Top 7 Trends in Pharmaceutical Research em 2018

 

Estar sob crescente pressão para competir em um desafio de empresas ambiente económico e tecnológico, farmacêuticas e de biotecnologia devem inovar continuamente em seus programas de I & D para ficar à frente do jogo.

inovações externas vêm em formas diferentes e originários de diferentes lugares - de laboratórios de universidades, para startups lastreados em capital de risco privadas e organizações de pesquisa contratadas (CROs). Vamos começar a rever algumas das tendências de pesquisa mais influentes que será “quente” em 2018 e além, e resumir alguns dos principais jogadores inovações de condução.

No ano passado BioPharmaTrend resumidas  várias tendências importantes  que afetam a indústria biofarmacêutica, a saber: um avanço de vários aspectos das tecnologias de edição gene (principalmente, CRISPR / cas9); um crescimento fascinante na área de imuno-oncologia (CAR células-T); um foco crescente na pesquisa microbiome; um interesse aprofundamento na medicina de precisão; alguns avanços importantes na descoberta de antibióticos; um entusiasmo crescente sobre a inteligência artificial (AI) para a descoberta de medicamentos / desenvolvimento; um controverso, mas rápido crescimento na área de cannabis medicinal; e foco contínuo da indústria farmacêutica em engajar-se em modelos de outsourcing de P & D para acessar inovações e conhecimentos.

Abaixo é uma continuação desta revisão com várias áreas mais ativas de pesquisa adicionado à lista, e alguns comentários extensos sobre as tendências descritas acima - quando relevante.

1. A adopção de Inteligência Artificial (IA) por farmacêutica e biotecnológica

Com todo o hype em torno AI hoje em dia, é difícil surpreender ninguém com esta tendência em pesquisa farmacêutica. No entanto, deve-se notar que as empresas AI-driven realmente começar a ganhar força com a grande indústria farmacêutica e outros protagonistas de ciências da vida, com muitas parcerias de investigação e programas de colaboração -  aqui  está uma lista de ofertas chave até agora, e  aqui  é uma breve revisão de alguma atividade notável no “AI para a descoberta de drogas” espaço ao longo dos últimos meses.

Um potencial de instrumentos baseados-AI é agora explorada em todas as fases da descoberta e desenvolvimento de medicamentos - de extracção de dados de pesquisa e auxiliar na identificação de alvos e validação, para ajudar a vir-se com novos compostos de chumbo e de candidatos a fármacos, e prever as suas propriedades e riscos. E, finalmente, software baseado em AI é agora capaz de auxiliar no planejamento de síntese química para se obter compostos de interesse. AI também é aplicado ao planejamento de ensaios pré-clínicos e clínicos e análise de dados biomédicos e clínicos.

Além descoberta de medicamentos à base de alvo, AI é aplicado em outras áreas de investigação, por exemplo, em programas de descoberta de drogas fenotípica - análise de dados a partir de métodos de rastreio de alto conteúdo.

Com um grande foco de startups AI-driven na pequena descoberta da droga molécula, há também um interesse na aplicação de tais tecnologias para a descoberta e desenvolvimento biológicos.

2. Expansão espaço químico para explorações de descoberta de drogas

Uma parte essencial de qualquer pequena molécula programa de descoberta de drogas é atingido exploração - identificação dessas moléculas a partir de pontos que embarcam em uma viagem para medicamentos bem sucedidas (raramente sobrevivem neste percurso, embora) - através de numerosos optimização, validação e fases de ensaio.

O elemento-chave da exploração hit é o acesso a um espaço ampliado e quimicamente diverso de droga como moléculas para escolher os candidatos a partir, principalmente, para sondar romance biologia alvo. Dado que colecções de compostos existentes nas mãos de pharma foram construídas em parte com base na pequena molécula projeta visando alvos biológicos conhecidos, novos alvos biológicos exigem novos desenhos e novas idéias, em vez de reciclagem excessivamente a mesma química.

