第十四章 药物生物信息学

1、第十四章 药物生物信息学第十四章 药物生物信息学哈尔滨医科大学 徐良德生物信息学学习提纲 重点 药物靶标的识别和验证药物靶标结构预测与软件使用药物基因组生物标志物的发现与验证药物基因组在新药开发的应用 难点 药物靶标结构预测与软件使用药物靶标相关数据库 熟悉第一节 引言Section 1 Introduction 人体内核酸，蛋白质等大分子、小分子等内源性物质的稳定浓度和代谢速度存在很大差异。这些差异一定程度上决定了个体对疾病的易感性和机体对外源性刺激和药物的反应效果。阐明疾病易感性和药物反应与机体各分子种类和数量关系具有重大意义。药物生物信息学就是在高通量大分子物质大量的定性和定量研究、小分

2、子化合物作用效果探索基础上，借助信息学手段实现药物靶标识别、新的生物和化学药物开发、药物作用效果预测、药理机制阐明、个性化给药分析与应用的新兴领域。第二节 药物靶标的信息学识别Section2 Bioinformatics Technologies of Drug Targets Discovery一、药物靶标概述药物靶标（drug targets）是生理状态下物质代谢或信号通路的关键组成部分，也是直接参与细胞内外特定大分子、小分子活性作用或病原微生物入侵的功能分子。有效靶标特征对影响疾病病理过程的物质代谢或信号通路有控制作用；尽可能在诱发疾病的病理过程中位于生成该物质的最终环节，或处于与疾病

3、密切相关的信号通路下游关键环节；尽可能不参与与疾病无关的组织或细胞生命活动所必需的代谢过程或信号传递过程；尽可能避开多个代谢或信号通路的交叉点。人体内源性产生及病原体入侵后产生的蛋白质是药物靶标筛选的最重要的对象。随着人类和大量微生物基因组测序的完成，人类蛋白质识别、鉴定、结构分析技术的不断完善，以及药物分子和药物靶标知识的积累，用生物信息技术发掘药物靶标是新药发 现的基础。生物信息学药物新靶标发现技术主要有两类一类是以实验识别的疾病相关基因或蛋白质为研究对象，从作用功能的角度推断其作为候选药物新靶标的可能性。另一类结合已知的药物作用方式和靶标序列特征，分析基因组、蛋白质组序列或结构，通过模式

4、匹配，判断候选基因或蛋白质作为潜在药物靶标的可能性。二、药物靶标数据资源（一）药物靶标信息资源DrugBank数据库（）最权威的药物和化学信息资源DrugBank检索界面示意治疗靶标数据库TDD（Therapeutic Target Database）一个以收集药物治疗靶点数据为主的公共数据库资源。KEGG DRUG数据库KEGG数据库的子库，存储日、美、欧批准的药物信息。（二）药物副作用靶标信息资源药物副作用靶标数据库DART（Drug Adverse Reaction Targets）提供了已知药物副作用靶标、功能和性质、文献链接等数据信息。治疗相关多信号通路数据库TRMPD （Thera

5、peutically Relevant Multiple Pathways Database）包含来自文献的药物作用信号通路及靶标交叉信息，也提供对应的文献来源、疾病相关情况、针对通路中靶标的配体药物等信息。（三）药物-蛋白互作数据资源生物分子互作动力学数据库KDBI （kinetic data of bio-molecular interaction）收集了来自文献实验测定的蛋白质之间、蛋白质-RNA之间、蛋白质-DNA之间、蛋白质-小分子配体之间、RNA-配体之间、DNA-配体之间的结合反应数据。蛋白质-配体相互作用数据库PLID（protein-ligand interaction da

