|
📢 神經性退化疾病專題
高通量藥物篩選全方案
藥物篩選的策略，無論是從天然產物 [1, 2]、合成化合物 [3]
中海選潛在藥物，或是從既有藥庫進行老藥新用 [4]，抑或是利用電腦輔助藥物設計，其核心關鍵皆在於：如何在上萬種化合物中，快速且精準地篩選出具備潛力的指標分子。
針對機制複雜的神經退化性疾病，研發團隊通常聚焦於兩大核心藥篩方向：
- 蛋白標靶調控：藥物對目標蛋白進行異常聚集阻斷、促進定向降解或調控修飾。
- GPCR 調控：藥物對神經系統中關鍵的 G 蛋白偶聯受體（GPCR）進行功能性篩選。
Revvity 的
Alpha 與 HTRF 兩大均相檢測平台，是您進行神經退化疾病藥物篩選的最佳選擇。
蛋白錯誤折疊與異常聚集，例如阿茲海默症中 Amyloid-Beta 聚集、過度磷酸化的 Tau 蛋白形成神經原纖維纏結等，會導致細胞障礙與突觸損傷 [5]，是神經退化性疾病的核心病因。
因此，在神經退化疾病的藥物篩選中，通常會評估候選藥物是否具備以下幾種療效：
- 阻斷異常聚集：藥物是否能干擾蛋白聚集、沉降。
- 調控異常後修飾：針對特定酶活性進行調控（如 LRRK2），降低過度磷酸化等異常轉譯後修飾。
- 促進蛋白降解：定量降解效果（如 PROTAC）誘致目標蛋白或特定激酶清除。
Alpha 均相檢測技術採用免洗滌（Wash-free）流程，免去傳統 ELISA 繁瑣的洗板步驟，且最低僅需 5 µL 珍貴檢體（如腦脊髓液 CSF 或血液），能實現高通量與自動化篩選。 此外，Alpha
的單態氧擴散技術除了具備強大訊號放大效應，也突破了傳統 TR-FRET（約 10 nm）的空間限制，能偵測高達 200 nm 的寬廣距離。這使
Alpha不僅能靈敏定量樣本的蛋白質降解與磷酸化修飾，更是評估大型致病蛋白聚集與蛋白質相互作用（PPI）阻斷的最佳工具。
Alpha流程 :加入檢體、抗體與 Alpha 試劑反應，無需任何洗滌步驟，即可直接於讀取訊號。
Alpha 在神經藥篩領域已有許多實際應用。例如：在阿茲海默症研究中，研究團隊針對驅動 Tau 蛋白毒性聚集的標靶 MSUT2，從 2,000 種化合物庫中成功海選出特異性抑制劑 DIDS [6]；在帕金森氏症研究中，Alpha 平台能精準定量 LRRK2 激酶活性及其抑制劑藥效 [7]。此外，Alpha 亦能靈敏定量 LRRK2
PROTAC（如 XL01126）等新穎降解劑的降解效果。這些實例都顯明 Alpha 是進行神經退化性疾病藥物篩選藥效評估的出色平台。
G
蛋白偶聯受體（GPCR）是神經系統疾病藥物篩選中最主要的目標受體家族，調控了中樞神經的核心生理機制，例如與帕金森氏症相關的多巴胺受體、阿茲海默症相關的代謝型麩胺酸受體（mGluR），以及維持認知功能的乙醯膽鹼受體
[8]。當這些受體功能異常或訊號失衡時，便會引發神經元損傷或發炎，惡化為各種神經退化性疾病。
因此進行高通量藥物篩選時，研發團隊需要全面評估候選藥物對 GPCR 通路的活化、抑制或偏向性調節效應。
HTRF均相檢測平台也具備免洗滌（Wash-free）特性，方便實現自動化與高通量快篩。而且其採用時差性螢光技術（TR-FRET），能有效消除背景螢光干擾，大幅提升信噪比（S/N ratio）與數據再現性。
Revvity 針對 GPCR 藥物篩選的全階段，提供品項最齊全的HTRF檢測試劑：
1.Receptor Binding：評估藥物與受體的結合親和力（Affinity）。
2.G-protein Activation：測量上游 G 蛋白的啟動程度（GTP 結合）。
3.Second Messenger：定量下游 cAMP 與 IP-One 的訊號表現。
4.Biased Ligand：檢測是否特異性觸發 β-Arrestin招募與受體內吞。
5.Downstream Signaling：檢測下游激酶（ERK 1/2, AKT）的磷酸化活性。
在實際案例中，研究團隊針對與神經發炎密切相關的 CB2 受體 展開老藥新用篩選。團隊利用 HTRF® 平台 針對 640 種 FDA 已上市藥物進行高通量篩選，以細胞內的 cAMP 濃度變化作為藥效指標，成功鑑定出具備神經保護潛力的全新 CB2 逆激動劑（Raloxifene） [9]。這類成功案例皆表明，HTRF® 絕對是您進行 GPCR 藥物篩選時的首選平台。
更多資訊
欲了解更多 Alpha 或是 HTRF 平台相關資訊，歡迎洽詢伯森業務專員。您可透過下方連結瀏覽更多相關資訊：
參考資料
- Newman, D. J., & Cragg, G. M. (2020). Natural products as sources of new drugs over the nearly four decades from 01/1981 to 09/2019. Journal of Natural Products, 83(3), 770–803. https://doi.org/10.1021/acs.jnatprod.9b01285
- Naeem, A., Hu, P., Yang, M., Zhang, J., Liu, Y., Zhu, W., et al. (2022). Natural products as anticancer agents: Current status and future perspectives. Molecules, 27(23), 8367. https://doi.org/10.3390/molecules27238367
- Yu, W., & MacKerell, A. D. (2017). Computer-aided drug design methods. In P. Sass (Ed.), Antibiotics: Methods and Protocols (pp. 85–106). Springer. https://doi.org/10.1007/978-1-4939-6634-9_5
- Gns, H. S., Gr, S., Murahari, M., & Krishnamurthy, M. (2019). An update on drug repurposing: Re-written saga of the drug's fate. Biomedicine & Pharmacotherapy, 110, 700–716. https://doi.org/10.1016/j.biopha.2018.11.127
- Soto, C., & Pritzkow, S. (2018). Protein misfolding, aggregation, and conformational strains in neurodegenerative diseases. Nature Neuroscience, 21(10), 1332–1340. https://doi.org/10.1038/s41593-018-0235-9
- Baker, J. D., Uhrich, R. L., Strovas, T. J., Saxton, A. D., & Kraemer, B. C. (2021). AlphaScreen identifies MSUT2 inhibitors for tauopathy-targeting therapeutic discovery. SLAS Discovery, 26(3), 400–409. https://doi.org/10.1177/2472555220958387
- Pedro, L., Padrós, J., Beaudet, L., Schubert, H. D., Gillardon, F., & Dahan, S. (2010). Development of a high-throughput AlphaScreen assay measuring full-length LRRK2(G2019S) kinase activity using moesin protein substrate. Analytical Biochemistry, 404(1), 45–51. https://doi.org/10.1016/j.ab.2010.04.028
- Wong, T. S., Li, G., Li, S., et al. (2023). G protein-coupled receptors in neurodegenerative diseases and psychiatric disorders. Signal Transduction and Targeted Therapy, 8, 177. https://doi.org/10.1038/s41392-023-01427-2
- Kumar, P., & Song, Z.-H. (2013). Identification of Raloxifene as a novel CB2 inverse agonist. Biochemical and Biophysical Research Communications, 435(1), 76–81. https://doi.org/10.1016/j.bbrc.2013.04.040
|
