前7趨勢在藥物研究在2018

不斷增加的壓力下，以在充滿挑戰的經濟環境和技術環境，製藥和生物技術公司競爭必須在其R＆d項目不斷創新保持領先的遊戲。

外部創新有不同的形式，並在不同的地方起源 - 從大學實驗室，以私人持有的風險投資支持的創業公司和合同研究組織（CRO）。 讓我們審查的一些最有影響力的研究趨勢，這將在2018年及以後的“熱”，並總結了一些關鍵球員推動創新。

去年BioPharmaTrend總結  幾個重要的趨勢 影響了生物製藥行業，分別是：基因編輯技術（主要是，CRISPR / Cas9）各方面的進步; 一個引人入勝的生長在免疫腫瘤學領域（CAR-T細胞）; 越來越關注微生物的研究; 在精密醫學深化利益; 在抗生素的發現了一些重要進展; 關於人工智能（AI）的藥物發現/開發越來越興奮; 一個有爭議的，但快速增長對醫用大麻的區域; 和製藥的持續專注於R＆d的外包模式參與訪問的創新和專業知識。

下面是本次審查與研究幾個活躍的領域延續添加到列表中，並在趨勢一些擴展評論上文 - 在相關。

1.由製藥和生物技術通過人工智能（AI）的

隨著各地AI時下所有的炒作，這是很難用藥物研究這一趨勢的驚喜任何人。 但是，應該指出的是，AI-推動企業真正開始得到與大型製藥公司和其他領先的生命科學球員牽引，有很多的科研合作夥伴關係和合作項目-  在這裡 是一個關鍵的交易清單，到目前為止，  在這裡 是一個簡要的回顧在過去數月的“AI用於藥物開發的”太空一些顯著的活動。

基於AI-工具的潛在現在探討在藥物發現和開發的各個階段 - 從研究數據挖掘和協助目標識別和驗證，幫助想出新的先導化合物和候選藥物，並預測它們的性質和風險。 最後，基於人工智能的軟件現在能夠協助規劃化學合成，以得到目標化合物。 AI也適用於計劃的臨床前和臨床試驗和分析生物醫學和臨床數據。

除了基於目標的藥物發現，AI在其他研究領域應用，例如，在表型藥物研究計劃 - 分析來自高內涵篩選方法的數據。

隨著小分子藥物發現AI驅動的創業公司的一大焦點，也有在應用這種技術的生物發現和開發的興趣。

2.擴大化學品空間用於藥物開發的探索

任何小分子藥物研發計劃的一個重要組成部分，被擊中的探索 - 通過大量的優化，驗證和測試階段 - 這將踏上邁向成功的藥物的旅程（很少，他們生存的這個旅程，雖然）的起點分子的鑑定。

命中勘探的關鍵要素是獲得藥物樣分子的膨脹和化學上不同的空間以從，尤其是選擇候選者，用於探測新穎目標生物學。 鑑於在製藥手中現有化合物集合建部分基於小分子設計目標，而不是回收過度相同的化學性質已知的生物靶標，新的生物目標需要新的設計和新的想法。

根據這一需求，學術實驗室和私營公司創造遠遠超出了典型的製藥公司複合集合可用化學化合物的數據庫。 實例包括含有166,4十億分子和虛擬分子GDB-17數據庫  FDB-17  具有高達17重原子1000樣片段的分子; ZINK  -為虛擬篩選市售化合物的游離數據庫，含有7.5億分子，包括2.3億在3D格式準備對接; 和烯胺最近開發的合成獲得現成的（REAL）化學品空間- 6.5億分子通過搜索的  真實空間導航 軟件，以及  3.37億分子搜索 在EnamineStore（由相似）。

另一種方法來訪問的命中探索新的藥物類化學品空間是使用DNA編碼庫技術（DELT）。 由於DELT合成的“分裂和池”的性質，就能夠使化合物的龐大的數字在成本和時間高效的方式（百萬到十億化合物）。 這裡 是歷史悠久的背景，理念，成功限制了有見地的報告，以及DNA編碼庫技術的未來。