Seguindo essa necessidade, laboratórios acadêmicos e empresas privadas criar bancos de dados de compostos químicos muito além do que está disponível em coleções típicos compostos empresa farmacêutica. Exemplos incluem o GDB-17 base de dados de moléculas virtuais contendo 166,4 mil milhões de moléculas e  FDB-17  de 10 milhões de moléculas de fragmento semelhante com até 17 átomos pesados; ZINK  - uma base de dados livre de compostos comercialmente disponíveis para o rastreio virtual, contendo 750 milhões de moléculas, incluindo de 230 milhões em 3D formata pronto para encaixe; e um desenvolvimento recente da prontamente disponíveis (REAL) espaço sinteticamente acessível química por enamina - 650 milhões de moléculas pesquisáveis via  REAIS Espaço Navigator  software, e  337 milhões de moléculas pesquisáveis  (por semelhança) em EnamineStore.

Uma abordagem alternativa para acessar novo espaço química de drogas, como para a exploração hit está usando a tecnologia biblioteca codificada em DNA (DELT). Devido à natureza “split-and-pool” de síntese DELT, torna-se possível fazer um grande número de compostos de uma maneira custo e tempo-eficiente (milhões a bilhões de compostos). Aqui  é um relatório perspicaz sobre os históricos de fundo, conceitos, sucessos, limitações, e o futuro da tecnologia biblioteca codificada em DNA.

3. A segmentação ARN com moléculas pequenas

Esta é uma tendência quente no espaço de descoberta de drogas com uma excitação continuamente crescente: académicos, arranques de biotecnologia e companhias farmacêuticas são cada vez mais activo sobre a segmentação de ARN, apesar da incerteza também é alta.

No organismo vivo,  de ADN  armazena a informação para  proteína  síntese e  ARN  realiza as instruções codificadas no ADN que conduz a síntese de proteínas em ribossomas. Embora a maioria das drogas é dirigido a segmentação proteínas responsáveis por uma doença, por vezes não é suficiente para suprimir os processos patogénicos. Parece que uma estratégia inteligente para começar no início do processo de ARN e influência antes proteínas foram ainda sintetizados, portanto, influenciar substancialmente o processo de tradução de genótipo para fenótipo indesejado (doença manifestação).

O problema é, os ARN são notoriamente alvos terríveis para moléculas pequenas - eles são lineares, mas capazes de torcer desajeitada, dobra, ou manter-se, mal emprestar a sua forma para os bolsos de ligao adequadas para drogas. Além disso, em contraste com as proteínas, eles compõem apenas quatro blocos de construção de nucleotídeos que fazem todos eles são muito semelhantes e difícil para seletiva segmentação de pequenas moléculas.

No entanto,  um número de avanços recentes  sugerem que é realmente possível desenvolver, pequenas moléculas biologicamente activas medicamentosas do tipo que alvo de ARN. Conhecimentos científicos inovadores solicitado uma corrida de ouro para RNA -  pelo menos uma dezena de empresas  têm programas dedicados a ele, incluindo a Big Pharma (Biogen, Merck, Novartis e Pfizer), e startups de biotecnologia como Arrakis Therapeutics com uma  série 38M $ A rodada  em 2017 e Therapeutics Expansão -  $ 55M Série a no início de 2018.

descoberta 4. Novos antibióticos

Existe uma preocupação crescente com o aumento de bactérias resistentes aos antibióticos - supermicróbios. Eles são responsáveis ​​por cerca de 700.000 mortes no mundo a cada ano, e de acordo com uma revisão do governo do Reino Unido este número pode aumentar drasticamente - até 10 milhões até 2050. bactérias evoluem e desenvolvem resistência aos antibióticos que eram tradicionalmente utilizadas com grande sucesso, e então se tornar inúteis com o tempo.

prescrição irresponsável de antibióticos para tratar casos simples em pacientes e um uso generalizado de antibióticos na pecuária comprometer a situação, acelerando a taxa de mutações bacterianas, tornando-os resistentes a drogas com velocidade alarmante.

Por outro lado, os antibióticos descoberta tem sido uma área pouco atraente para a investigação farmacêutica, em comparação com o desenvolvimento de drogas 'mais economicamente viáveis'. É provavelmente a principal razão por trás de uma secagem do gasoduto de novas classes de antibióticos, com a última introduzida há mais de trinta anos atrás.

