Clozapine

本文为FDA对临床试验的培训，主要面向对象是实施临床试验的医师，药师，护士，研究人员和其他相关人员。培训时间在2018年11月，许多年过去了，很多知识可能有变化，这里只做翻译未做更新。 ppt共114页，翻译成中文有1.7万字，难免有错误和疏漏，欢迎批评、指正或打赏~ ppt下载链接见最后，或点击阅读原文 之前的FDA培训有： FDA培训资料：肿瘤临床研究中的OS FDA量效培训合集 临床试验设计 大纲 充分且严格对照的研究与1962年《联邦食品、药品和化妆品法案》 非劣效性研究 富集设计 有效性要求 直到1962年，药物只需被证明“对于其预期用途是安全的”即可上市，但并没有要求证明其有效性。尽管当时已经讨论了有效性（如果药物有风险且没有效益，如何能说它是安全的），但并没有强制要求，也很少有我们现在会认为是设计良好且信息丰富的研究。 这一切在1962年《联邦食品、药品和化妆品法案》修正案中发生了改变。 如果出现以下情况，NDA可能会被拒绝： 缺乏充分证据表明，该药物在拟定的标签使用条件下，将具有其声称或表示的效果（这是申请人必须证明的内容）。 法案接着描述了“充分证据”的含义。它指的是由充分且严格对照的研究，包括临床研究所构成的证据…根据这些证据，可以得出结论，该药物将在拟定的标签使用条件下，具有其声称的效果（这是申请人必须证明有效性的方式）。 有效性要求是1962年唯一的审批新要求。 要求证明有效性并不是激进的。我相信我们可能通过法规强加了这一要求，因为“预期用途的安全性”本身就暗示风险/收益分析（例如收益的证据）。真正改变一切的是，对充分且严格对照研究的要求，实际上，它改变了整个医学科学 这样的研究是审批的唯一基础。 注意是复数形式。FDA解释为这需要不止一项对照试验（1997年FDAMA修改允许在某些情况下只进行一项研究）。立法历史明确支持国会希望有不止一项研究的观点。 没有相对有效性。药物不必比其他药物更好（甚至不需要一样好）（除非效力较低会导致安全性不足），这不在法规中，但在1995年，由政策副专员William Schultz发布的联邦公报中指出，对于治疗威胁生命的疾病（如中风、心肌梗死或传染性感染），新药必须与已批准的药物一样有效。 效果必须具有临床意义（由联邦法院增加）。 这确实是一个惊人的举动。 在那个时代（现在不再如此），法律往往是笼统的，细节留给有专门知识的机构处理。这种理念本可能提出“充分证据”要求，但没有进一步定义。 国会更进一步，并明确规定唯一可接受的研究类型，这实在了不起。 事实上，这是一个非常聪明的权衡。“充分”一词在法律上是一个较低的标准（介于“微量”与“多数”之间）。但是，增加需要两项充分且严格对照的研究，使得这一较低标准变成了一个相当高的标准[尤其是伴随着 p<0.05（双侧检验）的出现]。 当然，在1962年，甚至直到1970年代和1980年代左右，我们FDA对什么是“严格对照研究”只有一个模糊的概念，而现在我们视为理所当然的东西在当时完全不为人知。但我们不断学习，学会了充分制定研究方案和统计计划的重要性、管理中期分析、保持盲法、避免患者流失、处理多重性、良好量效的重要性、活性对照试验的困难，以及更多内容。我会谈及其中一些经验。 314.126 充分且严格对照的研究 唯一的批准依据 除了设计和分析（充分且严格对照），研究还必须显示出令专家信服的有效性，通常是在有意义的终点上取得统计学上显著的效果。 针对三个主要目标： 需要一个有效的对照组，因为疾病的进程是多变的；疾病的状态可以自发改变，并受多种因素影响。对照组与测试组非常相似，只是没有服用测试药物。这使你能够区分药物效果与其他影响因素，如自发改变、安慰剂效应、偏见观察。（如果进程是可预测的，你只需干预并观察即可。） 需要尽量减少偏倚，即倾向于有利于某一治疗组的“倾斜”，在测试组和对照组的选择、治疗、观察或分析中存在的定向（非随机）差异。 需要提供足够的细节，以了解研究是如何进行的，以及结果是什么。 这些目标在《联邦法规》第21篇第314.126条中有详细规定。 充分且严格对照研究的报告，是确定是否存在“充分证据”，以支持新药和抗生素疗效主张的主要依据。因此，研究报告应提供足够的研究设计、实施和分析的细节，以便进行关键评估，并确定是否具备充分且严格对照研究的特征。 充分且严格对照的研究具有以下特征： (1) 对研究目标有明确的陈述。此外，方案应包含拟议的分析方法的描述，研究报告应包含最终使用的分析方法的描述。如果方案中未包含拟议的分析方法描述，研究报告应说明所使用的方法是如何选择的。 [注意，我们对此的看法已经演变；对于仅在揭盲后才描述分析方法的研究，我们会非常谨慎。] (2) 研究使用一种设计，能够与对照组进行有效比较，从而对药物效果进行定量评估。研究方案和结果报告应精确描述研究设计；例如，治疗期的持续时间，治疗是平行、贯序还是交叉，样本量是预先确定的还是基于某些中期分析。通常，以下类型的对照被认可： 安慰剂对照 同期无治疗对照 量效对照 活性对照 历史对照 没有“等级制度”；所有类型的对照都可以作为药物批准的依据，并且在任何一年都被使用。但并不是每种设计在每种情况下都适用。 证明差异的试验 安慰剂对照试验 无治疗对照试验 量效对照试验 部分活性对照试验 大部分历史对照试验证明非劣效性试验 大部分活性对照试验 部分历史对照试验 （I）安慰剂同步对照。测试药物与一种尽可能类似于测试药物的无效制剂进行比较。安慰剂对照研究可能包括额外的治疗组，例如活性治疗组或多个剂量测试药物，通常包括患者或研究者的随机化和盲法，通常两者兼有。一个更好的术语是“盲法无治疗对照”，因为它不会暗示安慰剂组的变化是“安慰剂效应”。伦理 差异性试验 盲法，随机化 不需要外部数据（试验敏感性） 基线安慰剂不是安慰剂同步对照 附加（add-on）研究 随机撤药（withdrawal） （II）剂量比较同步对照。比较至少药物的两种剂量。剂量比较研究通常包括安慰剂对照，也可能包括活性对照。剂量比较试验通常包括患者或研究者的随机化和盲法，或两者兼有。有效性（正斜率或一种剂量优于另一种）vs 量效 量效研究是一种对照试验 越来越认识到选择合理剂量的重要性-ICH指南1993。我们最初的认识源于一个历史错误：利尿剂的剂量 有效剂量是推荐、研究和使用剂量的1/8到1/4。（见Materson 1978年氯噻嗪研究） 低钾血症几乎肯定会通过诱发心律失常降低治疗的生存获益，也导致痛风。由于大型NIH试验中过高的死亡率，停止了100mg 氯噻嗪的剂量。 在使用低剂量（SHEP）之前，卒中效果（40%）和心脏效果（15%）之间的差异。 目标：定义量效曲线以评估获益和风险 直到1980年代初期，大多数多剂量试验会滴定（titrate）剂量，通常达到某个终点。这意味着： 任何给定剂量组的人群不是随机选择的。 时间和剂量混淆；长期趋势看起来像对剂量的反应。对于安全性尤其无用。 1980年代，FDA推广随机、平行、固定剂量、量效研究，被确定为ICH E4指南的标准。请注意，量效研究可以有两个目的： 显示效力 显示量效关系 （FDA后来针对量效研究，发起Project Optimus，请见之前量效培训） （III）无治疗同步对照。当存在客观疗效衡量且安慰剂效应可忽略时，测试药物与无治疗进行比较。无治疗同步对照试验通常包括随机化。可能包括盲法终点裁定委员会。 许多例子：GUSTO，GISSI，癌症试验 需要客观终点，但什么是客观的并不总是那么清楚（ART，LRC） 其他可能的偏倚：其他治疗，解释终点或将终点转介裁定（referring endpoints for adjudication） 最近关于Avandia（Rosiglitazone）的RECORD研究引起了关注，可能因对治疗的了解而影响病例转介裁定。 （IV）活性治疗同步对照。测试药物与已知有效的治疗方法进行比较；当治疗的疾病状况使得给予安慰剂或无治疗违反患者利益时，将使用这种设计。活性治疗研究可能包括额外的治疗组，例如安慰剂对照或剂量比较对照（这里的安慰剂可能是指安慰剂+活性治疗）。活性治疗试验通常包括患者或研究者的随机化和盲法，或两者兼有。如果试验的目的是显示测试药物和对照药物的相似性，则研究报告应评估检测两种治疗之间差异的能力。测试药物和活性对照的相似性，可以意味着两种药物都有效或两种药物均无效。研究分析应解释，为什么认为药物在研究中有效，例如，参考先前活性对照药物的安慰剂对照研究的结果。关于试验的“检测灵敏度（assay sensitivity）”的这种关注在ICH E-10和FDA的非劣效性指南中得到了极大的阐述。 重大的监管、伦理和国际问题旨在证明差异的试验和旨在证明相似性的试验之间存在根本区别；后者带来重大的解释问题。通常我们看到的是证明相似性并得出新药有效（像对照药）的结论。希望使用等效性/非劣效性是可以理解的：似乎理智地比较新旧有效疗法，看不到差异则宣布胜利。避免暴露于无效治疗。我稍后会回到这一点。 （V）历史对照。将使用测试药物的治疗结果，与从疾病或病症充分记录的自然病史，或可比较患者或人群的活性治疗结果中，获得的经验进行比较。由于历史对照人群通常无法像同步对照人群那样，很好地评估相关变量，因此历史对照设计通常保留用于特殊情况。比如患有可预测高死亡率的疾病（例如某些恶性肿瘤）的研究，以及药物效果显而易见的研究（全身麻醉药，药物代谢）。 历史对照（外部） 回顾性 非盲法 难以避免选择偏倚 过去的经验，其他非随机经验 基线（患者自身）对照是一种历史对照（假设没有治疗会发生什么）。 常用于肿瘤学（肿瘤不会自然缩小）和充分了解的遗传疾病。必须拥有良好、最新的病史数据。 历史对照 关键参考文献 -Sacks, Chalmers, Smith Am J. Medicine (1982); 72:233-240 比较相同疾病的RCT和HCT 总是 RCT不如HCT（这一点我没有理解...我自己的理解是RCT比HCT好，因为可以消除偏倚，而且很多肿瘤患者入组时是挑选过的，难以找到类似基线的患者数据。第二条以及后面的澳大利亚抗原试验也表明HCT可能有问题，所以这个是笔误么？Less应该是more？） 原因是历史性无治疗对照组，比随机化无治疗对照组更差（选择偏倚） 不能“调整”差异 详见ICH E-10（后面3页我看不懂，没法翻译） 急性重症乙型肝炎 - 澳大利亚抗原治疗 - 潜在错误的例证 Gocke（1970年 NEJM letter）观察到9例连续的急性重症乙肝，尽管进行了换血浆（exchange treatment）、类固醇和支持治疗，但全部死亡。 然后，8名肝昏迷患者接受相同的治疗加上抗澳大利亚抗原血清，其中5/8存活。 考虑接受数据作为确定性结论，但认为这可能代表更好的护理和更早的治疗。 因此，在重症乙肝中进行RCT，比较高免疫球蛋白和正常血清球蛋白。两组的存活率都为60％左右；即治疗无效。 （3）受试者的选择方法应提供充分的保证，确保他们患有正在研究的疾病或病症，或具有易感性和暴露于预防所针对的疾病或病症的证据。 （4）分配患者到治疗组和对照组的方法应尽量减少偏倚，并旨在确保两组在相关变量方面具有可比性，例如年龄、性别、疾病严重程度、疾病持续时间以及除试验药物外的药物或治疗的使用。研究方案及其结果报告应描述受试者如何分配到各组。通常，在同步对照研究中，分配是通过随机化进行的，可以分层或不分层。 在试验之前减少偏倚。 (5) 采取充分的措施以尽量减少受试者、观察者和数据分析人员的偏倚。研究方案和报告应描述为实现这一目标所使用的程序，例如盲法。 在试验期间及之后的偏倚减少措施。 什么导致设计良好的研究得出错误结论： 组间不可比性 基线时的随机差异（运气不好） 随机化后的差异 不可避免的（如患者脱落）-可以使用ITT分析 可避免的（如偏倚、揭盲） 分析偏倚或未能适当修正分析中的多重性问题，包括： 排除已随机分组的患者-计划内的 vs. 计划外的；效果已知或未知 多重比较：多个终点、多组子集、终点组合：计划内的 vs. 计划外的 根据结果进行事后分析的变化 组间的可比性在研究开始前后都要考虑 研究开始前：这点较为清楚；使用随机化，或许还需要针对重要的基线特征进行分层 人口统计学特征 疾病严重程度，风险因素 其他治疗，目前或过去的治疗 研究地点 并发疾病 研究期间：这一点不太为人所重视，需要使用盲法 访视频率 额外的治疗 患者的期望-安慰剂效应 研究者的态度 不良反应（ADR）的搜索；ADR的归因 依从性；保持在研究中的状态 结果的解释（如急性心肌梗死，是否发生；死亡原因，退出研究的原因）-ART 鼓励进行活动，例如锻炼、呼吸 排除患者-ART 入组资格 差异性脱落-“信息删失” 事件的转介以进行盲法裁定 1. 多重性基本问题：测试两个独立的终点（如心脏病发作、卒中 ）或两个子集（如男性、女性）时，假设p=0.05，仅因偶然因素而无法显示出差异的可能性为 0.95。未能显示出任一差异的可能性为0.95 x 0.95 = 0.9，或者显示出至少一个差异的可能性为0.1。因此，仅凭偶然性显示出至少一个“显著”结果的可能性不是0.05（即1/20），而是0.1（即1/10）。多重比较需要进行统计修正。类似的问题也存在于多次统计分析和对数据的多次观察中。 2. 无偏分析不能在看到结果后再制定新的、之前未计划的分析。 在研究前制定分析计划-识别所有偏离项以及在揭盲前的变更对于未计划的分析需极其谨慎 至少进行一次全体患者的分析（不排除任何患者） 在研究前确定主要终点，并对多个终点进行修正/调整 如果需要多次（中期）查看数据，要事先计划并进行统计修正 Anturane心肌梗死再发试验 （ART/A.R.T.）1970年代末进行的一项RCT，研究Sulfinpyrazone与安慰剂在心肌梗死（AMI）后25-35天患者中的效果。报告显示其对死亡率有接近显著的影响，对早期（6个月）死亡，特别是猝死有显著影响。 撇开未明确主要终点的问题，这些死亡率和猝死的结果都是错误的，原因如下： 随机分组到Anturane组的8例死亡患者，和安慰剂组的1例死亡患者被排除在分析之外，因为他们被认为“不符合入排标准”（6例）或依从性差（3例）。 特定原因的死亡率不可靠。不同的死亡原因，如猝死、心肌梗死和“其他”，经常有相同的描述；在安慰剂组中被称为“猝死”的病例，在Anturane组中则以相同的描述被称为“心肌梗死”或“其他”，这支持了Anturane对“猝死”的效果。 ART - 结论/教训 死因分析（特定原因的死亡率）充满风险。我们现在： 倾向于使用全因死亡率，但如果研究人群的非研究相关死亡率较高，则会面临问题。 通常接受心血管死亡率（但不再试图进一步区分死亡原因）。 非常重视计划中的分析，非常不愿意看到统计计划中，未计划的时间或结果子集。我们会在计划中主要终点“获胜”后，稍微愿意一些。 坚持对所有随机分组的患者进行全面统计，并进行完整的治疗或ITT集分析（即使申办方更喜欢其他方法）。如同在ART试验中那样，去除治疗中死亡的做法将不被接受。 这些内容都已被记录下来[Temple and Pledger, N Engl J Med. 1980 Dec 18;303(25):1488–1492.] 试验的终点（推荐另一个FDA培训，肿瘤临床研究中的OS） 研究终点的选择对药物评估至关重要，但法律和法规对此几乎没有规定。终点必须具有临床意义（法院裁定），但可以是： 重要结果：死亡，急性心肌梗死（AMI） 症状或功能测量，如运动测试 替代终点： 替代终点，或称为“标志物”，是指在治疗试验中用作临床意义终点替代的实验室测量或身体体征，该终点直接衡量患者的感受、功能或存活情况，并预期能够预测治疗的效果。 加速批准 法律并未禁止使用替代终点进行审批，有些替代终点被认为是有效的，并被常规使用（如血压BP、血糖BS/糖化血红蛋白HbA1c、低密度脂蛋白LDL胆固醇）。