3.靶向RNA用小分子

這是一個炎熱的趨勢在藥物研究領域有不斷增長的興奮：學術界，生物技術創業公司和製藥公司約RNA靶向日益活躍，但不確定性也很高。

在活生物體，  DNA  存儲用於信息  蛋白質 合成和  RNA  進行DNA中導致蛋白質合成的核糖體中編碼的指令。 雖然大多數的藥物是針對目標負責蛋白質的一種疾病，有時是不足以抑制致病過程。 這似乎是一個明智的策略，之前甚至被合成的蛋白質，因此實質上影響基因型不必要的表型（疾病表現）的翻譯過程中的過程和影響RNA提前開始。

問題是，RNA是出了名的小分子可怕的目標 - 它們是線性的，而是能笨拙地扭曲，折疊，或粘到自身，不良貸款的形狀能在合適的結合口袋的藥物。 此外，相比於蛋白質，它們構成只是四種核苷酸積木把他們都看起來非常相似，很難通過小分子靶向選擇性。

然而，  最近的一些進展 表明，它實際上是可以開發類似藥物，靶向RNA生物活性的小分子。 新的科學見解提示RNA的黃金高峰-  至少有十幾個公司 都計劃專門給它，包括大型製藥（生物遺傳，默克，諾華和輝瑞公司），以及生物技術創業公司像阿萊克斯治療用  $ 38M系列A輪 2017年和擴展治療-  $ 5500萬A系列在2018年年初.

4.新抗生素的發現

有一個關於抗生素耐藥性細菌的崛起日益受到關注 - 超級病菌。 他們負責全世界每年約700,000人死亡，而根據英國政府檢討這個數字會顯著增加 - 高達1000萬到2050年的細菌演變和發展，其傳統上取得了巨大成功使用的抗生素的耐藥性，進而成為沒用隨著時間的推移。

抗生素處方不負責任治療簡單的情況下在患者和廣泛使用在畜牧業抗生素通過加快細菌的突變率，使它們對藥物以驚人的速度性危害的情況。

在另一方面，抗生素的發現一直是藥物研究的領域不具吸引力，相較於開發更多的“經濟上可行”的藥物。 這可能是背後的新型抗生素類的管道乾涸的關鍵原因，隨著最後一個三十年前推出。

如今，抗生素的發現正在成為一個更具吸引力的區域由於監管立法的一些有益的變化，刺激製藥將資金投入抗生素研發計劃，以及風險投資-進入生物技術創業發展前途的抗菌藥物。 在2016年，（AB）我們的一個  審查抗生素藥物發現的狀態 ，並總結出了一些有前途的初創公司的空間，包括大環內酯類藥品，Iterum治療，斯佩羅治療，Cidara治療和凸肚治療。

值得注意的是，在抗生素空間更令人興奮的最近的突破之一是  Teixobactin的發現 及其類似物在2015年由一群金劉易斯博士，抗菌發現中心在東北大學的主任領導的科學家。 這個強大的新的抗生素類被認為是能夠承受反對細菌耐藥性的發展。 去年，從林肯大學的研究人員成功開發teixobactin的合成版本，作出了重要的一步。

現在從新加坡眼科研究所的研究人員已經證明藥物的合成版本可以成功治愈活小鼠模型中金黃色葡萄球菌角膜炎; teixobactin的活動之前才被證實在體外。 有了這些新的研究結果，teixobactin將需要另外6 - 10年的發展，成為一種藥物，醫生可以使用。

由於teixobactin在2015年發現，抗生素稱為malacidins另一個新的家庭被  發現在2018年年初。 這一發現還處於初期階段，並且幾乎沒有發展為上teixobactin的最新研究成果

5.表型篩選

圖片來源：  SciLifeLab

2011年的作者戴維·斯溫尼和傑森-安東尼  發表了他們的研究結果的結果 如何新藥已被1999年和2008年之間發現揭開的是相當多的先入類小分子藥物的實際上使用表型篩選發現比靶的事實基礎的方法（分別為28批准的藥物比17） -這是更引人注目的考慮，這是基於目標的方法在此期間表示，是一個主要焦點。

