顯示具有 peptide 標籤的文章。 顯示所有文章
顯示具有 peptide 標籤的文章。 顯示所有文章

2024年9月2日 星期一

次世代胜肽藥物公司:起源於東京大學的 PeptiDream

這篇將介紹這家公司的核心技術、藥物開發策略、商業模式和合作夥伴。一直想介紹這家公司,為什麼呢?可能因為他是做 peptide 的吧!

PeptiDream 是一家日本生技公司,2006 年的時候成立於東京,是東京大學的 spin-off。創立者之一是東大教授菅裕明,在麻省理工大學唸化學博士班,1994 年畢業後先在美國任教一陣子,後來到東京大學先後擔任助理教授和研究所教授,其專業領域是生物化學,用酵素合成各種胜肽,也是 PeptiDream 的核心技術 -- RaPID。

他自 2022 年起也擔任日本內閣府綜合科學技術的創新會議議員,以及日本化學會會長。

RaPID (Random Peptide Integrated Discovery)


天然的轉譯系統只能用經典的 20 個天然氨基酸合成胜肽,但是 RaPID 可以用擬天然的特殊氨基酸來合成特殊胜肽,也可以生成環狀胜肽,大大增加了胜肽的多樣性。

除了大家所熟知的那 20 個 L-amino acids,還有很多天然的特殊氨基酸,包括 D-amino acids 和經過轉譯後改造的(post-translational modification, PTM),例如 hydroxylation, methylation 和 lipidation 等等。另外,也可以化學合成氨基酸。

大家知道的天然的轉譯系統,每個編碼(codon)都對應到一個氨基酸,但有好幾個編碼是對應到同一個氨基酸,並且只能用那 20 個經典氨基酸,就算有其他的天然氨基酸,編碼都被佔掉了沒有多的可以用,再來就是經過 PTM 的因為大小不合加不進去。

菅裕明的 RaPID 技術即是改造轉譯系統,把一些編碼空出來給特殊氨基酸用,例如 CGU, CGC, CGA 和 CGG 都被 Arginine 佔掉了,而他們的 RaPID 就是把其中兩個分配給特殊氨基酸,利用人工 RNA 催化酶 Flexizyme 把這些特殊氨基酸加進胜肽裡,並把它結成環狀。

PeptiDream 的環狀胜肽和 PDPS


PeptiDream 專攻的技術是胜肽(peptide),有點類似把藥物接在抗體上的 ADC (antibody-drug conjugate),他們的 PDC (peptide-drug conjugate) 則是把藥物接在胜肽上。

相較於抗體,胜肽體積較小,易於穿透細胞組織,但卻比較不穩定,在薬物代謝動力(pharmacokinetics)上也比較弱。為了克服這項弱點,他們的次世代 PDCs 著重於環狀胜肽(macrocyclic peptides),是把少於 20 個氨基酸長度的胜肽設計成環狀,使其可以在血液裡維持超過 24 個小時,不管是在穩定性上、活力上和活體內的效果上,都比直鏈型的胜肽要好。除此之外,他們在 20 種天然氨基酸外,還用了一些擬天然的氨基酸,可以依需求來調整環狀胜肽的特性。

他們主打的藥物開發技術是胜肽資料庫平台 PDPS (Peptide Discovery Platform System),它的核心技術即是 RaPID,利用這個技術和超過 3000 種特殊氨基酸隨機生產特殊胜肽,產生的資料庫有超過十兆個環狀胜肽,可以從中快速找到對標靶物有高親和性(affinity)和高特異性(specificity)的環狀胜肽,成功率為 95% 以上,也可以用它來優化。

藥物開發上的三種策略


PeptiDream 的策略其實和抗體差不多,也就是用環狀胜肽來接藥物或放射性同位素,也可以連接多個環狀胜肽來增加其特異性。

1. 小分子藥物和環狀胜肽,優點是體積小,但是親和性和專一性都可媲美抗體。

2. PDCs: 可以用環狀胜肽來運送化療藥物(cytotoxic-PDCs)、放射性同位素(RI-PDCs)和核酸片段(oligonucleotide-PDCs),具有抗體的優點,但是體積較少,穿透力較好。

3. MPC (multi-functional peptide conjugate): 有點類似多特異性抗體,就是把好幾個環狀胜肽,讓它可以靶向不同目標蛋白。


圖片/PeptiDream 官網

PeptiDream 的合作對象


PeptiDream 目前研發的藥物有一半是針對癌症的放射性同位素胜肽(RI-PDCs),不少大藥廠看好其發展性,它的合作對象包括 Novartis, Merck, Bristol Myers Squibb (BMS), Eli Lilly 和 RayzeBio。

它和 Novartis 的合作是從 2010 年開始,之後持續加碼,2019 年時開啟 RI-PDC 上的合作,也就是把 radionuclides 和 peptide 連結,2024 年 Novartis 又投資了 $180M 到合作的 radioligand 計畫,目前合作的藥物有三個,其中針對惡性膠質瘤(malignant glioma)的177Lu/68Ga-Integrin (FF58) 目前在第一期臨床試驗。

