Essere sotto crescente pressione per competere in un impegnativo aziende ambiente economico e tecnologico, farmaceutico e biotecnologico deve continuamente innovare nei loro programmi di R & S di stare davanti al gioco.
innovazioni esterne sono disponibili in forme diverse e provengono da luoghi diversi - dai laboratori universitari, alle start-up capital-backed venture a capitale privato e le organizzazioni di ricerca a contratto (CRO). Andiamo a rivedere alcune delle direzioni di ricerca più influenti che sarà “caldo” nel 2018 e oltre, e riassumere alcuni dei giocatori chiave innovazioni di guida.
L'anno scorso BioPharmaTrend riassumere alcune importanti tendenze che interessano l'industria biofarmaceutica, vale a dire: un avanzamento di vari aspetti delle tecnologie di editing gene (principalmente, CRISPR / Cas9); una crescita affascinante nella zona di immuno-oncologia (cellule CAR-T); una crescente attenzione sulla ricerca microbiome; un interesse di approfondimento nel campo della medicina di precisione; alcuni progressi importanti nella scoperta di antibiotici; un crescente entusiasmo per l'intelligenza artificiale (AI) per la scoperta di farmaci / sviluppo; una crescita del controverso ma rapida nel campo della cannabis medica; e messa a fuoco continua di pharma, di esercitare modelli di outsourcing di R & S per accedere innovazioni e competenze.
Qui di seguito è una continuazione di questa recensione con diverse aree più attive di ricerca aggiunto alla lista, e alcuni commenti estesi sulle tendenze sopra delineato - se del caso.
1. Adozione di Intelligenza Artificiale (AI) per pharma e biotech
Con tutto l'hype intorno AI giorno d'oggi, è difficile sorprendere nessuno con questa tendenza nella ricerca farmaceutica. Tuttavia, va notato che le aziende guidati dalla CPU davvero iniziare a ricevere trazione con grandi case farmaceutiche e gli altri protagonisti di scienze della vita, con un sacco di partenariati di ricerca e programmi di collaborazione - qui è una lista di offerte chiave finora, e qui è una breve recensione di qualche notevole attività nello spazio “aI per la scoperta della droga” nel corso degli ultimi mesi.
Un potenziale di strumenti di AI-based è ora esplorato in tutte le fasi di scoperta di nuovi farmaci e lo sviluppo - da data mining di ricerca e di assistenza nella identificazione del target e la validazione, ad aiutare venire con nuovi composti di piombo e farmaci candidati, e prevedere le loro proprietà e rischi. E, infine, il software IA-based è ora in grado di aiutare a pianificare sintesi chimica per ottenere composti di interesse. AI si applica anche alla pianificazione di studi pre-clinici e clinici e l'analisi di dati biomedici e clinici.
Al di là di target-based drug discovery, AI è applicato in altri settori di ricerca, per esempio, in programmi di scoperta della droga fenotipici - l'analisi dei dati provenienti da metodi di screening ad alto contenuto.
Con un obiettivo importante di start-up guidati dalla CPU, su piccola molecola scoperta di nuovi farmaci, v'è anche un interesse per l'applicazione di tali tecnologie per la scoperta e lo sviluppo biologici.
2. Espansione spazio chimico per le esplorazioni scoperta di nuovi farmaci
Una parte vitale di qualsiasi piccolo programma scoperta di nuovi farmaci molecola è colpito esplorazione - identificazione di quelle molecole punto di partenza che intraprendere un viaggio verso farmaci di successo (raramente sopravvivono questo viaggio, però) - attraverso numerosi ottimizzazione, la convalida e le fasi di collaudo.
L'elemento chiave di esplorazione di successo è l'accesso ad uno spazio allargato e chimicamente eterogeneo di droga come molecole di scegliere i candidati da, in particolare, per sondare il romanzo biologia bersaglio. Dato che le collezioni composti esistenti per mano di pharma sono stati costruiti in parte sulla base della piccola molecola disegni mira noti bersagli biologici, nuovi bersagli biologici richiedono nuovi progetti e nuove idee, invece di riciclaggio eccessivamente la stessa chimica.