6、tabase）是基于网络的免费数据库，其收集了6295配体同从蛋白质结构数据库中提取的蛋白质的复合物结构，还提供配体物理化学性质、量子力学特征描述和蛋白质活性位点接触残基等信息。生物学相互作用通用库BioGRID （biological general repository for interaction datasets ）收集来自常见模式生物的蛋白质及基因间的相互作用信息。此数据库可用于预测同类蛋白质的功能。（四）其他重要的药物信息数据库药物蛋白质数据库 NRDB药物关联蛋白数据库 ADME转运蛋白数据库 TransportDB药物遗传效应数据库 PharmGED候选小分子药物资源 Sym

7、yx ACD三、药物靶标识别的信息学技术（一）基因组和基因型数据分析识别药物靶标随着人们对生命体基因组的认识和积累越来越多，通过基因组分析进行新药物靶标的识别技术也越来越重要。基因组数据的直接分析常用于抗微生物药物靶标的发现。相对于微生物基因组，人类基因组过于庞大，通过直接的基因组数据分析发掘候选药物靶标的难度很大，需要在一定的线索提示下缩小分析范围。基于基因或基因组范围的关联研究是寻找潜在的候选靶标的有效技术。基于同源性的功能基因组分析也是新的药物靶标发现的常用方法。从直系同源的角度分析基因功能，人面解析某一基因是否属于目前常用的药物靶标蛋白家族，以此来判断其作为药物靶标的可能性。（二）表达

8、谱结合蛋白质组学分析识别药物靶标基因的表达能够反映生理或病理状态下的细胞活动情况，发掘基因表达谱中随着疾病进程表达显著变化的基因，是寻找潜在药物靶标的常用策略。比较疾病与健康个体表达谱，寻找编码常见药物靶标蛋白质的基因表达差异与疾病发生的关联，是快速发现潜在药物靶点的有效技术。在表达分析基础上，对表达标签和蛋白质组学数据的比较分析，尤其和药物蛋白质组学技术联合应用，能快速获得有价值的信息。将未知靶标但作用效果明确的天然物质作用于疾病动物或细胞模型，分析药物作用下发生改变的蛋白质，将可能发现潜在的作用靶标，并有利于研究此物质的药理机制。甲硫氨酸氨肽酶和Bengamide衍生物的复合物（三）蛋白质

9、序列数据分析识别药物靶标通过序列分析，判断对应蛋白质是否为潜在药物靶标的识别技术集中分析已知药物靶点的序列特征。利用机器学习方法从中发掘规律并形成判断方法是一类典型的生物信息学策略识别药靶的方法。各种模式识别的方法都可用于发掘靶点的序列特征，建立对应的判断方法。（四）反向对接分析配体作用位点识别新靶标基于分子对接寻找候选配体的方法，可用已知体内和体外活性配体，从已知蛋白质晶体结构的数据库中搜索对应的潜在靶蛋白，这是一种新的靶标识别技术。这种技术对发掘有明确药理活性天然产物的作用靶标具有重要价值。此技术目前已有对应的在线免费服务器和程序可用（）（五）识别与证实靶标的实验设计技术采用生物信息学方法

10、预测的候选大分子靶标还需进行实验验证。通常要确认一个药物靶标的有效性，可用针对该靶点的已有工具药物或临床药物进行验证，但对用生物信息学预测发现的候选新靶标通常缺少这类工具配体，只能进行多角度的交叉验证进行判断。验证候选大分子靶标的有效性一般需要确认其具有如下特征：候选靶标的功能与动物模型中疾病发生的病理学过程存在必然联系；细胞模型中表达的靶标功能与疾病发生的细胞病理学过程存在必然联系；疾病动物模型中，配体达到有效浓度时能与靶标发生明确的相互作用；靶标和药物间的体外互作数据可预测动物模型体内的配体与靶标互作；体内靶点含量或活性与病理学过程有明确联系。四、药物靶标的结构预测和分子模拟技术（一）小分