這種影響力分析觸發的表型藥物發現範式的復興，因為2011 -無論是在製藥行業和學術界。 最近，科學家在諾華公司  進行審查， 這一趨勢的當前狀態，並來到了，雖然醫藥研究機構遇到了與表型的做法相當大的挑戰的結論，還有基於目標的屏幕的數量減少和增加的表型的方法在過去的5年。 最可能的是，這一趨勢將繼續遠遠超過2018。

重要的是，不僅僅是比較表型和目標為基礎的方法，有一種明顯的趨勢朝著更複雜的細胞測定，例如從永生細胞系，以原代細胞，患者的細胞，共培養物中，和3D培養去。 實驗裝置也變得越來越複雜，遠遠超出單變量讀數朝亞細胞觀察變化，單細胞分析，甚至細胞成像。

6.器官（體） - 酮的單芯片

通過人體活細胞排列的微芯片可以徹底改變藥物開發，疾病建模和個性化醫療。 這些微芯片，稱為“器官級芯片”，提供傳統的動物試驗的潛在替代品。 最終，共連接系統是一種能夠把整個“身體上的單芯片”系統，適用於藥物發現和候選藥物的測試和驗證。

現在這種趨勢在藥物發現和開發空間，一個大問題，我們已經涵蓋在最近的“器官上的單芯片”範式的當前狀態和上下文  迷你審查.

雖然很多的懷疑一些6，7年前，當存在在外地的觀點被熱情的採用了闡述。 然而，今天的批評似乎是在全面撤退。 不僅有監管和資助機構  接受的概念，但現在越來越多地  採用了 如通過醫藥和學術界的藥物研究平台。 超過兩打的器官系統都在片上系統表示。 了解更多關於它  在這裡.

7.生物打印

生物打印的人體組織和器官的面積正在迅速發展，這是毫無疑問，醫學的未來。 公司成立於2016年年初，  Cellink  是第一家在世界上一個提供3D打印生物油墨-液體，使生命和人類細胞的生長。 現在，該公司bioprints的身體部位-鼻子和耳朵，主要用於測試藥品和化妝品。 它還打印立方體使研究人員能夠“玩”與人體器官細胞，如肝臟。

Cellink最近與CTI生物技術，一個法國醫療科技公司，專門從事生產癌組織，以大幅推動癌症研究和藥物開發領域合作。

這位年輕的生物技術啟動將主要幫助CTI癌症腫瘤的3D打印副本，通過與患者的癌細胞樣本混合Cellink的生物油墨。 這將有助於研究人員識別針對特定類型的癌症新療法。

另一種生物技術啟動顯影3D打印技術打印生物材料-牛津大學分拆公司，OxSyBio，它  只是確保£10米 在首輪融資。

雖然3D生物打印是一個非常有用的技術，它是靜態的和無生命的，因為它僅考慮被印刷物的初始狀態。 一種更先進的方法是將“時間”作為在印刷生物對象（所謂的“4D生物打印”）第四維，使它們能夠在外部刺激被施加改變它們的形狀或功能隨時間的。 這裡 是四維生物打印見地的審查。

關閉透視

即使沒有深入了解每個剛才描述的主要趨勢，應該顯而易見的是，AI將採取行動的不斷增加的部分。 生物製藥的創新，所有這些新的領域已成為大數據中心。 這種情況本身就預示著對AI一個顯著作用，同時也指出，作為附言覆蓋的話題，那AI包括多個，分析和數值工具進行不斷的演變。 AI的藥物發現和早期發展階段的應用是針對發現隱藏的模式和連接的原因推斷和效果，否則不能識別或理解的大部分。

因此，在藥物研究中使用的人工智能工具集更恰當地落在“機器智能”或“機器學習”的綽號下。 這既可以通過人的指導監督下，在分類和統計學習方法，或在其內部運作無人監管的各類人工神經網絡的實現。 語言和語義處理和不確定性（或模糊）推理概率方法也發揮了有益的作用。

了解這些不同的功能如何集成到“AI”的廣泛的學科是所有有關各方應承擔的艱鉅任務。 一個尋找解釋和澄清最好的地方就是  數據科學中心 的門戶，尤其是文森特威，誰經常在博客文章  闡明了不同 AI，機器之間倚深度學習和統計，。 成為人工智能的來龍去脈精通作為一個整體是跟上或領先的生物製藥任何趨勢的一個不可或缺的組成部分。