A seguito di questa esigenza, laboratori accademici e società private creare database di composti chimici ben oltre ciò che è disponibile in collezioni composte tipica azienda farmaceutica. Esempi includono GDB-17 banca dati di molecole virtuali contenenti 166,4 miliardi molecole e FDB-17 di 10 milioni di molecole frammento simile con fino a 17 atomi pesanti; ZINK - un database gratuito di composti disponibili in commercio per lo screening virtuale, contenente 750 milioni di molecole, tra cui 230 milioni in 3D formatta pronto per l'attracco; e un recente sviluppo di (REAL) spazio chimico prontamente disponibili sinteticamente accessibile con enammina - 650 milioni di molecole ricercabili attraverso spazio reale Navigator software, e 337 milioni di molecole ricercabili (per similarità) a EnamineStore.
Un approccio alternativo per accedere a nuovi spazi chimica di droga-come per l'esplorazione di successo utilizza la tecnologia del DNA biblioteca-codificato (DELT). A causa della natura “split-e-pool” di sintesi DELT, diventa possibile effettuare un gran numero di composti in un modo in termini di costi e in tempi rapidi (milioni di miliardi di composti). Qui è una relazione perspicace sulle storiche fondo, concetti, i successi, le limitazioni, e il futuro della tecnologia del DNA biblioteca-encoded.
3. Targeting RNA con piccole molecole
Questa è una tendenza calda nello spazio scoperta di nuovi farmaci con un entusiasmo sempre crescente: accademici, start-up biotech e le aziende farmaceutiche sono sempre più attivi su RNA targeting, anche se l'incertezza è elevato.
Nel organismo vivente, il DNA memorizza le informazioni per la proteina sintesi e RNA esegue le istruzioni codificate nel DNA che porta alla sintesi delle proteine nei ribosomi. Mentre la maggioranza dei farmaci è diretto a colpire le proteine responsabili di una malattia, a volte non è sufficiente per sopprimere i processi patogeni. Sembra una strategia intelligente per iniziare in precedenza nel processo di RNA e l'influenza prima di proteine sono state ancora sintetizzati, quindi, influenzando notevolmente il processo di traduzione di genotipo fenotipo indesiderate (manifestazione della malattia).
Il problema è, RNA sono notoriamente bersagli terribili per piccole molecole - sono lineari, ma in grado di ruotare avanza, piega, non si attaccano alla stessa, mal prestando sua forma ad opportuni tasche di legame per i farmaci. Inoltre, a differenza di proteine, compongono di soli quattro blocchi di costruzione di nucleotidi che li rende tutti sembrano molto simili e difficile per selettivo targeting per piccole molecole.
Tuttavia, un certo numero di recenti progressi suggeriscono che in realtà è possibile sviluppare farmaco-simili, piccole molecole biologicamente attive che prendono di mira l'RNA. Novel intuizioni scientifiche hanno indotto una corsa d'oro per RNA - almeno una dozzina di aziende hanno programmi dedicati ad esso, tra cui Big Pharma (Biogen, Merck, Novartis e Pfizer), e start-up biotech come Arrakis Therapeutics con un $ 38M serie A rotonda nel 2017 , ed espansione Therapeutics - $ 55M Serie a presto nel 2018.
4. scoperta di nuovi antibiotici
V'è una crescente preoccupazione per l'aumento di batteri resistenti agli antibiotici - superbatteri. Essi sono responsabili di circa 700.000 decessi ogni anno in tutto il mondo, e secondo una revisione governo britannico questo numero può aumentare drammaticamente - fino a 10 milioni entro il 2050. I batteri si evolvono e sviluppare resistenza agli antibiotici che sono stati tradizionalmente utilizzati con grande successo, e poi diventano inutile con il tempo.
prescrizione irresponsabile di antibiotici per trattare casi semplici in pazienti e un uso diffuso di antibiotici nell'allevamento comprometta la situazione accelerando il tasso di mutazioni batteriche, rendendoli resistenti ai farmaci con velocità allarmante.
D'altra parte, antibiotici scoperta è stata una zona poco attraente per la ricerca farmaceutica, rispetto allo sviluppo di più farmaci 'economicamente fattibile. E 'probabilmente il motivo principale dietro un inaridimento della pipeline di nuove classi di antibiotici, con l'ultimo introdotto più di trent'anni fa.
