. Woodward现身江湖时才能实现，这是后话。Perkin做了这个反应，当然没得到奎宁，但得到了一个紫色燃料。这个发现开始了现代染料工业，后来的几十年很多种染料被合成出来，其中包括磺胺类染料。20世纪初当人们寻找第一代抗生素时，这个在寻找抗疟（微生物疾病）药物失败中的副产物的衍生物成为了现代药物的鼻祖。时也，命也！
COX2抑制剂在90年代末到本世纪初曾是一类很大的药物，后来由于Vioxx事件这类药物已经被严重边缘化了，但这类药物的发现还是有些经验值得借鉴的。70年代前列腺素是整个制药工业最关心的一个靶点之一，主要为了找到止痛药和血管舒张剂。这个大规模的努力基本都失败了，没做出什么重要的药物。但1971年Vane发现阿司匹林是通过抑制前列腺素合成的一个酶叫COX而起作用。后来有人发现COX有两个亚型，其中COX1和阿司匹林的胃肠出血有关，而COX2和其止痛有关。寻找选择性COX2抑制剂成为解决阿司匹林副作用的一个诱人策略。阿司匹林类似物是历史上最大的一类药物（非甾体抗炎药物），在前列腺素和COX2的研究之前，已有很多公司寻找各种各样的非甾体抗炎药物。其中杜邦的一个药物就是对COX2选择性很高的，但当时并不知道这个性质。发现COX2后，这个药成了COX2抑制剂的原形，后来的Vioxx和Celebrex和它都很类似。COX2抑制剂的出现依赖两个不相干的事件，70年代对前列腺素的大规模基础研究和对非甾体抗炎药物的商业me-too。
再说说我最爱讲的故事，利普陀。Park-Davis做它的时候根本不知这个药能卖多少，决定开发它的时候也只估计最乐观的情况峰值年销售会有8亿。但是他们没考虑他们在想法提高Paal-Knorr反应收率的时候Merck正在大规模地宣传LDL的危害，等利普陀上市时整个社会对LDL的认同已和80年代中期有天壤之别。
科学家有个本能，就是习惯把所有事情都放在一个逻辑框架中，尤其是在公开发表的文章或科学报告中，如果承认运气是主要因素似乎贬低了科学家的能力。但实际情况是我们很多重要发现是依赖大大小的偶然因素。承认这一点并不代表科学家很愚蠢，只是说明我们要解决的问题有多复杂。
这些历史事件提醒我们在寻找新药时要谦虚，我们的知识和要解决的问题的复杂程度比是微不足道的，我们需要运气的帮助。最后引用现在北美热播的电影《Hunger Games》的一句台词：May odds be ever in your favor。祝所有寻找新药的朋友好运。

zhulikou431

新药研发简介（十）：假阳性和假阴性
一千多年前，韩愈老夫子写过一篇伯师傅相马的故事，文中写到“世有伯乐，然后有千里马。千里马常有，而伯乐不常有。故虽有名马，祇辱于奴隶人之手，骈死于槽枥之间，不以千里称也。 ”如果把伯乐（或奴隶人）换成药厂，把千里马换成新药，韩老夫子整个就一个预言家，说的就是现在新药研发的状况。
药物研发的假阳性和假阴性并不像字面上那么简单。所有在研发过程不同阶段中被淘汰的化合物都可以被看作是某些测试的假阳性，因为正是有了这些假阳性结果才使这些化合物没有更早地被淘汰。而临床的意外发现或某些人的冒险成功把已经判死刑的化合物变成药物则可被看作是判它们死刑的那些测试的假阴性。但实际情况要更复杂。相当比例的失败化合物被淘汰可能是被误伤，也可能是成了某些测试的假阴性牺牲品。也有上市药物在使用中被发现有问题而被撤市的，所以自己当年的成功是假阳性。这就是新药研发的无间道。
任何研发程序都不可能100%准确，即假阳性和假阴性会永远存在。即使伯乐伯师傅也肯定有看走眼的时候。但在100%和0%之间还是有很大空间。我认为目前的研发机构普遍对假阳性过于恐惧，而对假阴性过于宽容。这对研发的效率非常不利。现在研发程序越来越复杂，谁都想为枪毙一个化合物做点贡献以显示自己部门的重要性。这个规则那个测试，谁都想帮你找出掩藏在人们内部的阶级敌人。理论上讲，越早失败，越低成本失败，损失越少。但物极必反，如果不想承担任何大于0的风险那只会淘汰所有化合物。历史上几乎所有首创药物都曾经九死一生。如果按今天的逻辑多半会成为体制的假阴性牺牲品。拿咱们自己的三氧化二砷和青蒿素来说，如果它们出现在今天的HTS，多数公司的先导物挑选人员会以多个理由把它们去掉，跟本不可能继续优化别说上市了。以前讲过的prozac，在那时的动物模型中无效，第一个二期临床都失败了。3代beta-阻断剂当时是禁用于心衰病人的，惠氏把它放进心衰的临床实验是有很大争议的。有人说他们是做**式的人体试验。
为什么大家对假阳性这么恐惧而对假阴性则包容很多呢？原因其实很简单，假阳性很多而且容易发现而假阴性几乎无法被证实。如果你走进某大药厂的研发会议，大叫一声这个项目肯定不行，你有95%的可能是对的虽然你不知他们在说什么。就是说淘汰一个化合物犯错误的机会很小。但新药是如此珍贵，错过任何一个药物可能使公司错过一个几十年不遇的机会。而抓住一个机会会使公司甚至整个行业兴旺十几二十年。如果现在老年痴呆的几个首创药物有一二个能成功，整个制药工业都会受到积极的影响因为会有一些me-too。
如果你的数据帮助公司终止了一个化合物，公司会奖励你为公司避免了更大损失。如果你怀疑那是假阴性而继续推进，如果在临床出现问题（仍然可能是假阴性），会有很多人说他们早就告诉过你这个傻瓜这化合物问题这么明显你还执迷不悟。反过来，如果你错误地终止了一个化合物，这个错误几乎永远不会被发现。即使别的公司最后把同类药物做上市，他们也不可能用你们的化合物，你还可以说你们的化合物就是有问题。如果你不相信我的理论，你可以试试从大公司买他们失败的临床药物，你要是能买到算你能耐。不是没有，但很少。
于是乎大家齐呼 “天下无马！”呜呼！其真无马邪？其真不知马也。

