随着新型冠狀病毒（2019-nCoV）感染肺炎疫情持續發展，武漢、全國各地以及全球的疫情牽動着每一個人的心。2020年2月5日medRxiv發表了研究工作“Network-based Drug Repurposing for Human Coronavirus”（基于網絡的人類冠狀病毒的藥物重定位）。這項研究利用了論文作者先前發展的系統藥理學和網絡醫學方法，系統的預測了2000多個FDA準許或實驗藥物，篩選出了16種人類冠狀病毒（HCoVs）的候選藥物和3種潛在的藥物組合。該研究成果對于指導2019-nCoV的老藥新用的臨床前研究和藥物組合發現有一定的指導價值。
1
研究背景
冠狀病毒（CoV）通常會影響包括人類在内的哺乳動物的呼吸道，并導緻輕度或嚴重的呼吸道感染。在過去的20年間，動物宿主中出現了兩種高緻病性人類冠狀病毒（HCoV），包括重症急性呼吸綜合征冠狀病毒（SARS-CoV）和中東呼吸綜合征冠狀病毒（MERS-CoV），導緻全球高流行發病率和死亡率。在SARS大流行病中，有8098人被感染，其中774人死亡，估計使全球經濟損失300億至1000億美元。根據世界衛生組織（WHO）的資料，截至2019年11月，MERS-CoV總共造成2494例确診病例和858例死亡，其中大部分出現在沙特阿拉伯。2019年12月，在中國武漢發現了第三個緻病性冠狀病毒，名為2019年新型冠狀病毒（2019-nCoV）。截至2020年2月2日，2019-nCoV大流行病有超過14,000例，約有300例死亡。但是，目前沒有針對2019-nCoV的有效藥物。幾個國家和國際研究小組正在研究預防和治療2019-nCoV的疫苗，但尚無有效的疫苗。為2019-nCoV爆發制定有效的預防和治療政策迫在眉睫。
2
方法
在這項研究中，作者提出了一種抗冠狀病毒藥物重定位方法。圖1展示了該方法的總體流程圖。（1）從文獻中收集與人類冠狀病毒（HCoV）相關的宿主蛋白，這些蛋白在人類蛋白質互相作用（PPI）網絡中形成HCoV蛋白子產品。（2）使用PPI網絡和藥物靶标網絡，計算藥物靶标到HCoV蛋白子產品的鄰近度，以篩選可能對HCoVs有治療作用的藥物，使用基因集富集分析以驗證基于網絡的篩選方法。（3）使用網絡子產品的方法，篩選出候選藥物的藥物組合。
圖1 總體流程圖
3
結論
3.1 2019-nCoV的進化樹分析
圖2A和2B展示了現今已經發現的7種緻病性冠狀病毒（HCoV）的進化關系：2019-nCoV與SARS-CoV在已知的其他6種HCoV中顯示出最高的~80％的核苷酸序列同一性，揭示了2019-nCoV與SARS-CoV之間的保守進化關系。
圖2 七種冠狀病毒的進化樹分析
3.2 HCoV-宿主互相作用組網絡
首先，作者收集了119種具有實驗證據的CoV-相關宿主蛋白，來自4種已知HCoV（SARS-CoV，MERS-CoV，HCoV-229E和HCoV-NL63）、小鼠MHV和禽IBV（N蛋白）。這些宿主蛋白是HCoV蛋白的直接靶标，或參與HCoV感染的關鍵途徑。然後，作者将已知的藥物靶标網絡映射到HCoV-宿主互相作用組中，以搜尋可被藥物靶向的細胞靶标。作者發現有47種人類蛋白質被至少一種經準許的藥物或正在臨床試驗中的實驗藥物靶向，例如GSK3B、DPP4、SMAD3、PARP1和IKBKB等。
3.3 針對HCoV的基于網絡的藥物重用
為了使具有多個靶标的藥物（化合物）能夠有效對抗HCoV，其靶标蛋白應位于PPI網絡中HCoV子產品的内部或附近。作者使用了網絡鄰近度測量方法來量化HCoV子產品（圖3A）與人蛋白質-蛋白質互相作用組中的藥物靶标之間的關系。作者使用了2,000多種FDA準許或實驗藥物的靶标資訊來建構藥物靶标網絡。作者共得到出135種與HCoV宿主互相作用組相關的藥物（圖3A）。作者進一步計算了這135種藥物對4個 HCoV的網絡鄰近性，包括SARS-CoV，MERS-CoV，IBV和MHV。作者發現使用Pan-HCoV（四種HCoV的蛋白合并後的子產品），和分别對4種單獨的HCoV做分析，所得結果顯示出一緻性（圖3B）。
