我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

打破壁垒Proteomic-Based药物发现

打破壁垒Proteomic-Based药物发现内容块的形象

想要一个免费的PDF版本的这个行业洞察力?

完成下面的表格,我们将电子邮件您的PDF版本“Proteomic-Based药物发现打破壁垒”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

在过去的几十年里,科学家们已经认识到,进一步我们对人类生物学的理解,反过来,人类病理学——一个完整的人类蛋白质组是必需的。毕竟,蛋白质是细胞的“主力”,几乎的目标所有药品。然而,朝着一个完整的画面已经不是一件简单的事情。

分析技术的进步无疑增加了蛋白质组分析的功能,但有瓶颈的过程中,蛋白质组学可以影响人类的速度有限医疗和药物发现。这导致“失败”认为蛋白质组学方法来交付最初希望和预期。

在最近的一次采访中188金宝搏备用技术网络,罗伊Smythe首席执行官SomaLogic解释说,这个故障已经可以理解的,但“现在是过去的事了”。SomaLogic是一种蛋白质生物标志物的发现和临床诊断公司以其专有SomaScan®化验,一种技术,作为一个“突破”蛋白质组学技术的影响力越来越大。该公司最近宣布与生物制药公司达成协议安进公司旨在推进安进的药物发现和开发项目通过全面的蛋白质组学分析。SomaLogic的技术将被应用到40000个样本,包括安进样本的临床试验。

我们采访了Smythe发现壁垒阻碍蛋白质组分析,以及如何与安进合作旨在改变药物发现的景观。

莫莉·坎贝尔(MC):为什么它是重要的利用蛋白质组学数据获取深入理解人类健康吗?

罗伊Smythe (RS):
想了一段时间,蛋白质可能是最好的来源的数据收集从人体理解过去的条件下,当前状态和预测未来状态(如疾病的发展或恶化)。这是为什么呢?蛋白质是生命的分子结构和功能,并基本上所有药物的目标。除了他们开车几乎所有人类生物学,他们也是动态的。换句话说,蛋白质变化随着年龄的增长,环境因素,基于我们生病,如果我们是否服药,等等。

基因做不到这一点,因为它们是静态的。基因异常可以预测一些事情,但除非有一个已知的“显性突变”的基因或基因,它们不是所有可预见的未来状态。大约3 - 5%的人类疾病是由生殖系遗传倾向,直接驱动的,剩下的是一些遗传倾向,加上一个大剂量的生活曝光,或独自曝光。蛋白质,如果你可以测量足够,给我们一个窗口这剩下的95 - 97%。被测量的问题。有20000个基本的蛋白质结构,但是直到我们发展和完善我们的技术和方法,你一次只能测量数百临床信息的方式。我们可以测量现在的5000,这一数字增加到7000多今年晚些时候。

我们的制药公司合作伙伴感兴趣的能力来衡量这许多蛋白质的重要原因。在临床研究的背景下,这让他们回答一些问题,包括:

  • 感兴趣的药物达到目标?

  • 是我们关心的药物达到目标?

  • 我可以从临床试验病人回到实验室的数据开发更好的药物吗?

  • 有蛋白表达的变化,是重要的对我来说理解re:疾病治疗的性质?


我们测量了这许多蛋白质在人类数十万次,发达的机器学习模型关联这些“蛋白质表达模式”当前和未来的身体状态和疾病的存在或通过我们的风险first-in-class蛋白质模式识别SomaSignal测试。除了这些潜在的应用程序,还有现在的能力来衡量一个大比例的蛋白质组和叠加到全民基因组研究。

基因异常可能是药物靶点的位置。如果你只能测量一个小比例的规范20000年发现的蛋白质的基因的可能性,或受影响的下游基因(“反式”)及其蛋白质是不可能的。我们支持这项工作。最后,从人体健康的角度来看,我们的能力来操纵过程我们的利益,需要我们了解人体的生物学更简洁。如果你只能测量数百生命的分子结构和功能——当有20000基本和无数的潜在改变形式,那么你怎么能理解人类生物学?我们的学术和医药合作伙伴所有上述感兴趣,我们都应该。

劳拉·兰斯顿(LL):有什么限制,阻止蛋白质组学数据影响医疗吗?SomaScan平台如何克服这种限制?

拉尔夫-舒马赫:
大部分的限制已经存在两个症结。,测量足够的蛋白质来得到一个“全身生物信号”,和两个,计算能力和方法把数据从这些测量,使新的推论。

你如何分析有助于改善治疗反应的评估和管理?

拉尔夫-舒马赫:
很简单——几乎所有药物目标蛋白质。看看正面或负面蛋白目标的能力是影响是一个非常重要的考虑因素,以及了解身体对药物反应的动态生物通过蛋白质表达。除了提供这些数据从我们的分析,我们现在提供SomaSignal测试——我们能够诊断或预测感兴趣的东西——回医药和学术市场。一个例子是我们主要的心血管风险测试——它措施心脏病或中风的风险在未来四年基于蛋白质模式表达式和机器学习。如果运行的试验是在你评估一种新药的能力降低心血管疾病的风险,我们给一个全新的潜力,更有效的方法来测量动态的影响。另一个例子是非酒精性脂肪肝炎(纳什)。我们有一个测试可以预测与高灵敏度是否有人纳什没有肝脏活组织检查和治疗是否对肝脏有影响。这允许您输入病人到纳什试验和评估响应而不需要肝脏活检。

我存在哪些挑战在药物发现的背景下,利用蛋白质组学数据?

拉尔夫-舒马赫:
当我们展示巨大的受益相关大规模蛋白质的表达模式,而不是测量蛋白质预测和衡量的事情第一次,没有一个完整的理解的蛋白质表达模式是什么意思因果关系生物学的角度来看,这些变化如何驱动。然而,我们的合作伙伴在制药和学术设置有了很大进步。

主持人:有一个明显的“失败”的临床蛋白质组学。什么是你的意见在这个问题上,你想象什么进展将在这个空间在未来几年?

拉尔夫-舒马赫:
失败是可以理解的,但现在是过去的事了。已经根据我前面所描述的,无法衡量在一个足够数量的蛋白质样品在一个时间点,不能理解复杂的蛋白表达数据模式如果你这样做,和无法有一个化验,符合所有的要求商业临床平台,诸如成本、准确性、速度、深度、广度和再现性。我们已经解决了很多在SomaLogic,还有更多。

罗伊Smythe莫莉坎贝尔和劳拉·伊丽莎白·兰斯顿来说,科学技术网络作家。188金宝搏备用

满足作者
劳拉·伊丽莎白·兰斯顿
劳拉·伊丽莎白·兰斯顿
主编
莫莉坎贝尔
莫莉坎贝尔
高级科学作家
广告
Baidu