Top 7 Trends Pharmaceutical Research 2018-ban

 

Mivel alatt egyre nagyobb nyomás nehezedik a versenyt egy nehéz gazdasági és technológiai környezet, gyógyszeripari és biotechnológiai cégek folyamatosan megújítsa a saját K + F programok, hogy elromlik a játék.

Külső újítások jönnek a különböző formák és származnak a különböző helyeken - az egyetemi laborok, hogy magántulajdonban lévő kockázati tőke által támogatott induló és szerződéses kutatási szervezetek (CRO). Térjünk felülvizsgálata néhány legbefolyásosabb kutatási irányzatok lesz „forró” 2018-ban és azon túl is, és összefoglalja néhány kulcsfontosságú játékos vezetési újítások.

Tavaly BioPharmaTrend -ról  több fontos trendeket  befolyásoló biotechnológiai ipar, nevezetesen: a haladás különböző aspektusait gén szerkesztési technológiák (főleg, CRISPR / Cas9); lenyűgöző növekedési területén immuno-onkológia (CAR-T-sejtek); növekvő összpontosítás microbiome kutatás; mélyülő érdeklődést precíziós gyógyszert; Néhány fontos előrelépések antibiotikumok felfedezése; növekvő izgalom mesterséges intelligencia (AI) a gyógyszerkutatásban / fejlesztés; ellentmondásos, de gyors növekedése a területen az orvosi kannabisz; és folyamatos fókusz pharma folytatásának K + F outsourcing modellek eléréséhez újítások és a szakértelem.

Az alábbiakban a folytatása ez a felülvizsgálat számos aktívabb kutatási területeket felkerül a listára, és néhány hosszabb kommentárok a trendek fent vázolt - ahol ez szükséges.

1. elfogadása Artificial Intelligence (AI) által a gyógyszeripari és biotechnológiai

Minden hype körül AI manapság, nehéz meglepni senkit ez a tendencia a gyógyszeripari kutatás. Azonban meg kell jegyezni, hogy az AI-vezérelt vállalatok valóban elkezd egyre vontatás nagy gyógyszeripari és más vezető élettudományi játékos, sok kutatási partnerségek és az együttműködési programok -  itt  van egy lista a legfontosabb foglalkozik eddig, és  itt  van egy rövid áttekintés néhány említésre méltó tevékenységet a „AI a gyógyszerkutatásban” tér az elmúlt néhány hónapban.

Egy esetleges madárinfluenza-alapú eszközök most feltárt valamennyi szakaszában gyógyszerkutatás és fejlesztés - kutatás adatbányászat és segíti cél azonosítása és érvényesítése, hogy segít felér új ólom vegyületek és a kábítószer-jelölteket, és előre tulajdonságaikat és kockázatokat. És végül, az AI-alapú szoftver már képes segíteni a tervezésben kémiai szintézissel vegyületek előállítására érdeklődés. AI is alkalmazzák, hogy tervez pre-klinikai és klinikai vizsgálatok és elemzése orvosbiológiai és klinikai adatok.

Beyond cél-alapú gyógyszerkutatás, AI alkalmazzák más kutatási területeken, például fenotípusos gyógyszerkutatási programokban - adatait elemezve magas tartalma szűrési módszerek.

A fő hangsúly az AI-vezérelt induló kis molekulájú gyógyszer felfedezése, van is érdekelt az ilyen technológiákon a biológiai felfedezése és kifejlesztése.

2. Táguló kémiai térben a gyógyszerkutatásban felfedezések

A létfontosságú része bármely kis molekula gyógyszerkutatási program elérje feltárása - azonosítani azokat a kiindulási pont a molekulák, amelyek csatlakozzanak egy utazás felé sikeres gyógyszerek (ritkán túlélni ezt az utat, de) - keresztül számos optimalizálása, validálása és a vizsgálati szakaszban.

A legfontosabb eleme a hit feltárás a hozzáférést egy kiterjesztett és kémiailag eltérő helyet a hatóanyag, mint a molekulák választani jelöltek, különösen, tapintás új cél biológiában. Tekintettel arra, hogy a meglévő vegyület gyűjtemények a kezében pharma épültek alapját részben a kis molekula tervez célzó ismert biológiai célokat, új biológiai célpontok olyan új tervek és új ötletek helyett újrahasznosítás túlzottan ugyanazon kémia.