11、子药物概述广义的小分子药物指分子量小于800Da且在人体内能发挥明确药理学作用的化合物。狭义的小分子药物是指广义小分子药物中除多肽和寡核苷酸之外的药物。根据候选药物结构特征预测成药性，是利用生物信息学技术高效识别具有药用价值候选小分子新药的重要应用。（二）小分子化合物的结构特征和性质描述利用生物信息学技术分析小分子药物的作用规律需识别其结构特征、性质与其药理学、毒理学特征间的联系；对配体（ligand）类药物进行虚拟筛选，也需描述分子结构特征；用先导配体（lead ligand）通过反向对接搜索潜在药物靶标也需要描述小分子化合物的结构特点。因此，描述小分子化学物的结构特征和性质是药物生物信息学

12、的必要基础。1小分子化合物的结构描述和模型化连接表（connection table）是目前用计算机表示、记录和检索化合物结构最常用的信息化手段，其可包含分子结构的二维和三维信息。连接表不考虑不同分子的唯一性问题，原子的序号也不影响分子结构。但连接表在应用中有多种文件格式，不同分子结构模型可视化软件有自己的特殊格式，SMD、MOL和MOL2等是通用性的结构文件格式。甲醇的结构模型（A）和其连接表（B）、用MOL格式记录的结构文件（C）有多种小分子化合物模型可视化系统可用鼠标描绘分子结构模型，其中不少是免费的，如ISIS-Draw和ACD 等。通常小分子化合物的结构模型可视化系统大多可对小分子三

13、维构象进行初步真空优化，这是建立三维定量构效关系模型的基础。2小分子化合物的疏水性疏水相互作用（hydrophobic interaction）描述物质或基团与水分子相互作用的热力学性质。小分子化合物的疏水性（hydrophobicity）对其成药性有重要影响。在药物研究中常通过测定小分子药物的疏水性参数（hydrophobic parameter）定量表征小分子的疏水性。目前常用脂水分配系数 （partition coefficient，P）作为疏水性的定量参数，即待测化合物在脂相和水相之间分配达到平衡时的脂相浓度与水相浓度的比值。测定脂水分配系数最常用的是正辛醇-水体系。化合物在正辛醇-水

14、体系的脂水分配系数同其结构具有明显联系。同系物间脂水分配系数对取代基有累加效应，故依据间接测定小分子化合物中常见基团的脂水分配系数，可用于预测同系物中预期结构化合物的脂水分配系数。将分子结构分解成各种碎片，并测定常见类型碎片的脂水分配系数（fi），再用碎片脂水分配系数从头计算目标化合物的脂水分配系数。其中系数ai和bi代表来自不同的主要结构体系相同碎片的数量，fi为对应碎片的脂水分配系数。3.分子的电荷分布特征和电性参数电性参数（electronic parameters）主要描述分子中电荷的不对称分布等带来的对应性质差异（1）hammett-电性参数（）（2）共轭效应及诱导效应（3）解离常数

15、（pKa） （4）分子立体结构特征和参数常用的分子立体结构特征描述符及其参数化： Taft立体参数（Es） 摩尔折射率（ME） 范德华体积（Vw） 多维立体参数 分子形状描述符 分子连接性指数此外，还有3D自相关性质、基于电子衍射编码的分子结构、径向分布函数编码等较为复杂的分子3D信息描述符号，是作为建立与靶点三维结构相关的定量关系模型的重要参数。（三）小分子配体类药物与靶蛋白的对接及虚拟筛选分子对接的前提是需要获取靶蛋白和候选小分子配体的三维结构。靶蛋白结构数据可从PDB数据库下载，候选小分子配体的.mol2格式数据可从ZINC、剑桥晶体数据库或NCBI下载，这些数据需要利用分子结构编辑软件

16、进行统一规划以满足不同分析软件读入分子结构信息的要求。1通过对接评价配体亲和力的方法（1）基于打分函数的评价策略目前大部分对接算法中使用的打分函数主要分为三种类型：基于配体与靶蛋白结合物理化学相互作用的打分函数、基于经验的打分函数和基于知识的打分函数。（2）机器学习方法用已知的数据集进行训练，机器学习法能够建立起预测化合物某种性质的模型，其中包含自组织神经网络法、决策树、K最邻近算法等计算策略。2常用软件简介（1）DOCK用于模拟小分子与生物大分子结合的三维结构及强度，是目前应用最广泛的分子对接软件之一。构象搜索采用两种方法：第一种是锚定搜索（anchor-first search）第二种方法