zhulikou431

新药研发简介（十一）：有机合成在新药研发中的作用
60年代前，有机合成技术，分离纯化，结构鉴定条件和现在比那可谓天壤之别。不对称合成，尤其是非环系统的立体控制几乎没有，纯化以重结晶为主，核磁共振才刚刚普及，红外紫外还起很重要的作用。加上那时先导物的优化以整体动物的生理，行为变化为指导，需要药物量较大，而且动物实验本身也很贵，所以设计合成新化合物要非常谨慎。那个时期新药研发的核心是有机化学家和药理学家。
80年代后，有机合成有了突飞猛进的进步。不对称催化，过渡金属催化的偶联反应等新反应使大量分子结构的快速合成成为可能。合成起始原料的供应也有了长足的发展，很多以前需要自己做的化合物都可以买到。重结晶和低压蒸馏技术渐渐失传。2D NMR使复杂分子结构的解析成为日常工作。大量及其复杂的天然产物一个个被优雅地合成出来。人们相信只要有足够的资源，化学家可以合成任何化合物。筛选也从整体动物转移到细胞甚至纯化酶的水平，只要能合成毫克化合物即能得到一级数据（primary assay），所以药物研发对合成能力的依赖似乎有所下降，有机合成似乎成了可有可无的一门技术，好像随便学几年化学便可以胜任研发中的化学工作。这个理念成为大规模外包的一个理论基础，既然有机合成谁都能做，为什么不找最便宜的呢？
毋庸置疑，有机合成在研发的地位不如以前重要，但还远远没沦落成一个服务部门的程度。优秀的有机化学家还是能左右项目的进程，在现在这样残酷的竞争下，有机合成的技能可能决定一个药物上市的次序。对于某些疾病如癌症第二个上市的壁垒要远高于首创药物，所以有机合成依然是一门关键的手艺。
优秀的药物化学家能准确判断一个化合物能否在规定时间内合成出来，而不成熟的药物化学家则经常失手。一个错误是只盯着SAR趋势而忽略了合成困难。这个错误在新毕业的学生中很常见，不惜一切代价合成一个价值有限的复杂类似物，而一个简单的化合物可以回答大部分面临的SAR问题。另一个错误是错误判断一个合成的难度，比如忽略了某些限制反应的结构特征。常见的错误包括反应要求高能量的构象（如试图取代一个位阻很大的离去基如neopentyl位置）, 负离子中间体的临位有离去基，反应涉及高能量的过渡态（如反芳香），错误判断立体化学等。其它细节如设计不够灵巧，过多保护，脱保护，反复氧化还原，没有意识到潜在的反应活性等也会影响效率。还有不少纯粹是经验，也没什么理论基础，有些反应就是行有些就是不行。另一个极端是不敢做太难的化合物。有时项目卡壳了，明显只做简单修饰无法跨越下一个障碍，这时必须对结构有较大调整，这个时候合成技巧强的人明显作用更突出。由于SAR本身就很复杂，没有哪个化合物一定能解决当下的SAR难题而再细小的结构变化也可能导致大的性质改变，所以SAR价值和合成代价之间的checks and balances就非常微妙。好的药物化学家如同好的工匠，能利用手上有限的材料和工具快速有效地搭造一个有价值的工艺品而一般的药物化学家则可能在某些化合物上浪费过多时间而贻误战机。
现在一个令人忧虑的情况是学校里天然产物全合成项目很难拿到资助，象Phil Baran这样的顶尖高手都有资金短缺的问题。这很可能在未来10-20年产生一个药物化学代沟。全合成对人类的知识扩展的确作用有限，但从培训药物化学家的角度看，全合成是最有效的训练方法。如果你在学校没学好合成，在工作中几乎没有提高的机会因为大家每天讨论的几乎全是与合成不相干的其它困难。
有机合成在药物生产中的作用无人置疑，就不多讲了。

shifeng2012

太多了吧，这。

lunmulunmu

zhulikou431 发表于 2014-3-12 15:57
新药研发简介（十一）：有机合成在新药研发中的作用
60年代前，有机合成技术，分离纯化，结构鉴定条件和现 ...

读小说的感觉呀

彩虹

学习学习{:soso_e181:}

玻璃杯

很难的课题，新药现在连二类都难了

lgc