天然抗肿瘤药物的筛选方法

恶性肿瘤是一种严重危害人类健康的疾病。目前发现许多天然药物具有抗肿瘤作用。随着细胞生物学、分子药理学和肿瘤药理学研究的发展,针对细胞和分子靶点的天然药物已成为当今抗肿瘤药物研究的重要方向。在研究过程中,建立合理的抗肿瘤药物筛选方法就显得尤为重要。详细介绍了近年来天然抗肿瘤药物的筛选方法,为抗肿瘤药物的研究与开发提供一些参考。     

应用噬菌体展示技术筛选中药的药物靶点蛋白研究进展

噬菌体展示技术是一种有效的药物靶点筛选工具,可用其筛选中药的药物靶点蛋白。其原理是将外源性蛋白或多肽的DNA序列插入到噬菌体外壳蛋白结构基因的适当位置,使外源基因随外壳蛋白的表达而表达。药物靶点是药物在体内的作用结合位点,是药物筛选和新药研究的基础,良好的药物靶点也是发现性质优良药物的基础。利用现代生物技术为基础的高通量药物筛选技术,进行中药活性组分筛选是实现中药现代化的有效途径,并促进我国天然药物的开发和应用,为中药的研究提供一套完整的筛选和验证方案。      

浅谈天然抗肿瘤药物的筛选方法

进行药物治疗是临床上治疗肿瘤的主要方法。过去,临床上使用的抗肿瘤药物多为人工合成类药物。近年来,随着药学界对细胞生物学和分子药理学研究的深入,细胞药物和分子靶点药物等天然抗肿瘤药物成为了临床上重点研究的抗肿瘤药物。在研究天然抗肿瘤药物的过程中,如何筛选出最有效的天然抗肿瘤药物一直是研究的重点。目前,临床上可用于筛选天然抗肿瘤药物的方法有很多。笔者在本文中对这些筛选天然抗肿瘤药物方法的优劣进行了论述。     

多靶点药物的研究及筛选策略的提出

临床实践表明,对于复杂疾病单一靶点的药物通常很难达到良好的治疗效果,甚至会出现严重的不良反应。系统生物学从整体的角度出发,揭示生命的本质和疾病的发生发展过程,为研发防治复杂疾病的药物提供了新思路和有力工具,由此产生的多靶点药物是针对复杂疾病的有效治疗手段。本文将基于“药效团”模型法提出多靶点药物的筛选策略,并对抗HIV多靶点药物的研究做简要介绍。     

一种基于荧光图像的体外抗肿瘤药物快速筛选方法

目的:建立一种基于荧光成像的抗肿瘤药物体外快速筛选系统.方法:①采用二乙酸荧光素(FDA)标记测定活细胞数法,评价26个乌药组分对的体外抗肿瘤活性,并对本方法的线性范围和精密度进行了考察;②在活性筛选结果的指导下,应用LC/MS对样品进行分析,初步推断药效活性物质.结果:①该方法在细胞密度为0～ 10 000/孔的范围内荧光强度与细胞个数线性相关(r2 =0.9858),板内的精密度为9.41％;②在26个乌药组分中,筛选得到两个抗肿瘤活性较强的组分C13和C15,抑制率均达到90％以上.结论:本方法快速、稳定、简便、线性范围宽,可用于从复杂中药组分中快速筛选抗肿瘤活性物质.此外,根据LC/MS分析结果并结合文献报道,推断乌药中具有抗肿瘤活性的化合物为异波尔定碱.     

