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(ZevGartner)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IvyLiu、WalaaKattan、BenjaminMead、ConnerKummerlowe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AlexK.Shalek以及IMES和化学系的JWKieckhefer教授领导。

扩大规模的“疯狂”方法

过去十年的技术进步彻底改变了我们对单个细胞内部生命的理解，为更丰富的表型筛选奠定了基础。然而，仍存在许多挑战。

首先，生物代表性模型(如类器官和原代组织)数量有限。单细胞RNA测序等最具参考价值的测试也非常昂贵、耗时且耗力。

这就是为什么该团队决定测试将所有东西混合在一起的“大胆甚至疯狂的想法”，麻省理工学院计算与系统生物学项目的博士生刘说。换句话说，他们选择将许多扰动物(如药物、化学分子或细胞产生的生物化合物)组合成一种混合物，然后尝试解读它们各自的效果。

他们开始通过对316种美国食品和药物管理局批准的药物进行不同的组合来测试他们的工作流程。

“这是一个很高的标准：基本上就是最糟糕的情况，”刘说。“由于已知每种药物都有很强的药效，因此信号可能根本无法分辨。”

这些随机组合的范围从每池3种到80种药物不等，每种药物都应用于实验室培养的细胞。然后，该团队尝试使用线性计算模型来了解单个药物的效果。

这是一次成功。与针对每种药物的传统测试相比，新方法取得了类似的结果，成功地在每个药物库中找到了最强效的药物及其各自的效果，而成本、样本和精力只是传统方法的一小部分。

付诸实践

为了测试该方法对解决现实世界健康挑战的适用性，研究小组随后解决了过去的表型筛选技术无法想象的两个问题。

第一项测试的重点是胰腺导管腺癌(PDAC)，这是最致命的癌症类型之一。在PDAC中，许多类型的信号来自肿瘤环境中的周围细胞。这些信号可以影响肿瘤的进展和对治疗的反应。因此，该团队希望找出最重要的信号。

他们利用新方法并行汇集不同的信号，发现了几个令人惊讶的候选者。

Shalek表示：“我们永远无法预测到一些结果。”其中包括两种之前被忽视的细胞因子，它们实际上可以在公共癌症数据集中预测PDAC患者的生存结果。

第二项测试考察了90种药物对调节免疫系统功能的影响。这些药物被应用于新鲜的人类血细胞，这些血细胞含有不同类型的免疫细胞的复杂混合物。利用他们的新方法和单细胞RNA测序，该团队不仅可以测试大量药物，还可以分离出药物对每种细胞的影响。这使团队能够了解每种药物在更复杂的组织中如何发挥作用，然后选择最适合该工作的药物。

“我们可能会说T细胞存在缺陷，所以我们要添加这种药物，但我们从未想过，这种药物会对组织中的所有其他细胞产生什么影响?”Shalek说。“我们现在有办法收集这些信息，这样我们就可以开始选择药物，以最大限度地发挥靶向作用，并最大限度地减少副作用。”

总之，这些实验还向Shalek表明了构建更好的工具和数据集来创建有关潜在治疗的假设的必要性。

沙莱克说：“我们看到的反应的复杂性和缺乏可预测性告诉我，在很多情况下我们可能没有找到正确或最有效的药物。”

减少障碍，改善生活

尽管目前的压缩技术可以识别出影响最大的扰动，但它仍然无法完美地解决每个扰动的影响。因此，该团队建议将其作为补充，以支持额外的筛选：“应该采用传统的测试来检查最热门的匹配项，”刘说。

但重要的是，新的压缩框架大大减少了执行筛选所需的输入样本数量、成本和劳动力。由于障碍更少，它标志着理解不同细胞的复杂反应和建立精准医疗新模型的重大进步。

Shalek说道：“这确实是一种令人难以置信的方法，它为我们找到了正确的靶点或正确的药物，从而改善患者的生活提供了可能。”