在这篇文章中，我们探讨了如何利用一系列临床前模型来加速预测性生物标志物的发现和验证，以降低药物开发的风险，增加候选治疗药物的临床实验成功的可能性。
为什么需要开发临床前生物标志物策略？
生物标志物在提高临床前研究的转化性上发挥着越来越重要的作用。虽然目前使用生物标志物指导临床实验的价值主张是明确的，但在药物开发中尽早使用生物标志物策略是很重要的。尽早使用生物标志物策略会为发现最佳的生物标志物提供最好的机会，使得研究者拥有充足的时间在临床前利用体内和体外实验对其进行充分的验证，以确保它们在临床上使用时的敏感性、特异性的和可重复性。
根据我们的经验，在药物开发的早期阶段发现具有临床应用价值的生物标志物是高度可行的，成功的关键因素有以下几点：
- 致力于生物标志物的早期发现和验证；
- 可以使用大量且范围广泛的体外和体内模型，这些模型的分子特征可用，且能够复制患者群体中观察到的临床多样性
- 根据体内模型的分子数据和/或使用体外数据生成的生物标志物，适当选择临床前体内模型
系统生物学方法是在早期发现稳定和敏感的生物标志物的关键，这些生物标志物可以在早期阶段指导最有前景的研究制剂的选择，同时针对特定的患者群体和疾病适应症定制新的治疗方法。
利用系统生物学平台方法进行生物标志物的发现和验证
采用系统生物学方法来理解生物机制，例如整合临床前实验信息——包括在电脑中模拟的以及体外、离体和体内模型中得到的分子和细胞信息，能最大限度地增加发现新的相关生物标志物的机会。这些生物标志物可用于监测疾病进展、药物反应、药物毒性以及相关模型中的靶点契合度等。临床前生物标志物的可转化性在经过大规模的具有良好特征、旨在模拟现实世界患者群体中存在的多样性的体外和体内模型的组合测试和验证后得到加强。
使用系统生物学方法寻找生物标志物的典型工作流程如下：首先获取体外模型的基因和/或蛋白质组谱作为基础，随后使用测试药对模型进行处理，然后分析和比较应答者和非应答者样本的“组学”谱（基因和/或蛋白质组谱）。这些数据可用于指导在具有明确特征的模型库中选择高度相关的体外模型（如肿瘤类器官）和体内模型，以便对这些初始数据进行额外的测试和验证。这种综合方法可以降低实验成本并缩短实验时间，同时也为评估基于生物标志物分流的药物反应差异提供了新的机会。
推进生物标志物发现和验证:分析和生物信息学
以下部分概述了可用于分析生物标志物的分析方法，以及将生物信息学分析纳入临床前生物标志物项目的价值。
生物标志物分析
生物标志物研究有多种方法，包括以下几种：
- 用于检测细胞功能、表型和生物标志物表达的流式细胞技术；
- 电化学发光(MSD-ECL)和基于Elisa的细胞因子和趋化因子分析；
- 基于成像的罕见细胞分析，以追踪有相应生物标志物表达的细胞；
- 检测生物标志物及其空间表达的组织学和数字病理学；
- 药物疗效和作用机制(MOA)临床评估；
- 基于质谱的蛋白质组分析；
- 基因组分析。
将基因组学纳入生物标志物发现和分析工作中可以加速药物开发。RNASeq、PCR和下一代测序(NGS)等方法提供了关于疾病复杂性、肿瘤药物反应、药物MOA和新生物标志物(如与药物反应或耐药性相关的基因突变和肿瘤基因差异性表达等)的详细基因组和转录组学研究。这些检测方法是针对需要同时评估大量基因组生物标志物的大规模临床前研究的高通量方法。
在体内或体外疗效研究结束时进行生物标志物分析可以对结果进行验证，包括验证药物作用机制(MOA)的靶点契合度，并预测测试药的药效(即应答或无应答)。这类分析的结果可以为未来临床研究建立纳入/排除患者的选择标准奠定基础。
生物信息学分析
电脑模拟越来越多地被用来分析基因组和药理学数据中集中的大量信息。例如，生物信息学和人工智能/机器学习算法可以支持无假设的预测性生物标志物发现方法，能够在不了解药物MOA的情况下发现目标患者群体。
生物信息学还可以通过分析大规模体外细胞筛选试验(使用具有基础基因组信息的细胞系或更先进的类肿瘤器官)下游的数据，基于基因组信息，寻找可以辨别应答和无应答细胞系的早期迹象，进而发现新的生物标志物。通过将细胞筛选试验的结果与生物信息学相结合，我们可以将药理学结果与基因组信息(基因表达、突变状态、拷贝数、通路/网络信息)相关联，从而提供多方面的解读来增进生物标志物的识别。这些体外数据可以用于指导体内研究，以便对最有潜力的生物标志物进行更有力的功能和机制研究。事实上，生物信息学分析可以用于根据药物的靶点或基因突变模式选择合适的异种移植模型和患者来源的异种移植(PDX)模型。
一种促进小鼠临床研究的综合方法
通过在电脑模拟、体外及体内模型中系统地筛选候选药物，我们可以选择最佳的生物标志物靶点和临床前模型。例如，小鼠免疫肿瘤RNA – Seq衍生panel可用于大规模的发现潜在目标，而流式细胞术和免疫组化可在细胞水平上检测小规模的潜在生物标志物。鉴于最近免疫检查点抑制剂和各种免疫细胞群对药物疗效研究的兴起，这种综合方法的应用尤其关键。基因组和蛋白质组学信息的联合使用也为研究人员提供了建立测试药MOA的机会。
因此，小鼠临床试验(MCTs)可以作为人类临床试验的替代品，它可以利用多种PDX模型来评估药物反应和与基因组特征的相关性。当与先进的统计框架相结合时，小鼠临床实验能够准确筛选出能够改善患者分流的生物标志物，在某些情况下，可以挽救那些在人体试验中失败的药物。例如，线性混合模型分析确定EGFR是预测胃癌PDX模型中西妥昔单抗反应的首要基因。此外，一组临床相关的结直肠癌PDX模型显示KRAS突变和GSTT1表达介导了患者对标准治疗药物FOLFOX的反应。
我应该选择哪个模型？
鉴于可供选择的方法越来越多，为你的临床前研究选择最合适的分析方法和模型可能是一个挑战。在开始一个生物标志物研究之前，研究人员应该考虑以下几点：
- 这个研究需要检测的是什么？
- 与替代方法相比，这种方法有什么好处?
- 该方法适合发现还是筛选?
- 该方法是否适用于高通量研究?
- 该方法是否可以补充同一研究的其他检测方法无法提供的数据?
我们强烈建议尽早与在生物标志物发现和验证的临床前研究方面有丰富经验的专家接触，因为他们可以帮助您根据您的具体研究需求找到最佳的过程，并规避常见的误区。
结论
当在研究早期建立了生物标志物策略，发现具有临床效用的临床前生物标志物是高度可行的。另外，使用系统生物学和综合方法进行生物标志物的发现和验证，为早期识别最有前途的备选生物标志物提供了最好的机会，这可以为之后的下游体内临床前模型选择提供信息。
