一种新的算法极大地提高了识别两种协同工作的癌症药物的速度

生物信息学专家开发了一种算法，可以从数千种可能性中识别出两种或两种以上协同作用的药物，以应对癌症或病毒感染等问题，这种算法可以将这种能力提高数年。

新的算法使研究人员能够使用现有的大型数据库，其中有关于一种癌症的信息药物改变了一个特定乳腺癌细胞系的基因表达，以及它杀死细胞的效果，然后用数学方法将这些结果与另一个细胞的影响结合起来药物乔治亚医学院生物技术和基因组医学中心主任理查德·麦金多博士说，看看它们是否能更好地合作。

他说，虽然该算法不能立即提供启动临床试验的那种信息，但它确实加快了试验的进程。

“我们的想法是，我们最终希望找到这些协同药物组合，有望帮助癌症患者，”麦金多说。“对于研究人员来说，这是一种找到这些协同组合的特别快速的方法，而不必一次筛选一种药物，这真的是不可行的。”

药物联合治疗可以提高药物效率，减少药物剂量(及相关毒性)和克服耐药性研究人员在杂志中写道《公共科学图书馆•综合》，并正在成为一种重要的工具癌症治疗．

“癌症对化疗药物产生耐药性并不罕见，所以临床医生试图解决的方法之一是使用组合，两种化疗药物一起使用，”麦金多说。“你同时对这两种病毒产生耐药性的可能性比你只有一种病毒的可能性要低。”

但研究人员说，鉴于现有药物和药物组合的数量，目前还没有有效的方法来确定最佳组合。

而且，并不是所有的组合都是有益的，事实上，一种药物实际上可以作为另一种药物的拮抗剂，有效地阻断或至少降低其治疗效果。McIndoe说，相比之下，正确的组合将增强治疗的效果，这意味着它们结合在一起会更好地杀伤癌症细胞-。

该算法还通过轻松共享发现来实现科学家之间的协同作用，从而实现更多的药物和药物细胞系进行评估，并建立针对特定癌症的有效组合数据库，以更快地增长。

“棘手的部分是如何确定哪种药物组合具有协同作用，”他说。

现有的寻找正确组合的方法包括巨大的自动化工作站，在那里，不同的药物组合与特定的癌细胞系放在一起，看看会发生什么。但是,列表McIndoe说，药物的寿命很长，潜在的组合更长。

他说，另一种方法是根据已知的各自作用模式将药物组合在一起，这仍然涉及大量药物和药物组合，这是另一个缓慢而昂贵的过程。

现有的巨大细胞系数据库已经用一种药物治疗，以观察治疗前后对基因表达的影响，包括基于集成网络的细胞特征库项目，以帮助简化大规模研究，就像MCG研究人员想做的那样。

他们将重点放在数据库中随机选择的57种化疗药物上，详细研究了分子变化生产出的每一种药物增长速度，即这种药物能产生多少杀伤癌细胞，然后设计了一种分子变化和每种细胞杀伤量的数学表示。

McIndoe说:“由于我们有所有单一药物的作用，我们可以根据分子变化在数学上结合两种药物。”

他们总共研究了57种抗癌药物的1596种组合。McIndoe和他的同事们写道，他们的算法选出了30种最佳药物组合，其中8种是用一个称为ZIP的标准统计模型确认的，这个结果远远好于随机，比测试大量潜在的药物组合成本和时间要少得多。

在实验室的后续测试中，他们用所提出的协同组合处理癌细胞系，进一步证实了它们的协同作用。

他指出，使用标准方法筛选所有1596种组合大约需要3年时间，而使用他们的算法大约需要8周时间。

McIndoe说:“我们对这篇论文的要求是，我们能否利用这些基因表达数据来找出一种方法，在把它们放在一起时，优先考虑哪些药物最有可能产生协同作用。”

基因表达的改变或突变，如环境暴露，甚至是随机错误，是癌症发展和传播的主要原因。不同类型的抗癌药物以不同的方式破坏癌症的DNA细胞并阻止或至少减缓它们的繁殖。

“当你用任何东西撞击细胞时，比如药物或营养变化，细胞会做出反应，”他说。“它的反应方式是开始改变其基因表达谱。”

这种调整可能是由于癌细胞试图生存，比如努力打开一些替代信号通路来促进生长，因为药物已经关闭了正常的信号通路。但如果药物起作用，细胞就会死亡，所以McIndoe和他的同事们把死亡率作为他们的重要底线。

研究人员指出，57种药物中只有一小部分似乎对癌细胞系没有影响，这些药物也不在那些被发现具有协同作用的药物之列，但当它们与正确的伙伴联合使用时，协同作用仍然是可能的，McIndoe说。

他们写道，该算法同样可以用于更容易地确定针对细菌、真菌和病毒感染等其他问题的最佳药物组合。

下一步包括观察其他乳房癌症用同样57种药物治疗的细胞株，再次观察它们的分子反应变化以及这些变化在不同细胞株中是否相同。McIndoe还想创建一个数据库，其他调查人员可以很容易地将影响上传基因表达以及他们研究的生长速度，并在实验室动物研究中进行重要的下一步，例如，看看协同作用是否适用于完整的肿瘤。

这项研究的第一作者是李佳琪博士，他曾是McIndoe的研究生，他的论文使用生物信息学工具推动科学发展。李现在是MCG生物技术和基因组医学中心的研究助理。合著者徐红燕博士是MCG人口健康科学系的人类群体遗传学家和生物统计学家。