17、是同时搜索（simultaneous search）从数据库获得靶蛋白结构和小分子候选配体的结构；可按DOCK教程进行分子对接，此过程主要包括如下几步：靶蛋白处理，对接配基处理dms处理受体蛋白，得到球面运行，得到负模选择对接位点区域生成包含对接区域的box在box内建立网格grid 进行对接 分析对接结果（2）AUTODOCK其用半柔性对接的方法，即允许候选配体的构象发生变化和调整，采用模拟退火和遗传算法来寻找靶蛋白和配体最佳的相对结合构象，最终以结合自由能的大小来评价候选配体对接结果的好坏。此软件目前缺乏数据库搜索功能，仍仅限于实现单个配体和靶蛋白分子的对接。（3）AffinityAffi

18、nity中候选配体和靶蛋白间匹配主要采用能量得分方式进行评价，并且提供精确、快速计算配合和受体之间非键相互作用的两种有效方法：基于格点的能量计算方法和单元多偶极方法。该方法适合对配体和受体之间的相互作用模式进行精细地考察，但计算量大，难以用于大规模数据库的快速虚拟筛选。（4）GOLD是一种采用遗传算法同时考虑配体构象柔性及靶蛋白活性位点部分柔性的分子对接程序，但限制性要求配体与受体间形成氢键。GOLD采用轮盘赌选择优势个体，进行下一代的杂交、突变及迁移操作，最后按照达到预设的操作次数结束迭代。（5）Molegro Virtual Docker （MVD）MVD可在多种操作系统上运行，它提供了在

19、Docking过程中所需的所有功能，包括从分子结构的准备到结合位点的预测以及最后小分子的结合及构象，有免费的测试版本可用。此软件的最大特色在于其高准确性的docking结果、简单易用的软件界面让使用者可以很快的设定及执行docking、针对docking结果提供完整的视觉及分析工具等。（四）小分子药物的定量构效关系定量构效关系（QSAR）：预测候选小分子药物的成药性时，可将尽可能多的分子结构信息提取并量化作为药物结构特征信息的描述集用信息处理技术，如经典的统计学方法和模式识别技术等，选择恰当结构特征为自变量，建立化合物的结构与其成药性的定量关系作为预测模型，用同样参数化的候选化合物结构特征预测

20、其成药性。本节简介建立小分子配体类药物与靶蛋白亲和力的QSAR模型的常用思路:1小分子化合物结构特征信息的提取与量化2定量构效关系模型的建立3三维定量构效关系模型的建立策略（五）小分子药物的吸收、分布、代谢、排泄与毒性预测A:从给药途径而言，外用或口服给药是理想的方式，但除非特意设计的局部外用或消化道局部给药，这两类给药方式都面临药物的吸收，即其生物利用度的问题。D:小分子药物进入体内需要通过血液循环到达预期的作用位置，即需要考虑这些小分子药物的分布。M:有机小分子药物进入体内都需被代谢。E:药物进入体内都面临被代谢后排泄或直接排泄。Tox:体内需相对稳定的环境，药物在体内除了所需要的治疗作用

21、外，通常可能影响机体的正常代谢过程，即可能产生毒性。小分子药物的ADEME-Tox效应是决定其临床应用成败的关键特征。至今绝大多数小分子药物ADMET效应的分子机制还不清楚。所以，发展有效的ADMET效应预测方法具有非常重要的意义。总结已有小分子药物的结构性质同其ADMET效应的联系，即发掘决定小分子药物产生ADMET效应的特殊模式，是预测小分子药物ADMET的主要策略。这种预测的经典方法是Lipinski提出的五规则。实践中主要应用四项特征判断候选小分子药物能否成为口服有效的药物，即：小分子化合物的分子量要小于500；小分子化合物的脂水分配系数要小于5；化合物上氢键给体，即与N和O相连的氢原