但在抗心律失常药物、正性肌力药物用于心力衰竭，以及最近红细胞生成素用于提高红细胞比容（HCT）和torcetrapib（提高高密度脂蛋白胆固醇）的经验中，已经引发了相当的谨慎态度。1992年关于“加速批准”的规定对此作出了回应，反映了对替代终点的怀疑态度，以及在面对严重、无法治疗的疾病时可能产生的紧迫感。[1997年纳入《FDA现代化法案》（FDAMA）] 基于替代终点的批准需满足以下条件：“该替代终点根据流行病学、治疗、病理生理或其他证据，可能预测临床获益。” 条件： 严重或危及生命的疾病 相较于现有治疗方法具有显著的治疗获益 需要在批准后对药物进行研究，以“验证和描述其临床获益” 容易撤销 这种方法主要用于艾滋病药物（如病毒载量、T4淋巴细胞）、癌症药物（如难治疾病的响应率和进展时间）以及机制可能被很好理解的孤儿药物。 需要多少研究？或何时可基于单一研究得出有效性结论？ 指导意见：提供人用药物和生物制品的临床有效性证据（1998年5月）这是对《FDA现代化法案》（FDAMA，1997年）的回应（尽管这已经开发了几年），明确允许基于一项研究加上“确认性证据”来进行批准。 非劣性研究 活性对照研究，包括非劣效性研究，是一种被接受的批准依据（证明有效性），但如前所述，法规指出了一个特别的关注点：在新研究中（没有安慰剂组来告知你），知道活性对照有效以及效果大小是什么。 使用活性对照非劣效性设计的主要原因是，无法使用安慰剂对照，因为剥夺患者接受已确立的重要治疗是不符合伦理的。 除了伦理原因，随着对比较数据兴趣的增加，活性对照比较试验受到了极大的关注。但如果比较有效性是重点，并且使用安慰剂是符合伦理的，应该使用三臂（测试组、对照组、安慰剂组）研究。没有安慰剂组的比较研究，若显示症状治疗间没有差异，通常很难解释。 展示有效性的两种主要方法： 差异展示通过证明测试药物相对于某种对照（安慰剂、活性药物、低剂量）具有优越性，来展示药物效果（以及检测灵敏度，即试验在存在差异时检测差异的能力）。检测灵敏度不足可能导致虚假的阴性研究结果，但不会导致错误地认为药物有效。 在活性对照研究中的等效性或非劣效性非劣效性试验显示新药在定义的非劣效性边际M下不劣于对照药物。M必须不大于对照药物的整体效果，即在研究中预期（实际知道的）对照药物的效果。这是可能的最大非劣效性边际，M1，排除大于M的差异可以表明测试药物有一定效果。通常，边际M较小（M2），并被选择以确保药物具有临床意义的效果。 显示与已知活性药物等效是一种合理的有效性证明方法。 但实际上你不能真正证明等效（除非通过显示优越性），所以我们寻求非劣效性 这是一个误称 实际上，这是在证明新药的劣效性（C-T，活性药-测试药）不大于指定的边际M，即： C-T < M 所以，这实际上是一个“劣效性不太大的”试验。 [旧的、幼稚的方法（但在一些出版物中仍然可以看到）是比较C和T，发现“没有显著差异”，然后宣称成功。这个方法的一个主要问题是，除了检测灵敏度外，单纯增加方差（例如样本量过小）会导致“成功”（即没有显著差异）。] 安慰剂对照试验的零假设是测试药物（T）的效果 ≤ 0（安慰剂）。 H0: T ≤ PHa: T > P 通过证明测试药物与安慰剂的差值的97.5%单侧置信区间（CI）下限大于0来确立备择假设。 成功的差异展示试验证明了一个效果（排除了零假设H0），只要对照组的效果不小于零（对于安慰剂而言很容易）。 在非劣效性研究中，零假设是新药（T）对照药物（C）的劣效程度（C-T）大于某个指定的差异或边际（非劣效性边际M）。 H0: C-T ≥ M（T对C的劣效大于M） Ha: C-T < M（T对C的劣效小于M） 为了表明T有任何效果，M不能大于C在该研究中的整体效果，通常称为M1。再次，你需要比较C-T的97.5%置信区间（CI）上限与M。如果你拒绝了零假设，则T具有某种效果（>0）。 但决定M的对照药物效果在研究中并未直接测量，必须基于C在先前研究中的效果进行估计或假设。 一切都依赖于M的有效性；如果选择的M大于C在研究中的实际效果，例如，如果C在该研究中没有效果或效果小于M，将得出一个错误的结论，认为T是有效的。如果设定M=10，那么如果C-T（97.5%置信区间上限）< 10，例如8，你会得出T有效果的结论。但如果在研究中C的效果实际上只有5，那么T将不会有效果。 它只会看起来像有效果 因此，你需要非常确定边际M。 这导致监管机构在选择M时采取保守态度，结果是需要较大的样本量。 非劣效性研究旨在表明T有一定的效果。如果对照在研究中有M的效果，则考虑以下三种可能性： T > C（新药比对照药物更好）。此时M无关紧要；这是一个优效性发现。 C-T > M1（测试药物的劣效大于M1，即对照药物的整体效果）。研究未能表明T有任何效果。 C-T < M1如果研究表明对照药物的效果没有完全丧失（C-T < M1），并且存在检测灵敏度（即对照药物确实具有至少M1的效果），那么T有一定的效果。 如果非劣效性研究的逻辑是正确的，问题在哪里？ 问题在于，与优效性发现“自然而然”地表明药物的效果不同，非劣效性发现绝对依赖于假设，而不是基于测量。 如果非劣效性试验的逻辑是正确的，问题是什么？有三个： 检测灵敏度的假设存在一个关键假设：即试验本可以检测到差异（或定义的差异大小），如果有的话。这个属性称为检测灵敏度，它依赖于另一个假设，即对照药物在这项研究中（如果有安慰剂组的话）会有至少某个指定大小的效果。但由于没有安慰剂组，对照药物的效果没有被测量，因此这一假设在许多情况下无法得到支持。 注意：这不是功效的问题。功效告诉你可以检测到什么差异。但如果你想排除的差异是5（你认为对照药物在研究中的边际M），而你实际上排除了5或更大的差异，如果对照药物在这项研究中的效果实际上只有2（或零），那么这种排除没有意义。该研究缺乏检测灵敏度；它不能检测出新药是否没有治疗差异。 2. 保留“任何”效果整个试验的逻辑依赖于显示治疗之间的差异（C-T）小于某个边际M1，其中M1是对照药物的整体效果。这个边际不能大于对照药物的效果。但边际也必须大于临床上关键的差异M2，其中M2 <= M1。毕竟，进行活性对照试验是因为不想让人们得不到治疗。也不希望他们“仅仅被治疗”。M2必须反映药物的临床价值。这可能导致非常大的样本量。 3. “粗心遮蔽差异”需要展示缺乏差异（而不是某种差异）可能导致无法激励卓越研究卓越。 检测灵敏度（Assay Sensitivity）检测灵敏度是指临床试验区分有效药物和无效药物的能力，或者在特定情况下，显示治疗之间指定大小M的差异的能力，其中M是新研究中假定存在的对照药物的效果。如果试验没有检测灵敏度，即使C-T < M，你也无法了解T的效果，因为对照药物在M上没有效果。 如果你不知道试验是否具有检测灵敏度，那么在该试验中发现C和T之间没有差异意味着： 两种药物都有效 两种药物都无效 我清楚地记得我意识到问题的时刻，那是我的顿悟：我们看到1978年左右提出的试验计划，在没有安慰剂的情况下比较Nadolol和Propranolol在心绞痛中的效果。但我们知道，大多数安慰剂对照的Propranolol试验都失败了（没有显示任何效果）。 那么，Nadolol和Propranolol没有差异的发现有什么意义呢？ 没有任何意义。 早在1982年，FDA提出的法规就已经认识到，寻求显示相似性试验的根本问题，即必须假设检测灵敏度，即假设该试验能够检测到两个治疗之间的指定差异（如果存在的话）。法规中提到： “如果试验目的是展示测试药物和对照药物的相似性，研究报告应评估试验是否能够检测到治疗之间的差异。测试药物和活性对照药物的相似性可能意味着两种药物都有效，或者两者都无效。分析应解释为什么这些药物在研究中应被视为有效，例如，通过引用活性对照药物在以前的安慰剂对照研究中的结果。” 因此，25年多以来，等效性或非劣效性设计的主要问题已经被认识到，并且潜在解决方案的总体描述也已经明确：你必须分析活性对照药物的过去表现，以了解在新的研究中是否可以假设它具有一定的效果。 这一关键假设使非劣效性研究与历史对照研究有了令人不安的相似性。在历史对照研究中，必须能够根据过去的观察，预测在当前研究中未接受治疗的患者会发生什么。在非劣效性研究中，需要说清楚对照药物在新研究中的效果与安慰剂相比会如何。 这可能是非常困难的。 在非劣效性试验中，试验本身并未测量试验的检测灵敏度。即试验本身不能显示研究区分有效治疗与无效治疗的能力。因此，检测灵敏度必须通过以下方式推断或假设： 基于历史经验显示药物效果的灵敏度 详细评估研究质量，特别是， 当前试验与能够区分活性对照药物与安慰剂的试验的相似性。 在许多症状性疾病中，例如抑郁症、疼痛、过敏性鼻炎、IBS（肠易激综合症）、心绞痛，假设检测灵敏度可能是不可行的。例如，抗抑郁药的试验中，约一半的试验无法区分药物与安慰剂。 如果在活性对照试验中存在一个“内部标准”，即对照组与安慰剂组比较，以及对照组与试验药物组比较（即三臂试验），则可以测量检测灵敏度。 在严重但不危急的医疗情况下，即使安慰剂对照组不可行，也可以合理地比较新药与标准治疗。然而，这样的试验只有在新药优于标准治疗时才令人信服。如果新药劣于标准治疗，甚至与标准药物没有区别，结果则不易解释。在没有安慰剂对照的情况下，我们无法确定“劣于”标准治疗的新药是否有任何疗效，而“等效”的表现可能仅仅反映了患者群体无法区分两个明显不同的活性治疗，或无法区分活性药物与安慰剂。 某些临床状况，例如严重的抑郁状态，评估起来极为困难，因为药物效果的延迟和自发改善的高发生率，使得即使是已知的治疗药物在对照试验中也难以与安慰剂区分。面对一项显示新型假设性抗抑郁药与标准三环类抗抑郁药无差异的试验，我们能获得多少安慰呢？ —— Lasagna, L: Eur J Clin Pharm 15:373-374, 1979 要得出试验具有检测灵敏度的结论，需要结合以下三方面的信息： 历史证据关于药物效果的灵敏度（HESDE）这指的是基于历史的结论，即在特定疾病中，采用特定活性药物（或一组相关药物）的设计、规模和实施得当的试验，可靠地显示出对某一特定终点的至少某一定义大小的效果。通常，通过展示在特定人群中适当规模（有足够统计功效）和良好实施的试验，能够规律性地区分活性药物与安慰剂的效果，来建立这种灵敏度。 药物效果的灵敏度是对药物在特定疾病中经过良好设计的试验的抽象结论，而检测灵敏度则是对特定试验的结论。 1. HESDE 对于大多数症状性治疗，历史上显然没有证据表明新的试验会具有检测灵敏度；即，许多设计良好的研究未能显示出效果。这包括： 焦虑症 心力衰竭症状 抑郁症 心绞痛 失眠 胃食管反流症状 过敏性鼻炎 肠易激综合症 哮喘预防 疼痛 对于某些结果研究，结果也不一致，特别是心肌梗死后的生存研究，涉及β-阻滞剂或阿司匹林的研究。最近的评估显示，安慰剂对照试验，在中耳炎、鼻窦炎或慢性支气管炎急性加重的抗生素效果方面并不可靠。 是否可能是样本量问题？也许，但在这些情况下，看起来似乎某些试验与其他试验不同；即存在治疗与研究的相互作用。在这些情况下， 不能使用非劣效性（NI）试验 2. 当前试验与过去试验的相似性-一致性假设 HESDE的结论仅适用于特定设计的试验（患者人群、选择标准、终点、剂量、洗脱期的使用，尤其是背景治疗）。这些因素的变化可以改变活性对照药物的效果大小，因此也会改变适当的非劣效性边际值，或者完全破坏检测灵敏度。需要注意的是，我们通常认为相对风险的效果比绝对风险的效果更稳定。 例如： 心肌梗死后的治疗对死亡率的影响可能会受到新药物（如降脂药、抗血小板药物）或手术（如冠状动脉旁路移植、血管成形术）的改变。 ACE抑制剂对心力衰竭的效果可能会被常规使用的β-阻滞剂或醛固酮拮抗剂所改变，而这些药物在ACE抑制剂心力衰竭的结果试验中未被包含。 溶栓药物的效果可能取决于心肌梗死发作后的治疗开始时间。 活性对照等效性可信 大多数严重的细菌感染 溶栓药物 深静脉血栓的治疗 HIV感染的许多阶段 高响应的肿瘤治疗（如急性淋巴细胞白血病、睾丸肿瘤、卵巢肿瘤），以及近年来的许多其他治疗 麻醉剂 支气管痉挛中的β-激动剂 慢性房颤中抗凝药物的比较 急性冠状动脉综合症中抗血小板药物的比较（可能） 使用非劣效性设计的四个关键步骤 确定存在历史上对药物效应的敏感性证据。 设定可接受的非劣效性边界 M1，该边界不大于可以推断为研究中对照药物效应的边界，同时反映对照药物效应中，被认为临床上重要的部分 M2。 设计一个试验（研究人群、伴随治疗、终点、导入期 run-in period）与已确定药物效应历史敏感性的试验非常相似。 正确地进行试验，并且要与历史对照试验保持相似。 M2，临床边界 M1 是非劣效性可能的最大边界，因为它代表了研究中对照药物的全部效应。需要通过大于M1排除 T的劣效性，确定 T 确实有一些效果。但如果效应具有价值，保证保留任何对照效应可能还不够。因此，通常选择 M2 作为非劣效性边界，其中 M2 小于 M1，并代表对照药物效应（M1）中可以丧失的最大部分（通常选择 M1 的一个比例）。注意，除非 T 优于 C，否则无法确保真正的等效性或完全没有劣效性。 我们不会在一个随机的总体样本中进行临床试验。我们会确保受试者有我们研究的疾病（入组标准），疾病稳定且测量稳定（筛选期），对安慰剂不怎么响应（安慰剂筛选期），疾病具有一定的严重程度，并且没有会掩盖药物效益的条件。这些措施都是各种形式的富集，几乎每个临床试验都会使用它们。此外，还有一些不那么常用的步骤，可以增加检测药物效应的可能性（当然，如果药物效应存在的话）。 富集是指前瞻性地利用任何患者特征-包括人口统计学特征，病理生理特征，历史数据，基因特征等-来选择患者，以获得一个更有可能检测到药物效应的研究人群。 这在几乎每个试验中都会发生，尽管富集可能并不总是明确的，目的是通过以下方式提高研究的统计效能： 减少异质性 寻找高风险人群，即事件发生率较高的患者-预后性富集 识别能够对治疗有反应的群体-预测性富集 增加的研究效能有助于“原理验证”（即在某些人群中存在临床效应），但它可能会留下以下问题： 结果的普遍性，即药物在其他人群中的效果如何。 在“非选择”人群中，批准之前或之后需要多少数据来评估药物效果。 1. 实际的-几乎是普遍的-减少异质性和“噪音”  仔细定义入组标准 （预先）筛选可能遵守治疗方案的受试者（例如 VA 高血压研究） 选择不会退出研究的受试者 在筛选期内排除对安慰剂有反应的受试者 排除在心力衰竭或心绞痛试验中，跑步机测试结果不一致或血压不稳定的受试者  排除可能导致早期死亡的疾病患者 排除正在服用与试验药物效果相同的药物的受试者 一般而言，这些筛选措施不会引发关于结果泛化性的问题，尽管排除无法耐受药物的受试者可能会有些问题。 2. 预后性富集 - 选择高风险患者，即那些可能发生关注事件（研究终点）或可能在测量的终点上发生较大变化的患者，例如高退化率。 这不仅对研究规模有影响，也对治疗有影响。对于高风险患者，事件发生率的50%变化（例如，从10%降到5%）比低风险患者（例如，从1%降到0.5%）更具意义，并可能导致对毒性的不同看法。 3. 预测性富集 - 选择更可能对治疗产生响应的患者。选择标准可以基于病理生理学、蛋白质组学/基因组学观察、患者历史、替代终点的早期响应（例如，某些影像测量中的肿瘤响应）或以往的响应历史。 虽然区分个人风险的信息正在呈指数增长，但我们以前也曾拥有这些信息： 心血管结果的流行病学风险因素 心力衰竭的严重程度 胆固醇、血压水平；血管造影的表现 糖尿病 最近的事件（急性心肌梗死、卒中） CRP水平升高（如rosuvastatin的JUPITER研究） 家族病史 性别、种族、年龄 癌症中的风险因素 先前的乳腺癌预测对侧肿瘤 肿瘤组织学或遗传/蛋白质组学标志物预测发生或转移 预后富集 1. 