Ezt követően szükség, tudományos laboratóriumok és magánvállalatok adatbázisokat létrehozni kémiai vegyületek messze túl mi áll a tipikus gyógyszergyár vegyület gyűjtemények. A példák közé tartoznak GDB-17 adatbázis virtuális tartalmazó molekulák 166,4 milliárd molekulák és  FDB-17  10 millió fragmens-szerű molekulák legfeljebb 17 nehéz atomok; ZINK  - egy ingyenes adatbázis kereskedelmi forgalomban kapható vegyületek a virtuális szűréshez, amely 750 millió molekula, beleértve a 230 millió 3D formátumok kész dokkoló; és egy újabb fejleménye szintetikusan hozzáférhető könnyen hozzáférhető (REAL) kémiai térben enamint - 650 millió molekula kereshető keresztül  valós tér Navigator  szoftver, és  337 millió molekulák kereshető  (hasonlóság) a EnamineStore.

Egy alternatív megközelítés eléréséhez új gyógyszer-szerű kémiai helyet hit feltárás DNS-kódolású könyvtár technológia (DELTA). Miatt a „split-és pool” jellegét DELTA szintézis lehetővé válik, hogy a rengeteg vegyületek költség- és időtakarékos módon (millió milliárdnyi vegyületek). Itt  van egy éleslátó jelentés a történelmi háttér, fogalom, sikerek, korlátok, és a jövőben a DNS-kódolású könyvtár technológia.

3. célzás RNS kis molekulákkal

Ez egy forró trend a gyógyszerkutatásban térben egy folyamatosan növekvő izgalom: tudósok, biotechnológiai induló és a gyógyszergyártók egyre aktív mintegy RNS célzást, de a bizonytalanság is magas.

Az élő organizmus,  DNS  tárolja az információt a  fehérje  szintézist és  RNS  azokat az utasításokat kódolt DNS vezető fehérjeszintézis riboszómák. Míg a gyógyszerek többségének irányul célzási fehérjék felelős egy betegségért, néha nem elég a patogén folyamatok. Úgy tűnik, mint egy okos stratégia kezdeni a folyamatban korábban és befolyása RNS előtt fehérjéket is szintetizáltuk, tehát lényegében befolyásoló fordítási folyamat a genotípus nem kívánt fenotípus (betegség megnyilvánulása).

A probléma az, RNS közismerten szörnyű célokat kis molekulák - ezek lineáris, hanem képes ügyetlenül csavarja, fold, vagy önmagához ragad, rosszul hitelezési a formáját, hogy alkalmas kötőzsebekkel a kábítószerek. Különben is, ellentétben a fehérjék, ezek össze mindössze négy nukleotid építőelemek így minden nagyon hasonló, és nehéz szelektív célzást kis molekulák.

Azonban  a közelmúltban számos előleget  utalnak, hogy ez valóban lehetséges, hogy dolgozzon ki a kábítószer-szerű, biológiailag aktív kis molekulák, amelyek a cél RNS-t. Új tudományos felismerések kéri egy arany rohanás az RNS -  legalább egy tucat vállalat  már szánt programokat, beleértve a Big Pharma (Biogen, Merck, Novartis, Pfizer), valamint biotechnológiai induló mint Arrakis Therapeutics egy  $ 38M sorozat kerek  2017-ben és Expansion Therapeutics -  $ 55M sorozat korai 2018-ban.

4. Új antibiotikumok felfedezése

Egyre nagyobb az aggodalom a nő az antibiotikum-rezisztens baktériumok - superbugs. Ezek felelősek a mintegy 700.000 haláleset világszerte minden évben, és aszerint, hogy a brit kormány felülvizsgálja ezt a számot jelentősen növelheti - akár 10 millió, 2050-re a baktériumok fejlődni és fejleszteni antibiotikumokkal szembeni rezisztenciát, amelyeket hagyományosan nagy sikerrel alkalmaznak, majd vált haszontalan idővel.

Felelőtlen vényköteles antibiotikumok kezelésére egyszerű esetekben a betegek és a széles körben elterjedt az antibiotikumok használatát az állattenyésztésben veszélyezteti a helyzetet ütemének felgyorsításával bakteriális mutáció teszi őket gyógyszerekkel szemben ellenálló riasztó sebességgel.

Másrészt, az antibiotikumok felfedezése óta vonzó terület gyógyszeripari kutatás, míg a fejlődő több „gazdaságilag megvalósítható” gyógyszerek. Ez talán a legfontosabb oka a kiszáradás a csővezeték új antibiotikum-osztályok, az utolsót már több mint harminc évvel ezelőtt.