圖3 藥物-HCoV網絡
3.4基于基因富集分析的進一步篩選
為了進一步驗證135種針對HCoV的候選藥物，作者首先使用MERS-CoV和SARS-CoV感染的宿主細胞的轉錄組學資料進行了基因集富集分析（GSEA）。美沙拉嗪（準許用于治療發炎性腸病）、西羅莫司（準許用于免疫抑制藥物）和馬烯雌酮（準許用于絕經症狀的雌激素受體激動劑）的GSEA得分最高，為3；其次是帕羅西汀和褪黑激素，GSEA得分為2。
圖4. 藥物-靶标-HCoV宿主蛋白網絡
綜合網絡分析和富集分析，作者選擇了幾種針對HCoV的候選藥物更加深入的進行了潛在機制的網絡分析和文獻驗證（圖4）。這些藥物屬于以下幾種類型：
選擇性雌激素受體調節劑（SERM），包括托瑞米芬（toremifene）和馬烯雌酮（Equilin）；血管緊張素受體阻滞劑（ARB）厄貝沙坦（Irbesartan）；免疫抑制劑或抗惡性良性腫瘤藥和抗炎藥，包括西羅莫司（Sirolimus），巯基嘌呤（Mercaptopurine）和褪黑激素（melatonin）等。
表1 作者預測的16種候選藥物
3.5基于網絡的HCoV潛在藥物組合識别
抗病毒治療中常常采用藥物組合療法。作者嘗試通過網絡分析推薦HCoVs治療中能産生協同效應的藥物組合。作者定義了一種具有“互補（Complementary）”模式的藥物組合方式（圖5A_b）：兩種藥物的靶标都覆寫到HCoV子產品，但兩種藥物不會互相重疊。對于圖5A_a所示的情況，兩種藥物雖然能很好的覆寫HCoV子產品，對HCoV有很好的治療作用，但是兩個藥物互相重疊，容易發生嚴重的副作用。
圖5A藥物組合的幾種情況，b. Complementary為理想情況
按照上述原則，作者篩選出以下三種候選藥物組合。
西羅莫司和放線菌素D（圖5B），托瑞米芬和大黃素（圖5C），巯基嘌呤和褪黑激素（圖5D）。
圖5B-D 三種潛在的藥物組合
4
讨論
本文提出了基于網絡的方法用于HCoV的藥物重定位。基于系統的評估，作者對HCoV的潛在治療（包括2019-nCoV）篩選出16種候選藥物(Table 1)和3種潛在藥物組合。論文作者特别提醒，所有預測的藥物和藥物組合都必須經過臨床驗證。
論文作者讨論幾個潛在的缺點。該方法主要的生物學假設是靶向病毒宿主（人體）的蛋白-蛋白互相作用，而不是選擇性僅僅靶向病毒蛋白本身，是以該方法無法對已知的抗病毒藥物（這些藥物隻靶向病毒蛋白本身）進行預測。
作者建議，冠狀病毒，特别是2019-nCoV, 是通過複雜的病毒感染通路或蛋白質網絡感染人體，單個高度選擇性的藥物往往療效有限并因病毒基因組的高度進化而容易産生抗藥性。同時, 通過老藥新用思路找到的老藥的抗病毒活性往往較弱，是以藥物組合療法，俗稱的雞尾酒療法往往效果可能更佳。例如，作者建議Melatonin （褪黑素往往有很好的的抗發炎活性）的輔助療法（adjuvant therapy）, 即與其他抗病毒藥物（如remdervir)的連用可能達到提高療效同時降低副作用。同時很多具有抗病毒或抗病毒活性的天然産物，例如大黃素等也可能提供潛在的輔助療法或組合雞尾酒療法等。
該研究工作主要由克利夫蘭診所（Cleveland Clinic ) Yadi Zhou博士和Yuan Hou博士共同完成。
————————————————
版權聲明：本文為CSDN部落客「DrugAI」的原創文章，遵循CC 4.0 BY-SA版權協定，轉載請附上原文出處連結及本聲明。
原文連結：
https://blog.csdn.net/u012325865/article/details/105683774