肿瘤学预后富集在化学预防或任何辅助化疗研究中都至关重要。Tamoxifen在辅助治疗（极高风险）中可以防止对侧乳腺肿瘤；随后，它在一般高风险人群中进行了研究。这是必要的：a) 确保有足够的终点来检测可能的效果；b) 考虑到毒性问题。它被标记用于研究的群体，并提供了使用Gail模型计算器来评估风险的工具。在这种情况下，没有理由期望Tamoxifen在选定人群中的效果（减少比例）更大，但可以预防更多的事件。 潜在的（虽然可能未被使用或未被充分接受，但仍是一个很好的例子）选择方法用于前列腺癌辅助治疗中患者的筛选： D’Amico 报告 [NEJM 2004; 351:125-135] ，在接受根治性前列腺切除术后的局部前列腺癌男性中，PSA“速度”（PSA在前一年内增加>2 ng/ml）几乎可以100%预测前列腺癌超10年的死亡率。尽管复发率并没有显著不同，但几乎没有前列腺癌相关的死亡（许多死因来自其他疾病）。考虑到治疗对生存期的影响，前列腺癌的辅助治疗研究，肯定会希望包括那些面临死亡风险的患者。 Fan等人 [NEJM 2006; 355: 560-69] 最近应用了五种不同的基因表达谱方法，旨在预测乳腺癌复发率，并将其应用于285名患者样本，这些患者接受了局部治疗、Tamoxifen、Tamoxifen加化疗或单独化疗。 结果和使用的方法如下： 五种方法中的四种具有高度一致性，并且预测结果的能力非常显著，差异非常大。 对于患者选择的影响显而易见，无论终点是复发还是生存率。研究应选择预后较差的患者，以更好地展示药物效果。目前有一个名为Mamaprint的测试可用于此评估。 选择高风险患者（如二级预防、心肌梗死或中风后、非常高胆固醇、严重心力衰竭、接受血管成形术）是常规步骤，以确保有事件可以预防。例如： CONSENSUS 研究（Enalapril）是针对NYHA IV级患者的结局研究。该研究仅包含253名患者，在仅6个月的研究中显示了显著的生存效果。未经治疗的死亡率在短短2个月内达到40%，而治疗组显示了40%的减少。后续研究需要数千名患者。 首次脂质结局研究(4S-Simvastatin），研究对象为心肌梗死后、胆固醇极高的人群：5年心血管死亡率为9%。该研究显示了在后续研究中更难证明的生存优势。 JUPITER 研究的rosuvastatin包括了LDL"正常"但CRP高的人群。 识别高风险人群在“预防”或风险减少工作中尤为重要，这在心血管和肿瘤学的例子中已经说明了这一点。还有许多其他领域也需要这样做，特别是在预防或延缓阿尔茨海默病的发展时，可能需要在出现痴呆症状之前进行治疗。有人建议，具有轻微脑功能障碍或其他早期异常的人群可能是合适的。如果没有这样的预测指标的人群，可能在多年中几乎没有病例，这使得展示治疗效果变得不可能。 当前最令人兴奋的入组策略可能是预测性入组，即找到对治疗响应可能性最大的患者。这代表了梦想中的治疗“个体化”。研究那些会对治疗产生响应的人极大地增强了研究的力量，促进了批准，但它也可能对药物的使用方式产生关键影响。 这在当只有少数患者对治疗有反应时尤其重要，例如，因为他们具有“正确”的受体。在这种情况下，在未选择的人群中找到生存效果可能实际上是不可能的。 选择可以基于对疾病的理解（如病理生理学、肿瘤受体），也可以是经验性的（例如，基于历史记录、早期响应）。 在肿瘤学中，有许多与蛋白质组学或基因组学响应相关的例子。这并不令人惊讶，因为癌症是一种“基因病”。我还将考虑更多“经验性”的例子，即我们可能不了解预测标志物的情况。最近，囊性纤维化和丙型肝炎的基因亚型已经被证明对新治疗有显著反应；由于这些亚型在总体人群中很少见，因此在这种疾病的总体人群中进行的研究可能会失败。 病理生理学 高血压可以是高肾素型或低肾素型。高肾素人群对ACE抑制剂（ACEIs）、抗血管紧张素II拮抗剂（AIIBs）或β-blocker（β受体阻滞剂，BBs）的反应会比混合人群大得多。 抗生素研究针对的是对抗生素敏感的细菌感染；或者更准确地说，我们分析随机化后发现感染敏感菌株的患者。 基因差异的存在可以作为病理生理选择人群的基础。许多肿瘤的基因或表面标志物，与对酶或肿瘤生长速率的影响有明确的关系。例如，Herceptin用于Her2+乳腺肿瘤；选择ER+乳腺肿瘤进行抗雌激素治疗，许多其他受体标志物的使用都体现了这一点。 预测性富集 即使病理生理学尚不清楚，通过初期短期响应，仍可以经验性地识别潜在的响应者。历史上有以下例子： CAST试验：在筛选期内，参与者必须室性早搏（VPB）减少70%。只有“响应者”才被随机分配入组。尽管试验结果显示有害而非有益，但它确实恰当地检验了问题，之前的试验未能做到这一点。 β受体阻滞剂心衰试验：只对能耐受药物的患者进行试验。 局部硝酸酯试验：只对舌下硝酸甘油有血压或心绞痛响应者进行试验。 抗心律失常药物的开发：由Oates、Woosley和Roden通过开放筛选响应来进行，然后将响应者随机分配到剂量响应研究中（顺便说一下，可以认为所有的量效研究都应该在响应者中进行，因为包括非响应者会使量效曲线变平）。 每个随机撤药试验都有这种特征（稍后会详细讨论）。 如前所述（CAST，Oates），选择可基于生物标志物的响应；即筛选整个群体，仅随机分配那些有良好响应的个体。 其他可能性： 肿瘤在PET扫描上显示早期代谢效应 肿瘤在血液检测（如PSA）上显示早期响应 肿瘤在n周内未增长：随机分配对治疗反应良好的肿瘤（很难将响应者和未治疗者进行随机分组）。 仅选择LDL效应>n的患者（或其他较少研究的脂质）：这是一个未尝试过的方法。 仅选择CRP响应>x的患者。 仅选择产生相关活性代谢物的患者（如Clopidogrel）。 1. 效率/可行性 当响应者在总体人群中占比很小时，预测性富集（predictive enrichment）可能至关重要。 如表所示，如果25%的患者具有预测效果的标志物，而标志物阴性患者没有响应，那么在未选定人群中进行研究，需要的患者人数是16倍 [如果标志物阴性患者有反应，尽管反应较小，增益也会小得多]。例如，FDA最近批准了ivacaftor用于具有特定基因突变的囊性纤维化（CF）患者，这种突变仅存在于4%的CF患者中。在未选定人群中进行的研究几乎没有成功的机会。同样，boceprevir和telaprevir在1型丙型肝炎病毒患者中显示出显著的疗效，这种类型对标准疗法最为抵抗。 2. 若有毒性，在预先富集人群中获益/风险会增加 Trastuzumab（Herceptin）具有心脏毒性。在转移性癌症和辅助治疗的研究中，选择了Her-2-neu阳性肿瘤患者，从而提高了效益/风险（B/R）。Her-2-neu阴性患者的反应较少，且心脏毒性不可接受。 使用此类选择标准时，两个重要的问题需要考虑。一是基因或其他预测性检测的质量。二是各种预测阈值点的敏感性和特异性（Her-2-neu 的阳性水平需达到何种标准？）。一般而言，除非标志物阴性患者完全没有可能产生效果，否则应在研究中包括一些阴性患者（分层），因为： 他们可能会有一定的反应。 他们可能有助于优化标记物的阈值。 早期的研究可能会解决这个问题，但后期的大规模研究可能会提供更好的答案。即使如此，也可以将主要终点设定为在富集分层中的效果（在随机化时，不知道细菌的敏感性的抗生素试验中是常规做法），同时考察低于阈值的患者的响应。 我们目前刚刚开始探索能够预测响应的基因或其他特征。这些特征可以是基于疾病或药物机制的生理病理特征（如HER2受体在对Herceptin的反应中的作用，EGFR在对Erlotinib的反应中的作用），通常这些因素是前瞻性识别的，患者可以根据这些因素进行选择或分层。但选择也可以是简单的经验性或描述性的：在未选择的抑郁症、双相情感障碍、脂异常、心力衰竭患者中进行试验，并将基因基线发现与响应关联。实际上，可以广泛搜索这种关系，然后再前瞻性地研究基因分类子集。Tarceva（Erlotinib）的数据说明了这种潜力。 731名接受过>=1种治疗方案的局部晚期或转移性NSCLC（非小细胞肺癌）患者，参与了Tarceva 150mg的随机、双盲、安慰剂对照试验。患者被随机分配为2:1（488人接受Tarceva，243人接受安慰剂）。研究结果总体显示出明显的生存效果。 238/731患者的肿瘤进行了EGFR表达状态检查。EGFR+被定义为使用DAKO EGFR pharmDx试剂盒染色>=10%。(原来一开始是这样分层的，吴一龙老师真的牛，将方向转到EGFR突变上...) 只有那些能够生成活性代谢产物的患者（如clopidogrel）。 仅选择那些肿瘤能吸收药物的患者（例如，通过检查I-131在甲状腺肿瘤中的摄取来选择剂量）。 对肿瘤代谢的影响，例如葡萄糖摄取。 预测响应的蛋白组学标记或遗传标记。 显然，肿瘤学领域的未来趋势包括：Herceptin；Imatinib在大多数GIST患者中抑制c-KIT这一受体酪氨酸激酶的突变激活；Vemurafenib在具有BRAF V600-E激活突变的黑色素瘤患者中有效 通常标志物是预先选择的，但Friedlin和Simon建议一种方法，在试验进行到一半时寻找响应的子集，并分析整个群体和子集的结果。 Rich Simon 提出了一个在没有明确预测标志物的情况下可能有用的研究设计： 按照常规设计研究，但将其分为前半部分和后半部分。 进行研究的前半部分，并寻找响应的基因预测因子。可以进行任意数量的分析来识别潜在的预测因子。 完成整个研究，包括所有患者（预测的和未预测的响应者），但对患者进行分层处理。 关于显著性水平（alpha），整体研究为0.04，第二部分的响应预测子集分析中使用0.01。 随机撤药（Withdrawal）设计 Amery在1975年提出了一种“更符合伦理”的设计，最初用于心绞痛试验，这些试验通常持续8周到6个月，研究对象为频繁发作的患者（在常规的冠状动脉旁路移植和血管成形术之前）。设计如下： 患者最初接受开放标签的试验药物治疗；显著响应的患者随后被随机分配到试验药物（可能为一种或多种剂量）或安慰剂组。终点可以是治疗失败的时间（早期逃脱）或常规测量（每周发作次数）。现在，这种设计成为抑郁症和精神病维持治疗研究的标准方法。NEJM报道了一项试验，比较了阿尔茨海默病患者在接受了16周的利培酮治疗后，复发的精神病或激动状态的比率，并随机分配到安慰剂组（作为确认响应者）。 这些试验通常充满了表现良好的患者，也就是那些在治疗中表现出积极响应的患者。不需要重新招募患者，这是一个有吸引力的特点。 这种设计的早期应用，包括研究硝苯地平在痉挛性心绞痛中的效果（首次批准使用），在顾问委员会拒绝基线对照研究后进行。值得注意的是该研究规模小（n = 28），并且在9/15的安慰剂组中未出现复发。 随机撤药研究也是一种有效的方式，可以在不长期使用安慰剂的情况下记录长期效果，因此被广泛应用于以下领域： 用于显示复发抑郁症长期预防的效果（这类研究通常成功，相比之下，急性抑郁症的研究失败率为50%）。 用于显示长期血压控制效果（长期使用安慰剂在伦理上是不合适的）。 这种设计特别适用于处理那些存在高比例脱落的问题的研究（例如长期疼痛治疗的效果评估）。 在临床研究中，处理脱落问题的分析方法备受关注。最近的 NAS 报告指出，避免脱落是最好的方法。然而，在症状研究（例如疼痛研究）中，脱落问题很难避免。 一种可能的方法是，开展短期研究（4周），以提供初步效果证据，对初步研究中的（明显）应答者进行临床研究，随访12周。然后进入短期（例如2周或直到疼痛复发）的随机撤药研究。随机撤药研究中脱落情况较少，这种设计实际检验了关键问题：在那些有效应答的患者中，效果是否持久（在无应答者中效果无法持久）。 这种设计在麻醉性疼痛试验中已被采用，用于评估治疗效果的持久性。 随机撤药研究设计的主要优势： 高效性： 通过“富集”应答者，这种设计能够展示更显著的药物与安慰剂之间的差异 高效性（重复了？）： 患者存在且已知，例如公开方案的一部分 伦理性： 一旦满足失败标准即可停止，尤其对儿科研究非常具有吸引力 在非响应者中的研究： 随机分配至新药和失效药物。这种设计通过富集那些对对照药物无响应的患者，提高药物与对照之间的差异。 在不耐受者中的研究： 随机分配至新药和耐受不良药物。这种设计富集那些对对照药物表现差的患者。 这两种设计都应该能够提供更大的药物与对照药之间的差异。 虽然这类研究非常有价值，但实施的机会较少。 设计应当赋予新药优势（因为另一个失败了），这也使得一些药物能够获得批准，即使它们原本太毒： Captopril（原以为可能导致粒细胞缺乏症）在那些对三联疗法（利尿剂、利血平、肼屈嗪）失败的患者中优于这些药物。 Bepridil（一种钙通道阻滞剂）在那些对diltiazem失败的患者中更优。 Clozapine在那些对标准治疗失败的患者中优于thorazine。 该设计必须进行随机分配到失败药物和新药。 Clozapine具有较高的毒性，只有在有明显的临床优势时才会被使用。 对标准治疗无响应的精神分裂症 神经安定药物的响应差的历史 被诊断为精神分裂症，且需住院治疗 haloperidol治疗6周失败 4周，双盲对比Clozapine与chlorpromazine+benztropine 在讨论非甾体抗炎药（NSAIDs）时，所有的关节炎医生都表示，由于个体响应不同，很多药物都是必要的。这是合理的，但在几年前的一个COX2会议上，我建议在非响应者（NRs）中进行研究。 Merck在celecoxib无响应者中，对比了25 mg rofecoxib 与200 mg celecoxib 的效果。 ppt下载链接： https://cersi.umd.edu/sites/cersi.umd.edu/files/S01%20-%2002%20Temple.pdf 声明：本人不在研发一线，经常站着说话不腰疼，水平非常有限，错误不可避免，信息可能也非最新，欢迎批评指正。所有文章仅作个人笔记整理（所以作者几乎都是记事本，有时候为了开赞赏也用青盐记当作者名），非治疗方案推荐，也不构成任何投资建议。所有的观点和言论仅代表本人，与本人就职单位和曾就职单位无关。