22、子数要少于5个；化合物上氢键受体，即N和O的数目少于10个。目前，直接利用小分子化合物的结构来预测它在体内的吸收及分布的方法已逐步建立。而对于代谢、排泄及毒性的预测，虽然各种模式识别的方法都进行尝试，比如人工神经网络，模式识别方法及专家系统等，但预测的准确度仍然十分有限。模式识别方法分析小分子药物ADMET效应的预测软件很多。开发单位软件网址Aber Genomic ComputingGmax-BioAccelysCerius2,ADME,TopkatAdvanced Chemistry DevelopmentACD/logP,ACD/logD,ACD/pKaBiobyteCLOGP,CQSA

23、RBioreasonLeadPharmerChemcical Computing GroupMOESchrdingerQikPropTriposVolSurf 用于ADMET 预测的商业软件第三节 药物基因组学及其临床研究策略Section3 Pharmacogenomics and Clinical Research几乎所有的药物在体内作用均受药物的药物代谢动力学（pharmacokinetics , PK）和药物效应动力学（pharmcodynamics ,PD）的影响。PK和PD均可受遗传和环境因素的影响，但目前国际公认的观点是遗传因素是影响当前绝大多数药物PK和PD的主因。一、药物基因

24、组学的概念和研究目的药物基因组学（pharmacogenomics）是近年来发展起来的、以阐明药物反应个体差异发生机制和辅助新药开发为研究目的的新兴交叉学科，开展药物基因组学研究是实施个体化药物治疗的基础和前提。药物基因组学是遗传药理学（pharmacogenetics）的发展和延伸。药物基因组学是遗传学、生物信息学和药学的交叉学科，主要研究不同个体或人群基因组遗传学差异对药物反应性的影响。它是利用已有的基因组知识对与药物反应或药物安全性有关的基因变异进行鉴定，阐明药物反应个体差异发生机制，指导个体化用药，辅助新药开发。1997年6月，两大国际制药公司Abbott和Genenset共同发起了药

25、物基因组计划，标志着人类正式进入药物基因组学时代。二、药物基因组生物标志物的发现与验证关联研究是药物基因组学最常用的研究方法之一，该方法以群体历史上的重组和遗传变异位点间的连锁不平衡为基础，分析在一个群体中复杂性状是否与等位基因存在相关性。病例-对照关联研究是一种常见、经济的试验设计方法。在药物基因组研究中，可根据患者的药物反应性进行病例与对照分组。（一）药物基因组生物标志物的发现根据实验是否基于一定的生物学假说，药物基因组学关联研究又可分为基于生物假设的设计和和基于数据的设计两种类型。前者包括候选基因关联研究，后者包括全基因组关联研究（GWAS）和基因组测序等。1候选基因关联分析与药物基因组

26、研究候选基因指在前期研究中被发现与研究表型相关或可能相关的一类基因。在药物基因组学研究中主要分为三类：药物代谢酶基因：指参与某种药物代谢过程中的酶的编码基因，主要通过该药物在体内药物代谢动力学研究确定。药物转运相关基因：指在药物体内吸收、分布和排泄过程中起功能作用的基因，主要通过药物代谢动力学研究及相关动物、细胞生物学研究鉴定。药物作用靶点相关基因：指与药物作用靶点活性及其与药物的亲和力相关的基因。由于候选基因与药物反应的关系往往是已知的，因此非常适合用于查明药物反应个体差异相关遗传机制。候选基因关联研究虽应用广泛，但其缺陷也非常明显。首先，由于统计分析I型错误和II型错误的存在，候选基因关联