Hoje em dia a descoberta antibióticos está se tornando uma área mais atraente devido a algumas mudanças benéficas na legislatura regulamentar, estimulando a indústria farmacêutica a investir em programas de descoberta de antibióticos, e investidores de risco - em startups de biotecnologia desenvolver medicamentos anti-bacterianos promissores. Em 2016, um dos nós (AB)  avaliação do estado de descoberta de drogas antibióticos  e resumidos alguns dos arranques promissores no espaço, incluindo macrólido Pharmaceuticals, iterum Therapeutics, Spero Therapeutics, Cidara Therapeutics, e entasis Therapeutics.

Notavelmente, um dos avanços recentes mais emocionantes do espaço antibióticos é a  descoberta de teixobactina  e seus análogos em 2015 por um grupo de cientistas liderados pelo Dr. Kim Lewis, diretor do Discovery Center antimicrobiana na Universidade Northeastern. Esta poderosa nova classe de antibióticos é acreditado para ser capaz de suportar o desenvolvimento de resistência bacteriana contra ela. No ano passado, pesquisadores da Universidade de Lincoln desenvolveu com sucesso uma versão sintetizada de teixobactina, tornando um importante passo para a frente.

Agora, pesquisadores do Instituto de Pesquisa Eye Singapura têm mostrado a versão sintética da droga pode curar com sucesso Staphylococcus aureus ceratite em modelos vivos do mouse; antes de a actividade de teixobactina só foi demonstrada in vitro. Com essas novas descobertas, teixobactina vai precisar de outro 6-10 anos de desenvolvimento para se tornar uma droga que os médicos podem usar.

Desde a descoberta do teixobactina em 2015, uma nova família de antibióticos chamados malacidins foram  revelados no início de 2018 . Esta descoberta ainda está em seus estágios iniciais, e não quase tão desenvolvido como as últimas pesquisas sobre teixobactina

5. fenotípica rastreio

Crédito da imagem:  SciLifeLab

Em 2011, os autores David Swinney e Jason Anthony  publicou os resultados de suas descobertas  sobre como os novos medicamentos tinham sido descobertos entre 1999 e 2008, revelando o fato de que muito mais dos primeiros-in-class medicamentos de moléculas pequenas, na verdade, tinha sido descoberto usando triagem fenotípica do TARGET abordagens baseadas (28 medicamentos aprovados contra 17, respectivamente) - e é ainda mais impressionante tendo em conta que era abordagem baseada alvo que tinha sido um dos principais focos durante o período indicado.

Esta análise influente provocou um renascimento do paradigma de descoberta de drogas fenotípica desde 2011 - tanto na indústria farmacêutica e na academia. Recentemente, cientistas da Novartis  realizou uma revisão  do estado atual dessa tendência e chegou a uma conclusão que, embora as organizações de investigação farmacêuticas encontrou desafios consideráveis com abordagem fenotípica, há uma diminuição do número de telas baseadas em alvo e um aumento de abordagens fenotípicas em nos últimos 5 anos. Muito provavelmente, esta tendência vai continuar muito além 2018.

Importante, para além de apenas comparando fenotípicas e alvo abordagens baseadas, há uma clara tendência para ensaios celulares mais complexos, como ir a partir de linhas de células imortais para células primárias, células do paciente, co-culturas, e as culturas em 3D. A configuração experimental também está se tornando cada vez mais sofisticados, vai muito além de leituras de univariados para mudanças observando em compartimentos subcelulares, análise de uma única célula e até mesmo imagens de células.

6. Órgãos (corpo) -on-a-chip

Microchips revestidas por células humanas vivas poderia revolucionar o desenvolvimento de drogas, modelagem de doenças e medicina personalizada. Estes microchips, chamados de 'órgãos-on-chips', oferecer uma alternativa potencial para a experimentação animal tradicional. Em última análise, ligando os sistemas completamente é uma maneira de ter todo o “corpo-on-a-chip” sistema ideal para a descoberta de medicamentos e testes de droga candidato e validação.

Esta tendência é agora um grande negócio na descoberta de medicamentos e espaço de desenvolvimento e já cobriu o status atual e contexto do paradigma “órgão-on-a-chip” em uma recente  mini-revisão.