摘要：G蛋白偶联受体（GPCRs）是最大且最多样化的细胞表面受体家族，具有广泛的配体和功能。自从1986年第一个GPCR被克隆和表达以来，我们对这个受体类别的药物发现已经学到了大量的知识，以至于现在GPCRs作为批准药物的最成功靶标类别已经得到了广泛认可。在这里，我们带领读者经历从靶标到临床的GPCR药物发现之旅，强调关键的学习点、最佳实践、挑战、趋势和洞察，这些对于发现最终在患者中调节GPCR功能以治疗的药物至关重要。GPCR药物发现的未来是鼓舞人心的，更多理想的药物机制和新技术正在使交付更好、更成功的药物成为可能。 1.引言  GPCRs是发现新药最成功的靶标之一，代表着由约821个人类基因编码的细胞表面跨膜受体的最大超家族；见的综述。实际上，据估计约34%的上市药物是GPCR功能的调节剂，而大约140个GPCR的天然配体和功能尚未被发现——所谓的孤儿GPCRs。这篇综述集中在小分子GPCR药物发现上，因为大多数GPCR药物是小分子（约92%）而不是像抗体这样的生物制剂。这种药物模式的当前偏好主要是由于历史上GPCR具有小分子天然配体的强烈记录，加上生成受体特异性生物药物的技术难度。凭借这一广泛的功能范围，GPCR药物几乎出现在所有治疗领域，特别是神经学、心血管和炎症。有趣的是，尽管通过针对免疫细胞（例如，在免疫肿瘤学中的腺苷A2AR）的GPCR药物在肿瘤学中的存在感较少，但随着新ADCs的出现和新的疾病联系，这种状况将会增加。许多专家认为，60-85%的潜在治疗性GPCR尚未被药物化。值得注意的是，对于一些批准的GPCR药物，疾病疗效是由受体多药理学驱动的，无论是设计上的（例如，用于2型糖尿病的共激动剂肽Tirzepatide）还是偶然的（例如，非典型抗精神病药Clozapine）。获得可接受的治疗窗口的正确多药理学量是一个挑战，并且在项目开始时很难预测。所有GPCRs都表现出多功能的七跨膜框架，能够容纳各种大小的配体激活受体，从小质子到大蛋白质以及不同的物理形态，从光子到蛋白酶激活。此外，GPCRs的激活是通过许多综合生物学过程介导的，并与多种细胞功能相关联。有了这么多不同的配体和药理学，GPCRs表现出许多生理和病理生理作用，因此它们继续吸引大量的药物发现和科学兴趣。人类GPCRs被分为六个主要家族（A：视紫红质，B：分泌素，C：谷氨酸，D：真菌，E：cAMP和F：Frizzled），其中视紫红质（Class A）家族是最被研究的（94%的GPCR药物）。大多数GPCR药物要么是拮抗剂要么是激动剂（分别为53%和42%），但越来越多有利的、精细的模式，具有改进的GPCR选择性，如负性和正性异构调节剂（NAM和PAMs）和偏置配体在临床上越来越受到关注。这篇综述将突出从靶标验证到临床的现代GPCR药物发现的关键方面（见图1）。每个方面都将由相关的案例研究、挑战和最新的知识支持，然后是对这一激动人心的药物发现领域的未来展望的总结性思考。在发现阶段开始时，候选GPCR药物靶标应经过严格的评估，以确定药物靶标的可取性、发现项目的可行性和投资。这个过程涉及一系列考虑因素。关键要素包括靶标验证、疾病联系、靶标药物性、检测可行性、多靶标选择性和在进一步投资新药物发现项目之前的命中发现策略。图2展示了一个通用的命中发现过程，说明了所有当前可用于识别小分子化学起点的方法，但对于GPCRs来说，重要的途径是利用现有药理学的基于知识的和通过HTS的多样性筛选。尽管GPCR结构和生物物理信息正在增加并且非常理想，但通常更难实现并前瞻性地应用于药物发现。 图1. GPCR药物发现 - 从目标到临床的流程。 图2. 通用的候选药物发现流程。 在介绍了一般的药物发现过程和GPCR特定的命中发现方法之后，我们将进入更详细的部分，涵盖HTS、定义药物功能的检测、机制和驱动DMTA（设计-制造-测试-分析）周期的检测，GPCR蛋白表达，生物物理学，GPCR结构信息的洞察，作为进入药物和计算化学的过渡，最后是关于新兴GPCR药物的后期转化生物标志物和临床方面的部分。总之，这篇综述将探讨GPCR药物发现科学和疾病理解如何预测发展，推动新靶标、概念和有价值的药物模式，以识别更好的药物治疗。GPCR药物发现继续是一个生产力很高的新药领域（例如，2021年批准的首创C5a受体拮抗剂Avacopan用于治疗血管炎）。随着最近的趋势，如用于治疗抑郁症的迷幻剂和新的模式如偏置激动剂，这一靶标类别的新药物发现的未来看起来很有希望。 1.1.HTSHTS是一种用于快速识别药物发现活动起始分子的方法，在这种方法中，成千上万的化合物被筛选针对一个目标。一个成功的HTS活动需要显著的基础设施，包括一个高质量的结构多样化小分子库和多个科学学科的整合，包括药物化学、计算化学、信息学和生物学。HTS检测必须经过良好的验证，以确保它们高度可重复、稳健、低成本，并与检测自动化兼容。GPCRs历来是HTS活动最受欢迎的目标之一。对GPCR HTS的需求随时间波动；然而，近年来，GPCR HTS数量增加的趋势显著。GPCR HTS活动最常用的方法涉及研究受体激活下游的细胞内事件。例如，这些方法测量第二信使，如Ca2+、cAMP（环磷酸腺苷）、pERK（磷酸化细胞外信号调节激酶）和IP1（肌醇一磷酸）、基因表达报告基因，以及β-arrestin对GPCR的招募。 现在有许多HTS兼容的检测技术可用于测量这些GPCR第二信使。HTRF（均质时间分辨荧光）和AlphaScreen非常适合HTS，以均质格式产生一致的高质量数据，信号和试剂稳定性令人印象深刻，与检测自动化兼容，并且可以扩展到384和1536孔格式。一个很好的例子是Myers等人在2020年使用的‘cAMP Gs动态试剂盒HTRF®’检测，用于识别 apelin 受体的小分子激动剂。有许多其他方法可用于测量GPCR第二信使，包括最近用于从超过300,000种化合物筛选中识别35种选择性、反向激动剂GPR3的GloSensor™ cAMP检测。 测量细胞内钙瞬变是HTS Gαq偶联GPCRs的常用读数。FLIPR系统（Molecular Devices）和Hamamatsu Photonics FDSS仪器是细胞内钙测量的行业领先技术。这些技术利用敏感的钙染料来测量细胞内钙的变化。还有许多其他基于钙的筛选方法可用，包括最近开发的适用于CCR6受体的HTS兼容钙动员检测，该检测使用己糖胺酶活性作为荧光读数。 有几种HTS兼容的方法可用于测量β-arrestin GPCRs的招募，但需要修改GPCR C-末端，这可能会干扰受体的活性和信号。在2021年，Hauge Pedersen等人开发了一种名为‘MeNArC’的基于发光的β-arrestin招募检测，不涉及修改GPCR。该方法利用了一种新型NanoLuc分裂，其中N-末端NanoLuc片段‘MeN’锚定在膜上，C-末端NanoLuc片段‘ArC’与β-arrestin融合。这种方法尚未用于HTS，然而，初步数据表明这种方法将适合于未来GPCRs的HTS。 无细胞筛选纯化的GPCRs具有减少非靶标效应的优势。然而，以足够的规模为HTS生产纯化的重组膜蛋白在生物学上相关的构象已被证明具有挑战性，并限制了在无细胞环境中筛选GPCRs的能力。尽管如此，有几种无细胞HTS兼容的筛选方法可用，例如用于筛选神经肽受体1型（NTS1）配体的无细胞荧光偏振检测。质谱是一种常用的技术，用于识别蛋白质-配体相互作用，并已成功用于近年来的许多GPCR HTS活动中。在2019年，Lu等人使用亲和质谱筛选识别了A2A腺苷受体的三种新拮抗剂。随后，他们在2021年使用类似的方法识别了腺苷A2A受体的NAM。 在某些情况下，传统的高通量筛选（HTS）化合物库已被DNA编码的化合物库（DELs）所取代，因为它们允许并行亲和筛选更多的小分子。DELs非常庞大，包含超过10^8个小分子，所有这些小分子都共价连接到一个独特的DNA条形码上。DNA标签充当条形码，可以通过读取来确定每个击中目标的小分子的身份。GPCR与DEL库一起孵育，通过亲和筛选鉴定与受体结合的化合物，然后放大并测序DNA标签。最初，DEL筛选仅限于可溶性蛋白靶标，但最近，DEL筛选已适应于膜受体，并于2015年首次被Wu等人用于筛选GPCRs，以鉴定NK3 tachykinin受体的拮抗剂，并为未来的GPCR HTS提供了一个有希望的方法。 除了筛选GPCRs的小分子调节剂外，HTS还可以筛选GPCR生物制剂，如肽和寡核苷酸。可以使用一种称为SELEX（通过指数富集的配体顺序进化）的方法筛选GPCR的核酸适配体，该方法涉及筛选数十亿个寡核苷酸对目标受体。在2021年，Takahashi等人使用基于SELEX的筛选方法鉴定了P2RY2 GPCR的正性异构调节剂。 1.2.GPCR筛选和筛选级联 一个综合药物筛选级联的目标是量身定制以满足总体项目目标（例如，发现一种口服GPCR拮抗剂）和项目阶段（例如，HTS后早期命中验证，见图3或支持后期阶段的主导优化DMTA循环）。级联顶部的主筛选（图3）旨在快速且稳健地测量化合物以期望的机制（例如，激动剂或拮抗剂）与GPCR结合的能力，通常在HTS中开始。有许多类型的GPCR检测，但它们通常分为两类，细胞内信号终点（如HTS部分所讨论）或受体结合检测。使用放射性配体、荧光偏振或GTPγS交换技术的GPCR结合检测，历来是识别GPCR命中和直接化学的最简单和最快的方法。这些检测具有优势以及挑战和限制。例如，结合检测非常擅长提供有关药物-靶标相互作用的信息，包括配体结合的动力学和目标停留时间。然而，除非化合物结合到正性配体结合位点，否则仅用结合检测很难推断有关信号通路或功能性效力的任何信息，因此在命中识别过程的早期结合受体结合和信号检测很重要。此外，当通过测量细胞内第二信使来评估化合物的效力时，必须使用内源性细胞或疾病相关组织模型确认作用机制（MOA）和所测量的响应将预测体内所需的治疗效果。大多数基于细胞的检测使用转染了目标GPCR的HEK293或CHO细胞系。在这种人为增强的系统中，由于“受体储备”的丰富性，目标受体的分数占据可能会高估激动剂的效力和效力。 图3. 典型的GPCR高通量筛选（HTS）拮抗剂候选药物验证生物学筛选级联。 通常与主检测并行，会运行一个反筛选以排除由于检测技术干扰或通过非靶标活性在主检测中识别的不需要的假阳性命中。通常，这些反筛选测量在主筛选中使用的相同信号通路和检测技术在缺乏目标受体的情况下击中活性的细胞背景。被识别为Pan-Assay Interference compounds (PAINs)的各种化学物质经常被重复识别为假阳性。这些化合物通常显示出固有的氧化还原活性，作为分子聚集体，或可能含有活性杂质，如重金属，或具有内在的荧光猝灭特性，干扰各种筛选技术。从筛选库中识别和排除PAINs通常具有挑战性，导致在主筛选后回顾性地识别假阳性命中。PAINs表现出非典型的药理学特征，如暗示超化学计量相互作用的陡浓度-反应曲线，代表聚集行为的洗涤剂敏感性，非竞争性和/或时间依赖性，以及化学系列中平坦的结构-活性关系（SAR）。理想情况下，反筛选后会进行一个正交检测，使用与主细胞信号筛选不同的筛选技术（例如，生物物理或生化检测），以确保活性不局限于特定的检测技术，并验证化合物与目标受体的结合。大多数GPCR药物发现活动中的另一个关键问题是早期测量化合物对相关、不需要的GPCRs的选择性，因为缺乏选择性可能需要在项目中解决。通常，选择性检测被内置到筛选级联的早期，以防止非选择性命中的进展，并允许药物化学家提高选择性。在物种受体同源物上使用人等效化合物的效力和机制是理想的，以便可以评估下游优化化合物的体内药代动力学和药效学属性。因此，最初使用人等效的重组GPCR物种检测来评估命中同源GPCR药理学。此外，在内源性表达细胞或组织检测中早期测试命中化合物也弥合了在过度表达的重组目标系统中观察到的GPCR效力和效力与在主要细胞靶标（例如，中性粒细胞中的CXCR1）之间的差距。当人和动物同源物之间的序列差异更大和/或药物通过较少保守的别构位点工作时，药物功能和/或效力的物种交叉较差的情况更频繁发生，见GPR35药理学作为一个例子，导致开发转基因敲入人GPCR小鼠进行PK/PD研究的额外费用。 我们现在更仔细地看看在药物发现筛选级联中使用的不同类型的GPCR检测，包括生物物理、生化结合检测、细胞内信号、表型和MOA研究。 1.3.GPCR表达和纯化 包括GPCRs在内的膜蛋白由于其复杂的结构、低表达水平和较差的稳定性而难以在高产量下产生和分离。GPCR表达的一个主要挑战是实现足够高的表达水平，以实现结构研究或功能检测等下游应用。低表达水平通常归因于GPCRs的折叠和插入到细胞膜中，这是一个复杂的过程。此外，在某些情况下，必须存在正确的翻译后修饰。此外，GPCRs可能非常不稳定，导致展开或降解，使得难以获得用于下游应用的纯净和稳定的蛋白质样品。下面探讨了克服这些挑战的策略和技术。 1.4.GPCRs过表达的细胞系统 人类GPCRs的重组表达是生产高产量孤立受体的重要先驱步骤，使功能、生物物理和结构表征检测能够发现针对这些受体的药物。GPCRs必须在能够适当处理其特定的翻译后处理和修饰的系统中表达，包括折叠和插入到膜中以及侧链的糖基化。表达系统的选择可以显著影响所产生蛋白质的质量和产量，以及生产所需的时间和成本。 一些GPCRs已成功在大肠杆菌中表达；然而，大肠杆菌是一个在成功表达GPCR方面的非常有限的系统，因此，这些例子往往是例外或需要对蛋白质序列进行广泛的修改才能兼容。同样，也测试了无细胞表达系统用于生产GPCRs。有一些成功的无细胞表达GPCRs的测试案例；然而，这项技术通常比成功生产GPCR的其他系统更有限制。因此，不推荐在大肠杆菌或无细胞系统中表达GPCRs。人类胚胎肾（HEK）细胞系统更广泛地用于过度表达GPCRs。该系统为表达人类GPCRs提供了一个类似的环境，并允许进行功能性GPCR表达所需的适当翻译后修饰。然而，使用HEK细胞可能具有挑战性，因为使用这些细胞的成本高且复杂。 首选的GPCR过度表达方法是使用昆虫细胞系统。这种偏好从提交给蛋白质数据银行（PDB）的GPCR结构数量中可以明显看出，这些结构在Hi5、Sf9或Sf21昆虫细胞系统中表达，占总结构的三分之二。昆虫细胞是生产GPCRs的合适宿主，因为它们可以执行复杂的翻译后修饰，包括糖基化，并促进受体的正确折叠和插入膜中。与其他表达系统相比，昆虫细胞具有几个优点。它们易于大量培养，并且可以产生高产量的重组蛋白。此外，它们比哺乳动物细胞系统更便宜、更不复杂，使它们成为大规模生产GPCRs的一个有吸引力的选择。 1.5.GPCR生产的构建设计和纯化策略 设计GPCR构建用于重组表达时需要考虑各种因素。纯化策略对于确定必须添加到受体的标签很重要。此外，特定的分析技术可能需要额外的标签和融合。此外，受体的下游使用决定了构建的设计。例如，用于表面等离子共振（SPR）实验的GPCR构建的要求可能与用于X射线晶体学或冷冻电镜实验的要求不同。最后，在使用最天然的受体序列和允许蛋白质以给定应用所需的规模、质量和稳定性产生的修改之间必须进行权衡。这些修改可能包括标签、截断、删除、融合伙伴插入和稳定突变。 为了纯化GPCRs，通常需要一个纯化标签。此外，由于GPCRs的低表达产量和纯化步骤中使用的高洗涤剂浓度，高度特异性的标签比常用的亲和标签（如6xHis标签）更有利。使用组氨酸标签至少需要8xHis标签，以提供对金属亲和树脂的更多特异性。或者，通常使用FLAG标签和双链strep标签，提供更大的树脂结合特异性，从而在纯化过程中的初始捕获步骤中得到更纯净的产品。抗体偶联的树脂提供了最高的树脂结合特异性，但价格昂贵且树脂结合能力有限。因此，在选择合适的纯化标签时，必须考虑树脂结合特异性和容量之间的权衡。用于膜蛋白，特别是GPCRs的一种标签是将构建物的天然C末端替换为来自牛视紫红质C末端的1D4表位。由于这个标签源自膜蛋白的两亲螺旋，因此添加这个标签对天然表达谱的影响比人工纯化标签更低。 除了纯化标签外，还可以添加额外的序列以提高GPCR的表达和检测。例如，在GPCR序列的N末端添加可切割的流感血凝素信号序列可以帮助增加GPCR的表达水平，并为构建物的纯化或检测提供另一种选择。提高GPCR构建物检测的另一种方法是在构建物中添加绿色荧光蛋白（GFP）融合，允许直接从细胞使用荧光信号快速评估GPCR的表达。添加GFP标签还通过使用偶联到树脂的抗GFP抗体提供纯化选项。对于使用SPR（见生物物理学部分）的生物物理受体-配体研究，常见的添加标签是avi标签，这将允许使用细菌BirA酶对蛋白质进行位点特异性生物素化。如果蛋白质与BirA酶共表达或在准备GPCRs进行SPR研究期间使用纯化的BirA进行体外使用，这种标记方法将起作用。 在成功纯化后，从受体中去除额外的纯化标签是标准做法，通过在受体和纯化标签之间添加蛋白酶切割位点来实现。常用的位点包括TEV蛋白酶的ENLYFQ|(S/G)、HRV蛋白酶的LEVLFQ|GP和Factor Xa蛋白酶的IEGR|，其中“|”表示切割位点，括号中的氨基酸表示不分等位位置。这些蛋白酶具有高度特异性和效率，使它们成为流行的选择。 GPCRs往往不稳定，这可能是纯化和结构确定的主要障碍。受体一旦从天然双层环境中移除，就会迅速展开或失去活性。为了应对使用GPCRs的这一挑战性方面，通常采用的方法是引入热稳定的点突变。虽然向GPCR序列中添加突变可能不理想，但有时为了便于使用受体是必要的。