Al giorno d'oggi la scoperta degli antibiotici sta diventando una zona più attraente a causa di alcuni cambiamenti positivi nella legislatura normativo, stimolando pharma a versare denaro in antibiotici programmi di scoperta e di rischio degli investitori - in start-up biotech sviluppo di farmaci antibatterici promettenti. Nel 2016, uno di noi (AB) ha esaminato lo stato della scoperta degli antibiotici di droga e riassunte alcune delle start-up promettenti nello spazio, tra cui macrolidi Pharmaceuticals, Iterum Therapeutics, Spero Therapeutics, Cidara Therapeutics, e Entasis Therapeutics.
In particolare, una delle recenti scoperte più emozionanti nello spazio antibiotici è la scoperta di teixobactin ed i suoi analoghi nel 2015 da un gruppo di scienziati guidati dal dottor Kim Lewis, direttore del antimicrobica Discovery Centre presso la Northeastern University. Questa nuova e potente classe di antibiotici si crede di essere in grado di sopportare lo sviluppo di resistenza batterica contro di esso. L'anno scorso, i ricercatori della University of Lincoln sviluppato con successo una versione sintetizzata di teixobactin, facendo un importante passo avanti.
Ora i ricercatori del Eye Research Institute di Singapore hanno dimostrato la versione sintetica del farmaco in grado di curare con successo Staphylococcus aureus cheratite in modelli di topi vivi; prima dell'attività di teixobactin stata dimostrata solo in vitro. Con questi nuovi risultati, teixobactin avrà bisogno di altri 6-10 anni di sviluppo per diventare un farmaco che i medici possono utilizzare.
Dalla scoperta del teixobactin nel 2015, un'altra nuova famiglia di antibiotici chiamati malacidins sono stati rivelato nei primi mesi del 2018 . Questa scoperta è ancora nelle sue fasi iniziali, e non quasi come sviluppato come le ultime ricerche sulla teixobactin
5. proiezione fenotipica
Immagine di credito: SciLifeLab
Nel 2011 gli autori David Swinney e Jason Anthony ha pubblicato i risultati delle loro scoperte su come le nuove medicine era stato scoperto tra il 1999 e il 2008 svelando il fatto che molto più del primo-in-class piccola molecola di droga era stato effettivamente scoperto utilizzando lo screening fenotipico di mirate ad approcci basati (28 farmaci approvati vs 17, rispettivamente) - ed è ancora più evidente tenendo conto che si trattava di approccio obiettivo che era stato un obiettivo importante per il periodo indicato.
Questa analisi influente innescato una rinascita della fenotipica paradigma scoperta di nuovi farmaci dal 2011 - sia nell'industria farmaceutica e nel mondo accademico. Recentemente, gli scienziati della Novartis hanno condotto una revisione dello stato attuale di questa tendenza ed è venuto ad una conclusione che, mentre le organizzazioni di ricerca pharma incontrato notevoli sfide con approccio fenotipico, v'è una diminuzione del numero di schermi su obiettivi specifici e un aumento di approcci fenotipici in negli ultimi 5 anni. Molto probabilmente, questa tendenza continuerà ben oltre il 2018.
È importante sottolineare che, oltre la semplice confronto tra approcci basati fenotipici e di destinazione, v'è una chiara tendenza verso saggi cellulari più complessi, come andare da linee cellulari immortali a pile, di cellule di pazienti, co-culture, e le culture 3D. L'apparato sperimentale sta diventando sempre più sofisticati, che vanno ben oltre letture univariate verso cambiamenti osservazione in compartimenti subcellulari, analisi singola cellula e persino imaging cellulare.
6. Organi (corpo) -on-a-chip
I microchip fiancheggiate da cellule umane viventi potrebbero rivoluzionare lo sviluppo di farmaci, la modellazione della malattia e della medicina personalizzata. Questi microchip, chiamati 'gli organi-on-chip', offrono un potenziale alternativa alla sperimentazione animale tradizionale. In ultima analisi, collegando i sistemi del tutto è un modo per avere l'intero sistema ideale “body-on-a-chip” per la scoperta di farmaci e test candidato farmaco e validazione.
Questa tendenza è ora un grosso problema nella scoperta di nuovi farmaci e lo spazio di sviluppo e abbiamo già coperto lo stato attuale e il contesto del paradigma “organo-on-a-chip” in una recente mini-recensione.
