更高效的表型筛选方法可以同时测试多种药物

当今使用最广泛的一些药物，包括青霉素，都是通过一种称为表型筛选的过程发现的。使用这种方法，科学家实际上是将药物投入到问题中(例如，当试图阻止细菌生长或修复细胞缺陷时)，然后观察接下来会发生什么，而不必先知道药物是如何起作用的。

或许令人惊讶的是，历史数据表明，与那些更加专注于特定分子目标的研究相比，这种方法更容易产生批准的药物。

但许多科学家认为，正确设置问题才是成功的真正关键。某些微生物感染或由单一突变引起的遗传疾病比癌症等复杂疾病更容易建立原型。这些疾病需要复杂的生物模型，而这些模型的制作或获取难度要大得多。结果就是可测试药物的数量出现瓶颈，从而限制了表型筛选的实用性。

现在，麻省理工学院 Shalek 实验室领导的科学家团队开发出了一种很有前途的新方法，解决了大规模应用表型筛选的困难。他们的方法允许研究人员同时将多种药物应用于一个生物问题，然后通过计算反向计算出每种药物的单独效果。

例如，当团队将这种方法应用于胰腺癌和人类免疫细胞模型时，他们能够发现令人惊讶的新生物学见解，同时将成本和样本需求降低数倍——一次性解决了科学研究中的几个问题。

加州大学旧金山分校药物化学教授泽夫·加特纳 (Zev Gartner) 表示，这种新方法具有巨大潜力。“我认为，如果对一种强烈的表型感兴趣，这将是一种非常有效的方法，”加特纳说。

这项研究于 10 月 8 日发表在《自然生物技术》杂志上。研究由 Ivy Liu、Walaa Kattan、Benjamin Mead、Conner Kummerlowe 和麻省理工学院医学工程与科学研究所 (IMES) 和健康创新中心主任 Alex K. Shalek 以及 IMES 和化学系的 JW Kieckhefer 教授领导。