通常包括功能测试，以确保所选的突变稳定，但不干扰配体结合。这些突变可能通过减少构象灵活性来稳定，将GPCR锁定在单一状态，如活性或非活性状态。将受体锁定在单一状态对于通过X射线晶体学确定高分辨率结构很重要。通过X射线晶体学解决的所有GPCR结构中有三分之二至少经过了一种稳定突变的工程改造。 已经使用了多种方法来确定膜蛋白的稳定突变。扫描突变无疑是确定稳定突变的最成功方法，其中GPCR的每个位置都突变为丙氨酸（或另一种氨基酸替代物），并使用热熔曲线测试每个突变体的稳定性。这个过程通常是迭代进行的，构建可以增加GPCR稳定性的突变组合。或者，定向进化通过随机突变也显示出在确定这些稳定突变方面的成功，其中实验负担降低，因为可以从随机突变池中选择稳定的突变。最近，计算方法，如IMPROvER和CompoMug，也已被用于通过建模、生物信息学和神经网络方法帮助预测稳定点突变。利用计算方法显著减少了劳动、成本，并提高了稳定受体构建物的识别速度，然而，选定的稳定突变仍需要通过实验验证。 抗体衍生物或纳米抗体与GPCR的结合可以稳定特定的受体构象，而无需修改天然受体序列，有助于促进高分辨率晶体结构的形成。然而，生产这类抗体工具所需的时间和努力使得这种方法不能被普遍使用。插入融合伙伴可以提供一个稳定的支架，可以增加GPCR的刚性并减少其构象灵活性。此外，融合蛋白增加的表面积可以促进晶体接触的形成，并提高晶体学实验的成功率。然而，与点突变一样，融合蛋白呈现非天然受体序列。在GPCR稳定中使用最受欢迎的融合伙伴是噬菌体T4溶菌酶和热稳定的细胞色素b562RIL（BRIL）。噬菌体T4溶菌酶是一个小而稳定的蛋白质，可以稳定包括GPCRs在内的广泛膜蛋白。另一方面，BRIL是细胞色素b562蛋白的热稳定变体，经过工程改造以提高其溶解度和稳定性。这些融合伙伴可以插入GPCR的不同位置，但最受欢迎的位置是细胞内环3或N末端。 1.6.通过溶解促进GPCRs的膜提取 GPCRs嵌入在细胞膜的脂质双层中；提取它们需要溶解。GPCRs在洗涤剂胶束中的溶解是常见的，然而，这种提取过程有缺点。在溶解过程中，大多数天然脂质从蛋白质中剥离，这可能导致不稳定或非活性的蛋白质产品。 为了克服这一挑战，建议在从膜中提取后采取特定步骤来稳定GPCRs。增加稳定性的一种方法是在前一节中介绍的向GPCR序列本身引入稳定点突变。然而，仔细选择用于GPCR溶解的洗涤剂是另一个重要的因素，可以帮助稳定蛋白质。温和的洗涤剂对GPCR的天然结构影响有限，并且在某些情况下，保留了强烈的天然蛋白质：脂质相互作用。用于结构研究的GPCR溶解最流行的洗涤剂是n-癸基-β-D-麦芽糖苷、n-月桂基-β-D-麦芽糖苷、n-壬基-β-D-葡萄糖苷和月桂基麦芽糖新戊基糖醇。此外，GPCRs通常也在胆固醇半琥珀酸存在下溶解，胆固醇半琥珀酸是一种类似胆固醇的分子，已知对洗涤剂溶解的GPCRs具有稳定作用。 虽然洗涤剂溶解法仍然是药物发现中生产GPCRs的流行方法，但新兴技术提供了一种无需洗涤剂的替代方法，用于从膜中提取蛋白质。其中一种技术是使用苯乙烯马来酸（SMA）共聚物，它们可以自组装在膜双层中，并充当“饼干切割器”，从膜中切除被称为SMA脂质颗粒（SMALPs）的蛋白质/脂质盘（图4）。使用SMALPs允许在天然环境中提取GPCRs，保留它们的结构、功能，并在不需要重新组装到人工脂质环境中的情况下进入下游检测。 根据下游检测的需求，GPCR可能需要以不同的可溶状态呈现，以确保其稳定性或与特定技术（如冷冻电镜（冷冻电子显微镜））的兼容性。所需的GPCR形式可能涉及将GPCR从其溶解洗涤剂转移到两亲聚合物或纳米盘。两亲聚合物（如A8-35或PMAL-C8）像SMALPs一样围绕GPCR形成稳定的脂质带。同样，纳米盘由自组装的膜支架蛋白（由Apolipoprotein A-1工程化）组成，它们环绕GPCR形成一个脂质盘（图4）。然而，GPCR必须在洗涤剂中溶解后重新组装到这些系统中，因为GPCR不能直接被提取到这些系统中。与SMALPs相比，这个较长的过程存在轻微的缺点，因为必须人工添加脂质，而不是利用细胞膜中的天然脂质。此外，在纯化过程中，通常需要将溶解的GPCR从一种洗涤剂胶束转移到另一种，因为最适合溶解和纯化的洗涤剂可能不是最适合下游应用或长期稳定性的。Digitonin和glyco-diosgenin是冷冻电镜分析常用的洗涤剂。 图4. GPCR在膜提取后的不同可溶性呈现形式的例子。左侧的描述说明了每个系统之间的差异，而右侧的详细内容展示了在每种情况下形成活性可溶化剂的化学实体。 荧光尺寸排除色谱法（FSEC）是一种强大的技术，可以作为筛选策略，用于在进行全面纯化之前快速评估GPCR的质量和属性。这种方法提供了一种快速有效的分析GPCR的方法，可以在不首先优化纯化过程的情况下，从粗提物中溶解。FSEC可以快速分析影响GPCR质量和稳定性的各种参数，包括不同的构建设计、用于溶解的洗涤剂、缓冲成分和配体添加。该技术涉及用荧光标签标记感兴趣的蛋白质，该标签可以在尺寸排除色谱期间检测。在FSEC分析期间，蛋白质样品被注入到尺寸排除柱上，该柱根据其分子量分离蛋白质。然后通过荧光检测监测洗脱剖面，并使用所得数据评估GPCR的质量。例如，如果蛋白质以单分散峰洗脱，这表明蛋白质是均匀的并且正确折叠的。另一方面，如果蛋白质以宽峰或多个峰洗脱，则表明蛋白质聚集或错误折叠。 1.7.GPCR生物物理检测 任何药物分子的生物物理评估对药物发现过程都很重要。它能够详细表征所讨论分子的结合亲和力和/或动力学，并以明确定义的方式确认目标参与。这些关键因素使体外生物物理技术成为目标参与的黄金标准，尽管细胞内目标参与技术和技术的快速扩展。传统上，膜蛋白，特别是GPCRs，由于其天然、未修改的构建通常在从细胞膜环境中分离出来时稳定性和活性较差，因此研究起来特别具有挑战性。然而，这种情况在过去十年中随着生物物理技术和GPCR蛋白的制备（见前一节）的进步而迅速改变，并有多个目标使用一系列技术进行研究。与任何目标一样，小分子治疗剂的性质可能使它们更具挑战性，无论是由于低分子量（如SPR）缺乏信号还是可能难以完全表征的初始命中的较弱亲和力。幸运的是，生物物理学家的工具箱从未如此多样化，有许多高度敏感且经过充分验证的技术是该领域的主要技术（如SPR、NMR、LC-MS和ITC（等温量热法））以及提供比既定技术更多优势的更近期的技术，通常与蛋白质的环境有关（例如，细胞内、溶液内/无基质、粗样混合物等）。这些技术都与结构表征（见下一节）紧密相连，这对于片段基础的药物发现项目同样重要，以实现更高吞吐量的结合评估，可以与更低吞吐量但更详细的结构评估相结合。 对于许多用于评估结合亲和力的生物物理技术来说，灵敏度和吞吐量是最重要的进展。例如，现在在合理的时间框架内对数千甚至数万种分子进行生物物理筛选越来越现实，特别是通过SPR，在某些情况下，每周可以完全表征数百种化合物的亲和力和动力学。对于许多筛选管道，吞吐量使项目能够按预期时间表交付，并且能够在多次大型筛选活动（例如，HTS、DEL等）之后生成高质量的生物物理数据是非常宝贵的。低分子量分析物也不再像过去那样具有挑战性，能够使用高通量SPR系统对大型蛋白质构建物（>200 kDa）进行小分子片段筛选。这同样适用于GPCRs，它们通常因表面活性低而受到阻碍，但由于这些进步而变得更加可行。SPR仍然是药物发现管道中的坚定最爱，因为它的吞吐量、灵敏度以及在标准实验中常规提供的信息量，能够表征从mM到sub-pM范围内的分子结合，除了亲和力和目标参与数据外，还可以评估化学计量和其他结合行为（不寻常的动力学、非特异性结合等），这在确认其他技术（如HTS屏幕中发现的）的命中物质时非常有用。话虽如此，生物物理技术的选择应根据所观察的系统量身定制，并且是定义筛选级联的一个组成部分。NMR在评估动态系统或寻找溶液格式中的额外结构洞察方面具有几个优势，并且已在GPCR配体结合研究中使用。像MST（微量热泳动）和DSF（差示扫描荧光测定）这样的技术也提供了无基质的溶液内方法，并且能够应对复杂溶液和/或大分子量目标或难以用生物物理学表征的目标。相关的生物物理平台，如基于细胞的SPRM（表面等离子共振显微镜），是一种正在发展的技术，可以测量小配体和生物制剂在细胞表面原位与GPCRs的结合。SPRM目前不是研究GPCR配体结合动力学的主流技术，尽管已经发表了各种早期采用者的案例研究。 尽管现有的生物物理工具箱很强大，但生物物理检测设计中最重要的步骤无疑是构建本身的设计和准备（见前一节）。许多严重问题通过调整构建长度、突变、溶解条件和标签等因素来解决，甚至在进行生物物理检测之前，可以在检测系统中进行微调。这种针对GPCRs等目标的构建设计和检测设置的协同作用确实决定了并促进了这些目标在生物物理检测中的可行性。 1.8.受体结合检测 配体结合检测是用于询问GPCRs的最悠久的检测格式之一，自20世纪70年代以来就被行业使用。结合检测相对简单，只需要受体来源和合适的配体，通常带有放射性同位素或荧光团的标记。除此之外，这种检测格式可以修改成许多格式，为许多目的提供了丰富的药理学数据。在药物发现环境中，稳健的结合检测可以作为主筛选，用于检测目标GPCR的竞争性和非竞争性配体。这些传统上是在基于滤膜的格式中使用细胞膜制备运行的，但是接近基于检测格式的出现，如闪烁接近颗粒和基于BRET（生物发光共振能量转移）的系统，已经增加了这些检测的吞吐量并减少了手动处理要求。 除了筛选之外，一个经过充分验证的结合检测可以定义标记追踪器或竞争配体的亲和力、结合动力学和结合模式。它们也可以用于询问目标受体的细胞表面表达水平和受体内化。在提出筛选目的的结合检测时需要考虑几个因素： 标记配体和相关试剂可能成本较高，特别是在高通量筛选（HTS）中筛选大量化合物时。 确定合适的标记配体有几个标准，即对目标受体/s具有良好的亲和力和特异性，以及合成路线或标签容忍性的实用性考虑。 对预期目标的配体的了解很重要。结合检测需要一个标记的配体，因此需要一个已知的配体来标记，所以孤儿受体或配体具有较差特异性或亲和力的受体可能使结合检测无法考虑。 这些检测传统上使用放射性标记的追踪配体。氢-3（^3H）是一种具有长半衰期、与固体和液体闪烁剂兼容，并且在化学上与其替代的氢原子相同的同位素，非常推荐使用。碘-125（^125I）是另一种常用同位素，由于其发展成熟且简单的化学性质，在日常肽标记中得到应用。我们发现，使用专业的肽生产和放射性标记组织对肽进行氢-3标记，也能产生一个标记良好的肽，其明显优势是具有12年的半衰期而不是60天，消除了不断重新合成/购买快速衰变碘化配体的需要。最后，使用放射性配体的GPCR结合检测在开发针对GPCR的治疗药物中继续发挥积极作用，最近在2022年批准用于治疗II型糖尿病的GIP受体激动剂Tirzepatide的专利申请中有所描述。此外，其他放射性配体，如PET（正电子发射断层扫描）标记的GPCR配体，在体内受体成像和CNS中的占有率中发挥翻译作用，例如用于多巴胺和5-羟色胺受体药物（见后面的生物标志物部分）。多年来，为了减少对放射性化学药品的处理风险和实际限制，已经开发了几种技术来替代放射性标记配体。这些技术包括荧光强度、荧光偏振、HTRF（如TagLite）、BRET、NanoBRET、流式细胞术和分割荧光素酶系统。荧光GPCR配体可以提供相对受体表达、受体内化、配体亲和力和结合动力学的实时、同时读数，同时保持与放射性标记配体通常相关的稳健信号大小。基于BRET的结合检测近年来变得流行，随着荧光配体和带有荧光标记配体的互补标记或标记受体的商业供应商越来越多。结合检测在行业和我们客户群体的许多药物发现和开发活动中继续发挥关键作用。非放射性系统越来越多地用于体外筛选，而放射性结合检测仍然需求量大，特别是用于证明其在原代细胞和组织中的可转化性。放射性配体有助于确定目标参与、位置、占有率和体内亲和力等属性，其中内源性受体以未修改的形式原位表达。 1.9.基于细胞的检测 为检测类型和筛选级联中的层次选择合适的细胞系统对成功至关重要。主要使用表达重组GPCR的非疾病相关细胞系，如CHO-K1、U2OS、Hela和HEK293，因为它们易于操作、生长特性和广泛可用性。这些细胞系统为使用第二信使检测进行命中识别提供了经过充分验证和稳健的平台。然而，需要注意的是，每种细胞类型内源性的信号和调节蛋白可能会影响检测结果，并导致“系统或细胞类型偏差”，影响测试配体的药理学特性。适当的重组或内源性GPCR细胞模型对于进入体内机制受体-配体和转化研究很重要。另一个重要考虑是是否测量GPCR激活后的近端或远端信号。近端读数将减少由于较少的潜在非靶标介入而产生的不需要的假阳性频率；然而，检测窗口可能小于远端信号。远端信号从受体后信号放大中受益，提供更高的信噪比，然而，假阳性的可能性增加。总体而言，使用精心选择的一系列检测来识别命中，然后在正交检测中进行确认，增加了化合物进展的机会。 1.10.第二信使检测 用于药物发现项目的GPCR基于细胞的筛选检测的经典方法通常测量第二信使的活性，如Ca2+释放、pERK、报告基因表达、1,4,5-肌醇三磷酸（IP3）或IP1积累和cAMP。其他方法包括检测β-arrestin对GPCR的招募或β-arrestin诱导的GPCR内化。通常用于Gq偶联GPCR的第二信使检测测量IP1或Ca2+ i瞬变。广泛使用的IP1检测是一种均质时间分辨荧光检测，它稳健且适用于HTS，虽然试剂成本较高，但检测可以微型化。越来越多地，冷冻细胞可以分配到检测就绪的板上，以避免与连续细胞培养相关的检测运行变化，实现更耐用和可重复的检测。相比之下，Ca2+ i瞬变检测由于其高通量特性和与实时荧光板阅读器（如FLIPR或FDSS）兼容的细胞通透性Ca2+敏感荧光染料的广泛可用性，成为GPCR筛选检测中使用最广泛的技术之一。任何Gi偶联GPCR也与钙结合，从而增加了其作为筛选检测的实用性。除了GPCR靶标外，这些平台还与离子通道和转运体等其他靶标类别兼容，使它们成为药物发现工具箱中有价值的补充。Ca2+ i通量检测的一个重要限制是反应的快速和短暂性质，这限制了对药物MOA的洞察，因为许多缓慢解离的化合物将由于反应的非平衡性质而被视为不可逆拮抗剂。这些方法也可以通过表达嵌合G蛋白（Gαqi5或Gαqo5）或杂种G蛋白（Gα15/16）的重组系统应用于非Gq偶联GPCR，以实现IP1和Ca2+读数，而无需了解G蛋白偶联条件。然而，这带来了风险，即药理活性可能无法从这些重组系统转化为疾病相关细胞系统中的功能检测。GPCR的另一个关键下游读数是测量细胞内cAMP水平。cAMP检测可用于筛选Gs偶联受体（促进cAMP积累）和Gi偶联受体（抑制cAMP产生）。现在有许多技术可用于测量cAMP积累，包括基于抗体的均质检测，如AlphaScreen和HTRF，在药物发现中已广泛使用。另一种方法是使用包含cAMP结合域与荧光或发光蛋白偶联的基因编码生物传感器，如Promega GloSensor，见Kim等人。cAMP生物传感器的优点之一是它们可以用于实时监测cAMP积累，以量化不仅是cAMP的最大水平，还有动力学。ERK1/2检测测量G蛋白依赖和β-arrestin机制的汇聚信号，使其成为初级筛选检测中的常见选择。从许多选项中选择一个稳健的平台是构建高效筛选级联的关键。在选择检测技术和系统时，必须考虑吞吐量、成本和可靠性等关键因素。通常使用如CHO-K1细胞等系统，因为它们易于操作目标基因表达，并且由于仓鼠来源，不太可能表达与目标具有相似同源性的内源性GPCR。用于检测pERK的HTRF均质检测可实现高通量和可重复性；我们已成功使用这种主检测进行了多个GPCR活动。与pERK相关联的一个挑战是由于CHO-K1细胞对播种条件和密度的压力非常敏感，背景较高。