電腦選的潛力藥物－藥物網絡分析以尋找 2019-新型冠狀病毒解藥

因應全球流行中的人類冠狀病毒疾病2019 (COVID-19) 其病原2019新型冠狀病毒/嚴重急性呼吸道症候群病毒2  (2019-nCoV/SARS-CoV-2)，學界正積極尋求有效的治療策略，其中重要的一環是篩選既有的藥物對於冠狀病毒治療的效果，這樣有助於縮短時間與成本。這篇文章將介紹由克里夫蘭醫學中心 (Lerner Research Institute, Cleveland Clinic) 與凱斯西儲大學 (Case Western Reserve University, CWRU) 團隊發表的網絡為基藥物用途調整研究 (network-based drug repurposing) [1]。

本篇團隊旨在有系統性得檢視藥物資料庫對應潛在藥物目標 (drug target) 的治療反應。即便是現存藥物，基於兩點原因導致使用過去的結構為基 (structure-based approach) 並不是個好策略。其一，2019-nCoV/SARS-CoV-2 病毒與宿主細胞交互作用的立體結構未明；其二，RNA 病毒快速變異 (rapid evolution of viral genomes) 的特性對目標單一蛋白質的藥物造成很大的抗藥性風險 [2]。網絡為基篩選藥物的核心觀念是－有潛力作為藥物目標的人類冠狀病毒－宿主分子互動組 (HCoV-host interactome) 其實屬於人類蛋白質交互作用網絡 (human protein-protein interaction network, PPIN) 其中的一部分。換言之，作者群揭櫫抗病毒治療的機轉在其他人類疾病模型中，可能藉此發掘出具有交互作用的藥物。

透過實際分析 2019-nCoV/SARS-CoV-2 的結構，作者群提出對比 SARS-CoV而言，病毒包膜 (Envelope, E) 與核酸蛋白殼 (Nucleocapsid) 為高度相似的演化保留區域，序列相似度分別為96%及89.6%；另外 2019-nCoV/SARS-CoV-2 病毒顆粒的棘蛋白 (spike protein, S)，則是序列相似度最低的部分，與 SARS-CoV 相似度 77%, MERS-CoV 相似度則為31.9% (Figure 1) [2]。然而對於人類血管收縮素轉化酶受體 2  (angiotensin-converting enzyme 2, ACE2) 的親和力比 SARS-CoV 更強十倍以上，被認為是成功感染人類細胞的關鍵之一，有潛力作為抗病毒藥物目標 [3]。

網絡為基篩選已知藥物的步驟方面，簡單歸納為三大部分 (Figure 2)－ (1) 分析冠狀病毒生活史相關基因或訊息途徑的近似度度量網絡 (Network proximity measure)。 (2) 透過系統性驗證基因組富集分析 (gene set enrichment analysis, GSEA)，來計量化對於藥物標的結合後的轉譯學結果 (transcriptome)。(3) 預測有潛力的藥品組合，符合藥理作用互相補足 (complementary exposure pattern)  [4]。在詳細操作內容，作者們先由6種冠狀病毒計算出來的人類冠狀病毒－宿主分子互動組 (HCoV-host interactome) 辨識出119個可能作為治療目標的人類蛋白。其中發現47個人類蛋白可對應至少一項受核准或臨床試驗中的藥物，這些可供用途調整藥物 (repurposable drugs) 是文獻上未被用於治療冠狀病毒。經排列檢定 (Permutation test) 計算出135項與藥物標的有顯著相關 (符合Z-score <−1.5 and P < 0.05)。進一步驗證藥物作用及病毒感染所活化基因組的富集分析，有16項藥物脫穎而出，且各項本身都能從文獻回顧找到相對應的抑制病毒機轉  (Figure 3)。為了提高治療成效與降低單一藥物使用造成毒性，網絡化比較16項藥物中，兩兩涵蓋到的藥物標的網絡，最後篩選出3種可行的藥物組合 (Sirolimus plus Dactinomycin, Toremifene plus Emodin, Mercaptopurine plus Melatonin)。

在網路為基分析方法 (Network-based methodology) 搜尋可供調整的藥物這個概念上，該團隊過去已有研究發表 [4]，核心價值在於透過電腦運算資料庫的文獻數據作出模擬藥物作用 (in-silico drug repurposing)，不需要實地做實驗像當前高通量篩選 (High-throughput screening, HTS) 就能大海撈針找到最具治療潛力的藥物。回歸 2019-nCoV/SARS-CoV-2 治療的研究，缺乏病毒宿主交互作用研究剛好讓電腦演算可以更廣泛去篩選各種潛在的抗病毒機轉。一體兩面的短處，當然就是在藥物與細胞標的親和性、藥物劑量、藥物毒性方面，需要實地做實驗，包括基因體分析等等來建構治療效果評估 [5]。目前上述的方法除了要協助解決 COVID-19 疫情的燃眉之急，更是希望倡議這樣的方法學可以開展其他疾病的潛力藥物篩選，加快醫學界對於疾病的應對能力。

參考文獻：

[1] Zhou, Y., Hou, Y., Shen, J., Huang, Y., Martin, W., & Cheng, F. Network-based drug repurposing for novel coronavirus 2019-nCoV/SARS-Cov-2. Cell Discovery, 6(1). doi:10.1038/s41421-020-0153-3 (2020).

[2] Zumla, A., Chan, J. F., Azhar, E. I., Hui, D. S., & Yuen, K. Coronaviruses — drug discovery and therapeutic options. Nature Reviews Drug Discovery, 15(5), 327-347. doi:10.1038/nrd.2015.37 (2016).

[3] Wrapp, D. et al. Cryo-EM structure of the 2019-nCoV spike in the prefusion conformation. Science. https://doi.org/10.1126/science.abb2507 (2020).

[4] Cheng, F., Kovacs, I. A. & Barabasi, A. L. Network-based prediction of drug combinations. Nat. Commun. 10, 1197 (2019).

[5] Li, Q. et al. Integrative functional genomics of hepatitis C virus infection identifies host dependencies in complete viral replication cycle. PLoS Pathog.10, e1004163 (2014).

 

撰文｜陳帝亢
審稿｜謝典戰