Enquanto um monte de ceticismo existido algumas 6-7 anos atrás, quando perspectivas no campo foram articulados por adopters entusiasmados. Hoje, porém, os críticos parecem estar em plena retirada. Não só têm agências reguladoras e de financiamento  abraçou o conceito , mas é agora cada vez mais  adotada  como uma plataforma de pesquisa de drogas por ambos farmacêutica e academia. Mais de dois sistemas dúzia de órgãos são representados em sistemas on-chip. Leia mais sobre isso  aqui .

7. bioprinting

A área de bioprinting tecidos e órgãos humanos está se desenvolvendo rapidamente e é, sem dúvida, o futuro da medicina. Fundada no início de 2016,  Cellink  é uma das primeiras empresas no mundo a oferecer bioink impressão 3D - um líquido que permite a vida e crescimento das células humanas. Agora, a empresa bioprints partes do corpo - narizes e orelhas, principalmente para testar drogas e cosméticos. Ele também imprime cubos que permitam aos investigadores “brincar” com células de órgãos humanos, como fígados.

Cellink recentemente uma parceria com CTI Biotech, uma companhia francesa medtech especializado na produção de tecidos de cancro, de modo a avançar substancialmente a área de investigação do cancro e de descoberta de drogas.

A inicialização de biotecnologia jovem será, essencialmente, ajudar a CTI para o 3D réplicas de impressão dos tumores de câncer, misturando bioink do Cellink com uma amostra de células cancerosas do paciente. Isso vai ajudar os pesquisadores na identificação de novos tratamentos contra tipos de câncer específicos.

Outra startup de biotecnologia desenvolvendo tecnologia de impressão 3D para imprimir materiais biológicos - uma empresa spinout Universidade de Oxford, OxSyBio, que  apenas garantiu £ 10m  na Série A financiamento.

Enquanto bioprinting 3D é uma tecnologia extremamente útil, é estático e inanimados, por considerar apenas o estado inicial do objecto impresso. Uma abordagem mais avançada consiste em incorporar “tempo” como a quarta dimensão nos bio-objetos impressos (assim chamados “bioprinting 4D”), tornando-os capazes de alterar as suas formas ou funcionalidades com o tempo quando um estímulo externo é imposta. Aqui  é uma revisão perspicaz sobre 4D bioprinting.

perspectiva de fechamento

Mesmo sem um mergulho profundo em cada uma das principais tendências descritas acima, deve-se evidente que AI vai tomar uma parte cada vez maior da ação. Todas estas novas áreas de inovação biofarmacêutica se tornaram um grande centrada em dados. Esta circunstância em si pressagia um papel preeminente para AI, observando também, como um pós-escrito para esta cobertura do tema, que AI compreende múltiplas, analíticos e numéricos ferramentas passando por evolução contínua. As aplicações de AI na descoberta e desenvolvimento de drogas fase inicial são, na maior parte destinada a descobrir padrões ocultos e inferências de ligação causas e os efeitos de outra forma não identificável ou inteligível.

Assim, o subconjunto de ferramentas de inteligência artificial que são empregadas na pesquisa farmacêutica cair mais adequadamente sob a alcunha de “inteligência da máquina” ou “aprendizagem de máquina”. Estes podem ser tanto supervisionado por orientação humana, como em classificadores e métodos de aprendizagem estatística, ou sem supervisão no seu funcionamento interno como na implementação de vários tipos de redes neurais artificiais. métodos probabilísticos para o raciocínio incerto (ou difusa) linguagem e processamento semântico e também desempenhar um papel útil.

Entender como essas funções diferentes podem ser integrados em uma ampla disciplina de “AI” é uma tarefa difícil que todas as partes interessadas devem empreender. Um dos melhores lugares para procurar explicações e esclarecimentos é a  Central de Dados Científicos  portal e especialmente os posts por Vincent Granville, que regularmente  esclarece as diferenças  entre AI, máquina de inclinação, aprendizagem profunda e estatísticas. Tornando-se familiarizado com os meandros do AI como um todo é um componente indispensável de se manter a par ou à frente de todas as tendências do setor biofarmacêutico.


tempo Post: Maio-29-2018

WhatsApp Online Chat !