为了开发这些检测，我们发现制作大量的冷冻细胞库以最小化传代变化，以及在检测板播种前进行血清饥饿步骤是重要的。 β-arrestin 在 GPCRs 的激活和通过受体内化引起的脱敏中发挥作用，并且是 G 蛋白信号传导的修饰因子。测量 β-arrestin 的招募可以作为主要筛选检测；然而，了解特定的 GPCR 机制和信号偏差是必需的。有多种技术选择可用，如 NanoBit、Tango、β-半乳糖苷酶酶片段互补和 BRET 传感器。这些技术大多使用目标 GPCR 和 β-arrestin 上的亚单位标签，以至于在受体招募时，两个标签部分通过互补被聚集在一起，在底物存在的情况下产生信号。这项技术提供了高信噪比，有利于良好的筛选，并且可以实时测量。 GPCR 内化是 β-arrestin 招募的功能结果，并且已被用于配置配体。这种方法的一个关键优势是不需要事先了解 GPCR 目标信号通路，因此，它有助于为孤儿受体提供帮助。内化可以通过多种检测格式进行测量，例如，我们发现 HiBiT 系统是筛选的稳健方法。HiBiT 内化检测使用细胞外 N-末端 HiBiT 标签对目标 GPCR 进行标记，无论是使用 CRISPR 敲入还是瞬时表达。它依赖于与非细胞通透的 LgBit 在底物存在下的互补以产生发光信号。我们发现内化和 β-arrestin 招募是识别假阳性和建立对主要命中的信心的有用辅助检测。这些检测依赖于低水平的表达，由于技术的灵敏度，建议对瞬时表达进行滴定，以确保目标处于接近内源水平。内化和 β-arrestin 招募都可用于动力学测量，提供对配体激活更深入的机制洞察，但与 HTRF pERK 检测相比，由于信号的持久性，吞吐量更有限。 1.11.G 蛋白生物传感器 GPCR 信号传导主要是通过激活 G 蛋白进行的，其中 GDP 被 GTP 替换在 Gα 亚基的 Gαβγ 三聚体上。这导致 Gα-GTP 和 Gβγ 的活性信号物种。已经有广泛的工具开发来监测这些 G 蛋白的活性，作为激活的直接读数。与可能因途径串扰和信号放大而受到影响的第二信使检测相比，G 蛋白传感器使药理学配置文件基于不同 G 蛋白亚型的结构变化。这些可用于研究与大多数 G 蛋白家族的动态相互作用，包括 Gαi/o、Gαs、Gα12/13 和 Gαq/11。这些检测使用基于 BRET 的传感器，通过 NanoBit 或 BRET 测量异三聚体重排，通过单分子 BRET 测量 G 蛋白-GDP/GTP 交换，通过 MiniG 蛋白 BRET 传感器或 Gβγ/GRK BRET 传感器测量 GPCR/G 蛋白相互作用。 单分子生物传感器使用膜锚定序列融合 Nluc 作为供体，与 YFP 融合肽作为细胞内受体，通过 ER/K α 螺旋连接子连接，以测量细胞内内源性 G 蛋白的激活。这种单分子生物传感器可以在所选择的细胞中表达，具有膜锚定和活性 G-蛋白检测模块（例如，KB-1753）在生物传感器的两端融合。ER/K 连接子有两种构象“弯曲”与“开放”，并且这个比例可以通过连接到连接子两端的蛋白域增加。在非活性状态下，连接子处于“开放”位置，检测到的 BRET 信号很低。然而，当检测模块与膜上的活性 G-蛋白物种结合时，会倾向于“弯曲”构象，将 Nluc 和 YFP 聚集在一起，产生增加的 BRET 信号。这种方法可以应用于原代细胞，如神经元，以了解配体诱导的内源性 G-蛋白调节。整合仅依赖于内源性 G 蛋白表达的传感器消除了使用容易转染的系统（如 HEK293 或 CHO-K1），这些系统通常需要过度表达目标 GPCR。因此，虽然过度表达系统是用于命中发现的标准工具，并且具有显著优势，但在更疾病相关的模型中，通过开发单分子 G-蛋白传感器可能更容易获得高通量替代品。其他团体已经开发了一种传感器，利用原生受体和 G-蛋白揭示配体导向的信号偏差。虽然这些技术在发现配体偏差和近端活性测量方面具有巨大潜力，但目前尚不清楚这些技术在 HTS 命中发现活动中的扩展程度如何。常见 GPCR 检测和技术的总结表可以在补充 1 中找到。 1.12.GPCR 目标参与 GPCR 参与的一个潜在方法，无论是用于命中发现还是领先优化，是 HiBiT 或其他分裂报告标签的适应，如 Pro-link 用于细胞热漂移测定（CETSA）。这些分裂报告克服了对可靠检测抗体的需求，这是 GPCR 目标的常见问题，并且已用于 HTS 活动。虽然原生 CETSA 对 GPCR 来说比其他类别的目标更具挑战性，但有使用原生抗体进行一些 GPCR 目标的先例。原生 CETSA 方法对跨膜蛋白的挑战很明显，并且不太可能广泛适用于所有 GPCR。然而，使用替代检测系统而不是依赖于基于抗体的检测可能有助于确定这些挑战是由于缺乏合适的抗体还是 GPCR 目标的属性。当存在重组蛋白生产的固有挑战、没有可靠的抗体和缺乏 Nano-BRET 方法的探针时，分裂报告检测系统可能提供了一种前进的方式。我们发现使用易于转染的 HEK293 细胞以瞬时方法是最短时间内成功检测开发的最短途径。检测灵敏度直接与表达水平相关；因此，表达滴定对于构建稳健的筛选检测非常重要。利用反向转染直接到检测板或用于创建冷冻细胞，已经实现了中等吞吐量筛选检测的执行。 1.13.药物发现中的现象学检测 1.13.1.我们如何测量新药的效力？ 如上所述，我们选择选择新化合物的检测类型根据我们试图回答的问题差异很大。检测可以从非常简单的体外结合或信号检测，如前所述，具有高灵敏度和吞吐量的优点，到更生理相关的但吞吐量低的体内疾病模型。 使用原代人类细胞和现象学筛选可以弥合这两个极端之间的差距，提供具有足够吞吐量的检测，允许筛选大量化合物，结合目标在疾病相关细胞系统中的内源性表达。原代人类细胞中的现象学检测将使我们能够模拟复杂疾病的多个方面，因此，与动物模型相比，更有可能预测临床结果。 1.13.2.现象学筛选的重要性 现象学检测测量细胞在潜在药物处理后的行为变化。一些常用的示例包括细胞移动或增殖、介质释放和细胞分化。这些复杂的检测最好在疾病相关的细胞系统中监测，例如原代人类细胞，目标在（病理）生理水平上表达，并与正确的辅助蛋白共定位。表达水平和细胞环境对 GPCRs 尤为重要，因为不同类型的细胞以不同水平表达不同的 G 蛋白亚型，这可能会改变 GPCRs 在简单过度表达的细胞系系统中的信号传导。 GPCRs 的一个关键特征是受体激动剂表现出效力和效力，这与受体表达、储备和信号放大内在相关。例如，高效力或完全激动剂在低受体占据下产生最大效应，无论所研究系统的受体表达水平如何。相比之下，低效力或部分激动剂必须占据高达 100% 的可用受体才能启动响应。在低表达系统中，即使占据所有可用受体，部分激动剂也只能产生亚最大响应。随着受体表达的增加，部分激动剂可以占据的受体更多；因此，它们产生的响应增加，直到达到系统最大值。这一发现在许多 GPCRs 的领域已经得到证明，例如，β2 肾上腺素能受体激动剂沙丁胺醇和特布他林在支气管平滑肌中是完全激动剂，那里有大量的受体储备，但在受体表达低得多的肥大细胞中是部分的。为了获得激动剂效力的准确测量，我们必须仔细选择与我们感兴趣的疾病最相关的细胞系统。 激动剂在探索急性或慢性反应时也可能表现出不同的药理特性，因此，识别最适合的检测方法和时间点以表征药物发现中的新化合物至关重要。简单的第二信使检测并不总是能预测在更慢性的表型读数中的内在活性。例如，在人类原代肺成纤维细胞中已经证明，一系列Gs偶联GPCRs产生的cAMP的量并不能预测相同配体抑制成纤维细胞增殖或分化的能力。当选择最理想的药物特性以针对急性生理反应（如哮喘中的支气管扩张）与慢性反应（例如，纤维化中的气道重塑）时，这种细胞类型差异是一个重要的考虑因素。 1.14.药物发现中的细胞成像 根据您希望测量的细胞反应，有各种方法可以测量表型变化。这些可以从简单的检测试剂盒，量化分泌到细胞外介质中的蛋白质，到原代细胞中更复杂的多目标标记。免疫荧光显微镜是用于探索细胞表型反应的更强大的工具之一。这种方法允许我们监测细胞期望的物理特性的变化，并为我们提供了可以指示我们的化合物可能介导的细胞健康意外变化的细胞的视觉表示。 传统的显微镜是手动的、通量低、耗时且技术密集的，使其不适合药物发现筛选。高内容筛选或高内容成像（HCI）结合了强大的显微镜和基于板的检测，允许我们执行自动化和定量的荧光显微镜检测。HCI旨在通过多波长成像和自动化图像获取，尽可能多地获取有关细胞、球状体或类器官的功能和形态变化的数据。它允许在高通量检测中单细胞或多细胞成像，并且适用于微型化和自动化。因此，它已成为GPCR药物发现工具箱中有价值的工具。 HCI旨在通过多波长成像和自动化图像获取最大化数据捕获，这意味着我们可以从单独的载玻片转向96/384孔板。由于捕获的数据量很大，它还利用了自动化图像处理，其中多参数算法可以使用机器学习识别一系列形态特征。这种自动化图像获取与分析的整合允许产生高度复杂的定量数据。有许多HCI平台可用，如Molecular Devices ImageXpress、Perkin Elmer Opera Pheonix、Yokogawa CV8000或ZEISS CellDiscoverer。每个系统将为光源、放大倍数以及执行宽场或共焦成像的能力提供不同的选项。 HCI可以利用任何发出荧光信号的标签或探针。只要仔细选择探针，使激发/发射光谱不重叠（图5），不同的探针就可以在相同的视野内多重化。甚至最简单的检测通常也涉及某种形式的多重化。通常会包括像Hoechst这样的核染色，以便准确识别细胞、分离和检测量化。 图5. 可用于使用高内涵成像（HCI）进行多重检测的不同荧光探针的例子。 图表展示了通过选择不重叠的激发和发射光谱多重化不同荧光团的能力。模拟的光谱（Ex/Em波长）显示为A）350/450 - 蓝色，B）530/560 - 绿色和C）647/700 - 远红色。 任何细胞蛋白都可以使用HCI进行监测，只要有足够的选择性初级抗体可用。这些可以与荧光标记的二抗体结合使用，以高度敏感的方式准确标记细胞蛋白。这种方法允许监测目标蛋白的表达和定位，以及一些翻译后修饰，如蛋白质磷酸化。如果灵敏度不是问题，初级抗体可以被荧光染料标记，许多这样的标记试剂盒可以商业获取。在没有选择性抗体的情况下，像许多新型GPCRs一样，我们可以寻找替代方法来标记蛋白质，如荧光配体或直接将荧光基团添加到受体或目标蛋白上。这种方法可以使用配体指导GPCRs与荧光标签在活细胞中的共价标记，允许我们监测内源性受体而不是依赖标记受体的过度表达。这些方法可以监测受体与配体的结合以及这些受体的细胞位置。 除了抗体标记，我们还可以利用荧光染料有选择性地标记细胞内的不同结构和细胞器。有可用于标记质膜、细胞质、溶酶体和线粒体的例子，仅举几例。这些中的许多都有不同的颜色以允许多重化，并且有pH敏感染料，一旦它们到达细胞内囊泡的酸性环境，如晚期内体和溶酶体，就只会发出荧光。例如，法尔定常用于选择性染色F-肌动蛋白，这允许监测肌动蛋白骨架的重排，这是形状变化、伤口愈合、细胞运动和细胞粘附的典型特征。 HCI还可以利用基于FRET的生物传感器探索细胞内信号事件（图6）。最近，这些已经被靶向到不同的细胞区域，以允许详细成像亚细胞隔室。因此，这些类型的生物传感器将使我们能够探索GPCRs下游信号的动力学和隔室化，有助于解释可能发生在仅有几个G蛋白下游的不同表型响应的复杂性。 图6. 一系列高内涵成像（HCI）的例子，展示了 (a) GPCR驱动的成纤维细胞迁移 ，(b) 细胞内ERK磷酸化 和 (c) 细胞染色 。 结合这些标记技术的一些或全部，允许我们捕获细胞的特定表型或形态特征的详细图片，这个过程被称为细胞绘画。高通量成像细胞被多达6种荧光染料染色，允许我们尽可能多地“标记”细胞的不同区域（见图6）。自动化图像分析然后使用这些图像识别数百到数千个不同的细胞形态特征，提供高度详细的表型特征。 高通量表型和基于成像的检测，特别是在原代人类细胞中，可以帮助我们以更生理和病理生理的环境了解我们的GPCR目标和新化合物。这种HCI过程允许我们在漫长的体内研究之前更好地分类化合物，因此有助于减少药物发现中晚期失败。 1.15.作用机制 阐明药物的MOA涉及将实验数据与受体药理学机制模型进行比较。简单的MOA研究从更具挑战性的评估弱、命中化合物开始，到更复杂的分析，具有更丰富、高效的领先化合物。由于药物可能通过与同一受体的相互作用在不同组织中产生不同的效果，因此最有用的模型描述了药物的系统独立属性。这些模型使药物发现研究人员能够使用测试系统中的实验数据来预测化合物在目标组织中的活性。 在药物发现计划中识别的GPCR配体可能作为激动剂、中性拮抗剂、反向激动剂或别构调节剂。激动剂是激活受体以产生生理反应的配体，而中性拮抗剂结合到受体上并不启动反应，从而阻止激动剂的作用。反向激动作用可以发生在具有组成活性的系统中 - 受体的自发活性 - 这可以通过结合反向激动剂来逆转。组成活性和反向激动作用的现象可以使用双态模型来解释，在该模型中，受体可以存在于活跃或非活跃的构象中。根据这个模型，偏爱活跃受体状态的配体将促进激活，并被表征为激动剂。相反，反向激动剂对非活跃状态的亲和力大于活跃状态，并破坏自发受体激活。与活跃和非活跃状态具有相等亲和力的配体将表现为中性拮抗剂。 1.15.1.激动剂 定义细胞系统中激动剂浓度-反应曲线的参数取决于系统独立因素和系统依赖因素。因此，应在具有不同敏感性的多种细胞类型中表征新化学物质。在命中识别筛选中检测激动剂的理想场景是高度敏感的，以揭示对弱激动剂的反应。相反，为了在命中到领先或领先优化计划中区分激动剂，应该测量不太敏感的细胞反应，以便化合物可以被表征为完全或部分激动剂。 根据细胞系统中的最大反应，激动剂可以被描述为完全或部分。完全激动剂产生等于系统最大值的最大反应，而部分激动剂即使在高浓度下也只能产生亚最大反应。已经描述了一个配体子集作为超激动剂，相对于内源性配体。超激动剂能够在相同检测中产生大于内源性激动剂的最大反应。两个具有相同机制的完全激动剂的EC50值的比率在所有它们产生完全激动作用的细胞系统中应该是恒定的。因此，通过计算等效活性效力比，可以简单地量化完全激动剂的活性。可以从浓度-反应曲线中获得更多关于部分激动剂的信息，因为相对效力较低的激动剂表现出EC50值接近激动剂-受体复合物的平衡解离常数（KA）。 因此，部分激动剂可以根据效力和最大反应进行排名，分别表示亲和力和效力的等级顺序。将激动剂与反应联系起来的定量关系由Black-Leff操作模型描述。 在最大反应Em的系统中，对激动剂浓度[A]的反应由平衡解离常数KA和系统中激动剂的效力决定。后者由换能比τ给出，定义为R0/KE，其中R0是总受体浓度，KE是产生半最大效应的激动剂-受体复合物的浓度。简单来说，τ是结合亲和力和功能性效力（效力）之间的差异。因此，系统中激动剂的效力取决于激动剂的内在效力和细胞系统的敏感性。 从Black-Leff操作模型拟合中导出的系数τ/KA，衡量激动剂诱导特定反应的能力。对于完全激动剂来说，由于可以无限组合τ和KA值来拟合数据，因此很难从浓度-反应曲线中确定效力和亲和力。然而，可以确定τ/KA比率的唯一值。当Hill斜率（n）为1时，系数τ/KA等同于Emax/EC50相对活性，其中Emax是激动剂的最大反应，作为系统最大值的分数。通过计算ΔLog(τ/KA)或ΔLog(max/EC50)（当n≈1时），可以对激动剂进行排名，给出一个系统独立的指数。 GPCR配体能激活多个途径，具有不同的效力和效力，这种现象称为偏向信号。这是配体依赖性地激活特定途径而不是其他途径，例如，激活多个G蛋白依赖性信号途径，或G蛋白依赖性信号对arrestin介导的信号修饰。如果它们由不同的信号途径介导，偏向信号可能在治疗上被利用，以实现药物效力，同时避免不良反应。