以绿脓杆菌外排泵外膜蛋白OprM为靶点的药物筛选模型

目的以绿脓杆菌主动外排系统中MexAB-OprM型外排泵的外膜蛋白OprM为靶点,建立外排泵抑制剂筛选模型.方法利用PCR法从标准绿脓杆菌PAO1菌株中得到外排泵外膜蛋白基因oprM,利用T-easy载体作为克隆载体,pMMB67EH为表达载体在大肠杆菌HS151中进行OprM蛋白的诱导表达.为检测OprM蛋白的功能,采用液闪计数法测定胞内四环素浓度,纸片法进行抑菌圈测定实验,并以此为基础建立筛选模型.结果可见OprM蛋白的高表达,以其为主要检定菌,建立了一个作用于外排泵外膜OprM蛋白的药物筛选模型.累计应用此模型筛选放线菌和真菌发酵液样品1 600个,其中获得阳性菌株56个,阳性率约为3.5%.结论本研究验证了OprM蛋白对外排作用的重要性,通过筛选实验表明该模型有较好的特异性和可操作性.     

马来酸罗格列酮与吡格列酮治疗2型糖尿病的药物经济学研究

用于治疗糖尿病的口服降糖药物种类较多,噻唑烷二酮衍生物(或称格列酮类药物,TZD)是近年来新开发的并已在临床得到广泛应用的唯一可直接改善胰岛素抵抗的一线抗高血糖药物,TZD的使用可贯穿于2型糖尿病的不同病理生理阶段。噻唑烷二酮与细胞膜内过氧化质体增殖活化受体     

以PRDM1基因启动子为靶点的药物筛选模型的建立研究

目的 以PRDM1基因启动子为靶点构建双荧光素酶报告基因载体,建立体外药物筛选细胞模型,并对中草药小分子化舍物进行筛选.方法 将人PRDM1基因启动子序列(267、1 257 bp)克隆入荧光素酶报告基因载体pGL3-Basic中,构建重组质粒pGL3-PRDM1并与内参质粒pRL-TK瞬时共转染工具细胞,通过检测荧光素酶报告基因表达水平的变化反映PRDM1基因启动子的启动转录活性,并对共转染质粒比例、工具细胞选择等条件进行探索和优化,相关药物处理进行验证.结果 成功构建了荧光素酶报告载体pGL3-PRDM1.用0.5、1、2、4μmol/L的5-Aza-CdR处理重组的U266细胞筛选模型,与0μmol/L 5-Aza-CdR相比,增加5-Aza-CdR的刺激,荧光强度及PRDM1基因启动子的活性呈剂量依赖性增强.与0μmol/L相比,青蒿琥酯从5 μmol/L浓度开始对PRDM1基因启动子活性呈明显降低(P＜0.05),在20 μmol/L浓度时降到最低;白芍总苷呈现小剂量促进PRDM1启动子活性,高剂量抑制PRDM1基因启动子活性.青蒿琥酯对细胞生长增殖影响较小,白芍总苷对细胞生长增殖的影响较复杂.结论 成功建立了以PRDM1基因启动子为靶点的药物筛选模型,并筛选出青蒿琥酯能抑制PRDM1基因启动子活性.     

以保罗样激酶1为靶点的抗肿瘤药物的筛选及活性评价

目的：利用酵母模型进行保罗样激酶1（Polo-like kinase 1,PLK1）抑制剂的高通量筛选,并初步评估活性化合物的体外抗肿瘤效果。方法采用噻唑蓝比色法（MTT 法）检测初筛阳性化合物对不同细胞系增生的影响,酶联免疫吸附测定法（enzyme-linked immunosorbent assay,ELISA）分析化合物对体外纯化的 PLK1激酶的作用效果,流式细胞术（flow cytometry,FCM）检测细胞周期分布和凋亡率,免疫印迹（Western blotting）检测化合物对周期蛋白 B1（cyclin B1）和 PLK1的作用。结果利用酵母模型初筛得到3个阳性化合物,MTT 法检测显示1号和3号化合物能抑制多种肿瘤细胞的增生而对正常细胞的毒性很小,ELISA 结果显示2号和3号化合物对体外纯化的 PLK1几乎无抑制作用,FCM 检测显示1号化合物处理组 G2/ M 期细胞比例高于对照组, Western blotting 表明1号化合物不影响 PLK1的蛋白表达,能导致 cyclin B1的表达增加。结论1号化合物通过抑制 PLK1激酶的活性发挥抗肿瘤作用而不影响 PLK1的蛋白表达,有望成为靶向 PLK1的抗肿瘤先导化合物。     