Napjainkban a antibiotikumok felfedezése egyre vonzóbb terület miatt néhány jótékony változások szabályozási jogalkotó, stimuláló pharma önteni pénzt antibiotikumok felfedezése programok, valamint a kockázati befektetők - a biotechnológiai induló fejlődő ígéretes baktériumellenes gyógyszerek. 2016-ban, egyikünk (AB)  felülvizsgálta az állami antibiotikumok gyógyszerkutatás  és össze néhány ígéretes induló a térben, beleértve a makrolid Pharmaceuticals, Iterum Therapeutics, Spero Therapeutics, Cidara Therapeutics, és ENTASIS Therapeutics.

Figyelemre méltó, hogy az egyik izgalmasabb legújabb áttörést az antibiotikumok tér a  felfedezés Teixobactin  és analógjai 2015-ben egy tudóscsoport által vezetett Dr. Kim Lewis igazgatója, a Antimikrobiális Discovery Centre Northeastern Egyetemen. Ez a nagy teljesítményű új antibiotikumok osztály úgy véljük, hogy képes legyen ellenállni a fejlesztés a bakteriális rezisztencia ellen. Tavaly, a kutatók a University of Lincoln sikeresen kifejlesztett egy szintetizált változatát teixobactin, ami fontos előrelépést.

Most a kutatók a Singapore Eye Research Institute kimutatták, hogy a szintetikus változata a gyógyszer sikeresen gyógyítja Staphylococcus aureus szaruhártya élő egér modellekben; előtt aktivitását teixobactin csak in vitro körülmények. Ezekkel az új megállapítások teixobactin lesz szüksége 6-10 év fejlesztés lesz a gyógyszer, amely az orvosok is használható.

Mivel a felfedezés teixobactin 2015-ben, egy új család nevezett antibiotikumok malacidins arra  kiderült elején 2018 . Ez a felfedezés még mindig a korai szakaszában, és közel sem olyan fejlett, mint a legújabb kutatások teixobactin

5. a fenotípusos szűrővizsgálati

Kép hitel:  SciLifeLab

2011-ben a szerzők David Swinney és Jason Anthony  közzétett eredmények a megállapítások  arról, hogy az új gyógyszerek fedeztek 1999 és 2008 között debütál a tény, hogy jóval több, az első a kategóriájában kis molekulájú gyógyszerek ténylegesen fedeztek fel a fenotípusos szűrővizsgálati mint cél- megközelítéseket (28 engedélyezett gyógyszereket vs. 17-kal) - és ez még inkább szembetűnő, figyelembe véve, hogy ez volt cél alapuló megközelítés, amely volt a fő hangsúly az időszakban adni.

Ez befolyásos elemzés váltott reneszánsza fenotípusos gyógyszerkutatás paradigma 2011 óta - mind a gyógyszeripar és az egyetemek. A közelmúltban a tudósok a Novartis  felülvizsgálatot végzett  a jelenlegi állapotában ez a tendencia, és jött a következtetés, hogy míg pharma kutatási szervezet találkozott jelentős kihívásokat fenotípusos megközelítés, van egy csökkenő számú cél-alapú képernyők és a növekedés fenotípusos megközelítések az elmúlt 5 évben. Valószínűleg ez a tendencia jóval tovább tart majd 2018.

Fontos megjegyezni, hogy nem csupán összehasonlítjuk fenotípusos és célon alapuló megközelítések, egyértelmű tendencia bonyolultabb sejtszintű vizsgálatok, mint megy a halhatatlan sejtvonalak primer sejtek, a beteg sejtek ko-kultúrában, és 3D kultúrákban. A kísérleti elrendezés is egyre kifinomultabb, messze túl egyváltozós readouts felé változások megfigyelésével szubcelluláris, egysejtű elemzés és még sejt képalkotás.

6. Organs (test) -on-a-chip

Mikrocsipek sorakoznak élő emberi sejtek forradalmasíthatja gyógyszerfejlesztés, betegség modellezés és a személyre szabott orvoslás. Ezek mikrochip, az úgynevezett „szervek-on-chips” kínálnak a potenciális alternatívát jelent a hagyományos állatkísérleteket. Végső soron, amely összeköti a rendszer összességében egy módja annak, hogy az egész „test-on-a-chip” rendszer ideális gyógyszerkutatás és gyógyszer-jelölt vizsgálata és hitelesítése.

Ez a tendencia most nagy dolog gyógyszerkutatás és -fejlesztés tér és már lefedett a jelenlegi állapot és összefüggésében „szerv-on-a-chip” paradigma a legutóbbi  mini-review.

