KAIST于8日表示,生命化学工程系特聘教授李相烨与韩国巴斯德研究所金承泽博士的联合研究团队成功实现“利用药物虚拟筛选技术开发新冠肺炎治疗药物”。
新型冠状病毒感染症-19(以下简称新冠肺炎)已发展为全球大流行,目前严重威胁人类健康。以治疗新冠肺炎为目的、获得美国食品药品监督管理局(FDA)正式批准的瑞德西韦(商品名Veklury)目前在临床中使用,但据悉其未能降低死亡率,仅将恢复期缩短约5天,治疗效果未达预期。
此外,瑞德西韦为静脉注射剂,须在医疗机构住院数日接受给药,因此并非适合大流行局势的药物。因此,开发能够显著降低新冠肺炎死亡率、缩短治疗周期的口服治疗药物十分紧迫。
KAIST特聘教授李相烨与韩国巴斯德研究所金承泽博士的联合研究团队,以利用药物虚拟筛选技术的老药新用策略开展了新冠肺炎治疗药物开发研究。
研究团队为应对大流行局势、迅速开发治疗药物,制定了利用虚拟筛选技术的老药新用策略。老药新用是针对已验证安全性的FDA批准药物或处于临床阶段的药物,寻找新适应症的方式。该策略可缩短新药开发过程所需时间,是适合新冠肺炎这类大流行局势的新药开发策略。
KAIST研究团队的张雨大博士首先从数据库中收集FDA批准药物或临床进行中的药物,构建了6218种药物的虚拟库。由于通过实验全部验证这些药物耗时耗费巨大,因此引入了能够迅速筛选出有望成为病毒治疗药物的计算机虚拟筛选技术。
此前基于对接模拟的虚拟筛选技术因假阳性率(false positive rate)较高,导致有效物质命中率(hit rate)极低,成为问题所在。
研究团队在对接前后引入结构相似度分析模块与相互作用相似度分析模块,成功提高了虚拟筛选的准确度。本次研究开发的虚拟筛选技术的特点是,可利用蛋白质—药物复合体结构信息,快速准确地筛选各类候选药物。
研究团队还开发了可自动生成主要用作病毒治疗药物的核苷酸类似物(nucleotide analogues)类前药(prodrug)活性形态结构的算法。前药本身没有药效,须经体内代谢转化为活性形态才能显示药效。
因此,前药须在转换为活性形态结构后再进行对接模拟。研究团队成功自动生成包括瑞德西韦在内的多种核苷酸类似物类前药的活性形态结构,并提高了对接模拟的准确度。
研究团队通过虚拟筛选平台,分别筛选出15种和23种可抑制在SARS-CoV-2复制与增殖中起必要作用的蛋白水解酶(3CL hydrolase·Mpro)和RNA聚合酶(RNA-dependent RNA polymerase·RdRp)的候选化合物。
随后,针对经虚拟筛选选出的38种药物,在韩国巴斯德研究所的生物安全三级(BSL-3)实验室,利用基于细胞图像的抗病毒活性分析平台验证了药效。
首先,利用感染SARS-CoV-2的猴肾细胞(Vero cell)进行体外(in vitro)实验,结果在38种药物中的7种药物中确认了抗病毒活性。
此外,针对已验证的7种药物在人肺细胞(Calu-3 cell)中进行追加验证实验,在3种药物中确认了抗病毒活性。候选药物包括正在进行癌症及特发性肺纤维化(idiopathic pulmonary fibrosis)临床试验的omipalisib、正在进行癌症及早老症(progeria)临床试验的tipifarnib,以及作为植物提取物正在进行抗癌药物临床试验的大黄素(emodin)。尤其是omipalisib,其抗病毒活性经确认比目前新冠肺炎标准治疗药物瑞德西韦高出约200倍以上,tipifarnib的抗病毒活性则与瑞德西韦水平相近。
在细胞层面确认抗病毒效果的药物需利用病毒感染动物模型进行临床前试验。对此,研究团队通过科学技术信息通信部的新冠治疗药物临床前支持项目,对候选药物中的一种药物进行了药效评价。
但在此过程中出现了对动物的药物毒性。为寻找在最大限度降低药物毒性的同时可达到治疗有效浓度的最佳药物浓度,将进行追加临床前试验。此外,对其余候选药物也计划进行临床前试验。
研究团队相关人士解释称:“通过本次研究构建了预测性能优异的药物虚拟筛选平台,并借此在短期内发现了有望成为新冠肺炎治疗药物的候选物质。”
KAIST特聘教授李相烨表示:“意义在于为新型病毒出现时能够迅速应对奠定了基础技术”,“希望借此开发出今后在冠状病毒系列的类似病毒或新型病毒出现时也能适用的技术。”
本次研究结果于7月7日在国际学术期刊《美国国家科学院院刊(PNAS)》在线刊登。