准确量化偏差在技术上可能具有挑战性，因为许多检测伪影可能会使偏向信号的解释复杂化。这些包括检测设计和被测量反应的动力学差异，途径之间的信号放大或受体储备的差异，以及意外的非靶标效应。然而，通过仔细控制这些因素，我们可以使用不同的模型为配体分配偏差因子，以了解多个途径之间的信号关系。获得真正的偏向药物以及理解信号偏差的治疗潜力的困难由所谓的G蛋白偏向μ阿片受体激动剂Oliceridine所说明。例如，Oliceridine在临床试验中是一种可证明的有效的镇痛药，但最初观察到的治疗窗口和显著偏差可能可以解释为在具有高受体储备的系统中部分激动剂放大反应。 这些模型已在最近的一套指南中描述，其中配体偏差可以通过比较不同途径中测试配体与参考配体的Log(τ/KA)或相对活性值来量化。然后由偏差因子10ΔΔlog(τ/KA)或10ΔΔlog(max/EC50)表示配体依赖性的途径激活差异，这是一种无论来自配体亲和力还是效力差异的偏差度量。 1.15.2.拮抗剂 分子可以通过两种机制拮抗激动剂的反应。正性拮抗作用发生在拮抗剂与正性激动剂结合在同一位点并阻止激动剂与受体结合时。相反，别构拮抗剂在特定位点结合并通过蛋白质的构象变化与激动剂相互作用。 拮抗作用的性质可以进一步用行为来描述，即可克服或不可克服，竞争性或非竞争性。这种行为描述取决于观察到拮抗作用的检测条件。在竞争性正性拮抗作用的情况下，非常高浓度的激动剂仍然能够产生最大反应；即，拮抗作用是可以克服的。在这种情况下，可以执行Schild分析以确定结合亲和力。在此检测中，进行浓度-反应曲线，随着拮抗剂浓度的增加，导致激动剂曲线平行右移。通过Schild回归得到的斜率因子的一致性来确定竞争性拮抗作用模型的符合性。检查激动剂-拮抗剂相互作用的最严格方法是使用修改的Gaddum-Schild方程进行全局非线性回归。 当我们为药物发现对新化合物的MOA进行分类时，对所有化合物执行完整的Schild回归通常不是时间高效或实际的；因此，我们可以依靠使用竞争结合检测来确定IC50和Ki。对于这种分析，我们只需要在控制追踪配体存在的情况下对每个未知化合物执行一次竞争检测，以推导IC50值。IC50是一个依赖于使用的追踪配体的浓度和亲和力的经验值；因此，我们使用Cheng-Prusoff方程将这个值转换为Ki。通过这种方式，我们可以准确地测量许多新化合物的结合亲和力。 相反，非竞争性拮抗行为是不可克服的。这种行为可能源于伪不可逆拮抗剂占据正性位点或别构效应。在高浓度的拮抗剂存在下，激动剂无法产生其最大反应，导致拮抗剂浓度依赖性地抑制激动剂浓度-反应曲线。 1.15.3.别构调节剂 别构调节剂通过结合到与正性结合位点空间上不同的位点来影响GPCRs。因此，它们可能为药物发现提供优势，通过赋予增加的受体和受体亚型选择性。 别构调节的一个独特特点是效果的饱和性，即，一旦所有别构位点都被占据，即使在更大的调节剂浓度下也不会观察到对亲和力或效力的进一步调节。对于别构拮抗剂来说，这可以被视为一个曲线Schild图，其中连续的激动剂浓度-反应曲线在高调节剂浓度处聚集在一起。别构配体可能调节正性配体的亲和力和/或效力，也可能具有直接激动作用。因此，在测量受体功能的检测中可能存在许多不同的别构效应。所有这些效应都由功能性别构模型描述。在一系列调节剂浓度存在下拟合完全激动剂浓度-反应曲线，可得到调节剂亲和力（KB）以及亲和力（α）和效力（β）的协同因子的系统独立参数值。 在药物发现中，正性别构调节剂（PAMs）的一个优势是它们区分激活和非激活受体状态，从而增强对正性激动剂的反应。通过这种方式，PAMs可以通过在适当的时间和适当的地点增强现有反应来微调对内源性配体的反应，因此可能比激动剂具有更广泛治疗窗口。PAMs可以使用传统的激动剂筛选方法检测；然而，新化合物在低浓度存在下进行测试，例如，正性激动剂的EC30，以确定它们是否可以增强其反应。 别构和正性拮抗剂可能在功能性基于细胞的和生化结合检测中共享一些行为。根据实验条件，如果在使用选择性探针来表征测试化合物时没有观察到探针依赖性，或者在测试浓度的溶解度限制范围内没有达到饱和性，NAM可能被错误地解释为正性拮抗剂。可以通过竞争关联检测或放射性配体解离动力学检测来研究疑似别构调节剂的机制。观察到的激动剂-受体复合物的解离速率常数的变化可以归因于别构效应。 有许多不同的机制，潜在药物可以通过这些机制调节GPCRs的活性，理解治疗特定疾病最合适的机制可以帮助我们制造更好的药物。早期选择所需的机制可以帮助设计相关的初始筛选检测，如PAMs，或选择适当的机制研究，如偏向配体。新化合物的不同药理属性的量化可以进入DMTA循环，允许我们通过领先优化阶段推进更好的化合物。除了标准机制研究外，我们还可以利用细胞绘画等方法获得关于化合物MoAs的非假设驱动信息。如前所述，可以开发详细的细胞配置文件，使用HCI然后用于检测不同实验化合物处理的单个细胞中的微妙差异。这个过程可以识别靶标，测量毒性，将化合物分组到功能途径中，识别作用机制或信号途径中的微妙差异，或识别疾病特征。通过设置使用非假设驱动过程的研究，我们可以最大化新发现的机会。总之，将详细的MOA研究纳入药物发现过程可以帮助设计和优化化合物，以开发更有效的治疗方法。 1.16.GPCR结构生物学 GPCR的成功结构引导药物发现在很大程度上可以通过常规提供实验结构来辅助，这些结构的分辨率允许对结合的小分子进行明确建模。然而，GPCR的结构确定通常是一个漫长而昂贵的过程，并且比可溶性蛋白靶标的失败率更高。因此，在一项运动的开始时，必须考虑GPCR结构的成本/收益分析和可交付的可行时间框架。我们认为，投资于目标GPCR的结构是值得的，因为如果成功，它有助于药物化学优化化合物并提供有关受体结构生物学的宝贵见解。我们认为，这项投资的时机最好是在HTS等命中发现活动之前或同时进行，以便有益于指导SAR。 尽管GPCR的结构生物学具有挑战性，但GPCR结构存入蛋白质数据银行(PDB)的速度正在加快，并且所达到的分辨率一直在提高(图7)，这意味着这项任务变得越来越可行和常规。有几个因素促成了GPCR结构生物学的成功，尽管它们是具有挑战性的目标。这些因素包括在构建设计、表达系统以及用于在样本准备过程中溶解和稳定受体的洗涤剂方面的技术进步，正如前面所涵盖的。此外，结构解决方案技术本身也有许多关键技术进步，这些技术在获得GPCR结构方面也起到了重要作用。 在左侧，散点图显示了随时间存入PDB的GPCR结构的累积数量。在右侧，散点图显示了随时间存入PDB的GPCR结构的最大和平均分辨率。 广义上，有两种技术可以确定GPCR的结构：X射线晶体学和冷冻电镜(Cryo-EM)。大部分情况下，由前者解决的是拮抗剂结合/非活动状态结构，而与异源三聚体G蛋白复合物的激动剂结合/活性状态结构则由后者解决。结构技术的的选择对构建设计、表达和纯化过程有很大的影响，因此有助于在项目开始时就知道要针对的理想模式是什么。在2018年之前，GPCR结构主要是通过X射线晶体学解决的。传统的蒸汽扩散晶体化方法已用于解决34%的GPCR晶体结构。另一方面，由Caffrey实验室开创并专门设计用于膜蛋白晶体化的脂质立方相(LCP)方法已用于解决65%的GPCR晶体结构。LCP方法协助晶体化的能力归因于其能够通过在疏水和亲水环境的双相混合物中容纳膜蛋白，提供适合晶体成核和生长的环境。然而，由于蛋白质晶体化需要蛋白质样品处于稳定和刚性状态，迄今为止通过X射线晶体学解决的95%的GPCR结构是A家族GPCRs，它们比其他家族成员更容易晶体化。 通常，在第三代同步辐射X射线源的微焦点光束线上收集LCP晶体的衍射数据。这些光束线旨在产生直径在1-10微米范围内的高度聚焦的X射线束，这允许将高X射线束通量传递到非常集中的区域，允许从GPCR常见的非常小和弱衍射晶体收集数据。由于从这些晶体收集衍射数据需要高X射线剂量，必须从许多晶体收集小楔形数据，以避免由于辐射损伤导致数据质量严重下降。然后合并多个数据集以记录一个完整的数据集，从而可以解决GPCR结构。 串行飞秒晶体学，自2013年首次产出GPCR晶体结构以来，使用X射线自由电子激光器(XFEL)而不是同步辐射源进行晶体学数据收集。这种方法已用于解决迄今为止许多公开可用的GPCR晶体结构。串行飞秒晶体学可以被视为典型X射线晶体学工作流程的扩展，因为数据收集之前的步骤没有不同，直到晶体化成功后。XFELs产生超高强度、超短X射线脉冲，这些脉冲非常亮和相干，它们的使用在研究GPCR结构方面比其他X射线源有几个优点。首先，超短X射线脉冲可以用来捕获不同方向上多个单晶的衍射图案，在X射线诱导的辐射损伤之前捕获衍射图案。第二，XFELs产生极高强度的X射线，这使得能够从以前太弱而无法产生有意义数据的小晶体收集衍射数据。最后，用于串行飞秒晶体学的LCP晶体不需要像在同步辐射X射线衍射实验中那样收获和冷冻，因为在串行飞秒实验中，LCP晶体直接在它们生长的LCP中喷射过去。因此，串行飞秒晶体学可以帮助解决来自LCP中极小晶体的GPCR结构，即使晶体化条件的优化无法产生足够大和质量的晶体，以便使用同步辐射数据源收集数据，即使在微焦点光束线上。 冷冻电镜是解决蛋白质分子结构的另一种技术。冷冻电镜自20世纪60年代以来一直在发展，然而，在过去十年中经历了一系列快速发展，将焦点从X射线晶体学转移开，作为蛋白质结构解决的主要方法。这场所谓的“分辨率革命”是由几个重大进步推动的，包括直接电子探测器的开发、自动化数据收集软件、改进的运动校正和CTF校正算法、复杂的粒子选择方法、单粒子分析软件包，以及对电子显微镜基础设施的普遍改善。自2018年以来，冷冻电镜已超过晶体学，成为获取包括GPCRs在内的许多蛋白质类别结构信息的首选技术(图7)。 图7. 提交至蛋白质数据银行（PDB）的GPCR结构的时间线。 在冷冻电镜实验中，不是记录衍射图案，而是将入射电子束通过在一层玻璃态冰中冷冻的蛋白质样品传递，其中产生的散射电子被放大到探测器上，形成图像。从一系列得到的微观图像中，将不同方向上的单个蛋白质粒子的图像平均在一起，首先构建2D模型，然后通过计算过程构建3D模型。冷冻电镜的优势在于不需要目标蛋白晶体化，并且成功结构解决所需的蛋白质量可能比晶体学运动所需的少10-100倍。此外，使用冷冻电镜，与GPCR结构生物学相关的更顽固的挑战，如它们的不稳定性和差表达和纯化产量，对于结构解决的障碍较小。 从冷冻电镜数据重建三维结构涉及组合成千上万到数百万在玻璃态冰中不同方向上观察到的粒子。这个过程依赖于处理软件正确识别或“选择”来自信号-噪声比非常低的图像中的粒子，并准确分配该粒子的方向。因此，有一个更低的尺寸限制，在这个限制下冷冻电镜是不可能的，因为粒子不再能成功选择。出于这个原因，大多数GPCR的冷冻电镜结构是GPCR:G蛋白复合物和越来越多的GPCR:arrestin结构，因为这些复合物比单独的受体呈现更大的粒子。然而，可以成功解决的粒子尺寸下限一直在变小，一些最新的膜蛋白结构成功解决的尺寸只有60 kDa。 在GPCR:G蛋白复合物中，GPCR必须处于活性状态，这意味着它们是激动剂结合状态的结构，而不是GPCR的非活性/拮抗剂结合状态，这在X射线晶体结构中更为常见。除了异源三聚体G蛋白复合物外，通常使用通用纳米抗体或Fab片段，它们结合并稳定G蛋白亚基界面之间的界面。例如，纳米抗体35(Nb35)是一种构象特异性纳米抗体，结合G⍺和Gβ亚基之间的界面(图8)。 图8. GPCR:G蛋白复合体的冷冻电镜结构示例。 1.16.1.腺苷A2a受体(PDB: 6GDG) 在冷冻电镜实验中增加目标蛋白粒子尺寸的替代策略是使用源自抗体的结合伙伴。最近几篇出版物突出了使用Fab抗体片段的效用，这些片段识别GPCR-BRIL融合的BRIL部分，以协助这些蛋白质的结构表征。因此，在涉及GPCR的药物发现运动中，追求X射线晶体学与冷冻电镜作为首选结构解决方法的明显区别已经变得模糊。然而，如果趋势持续下去，即使在表征小分子结合的情况下，也可能会有越来越多的GPCR目标通过冷冻电镜来解决。 1.17.药物化学见解 在本节中，我们将首先探讨前面描述的GPCR结构信息如何帮助指导药物化学优化药物，然后继续讨论一些特定的拮抗剂SAR和常见结构基元，以及别构和偏向配体SAR和化学的例子。 1.17.1.结构引导的药物发现 GPCRs是动态的信号结构，配体结合口袋可以表现出相当的灵活性以适应配体，这使得确定和建模相关受体-配体结构具有挑战性。然而，随着我们获取相关和多个GPCR-配体结构的能力的提高，以及计算药物-受体柔性对接方法的速度和预测性的提高，将配体诱导的受体构象变化纳入药物发现的能力得到了改善。 使用稳定的mGlu5受体，Cristopher等人进行了基于片段的结合检测以鉴定命中。受体-化合物复合物的X射线晶体结构允许合理化SAR，导致选择一个化合物进行进一步开发。此外，鉴定的化合物结合到mGlu5受体的一个别构口袋内。随后，Christopher等人表明不同的mGlu5配体可以通过一系列诱导拟合采取不同的结合构象。除了配体结合模式分析外，还考虑了结合位点中的水网络。这种方法对于开发GPCR别构调节剂非常有利，因为理解通过在不利环境中去除水分子以及保持与有利水分子的相互作用的相互作用对水分子的影响可以提高结合亲和力，这通过合理的SAR可能更难实现（图9）。 图9. HTL14242是通过基于片段的筛选和使用结构基础药物设计（SBDD）优化发现的。化合物16和19被开发出来，通过稳定结合口袋中的水网络来合理解释效力差异。a 来自激动剂诱导的磷脂酰肌醇水解测定的IC50值。 增加在激活和非激活状态下解决的GPCR结构数量将有助于未来的药物发现工作，为计算同源建模提供更多新颖的模板（见图7）。这些受体-配体结构可以帮助进一步发展通过深度学习或神经网络改进结构预测的人工智能（AI）技术。Deepmind开发的AlphaFold在2021年发布，提供了超过2亿个蛋白质结构模型。这项新技术导致了AlphaFold生成的模型与实验结构的比较。通常，由AlphaFold开发的GPCR模型的三级主链特征非常接近；蛋白质侧链的方向显示出最大的差异，侧链RMSD（1.90 ± 0.58 Å）。这可能是由于结合口袋的疏水塌陷导致AlphaFold结构中更小、更窄的结合口袋。 在AlphaFold和AlphaFold 2的基础上，Heo和Feig制定了一个协议，允许预测GPCR的活性和非活性状态。历史上，许多GPCR X射线晶体学数据集中，PDB数据库中非活性状态的数量过多。Heo和Feng建立了一个新的协议，使用AlphaFold 2并引导它到所需的激活状态。Lee等人的工作提供了一些当前的指导方针，介绍如何使用深度学习开发的GPCR结构模型，例如AlphaFold。两个主要组成部分是（1）选择正确的模型，使用正确的激活状态，以及（2）通过受体柔性对接使用适当的对接选项。 图10. 例子表明，简单的配体修饰可以导致不同的GPCR药理学。 1.17.2.配体的简单修饰 小分子在给定GPCR上的功能性活性可能受到小的结构变化的显著影响。Dosa和Amin在2016年对这些变化的深入审查突出了一些最近的例子，其中小的结构变化显著影响了GPCR药理学。在不同的配体修饰中，Dosa和Amin观察到，在71%的情况下，结构变化γ位置到氮，或更近，导致配体功能从激动剂转变为拮抗剂或反之亦然。这些例子包括：(a) 在CCR3拮抗剂的哌啶环的3′位置的甲基化，增加了结合但转变为激动剂。(b) 在一系列α2-肾上腺素受体激动剂中，N-甲基苯胺向二甲胺的甲基化保持了结合亲和力(Ki)，但将机制从激动剂转变为拮抗剂。在这种情况下，SAR并不总是在系列中一致，但显示了小的结构变化可以对α2-肾上腺素受体的功能产生显著差异。