体外三维抗血管生成药物筛选模型的建立

目的建立一种新的用于筛选具有抗血管生成作用的体外血管生成模型。方法人脐静脉的内皮细胞(HUVECs)在三维胶原纤维系统中培养,制备成具有毛细血管样网状结构模型;3种酪氨酸酶抑制剂genistein, tyrphostin A23和lavendustin C被分别加入到模型中,观察它们对血管形成的影响。结果在不加入任何生长因子的条件下, HUVECs 能迅速重组形成毛细血管样网状结构;3种酪氨酸酶抑制剂均对血管形成有抑制作用。结论该模型具有操作简单、可重复性好、易量化的特点,是一种在体外筛选血管生成抑制剂的理想模型。     

基于TCGA数据库的胰腺癌临床预后风险模型的构建与药物筛选

目的：基于基于癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库构建胰腺癌预后风险模型和筛选候选药物。方法：通过TCGA数据库下载胰腺癌转录组和临床数据，通过R软件进行加权基因共表达网络分析(weighted correlation network analysis,WGCNA)、预后风险模型的构建、差异分析、Kaplan-Meier法生存分析、风险分析和临床相关性分析。通过受试者工作特征曲线(receiver operating characteristic curve，ROC曲线)的曲线下面积(area under curve，AUC)和多因素cox回归分析判断模型准确性和独立性，最后运用CMAP平台进行胰腺癌药物的筛选。结果：下载得到胰腺癌转录组数据182例和临床数据185例，数据合并交集后纳入病例样本177例。WGCNA分析筛选模块基因为“MEgreen（P=0.04<0.05）”；通过单因素cox回归分析得到28个预后相关免疫基因和70个预后相关的lncRNA，进一步用Lasso回归和多因素cox回归分析进行预后风险模型构建。模型评价显示该模型可区分高低风险组的患者，高风险的患者较低风险预后较差（P<0.05）。训练组和验证组ROC曲线下面积（AUC）显示该模型具有一定的准确性。多因素cox回归分析显示风险得分可作为胰腺癌独立预后因子（P<0.05）。临床相关性分析显示年龄、性别、Grade、Stage、M和N期等临床性状在高低风险组之间无明显差异（P>0.05），T期在高低风险组之间具有明显差异（P=0.0215<0.05）。利用CMAP平台筛选出前5抑制胰腺癌高风险基因表达的药物中，HDAC抑制剂2种，FLT3抑制剂、种VEGFR抑制剂与细菌细胞壁合成抑制剂各1种。结论：根据TCGA患者生存数据和表达谱，结合基因库获得胰腺癌预后相关免疫基因和lncRNA构建的预后风险模型能作为胰腺癌预后判断的新指标。     

基于胰腺癌患者来源异种移植模型的化疗药物筛选

目的 利用胰腺癌PDX 模型,评估临床化疗药物治疗效果,筛选个体化治疗方案?方法 将新鲜的胰腺癌手术标本移植裸鼠皮下,建立PDX 模型并稳定传代;利用STR 基因分型检测PDX 模型肿瘤组织的溯源性;选择临床使用的奥沙利铂?吉西他滨和伊立替康三种化疗药物进行治疗,并测量肿瘤体积;利用TGD 值数学模型方法,辅以血浆CA19 -9 检测评估三种化疗药物的治疗效果?结果 PDX 模型肿瘤组织样本的溯源性为99.99%,与原发瘤保持一致;与对照组相比,伊立替康组和吉西他滨组均具有显著的治疗效果(c =0.001),且吉西他滨抑瘤效果更为明显;伊立替康的药物毒性作用最小,吉西他滨次之?结论 成功建立胰腺癌PDX 模型并稳定传代,通过TGD 值数学模型法筛选,发现吉西他滨抑制肿瘤生长效果最为显著,推荐其作为该胰腺癌个体化治疗首选药物?     