Mentre un sacco di scetticismo esisteva qualche 6-7 anni fa, quando le prospettive in campo sono state articolate da adottanti entusiasti. Oggi, tuttavia, i critici sembrano essere in piena ritirata. Non solo hanno agenzie di regolamentazione e finanziamento abbracciato il concetto , ma è ormai sempre più adottato come piattaforma di ricerca di droga da entrambi farmaceutica e del mondo accademico. Oltre due dozzina di sistemi di organi sono rappresentati in sistemi on-chip. Per saperne di più su di esso qui .
7. Bioprinting
L'area di bioprinting tessuti e organi umani è in rapido sviluppo ed è, senza dubbio, il futuro della medicina. Fondata nei primi mesi del 2016, Cellink è una delle prime aziende al mondo ad offrire bioink stampa 3D - un liquido che permette la vita e la crescita delle cellule umane. Ora l'azienda bioprints parti del corpo - naso e orecchie, soprattutto per testare farmaci e cosmetici. Stampa anche cubetti consente ai ricercatori di “giocare” con le cellule di organi umani, come il fegato.
Cellink recentemente collaborato con CTI Biotech, una società di tecnologia medica francese specializzata nella produzione di tessuti tumorali, al fine di avanzare sostanzialmente l'area di ricerca sul cancro e scoperta di nuovi farmaci.
Il giovane startup biotech sarà essenzialmente aiuterà CTI al 3D repliche di stampa dei tumori del cancro, mescolando bioink del Cellink con un campione delle cellule tumorali del paziente. Questo aiuterà i ricercatori a individuare nuovi trattamenti contro specifici tipi di cancro.
Un'altra startup biotech sviluppo di tecnologia di stampa 3D per la stampa di materiali biologici - una società spinout Oxford University, OxSyBio, che appena assicurato £ 10m in serie A di finanziamento.
Mentre 3D bioprinting è una tecnologia estremamente utile, è statico e inanimate perché considera solo lo stato iniziale dell'oggetto stampato. Un approccio più avanzato è di incorporare “tempo” come quarta dimensione in bio-oggetti stampati (cosiddetti “bioprinting 4D”), rendendole in grado di cambiare le loro forme o funzionalità nel tempo quando viene imposto uno stimolo esterno. Qui è una revisione perspicace su 4D bioprinting.
prospettiva di chiusura
Anche senza un'immersione profonda in ciascuno dei primi andamenti appena descritti, dovrebbe diventare evidente che AI prenderà una parte sempre crescente dell'azione. Tutte queste nuove aree di innovazione BioPharma sono diventate grandi centric dati. Questa circostanza di per sé presagisce un ruolo preminente per AI, notando anche, come un post scriptum a questa copertura del tema, che comprende molteplici AI, analitici e numerici strumenti in fase di continuo l'evoluzione. Le applicazioni di intelligenza artificiale in scoperta di nuovi farmaci e lo sviluppo della prima fase sono per la maggior parte destinati a scoprire modelli nascosti e deduzioni che collegano le cause e gli effetti altrimenti non identificabili o comprensibili.
Così, il sottoinsieme di strumenti di intelligenza artificiale che sono impiegati nella ricerca farmaceutica rientra più propriamente sotto il moniker di “macchina intelligente” o “machine learning”. Questi possono essere sia supervisionato da guida umana, come nei classificatori e dei metodi di apprendimento statistico, o senza sorveglianza nelle loro funzionamento interno, come nella realizzazione di vari tipi di reti neurali artificiali. Linguaggio e trasformazione semantica e metodi probabilistici per incerti (o sfocata) ragionamento anche svolgere un ruolo utile.
Capire come queste diverse funzioni possono essere integrate nella vasta disciplina di “AI” è un compito arduo che tutte le parti interessate dovrebbero intraprendere. Uno dei migliori posti per cercare spiegazioni e chiarimenti è la centrale Science Data portale e soprattutto i post del blog di Vincent Granville, che regolarmente chiarisce le differenze tra intelligenza artificiale, la macchina pendente, apprendimento profondo, e le statistiche. Diventare dimestichezza sui pro ei contro di AI nel suo complesso è una componente indispensabile di mantenere al passo o davanti a eventuali tendenze biopharma.
Tempo post: Mag-29-2018