27、研究的假阴性和假阳性结果较多，多数结果无法得到重复。其次，候选基因关联研究是基于已知基因的研究，对于与研究表型相关的新遗传位点或基因的发现能力不足。与药物基因组研究GWAS是应用人类基因组中数以百万计的SNP为标记进行关联分析研究，以发现影响复杂性性状发生的遗传特征的一种新策略，其分析原理与候选基因关联研究基本一致。在药物基因组学研究领域，与候选基因关联研究相比，GWAS在新的药物基因组遗传标志物的发现方面具有明显的优势。与基于候选基因的关联研究一样，GWAS同样存在一些不足。首先，由于多重比较问题的存在，GWAS面临的I型错误和II型错误的问题更加严重，假阳性和假阴性发生的几率更高；其次，G

28、WAS中发现的变异位点多位于基因间或内含子上，需进行进一步精细定位以查明功能性变异位点；最后，GWAS芯片选择的SNP位点往往为次要等位基因频率大于5%的常见变异，忽略了罕见变异，而近来研究发现，罕见变异在多种复杂疾病的发生或药物反应表型中起决定作用。3基因组测序在药物基因组学中的应用随着基因组测序技术的飞速发展，人类基因组和转录组进行细致的全貌分析，也为药物基因组研究提供了一个新的方向。采用基因组测序技术可以一次性的将样本中的所有突变位点全部检测（包括功能变异和罕见变异），无需进行进一步的精细定位。目前在药物基因组学研究领域应用得较多的基因组测序方法包括全基因组测序（WGS）和全基因组外显子

29、测序（WES）两种。虽然基因组测序技术与其他分子分型技术相比优势明显，但昂贵的价格与海量且分析困难的数据极大的限制了它的推广。目前基于基因组测序的研究主要采用两种样本量需求较少的实验设计：一种是基于极端表型样本所在家系的测序；另一种是选择表型极端值个体进行测序。（二）药物基因组生物标志物的验证关联研究属于观察性研究方法，其鉴定的生物标志物并非完全准确，要确认这些生物标志物是否影响药物反应性，能否用于指导临床实施个体化用药还需要进一步进行验证。本部分将介绍几种常用的验证方法：1.组织与细胞学水平研究为确定某个遗传变异对药物反应性的影响，往往需要从整体、组织、细胞和分子水平进行系统研究。整体水平的

30、研究易受机体病理生理状态及环境因素的干扰，而组织与细胞水平的研究容易控制并能观察因素对药动学或药效学某个环节的作用，是药物基因组生物标志物验证的最常用方法之一。2随机对照试验研究随机对照试验：临床试验设计的金标准，也是验证新药和新的治疗方法效能的必要措施，在个体化用药的临床实施验证中起重要作用，为基于药物基因组生物标志物的个体化药物治疗提供临床试验依据。RCT设计的优点是：消除偏倚；平衡混杂因素；提高统计学检验的效能。在药物基因组学研究方面，RCT的主要研究方法是将募集到的受试者随机分成两组。一组按照常规方案给药治疗；另一组按照个体化用药方案治疗。最后对比两种方案效果，以确定个体化用药方案的临

31、床意义，同时也对药物基因组生物标志物的作用进行验证。三、药物基因组与新药开发随着药物基因组学研究的广泛开展，其在新药开发中的重要作用逐渐显现，已成为新药开发的最重要的途径之一，受到发达国家食品药品管理部门的重视。本节将重点介绍如何对待药物基因组学研究与新药开发的关系。（一）发现新的药物靶点指导新药开发药物靶点是药物与机体生物大分子的结合部位，包括基因位点、受体、酶、离子通道、核酸等。鉴定潜在的药物靶点不可置疑地将极大地推动制药行业的发展，而药物基因组学研究是发现潜在药物靶点重要的途径之一。（二）筛选和确证影响新药安全性和有效性的遗传因素药物的安全性和有效性是新药开发的核心问题。药物基因组学研究