Bár sok szkepticizmus létezett 6-7 évvel ezelőtt, amikor perspektívák a területen fogalmazódott lelkes alkalmazók. Ma azonban a kritikusok úgy tűnik, hogy a teljes visszavonulást. Nem csak a szabályozási és finanszírozási ügynökség  átölelte a koncepció , de most egyre inkább  elfogadott  , mint a drog kutatási platform egyaránt pharma és a tudomány. Több mint két tucat szervrendszerek képviselt on-chip rendszer. További részletek  itt .

7. Bioprinting

A terület bioprinting emberi szövetek és szervek gyorsan fejlődő és ez kétségtelenül az orvostudomány jövője. Elején alakult 2016  Cellink  az egyik első cég a világon, amely a 3D nyomtatható bioink - folyékony, amely lehetővé teszi az élet és a növekedés az emberi sejtekben. Most a cég bioprints testrészek - orr és a fül, elsősorban vizsgálati gyógyszerek és kozmetikumok. Azt is kiírja kocka, amely lehetővé teszi a kutatók számára „játszani” sejtek az emberi szerveket, például a májat.

Cellink nemrég társult a CTI Biotech, egy francia Medtech cég szakosodott termelő rákos szövetekben, annak érdekében, hogy jelentősen előre a területen a rákkutatás és gyógyszerkutatás.

A fiatal biotechnológiai indítási alapvetően segít CTI 3D nyomtatási másolatai a rákos daganatok, úgy, hogy a Cellink a bioink egy mintát a beteg rákos sejteket. Ez segíti a kutatókat azonosításában új kezelések elleni specifikus ráktípusok.

Tovább biotechnológiai indítási fejlődő 3D nyomtatási technológia nyomtatására biológiai anyagok - az Oxford Egyetem spinout cég OxSyBio, ami  csak rögzítve £ 10m  a sorozat finanszírozás.

Amíg a 3D bioprinting rendkívül hasznos technológia, statikus és élettelen, mivel úgy véli csak a kezdeti állapot a nyomtatott objektum. A fejlettebb megközelítése az, hogy bele „idő”, mint a negyedik dimenzió a nyomtatott bio-objektumok (az úgynevezett „4D bioprinting”), ily módon ezek képesek változtatni formák vagy funkciós amikor egy külső inger kiszabni. Itt  van egy éleslátó véleményét 4D bioprinting.

zárás szempontjából

Nélkül is mély merülést mind a felső tendenciákat csak le, akkor válik nyilvánvalóvá, hogy az AI is részt vesz egyre növekvő része a cselekvés. Mindezek az új területek biopharma innováció váltak nagy adat központú. Ez a körülmény önmagában presages kiemelkedő szerepet AI, megjegyezve azt is, mint egy utóirat ezt a lefedettséget a téma, hogy az AI tartalmaz több, analitikus és numerikus eszközökkel alatt folyamatosan evolúció. Az alkalmazások AI a gyógyszerkutatásban és a korai szakaszban a fejlődés a legtöbb célzott feltárni a rejtett minták és következtetések összekötő okok és hatások egyébként nem azonosítható, illetve érthető.

Így a részhalmaza AI eszközök, amelyek használhatók a gyógyszeripari kutatás esik több megfelelő alá moniker a „gépi intelligencia”, vagy „a gépi tanulás”. Ezek lehetnek felügyeli emberi útmutatást, mint az osztályozók és a statisztikai tanulási módszerek, vagy felügyelet nélkül a belső működésébe, mint a végrehajtás különböző típusú mesterséges neurális hálózatok. Nyelv és szemantikai feldolgozás és valószínűségi módszerek bizonytalan (vagy zavaros) érvelés is hasznos szerepet játszanak.

Megértése, hogy ezek a különböző funkciókat lehet integrálni a széles fegyelem a „AI” egy ijesztő feladat, hogy valamennyi érdekelt feleknek vállalniuk kell. Az egyik legjobb helyeket keresni magyarázatokat és felvilágosításokat a  Data Science Központi  portál és különösen a blogbejegyzéseket Vincent Granville, aki rendszeresen  megvilágítja a különbséget  közötti AI, gépi hajló, mély tanulás, és a statisztika. Egyre ismerje a csínját-bínját AI egészének nélkülözhetetlen eleme a lépéstartás vagy megelőz minden biopharma trendeket.


Hozzászólás ideje: május-29-2018

WhatsApp Online Chat !