從2001年起，《麻省理工科技評論》（MIT Technology Review）都會在每年的年初評選年度“十大突破性技術”。近日，
2020年度“十大突破性技術”預測名單如期而至，榜單涵蓋了新藥研發、數字貨幣、微型人工智能、互聯網技術等多個領域。這些技術之所以能夠入選，是因為它們有望對解決重要問題產生真正的影響，我們的生活和工作方式也有望因它們的到來而改變。在本文種，醫藥觀瀾將帶您瞭解下新藥研發領域的三大技術——超個體化藥物、抗衰老藥物、人工智能發現藥物分子。1. 超個體化藥物
在剛剛過去的“國際罕見病日”，罕見病再一次引發了全社會的廣泛關注。據統計，全球目前已知的罕見病有7000多種，但有藥可治的罕見病僅有6%左右。而在這些無藥可治的罕見病中，還有一些極其罕見的致命疾病，它們只發生在1個或幾個人身上，連研究它的科學家都沒有，患者最終也往往難逃“死神”的魔掌。但是超個體化藥物的出現有望使這種情況在未來逐漸得到改變，因為它是為單個患者量身定製的創新療法。發生在小女孩米拉（Mila）身上的故事就是這樣一個真實的案例。
2016年，6歲的米拉患上了Batten病（Batten disease）。這是一種非常罕見的遺傳性神經退行性疾病，它不但漸漸剝奪了米拉的視力和行走能力，而且還讓她每天遭受十多次癲癇發作的折磨。對於所有像米拉一樣確診的兒童，得上Batten病幾乎等同於被判了死刑，因為無藥可治。但是米拉的父母並沒有放棄，他們找到了波士頓兒童醫院專攻兒科遺傳學的神經內科教授Timothy Yu博士。Yu博士團隊通過基因組測序分析找到了導致米拉患病的突變基因，並在不到一年的時間內開發出了只針對米拉一個人的反義寡核苷酸（ASO）療法——“Milasen”，相關研究結果也發表在了《新英格蘭醫學雜誌》（NEJM）上。米拉病情目前雖尚未痊癒，但症狀已得到緩解：不但癲癇發作減少，還可以在協助下站立和行走。
雖然超個體化療法有望為身患絕症的人帶來一線希望，但是《麻省理工科技評論》也在文章中提到了這些患者數為1（N-of-one）的潛在治療方案所面臨的挑戰：“它幾乎與現行的新藥研發、測試和銷售理念背道而馳。當這些藥物只幫助了一個人，卻需要投入龐大的團隊來設計和製造時，誰來為它們買單呢？”
2. 抗衰老藥物
隨著年齡的增長，人體內會積累一些衰老細胞。衰老細胞可以產生低水平的炎症，抑制正常的細胞修復機制，併為鄰近細胞創造一個有毒的環境。而抗衰老藥物（senolytics）可以特異性地誘導衰老細胞的凋亡。2019年9月，梅奧診所（Mayo Clinic）的科研人員，第一次在人體試驗中發現抗衰老藥物能夠成功清除衰老細胞，邁出了從動物實驗到人體試驗這一步。目前，第一波新型抗衰老藥物已經開始在人體進行測試，雖然還不能延長壽命，但有望通過延緩或逆轉衰老的基本過程來治療特定的疾病。
2019年6月，總部位於舊金山的生物醫藥公司Unity Biotechnology公佈了其在研抗衰老藥物UBX0101治療中重度的膝關節骨性關節炎（OA）的1期臨床試驗積極結果。UBX0101是一種抗凋亡蛋白——鼠雙小蛋白2的小分子抑制劑，有預防甚至逆轉OA進展的潛力。動物模型研究發現：將UBX0101注射入小鼠關節腔內，可選擇性地殺傷衰老細胞，抑制關節軟骨侵蝕，並減少疼痛以及OA炎症標誌物的表達。1期臨床試驗結果顯示：在滑液中測量的生物標誌物的改變，與衰老細胞的消除和組織環境的潛在改善一致 。UBX0101更大規模的臨床試驗結果預計將在2020年下半年公佈。同時Unity Biotechnology公司還在開發治療眼睛和肺部等老年性疾病的類似藥物。
除了Unity Biotechnology之外，一家名為Alkahest的生物技術公司正在嘗試向患者注射年輕人血液中的某些成分，以期能夠阻止輕度和中度阿爾茨海默氏病患者的認知和功能性能力下降。Alkahest公司的這款在研療法名字為GRF6019，GRF6019由從年輕人血漿中提取的特定蛋白成分構成，在動物模型中可以刺激神經細胞的產生和提高認知能力，並緩解神經炎症。2019年8月，Alkahest公司公佈了GRF6019治療輕度至中度阿爾茨海默病患者的2期臨床試驗積極結果，結果顯示：GRF6019的安全性、耐受性良好，認知能力測試顯示受試者在為期6個月的試驗中沒有出現認知能力下降。
此外，2019年12月，德雷克塞爾大學醫學院（Drexel University College of Medicine）的研究人員還在嘗試研究一種含有免疫抑制藥物雷帕黴素（rapamycin）的面霜，看它能否延緩人類皮膚的衰老。
這些試驗反映了研究人員正在加大努力，以研究與衰老相關的許多疾病（例如心臟病，關節炎，癌症和痴呆症）是否可以被破解以推遲它們的發作。
3. 人工智能發現藥物分子
眾所周知，新藥研發之路並非坦途。每一款上市新藥的背後，都是平均10多年的漫長道路，以及20多億美元的高昂開支，而早期藥物發現就佔去了將近一半的成本。而人工智能的出現，則有望提升尋找到候選藥物分子的速度，並減少所需的成本。
2019年9月，來自Insilico Medicine、藥明康德、以及多倫多大學的科學家們在《自然》子刊Nature Biotechnology上發表了一篇文章，介紹了他們是如何利用人工智能技術快速找到了新藥候選分子。
據介紹，為了尋找到潛在的DDR1抑制劑，研究人員們開發了一種機器學習算法，用於設計新藥分子。在對數據庫進行優化之後，研究人員們使用了強化學習的方法，初步得到了大約3萬個不同的結構，並從進一步的篩選結果中隨機挑選出了40個結構，其中39個具有新穎性。隨後科學家們根據合成的難易程度，挑選出了6個分子，用作後續的體外與體內實驗。其中1種化合物在動物實驗中表現出了令人滿意的藥代動力學特性。從選擇一個靶點，到形成潛在的新藥候選分子，僅僅用了21天。而且，在人工智能技術與研發人員的協同下，在選定靶點的46天后，新篩選出的分子就完成了初步的生物學驗證。
藥物發現領域的化學家們經常會去構想一種新的分子，這是一門藝術，背後需要經過多年經驗的磨練和敏銳的直覺。而人工智能的出現則使“藝術家”們多了一個想象和發揮的空間。
本文著作權屬原創者所有，我們轉載此文出於傳播更多資訊之目的，如涉著作權事宜請聯繫刪除。
閱讀更多 至德聊醫界 的文章