吡格列酮对AD大鼠模型学习记忆及GSK-3β、p-tau蛋白的影响

目的观察吡格列酮对阿尔茨海默病（AD）大鼠模型学习记忆能力及海马糖原合成激酶3-β（GSK-3β）活性、tau蛋白异常磷酸化（p-tau）的影响,为临床防治AD提供一条新的思路。方法健康雄性Wistar大鼠32只,随机分为4组,除对照组外其余组大鼠海马CA1区注射冈田酸（OA）制备AD模型;低、高吡格列酮组给予吡格列酮灌胃4周,其余组给生理盐水灌胃;通过水迷宫检测各组大鼠学习记忆能力;免疫组化法观察各组大鼠海马GSK-3β活性、tau蛋白异常磷酸化。结果与对照组相比,模型组学习记忆能力明显下降（P〈0.05）,海马GSK-3β、tau蛋白磷酸化的表达明显增多（P〈0.05）;与模型组相比,低、高吡格列酮组学习记忆能力明显提高（P〈0.05）,海马GSK-3β、tau蛋白磷酸化的表达明显减少（P〈0.05）,而低、高吡格列酮组二者相比无明显差异（P〉0.05）。结论吡格列酮可改善AD大鼠模型学习记忆能力,可能与降低GSK-3β活性、减少tau蛋白过度磷酸化有关。     

预测药物-靶点相互作用的异构网络嵌入模型研究

药物-靶点相互作用（DTIs）预测是药物发现的重要过程。随着计算技术的发展,基于生物数据的计算方法正高效率地加速这一过程。然而,这些方法大多忽略了靶标和药物的序列特征和异构性。本研究通过机器学习方法,提出多重网络嵌入框架（MLB-NEDTP）的预测模型,首先分析序列特征,然后将融合的特征嵌入多层异质信息网络中,以提高预测性能。多个数据集训练和验证结果表明,该模型与ATOMNET等最新模型相比具有明显优势。     

胰岛细胞药物筛选模型的建立——小鼠胰岛的原代培养

目的:用胰岛细胞作为糖尿病新药的细胞筛选模型需保持其结构完整、生理功能稳定和足够长的存活时间,为此本文对小鼠胰岛分离纯化和培养方法进行优化.方法:用胶原酶、透明质酸酶和DNA酶消化,Ficoll 400密度梯度离心法分离胰岛;DTZ染色法和台盼兰染色测定胰岛的纯度和活力;放射免疫方法检测胰岛分泌水平变化.结果:0.1％...     

单胺氧化酶抑制药物体外筛选模型的建立

目的：构建一种能用于治疗神经退行性变疾病单胺氧化酶（monoamine oxidase,MAO）抑制药物的体外筛选模型。方法：采用紫外分光光度方法,以苄胺或5-羟色胺（5-hydroxytryptamine,5-HT）分别作为MAO-B或MAO-A的反应底物,测定其活性,并对MAO浓度、底物浓度、缓冲液浓度、pH值、反应时间和温度等进行优化。结果：研究确定的模型反应体系条件为：在温度37 ℃、酶预孵育时间20 min和反应时间60 min下,测定MAO-B活性最佳条件为100 mmol/L磷酸钾缓冲液（pH 7.6）,MAO和底物苄胺的终浓度分别为0.15 mg/ml和2.00 mmol/L;测定MAO-A活性最佳条件为100 mmol/L磷酸钾缓冲液（pH 7.4）,MAO和底物5-HT的终浓度分别为0.40 mg/ml和5.00 mmol/L。结论：建立了一种MAO抑制药物体外筛选的模型,该模型具有成本低、操作简便等特点,适合于大规模筛选MAO-B和MAO-A的抑制药物。