32、是评估药物安全性和有效性的核心方法之一。首先，在新药临床前研究阶段，运用药物基因组学的方法，查明影响药物PK、PD和安全性相关的基因及其变异，可指导药物在临床上的个体化应用，避免上市后出现无效现象或严重不良反应事件。其次，确定新药与特定基因及其遗传变异的关系可帮助进行新药改良，筛选出最好的化学结构，避免低效、无效或具有严重毒副作用的药物进入临床，降低新药开发风险。第三，提早发现新药在PK或PD方面的缺陷，在新药研发的早期即可决定是否终止开发，节约研发成本。最后，评估由体外实验或动物实验中获得的与新药有关遗传信息的准确性。（三）评估不同基因型患者药代动力学参数以便预估用药剂量传统的药物治疗采取“

33、千人一量”的给药方式，绝大多数药物在不同患者的给药剂量基本一致，忽略了患者间的个体差异。因此，在新药临床研究阶段查明不同基因型患者的PK参数能预估该药的用药剂量，以提高药物的安全性和有效性。药物名称TTTCCC常规剂量范围辛伐他汀80 40 20 580 匹伐他汀4 2 1 14 阿托伐他汀80 40 20 1080 普伐他汀40 20 20 1040 瑞舒伐他汀 20 10 10 520 氟伐他汀80 80 80 2080 表14-3 依据SCLO1B1 521TC多态位点基因型的他汀类药物推荐用药剂量（mg/day）（四）查明严重药物不良反应或药物无效发生原因，挽救新药据统计，近20年来由

34、于严重不良反应被FDA召回的药物多达40余种，其中约25%的药物被认为与遗传因素相关或很可能相关。因此，在临床前试验时采用药物基因组学的理论和思路，对不同遗传背景的人群进行试验，就可能避免一些新药研发项目的流产。第四节 药物基因组相关生物信息资源Section4 Pharmacogenomics and Biological Information Resources一、药物基因组数据库（一）Pharmgkb数据库遗传药理学和药物基因组学数据库PharmGKB是目前最权威最完善的药物基因组学专用数据库。截至到2014年7月，该数据库中已收录了与3152种药物和3445种疾病的相关的26960个

35、基因的资料。PharmGKB根据数据的种类将所有收录的信息划分为临床结局（clinical outcome，CO）、药物效应动力学（PD）、药物代谢动力学（PK）、分子及细胞功能分析（molecular and cellular function assays，FA）和基因型（genotype，GN）五大类，可在主页界面上输入基因、药物、疾病或突变名称进行检索，并提供所有相关信息的关联链接及相关支持参考文献等。PharmGKB检索界面及搜索示例（二）FDA数据库FDA数据库是由美国FDA建立在其官方主页上的检索食品药品相关信息的数据库，可查询药品使用警告信、已批准的药品和医疗器械、药品说明书、

36、政策法规等。截止至2014年7月，该表已收集生物标志物42个，涉及150种药物。（三）Clinvar数据库Clinvar数据库是由美国国家生物技术信息中心（NCBI）于2012年11月建立的基因突变与医学临床表型数据库，该数据库的建设主旨是为了促进和加速人们对人类基因型与医学临床表型之间关系的深度研究。利用Clinvar数据库可以快速将基因突变与临床表型关联起来，为后期研究提供帮助。Clinvar数据库主要整合了4个方面的信息：变异信息（variation），整合了dbSNP、dbVar、gene、GTR等数据库信息；表型信息（phenotype），整合了MedGen（HPO、OMIM）数据库

37、信息；解释和注释信息（interpretation），整合了ACMG、Sequence Ontology等数据库信息；证据信息（evidence），整合了Pubmed、GTR等数据库信息。Clinvar数据库登陆首页后可以用基因名称、突变名称、临床表型和药物名称进行检索。阿司匹林相关遗传变异检索结果（四）Cosmic数据库Cosmic数据库由英国威康信托基金会Sanger研究所建立，其目的是收集所有癌症相关的体细胞突变。绝大多数体细胞突变无表型效应，但少数突变可引起细胞遗传结构及功能发生改变。体细胞突变在肿瘤的发生发展及疗效过程中起着重要作用。运用Cosmic数据库，研究人员可快速查找到所查基