(c) 将 pergolide 和 Oopergolide 的 N-丙基基团修改为 N-甲基，将功能效应从5-HT2B激动剂转变为拮抗剂。有趣的是，pergolide 和 6-methpergolide 仍然是多巴胺D2受体的激动剂。 1.17.3.特权支架 特权支架是提供特定属性的化学亚结构，并且在药物化学的情况下，这是特定蛋白质类别的结合基元。特权支架通常是半刚性的，可以通过疏水相互作用结合到疏水区域，而不会崩溃配体的三维结构。特权支架自1988年以来就已经存在，当时Evans等人提出，仔细调节特权支架将有助于找到GPCRs的新型激动剂或拮抗剂。在GPCR家族中，有一些众所周知的特权结构，了解这些结构可以帮助将命中转化为领先化合物。在修改特权支架时应谨慎考虑，以及对配体的整体物理化学性质的影响，例如，通过确保在优化过程中保持配体的亲脂性。GPCRs的一些特权支架示例包括联苯、螺哌啶和苯二氮卓。 图11. 阿立哌唑，一种上市的D2受体部分激动剂，以及一些含有吲哚的类似物，它们在信号偏向性上有不同的效应。 1.18.偏向信号 配体偏向的概念自1995年以来就已经存在，基于不同配体可以通过相同的GPCR通过偏向不同途径的受体后信号（例如，G蛋白偶联反应和β-arrestin的调节）影响一系列细胞功能的想法。在超过30个GPCRs中观察到明显的偏向信号，Tan等人对这一领域的综述提供了不同配体结构和信号通路影响的深入分析。一个关于小配体结构变化如何影响信号通路的例子是一系列多巴胺2受体（D2R）激动剂。利用GPCR结构和机制数据，建立了一个假设，即修改Aripiprazole的二氯苯环为吲哚环系统可以导致与跨膜螺旋的不同相互作用，从而影响信号通路。N-H吲哚化合物1在Gi/o检测中具有与β-arrestin 2招募检测相似的效力，计算出的β-arrestin偏向因子为2.5。简单的吲哚氮甲基化导致配体化合物2在Gi/o检测中无效，但在β-arrestin 2招募检测中仍然活跃，尽管效力有所降低。进一步的甲基化α到吲哚氮化合物7提供了一个在Gi/o检测和β-arrestin 2招募检测中都活跃的配体，对G蛋白信号有显著的偏向，由β-arrestin调节。这是第一个使用基于GPCR结构信息的合理设计生成偏向GPCR配体的例子。 1.19.别构调节剂 GPCRs的别构调节剂结合在与天然配体的正性结合位点不同的位点。别构调节剂修改受体的功能效应的能力，无论是在天然配体存在下积极还是消极，可以提供一种探索潜在的差异化效力、受体选择性和与正性配体相比改善安全性的方法。在GPCR X射线晶体学衍生结构中发现了几种不同的别构结合位点，包括GPCR的细胞外侧、跨膜螺旋和脂质双层之间的结合位点，以及TM 6和7细胞内侧区域底部的结合位点。通常在别构药物化学项目中，配体的结构变化相对较小，活性变化剧烈，使得构建结构活性关系变得困难。 GPCRs的新型别构调节剂的发现是一个不断增长的领域，以下是一些最近发表的别构调节剂的例子，包括1H-咪唑[4,5-c]喹啉-4-胺类似物作为A3腺苷受体的PAMs，V-0219，一种1,2,4-噁二唑-哌啶PAM的胰高血糖素样肽-1受体，噻吩[2,3-d]嘧啶类似物作为Mas相关G蛋白偶联受体X1的PAMs，chromane CVN636 mGluR7的别构激动剂，苯乙基脲类似物作为大麻素类型1受体的NAMs，三唑苯酰胺类似物的mGlu7和噻吩[2,3-d]嘧啶类似物作为D2受体的NAMs。 在最近的一项研究中，披露了一种新型的多巴胺D1受体正性异构调节剂（PAM）。传统的正性D1激动剂曾被用于治疗帕金森病、精神分裂症、阿尔茨海默症以及其他形式的痴呆症；然而，这些正性配体存在一系列缺点，包括对其他多巴胺受体的选择性差、药代动力学特性差；“钟形”剂量反应；耐受性和脱敏；包括低血压在内的耐受性问题。通过针对D1R的正性异构调节，希望能够在不产生正性配体相关不良影响的情况下提高内源性多巴胺的效力。令人鼓舞的是，已有两种D1R PAMs进入了针对帕金森病和精神分裂症的临床开发。 D1R的命中是从在稳定表达D1R的神经母细胞瘤细胞系中进行的cAMP积累读数的PAM筛选的小化合物库中鉴定出来的（图12）。对双苯基的取代进行快速评估，导致在cAMP积累检测中测试了一系列化合物，表明在2位具有氟甲氧基团提供了最有利的活性。同样揭示了在3位具有醛基导致效力下降，与4位相比。总体而言，化合物3具有最佳的特性。最初的命中在cAMP检测中没有反应，表明该化合物作为PAM没有固有的激动剂活性。进一步的放射性配体受体结合研究表明了正性异构效应。尽管化合物3具有良好的渗透性和低hERG抑制作用，但血清稳定性差、溶解度差和高蛋白质结合意味着需要一种具有更好体外PK特性的化合物。亚磺胺类似物（化合物26）显示出显著的效力提高，并且对这种化学类型的进一步研究没有显示出进一步的效力提高。进一步的研究证实亚磺胺类似物作为PAM，ADMET分析显示比化合物3具有更优越的特性。由于亚磺胺基团是手性的，合成了两种对映体，R和S对映体在D1R上具有可比的效力。 图 12. 从最初的醛类命中发展出D1受体正向别构调节剂（PAM）。 简要地，为了完整性，一个最近报道的NAM的例子是GLPG1205，由Galapagos开发的GPR84的NAM。GPR84由中链游离脂肪酸激活，通过Gi/o途径信号传递，与炎症性疾病相关。使用cAMP检测进行了200 K化合物的HTS，GTPγS检测用于命中验证。在这个HTS中，鉴定了一个具有亚微摩尔效力和良好物理化学特性的命中，具有合理的体外和体内PK特性，但不幸地被发现是磷酸二酯酶4的抑制剂。随后的药物化学项目优化了这个起点，用于口服PK，提高了GPR84效力，确认了NAM药理学和整体良好的选择性。GLPG1205进入了临床，虽然实现了适当的PK、安全性和耐受性特性，但在IBD的IIa期研究中没有实现主要疗效终点。在特发性肺纤维化患者中进一步评估了II期研究，并计划了III期研究，但Galapagos在2021年战略性地停止了该项目。 1.20.GPCR生物标志物 为了在临床前和临床试验中有效开发生物标志物，需要了解潜在疾病病理生理学和目标参与。生物标志物可以在临床前用于选择适当的模型和监测目标效应，而在临床上用于患者选择或临床研究的分层，或作为疾病进展的生物标志物，监测随时间的干预或疾病状态的变化，或监测药物安全性。因此，生物标志物可以监测潜在新药从实验室到临床的转化，并有助于通过反向转化回实验室更好地了解潜在的病理生理过程。 FDA将生物标志物定义为可以客观测量和评估的特征，作为正常生物过程、病理过程或对治疗干预的药理学反应的指标。这个定义允许任何有助于识别疾病机制和/或治疗效应的东西作为生物标志物，从代谢物、蛋白质或基因或蛋白质/基因模式（生物签名）、生物结构的变化、生物过程或特征特征。GPCR目标参与在体外通过信号过程的变化、蛋白质或基因表达或细胞激活状态很容易测量，如本文前面部分所述，所有这些都可以作为体外和体内的生物标志物，并且许多将提供从动物模型到人类的转化。 1.20.1.临床前和临床生物标志物 生物标志物应该是可访问的，可以准确测量，并且应该在不损害样本完整性的情况下为研究增加最小的复杂性。相对直接的临床前和临床研究中容易分析的生物流体，如血液、血浆或尿液，可以用来研究GPCR功能。例如，对精神病患者（如精神分裂症和抑郁症患者）的淋巴细胞分析表明GPCR表达与疾病之间存在相关性，突出了它们作为外周生物标志物的潜力。在临床研究中，由于确保多个地点之间一致的样本处理存在问题，对活细胞、信号机制、磷酸蛋白和代谢物的分析通常更具挑战性。 由于动物模型只模拟了人类疾病机制的某些方面，并且显示出菌株间变异性，因此在选择动物模型时必须谨慎，以确保所选模型模仿了正在研究的疾病方面，并且这与患者的病理生理反应有关。不同的动物模型可能需要用于疾病的不同方面，因此对疾病机制的了解不足或不足可能导致临床转化不佳。即使在动物疾病模型中有很好的证据表明阻断了机制，这些也不总是很好地转化为临床研究。例如，动物实验表明CCR5是一个很好的RA治疗候选药物，而随后使用CCR5拮抗剂的临床试验未能证明治疗效应。 一种用于监测体内或体外GPCR目标参与的方法是测量受体-配体结合。体外GPCR占据研究在早期CNS药物开发中具有实用性，为药物暴露（剂量、血浆浓度、CSF和大脑）与目标参与之间的关系提供了额外的数据。如果这些临床前数据表明一定程度的目标参与，例如，在相关动物模型中的受体占据，那么随后确定人类目标参与可以用来指导人类概念验证（PoC）阶段的药物开发剂量，第二阶段临床试验，从而加速化合物的临床开发。 PET（正电子发射断层扫描）是一种功能成像技术，可以用来证明新化学实体在药物管理后与感兴趣的GPCR相互作用。PET成像在CNS药物发现中特别有价值，由于人类大脑的不可达性，使用小分子放射性示踪剂对于评估大脑渗透、目标参与、大脑功能和神经病理学至关重要。这需要建立体内目标占据与药理效应之间的联系，并且随着PET技术的最新进展，它已成为药物发现中的重要工具。例如，5-HT2A受体涉及各种大脑疾病，如精神分裂症、抑郁症和阿尔茨海默症，5-HT2A PET示踪剂，最著名的[11C]MDL100907和[18F]altanserin，已经在临床上使用了数十年，用于量化人类大脑中的5-HT2A受体。尽管找到提供适当目标参与的合适配体存在挑战，但PET成像在CNS药物开发的PoC确定中发挥了关键作用。然而，PET技术不仅用于CNS药物发现，也已经应用于其他治疗领域。例如，全身混合PET成像，结合计算机断层扫描和/或磁共振，用于为特定目标或生物标志物开发新的放射性配体，使评估否则难以接触的肿瘤成为可能。 成像生物标志物在药物发现和开发中越来越重要，作为发现和临床开发之间的关键桥梁。 在临床中，生物标志物可以提供有价值的数据，以便在早期阶段的临床试验中做出关键的开发决策，通过确认生物学效应并允许早期评估新药的药理活性。在临床试验的剂量递增阶段应用适当的药效生物标志物，可以为靶向参与提供证据，并在不使患者暴露于不必要的毒性的情况下给出估计的最佳剂量。生物标志物也可以在患者中进行检查，以确认机制的调节，以确定对疾病的药理影响，尽管对生物标志物的积极影响并不总是导致有利的临床结果，正如前面讨论的CCR5拮抗剂的情况。 最近，已经从每项研究的单一生物标志物转向更以患者为中心的基于精准医学的生物标志物方法，考虑到患者的遗传状态。采用这种基于精准医学的生物标志物方法，允许为特定靶向治疗选择最合适的患者，并且正在使用不同的试验设计来识别和验证潜在的生物标志物，以帮助实现这一点。 1.20.2.未来的临床应用 对于GPCR生物学，从分子科学到强大的成像平台的技术进步，有望加速新生物标志物的发现，这将促进发现治疗疾病的新方法。例如，使用无偏的、假设生成方法的GPCR组学（例如，使用RNA测序对组织和细胞类型进行鉴定和量化GPCR表达），已经发现了以前未被认识的GPCR，这些GPCR有助于功能反应和病理生理学，并且可能是治疗靶标。人们意识到GPCR过度表达和突变导致异常激活的促癌途径诱导肿瘤进展，也使GPCR作为某些类型的癌症的生物标志物获得了更多的关注。来自患者衍生细胞和细胞系的研究，以及与正常细胞前体的比较，导致了这样一种观念，即肿瘤可能具有过度表达GPCR的“GPCR签名”，这些GPCR是肿瘤类型特异性的，并且可以作为生物标志物和/或治疗干预的目标。GPCR，特别是趋化因子受体，在肿瘤浸润性免疫细胞和肿瘤微环境中的细胞上高度表达，并且可能有助于特定的生物标志物签名。 更新的多组学（基因组学、转录组学、蛋白质组学、代谢组学、单细胞组学）和分析技术的进步，为在药物发现过程的每个阶段发现和验证多个与GPCR相关的生物标志物提供了激动人心的机会，并能够从微小样本（包括生物流体如血液、血浆、尿液、痰液、组织或灌洗液或活检样本）中提取高含量信息。例如，先进的质谱技术和下一代蛋白质组检测原理，如基于寡核苷酸的技术，通常需要微小量的样本，并且可以更容易地应用于大型患者队列，以识别作为治疗靶向候选物的因果蛋白。与更成熟的组学层（如转录组学）相比，蛋白质组学提供了直接测量蛋白质水平的好处，从而有助于在临床上转化为最常用的蛋白质生物标志物。 这些多组学生物标志物方法有可能为理解疾病过程、治疗干预和患者分层提供更个性化的生物标志物签名，并且来自多个来源的数据整合可能会显著增加对所获得测量值的价值和信心。然而，这一重大挑战需要适当的分析、整合和理解这些大数据集的工具和方法。来自不同来源和研究所的高含量和多因素组学数据以及来自具有多个混杂因素的不同患者群体的小样本数量，使得这种类型的数据分析特别具有挑战性，并且仍然存在对稳健和准确分析的未满足需求，以将许多这些潜在生物标志物转化为稳健的诊断和/或预后工具。人工智能和机器学习的最新进展可能会对这种类型的分析产生重大影响。 1.21.未来展望 我们对GPCR药物发现的理解持续增长，识别出新的和更好的方法来调节GPCR功能，成功地提供新的和改进的药物来治疗患者。GPCRs将仍然是一个重要的药物靶标类别，特别是当许多人预测大多数GPCRs尚未被药物化时。未来由GPCR组学技术和更高保真度的目标验证技术驱动的更深入的疾病知识将提高我们的能力，将未被药物化的GPCR调节与期望的治疗结果联系起来。新的技术平台GPCR生物技术公司（例如，Salipro 、Septerna、LeadXpro、Structure Tx）将继续出现，提供新的和流程来增加为新的GPCR机会找到化学起点的成功。 结构使能的GPCR项目将变得更加普遍，因为随着冷冻电镜的出现和计算化学力量的增加，我们生成和利用相关、天然和稳定的结构的能力得到了提高。值得注意的是，在药物发现项目开始时获得GPCR结构将提高预测配体-受体结合并加速新化学起点的药物化学优化的前瞻性能力。 不足为奇的是，难以药物化的GPCRs往往具有更大、不太可追踪的配体口袋，并且通常不太成功地采用传统的药物发现方法。然而，随着GPCR结构和功能理解的最新科学和技术进步，药物猎人正在转向天然GPCR复合物，正如在过去两年中对新检测平台（例如，Septerna、Domain Tx、OMass）的显著生物技术投资所强调的那样。特别是，新的GPCR结构信息的应用将继续扩大，以至于人工智能（AI）驱动的基于硅的分子相互作用预测将使基于硅的命中发现和优化在未来的GPCR药物发现中变得更加主流。 能够常规地识别小分子药物在天然GPCR信号复合物中的位置以及如何调节特定细胞功能及其之外的激动人心的前景，很可能成为现实。这种扩展GPCR检测设计的能力将识别和利用更理想的药物机制，超越传统的激动剂和拮抗剂，如别构调节剂和偏向信号药物，以及利用整个GPCR互作组。未来GPCR药物发现的其他激动人心的途径包括靶向细胞内GPCRs、孤受体GPCRs的去孤化、靶向GPCR降解和受体二聚体化抑制剂。 不足为奇的是，一些经过充分验证的GPCRs对小分子药物调节的抵抗力已成为生物药物模式和基于结构的流程（例如，Struct Tx）的焦点，如抗体、纳米抗体（Tectonic Tx）和内源性蛋白质-配体方法（Orion Biotechnology）。总的来说，生物药物正在成为药物发现中更可行和主流的方法，因此我们可以预期，对于特定的、高价值的GPCRs，生物药物方法将是提供新治疗的最佳方式。 我们希望这篇综述为您提供了对发现GPCRs新药的一些重要方面的最新见解，以及这个药物靶标家族所提供和挑战的激动人心的未来（图10，图11）。 识别微信二维码，添加生物制品圈小编，符合条件者即可加入 生物制品微信群！ 请注明：姓名+研究方向！ 版 权 声 明 本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观点，不代表本站立场。