38、因的所有体细胞突变的详细信息，包括突变名称、位置、相关注释等，并提供筛查出体细胞突变的样本信息供科研人员下载。截止到2014年7月，Cosmic数据库已收集到27829个基因的个编码突变，674592个拷贝数变异。另外，数据库还收集了999872个样本的信息，其中9424个样本具有全基因组的突变信息。KRAS在Cosmic数据库中的检索结果二、生物芯片与药物基因组学研究（一）DEMT芯片DEMT plus芯片是目前最广泛使用的药物基因组学研究专用基因芯片，它可检测225个基因的1936个遗传变异，其中绝大多数变异为SNP，此外还包含CYP2D6的一个缺失突变以及CYP2D6、CYP2A6、GS

39、TT1、GSTM1和UGT-2B17基因位点的5个CNV。DMET芯片的检测可在两天内完成其工作流程首先将1ug DNA与多重PCR混合液混匀进行扩增；将扩增产物退火并加入DMET分子倒位探针混匀结合；将结合产物进行填充、连接、消化及第二次扩增；将二次扩增产物片段化、标记并与芯片杂交；染色、洗涤后进行扫描，应用DMET Console软件读取分型结果。虽然DMET在药物基因组学研究领域具有较大的优势，但仍有许多障碍阻碍了它的推广。首先，到目前为止DMET芯片仍未获得美国食品药品管理局（FDA）的批准；其次是价格相当昂贵，单张芯片的价格高达3000人民币，甚至超过了普通GWAS芯片的价格，严重限

40、制了其推广应用。（二）Vera Code ADME芯片Vera Code ADME芯片是Illumina公司推出的一款药物基因组学研究专用芯片。该芯片基于Illumina公司的Vera Code的互补性的低-多重技术，该技术适用于靶点验证和分子检测开发。Vera Code ADME芯片的工作流程将32个样品的DNA等分为3份然后加入96孔板中红、黄、蓝的三个部分，并加入碱性溶液变性；在96孔板的三个部分分别加入不同的生物素标记引物混合液进行PCR扩增，完成后再次加入碱性溶液变性；扩增产物与磁珠结合结合，然后加入荧光标记扩增混合液，对PCR产物进行荧光标记和连接；利用磁珠制备和纯化荧光素标记的单

41、链；将单链产物进行多重PCR扩增并与Veracode微珠杂交；运用BeadXpress Reader扫描荧光信号并判定结果（蓝色为野生型、紫色为杂合子、红色为突变纯合子）。第五节 基于药物基因组的个体化药物治疗 Section5 Individualized Drug Therapy Based on Pharmacogenomics一、肿瘤靶向药物的个体化治疗靶向药物（targeted medicine）治疗是目前最先进的用于癌症的治疗方式，它利用靶向药物能够与癌症发生、肿瘤生长所必需的特定分子靶点起作用的特性来阻止癌细胞的生长，具有疗效好、副作用小的特点。靶向治疗要求接受治疗的患者必须具有靶向药物的作用靶点，对无响应靶点的患者用药，可能导致治疗无效，延误患者病情，因此在进行治疗前需进行靶点分型。（一）HER2基因检测曲妥珠单抗（Trastuzumab）是2006年美国FDA批准的用于人类表皮生长因子受体2基因（HER2）过表达的乳腺癌和胃癌治疗的靶向药物，可单用或与其他化疗药物联用。曲妥珠单抗主要通过与细胞表面的HER2受体特异性结合，促进HER2受体蛋白的内在化降解，从而达到抑制肿瘤细胞增殖的目的。曲妥珠单抗治疗乳腺癌结果图曲妥珠单抗的疗效与HER