他們和 RayzeBio 的合作是從 2020 年開始,RayzeBio 是專門做放射性同位素藥物的,使用的同位素是目前較普遍的 actinium-225 (Act-225)。他們合作的兩隻藥物都還在研發階段,其中一個是針對肝癌(Hepatocellular Carcinoma)的 225Ac/68Ga-GPC3 (RYZ801/811),而後 RayzeBio 於 2024 年二月被 BMS 收購。

PeptiDream 和 BMS 的合作則是從 2010 年就開始了,利用他們的 PDPS 平台來開發 PD-L1 抑制劑,目前已完成第一期臨床試驗,不過由於商業考量,BMS 決定先暫停,雙方會再討論臨床結果看要怎麼繼續。他們另一個合作的 18F-PD-L1 (BMS-986229) 是利用放射性同位素作為癌症診斷,目前也已完成第一期臨床試驗,利用 PET 影像可以安全的偵測癌症細胞。

他們和 LinqMed 合作用來治療惡性腦瘤的 64Cu-ATSM 則已進入第三期臨床,在他們的第一期臨床試驗裡,包括不同腦瘤的患者,平均存活 29.4 個月,其中有 66.7% 的患者活超過一年,膠質母細胞瘤(glioblastoma)的患者有 55.6% 活超過一年,而通常活超過一年的只有 30-40%。

Eli Lilly 也是他們 2013 年就開始的長期合作夥伴,用來診斷的 8F-flortaucipir (Tauvid®) 已於 2020 年通過 FDA 許可並上市,可以用 PET 影像來偵測腦中的 tau neurofibrillary tangles (NFTs)。

其他的非放射性同位素藥物除了針對癌症外,還有和 Merck 合作針對發炎性疾病的藥物,目前都還在第一期臨床試驗。他和 AZ 與 Amolyt 合作的 GhR Antagonist (AZP-3813) 是針對肢端肥大症(acromegaly),已完成第一期臨床試驗,預計 2024 年年底會開始第二期臨床試驗。

除了合作的藥物,他們自己開發的有針對腎臟癌(Renal Cell Carcinoma, RCC) 的 225Ac/64Cu-CA9 (PD-32766) 和針對肥胖和肌肉疾病的 myostatin inhibitor,兩個都還在研發階段。



PeptiDrem 的股價最高的時候大約是個大藥廠再度加碼的時候,2021 年在 Q2 財務報告出來後跌了一波,可能是因為銷售額和前一年比少了約 $228M 日圓,不過有慢慢漲回來的趨勢。

PeptiDream 的子公司


另外,PeptiDream 還有一個專做生長激素(growth factors)和細胞激素(cytokines)子公司 PeptiGrowth,目前已有不少產品上市。該子公司於 2020 年成立,是由 PeptiDream 和三菱商事共股,分別持有 39.5% 和 60.5% 的股份。

之所以會成立這個子公司,是因為看見基因和細胞治療的興起,這類生物製藥需要大量培養細胞,因此需要大量的生長激素來促進細胞生長。目前的生長激素不是從動物血清裡萃取,就是透過基因工程的方式合成,這兩個方式都有污染的風險,且成本高。PeptiGrowth 可以用他們 PDPS 平台來大量生產,這是他們的優勢。

除了用在細胞治療上,另一個可用的地方就是培養肉。隨著永續發展 ESG 意識的崛起,人類飲食上也有所改變,希望藉由培養肉來減少碳排放,而培養肉跟培養細胞一樣需要生長激素,因此也是 PeptiGrowth 的另一個市場。

不負責任之個人意見


我個人覺得 peptide 除了不夠 stable 外,親和性和專一性都可以挑到跟抗體一樣好的,重點是它體積小,而他們的環狀胜肽可以解決不夠 stable 的問題。如果要我在 IgG, VHH 和 peptide 裡面排看好度的話,會是 peptide > VHH > IgG,本人就是偏愛體積小的,因為相較於抗體較好被清除外,也比較少免疫原性(immunogenicity)的問題。另外,以成本來說,胜肽應該也比抗體成本低,加上胜肽不需要在細胞內生產,沒有抗體有細胞污染和 endotoxin 的問題。未來,如果胜肽的效果和穩定性在人體內效果都跟抗體一樣好的話,怎麼想做胜肽都比較划算吧?XD

當然比較容易被清除可以是優點也可以是缺點,但我比較希望藥物是可以一完成任務後就被排出體外的那種。


相關文章:抗體藥物的不同應用


註:感謝臉書網友告知,才知道 PeptiDream 有子公司。有些資料是靠 ChatGPT 日翻中,有錯誤的話歡迎指正,感謝!


☕️ 如果你喜歡這篇內容,歡迎賞一杯咖啡。😊

合作邀約: nonproscience@gmail.com
📍文稿:科普文、公司文、產業文等等
📍諮詢:實驗設計、加拿大研究所、生科產業



資料來源:

PeptiDream 官網

PeptiGrowth 官網

J-Stage | RaPID システムが拓く新創薬戦略

CREST | 平成24年度採択 菅裕明

WO2016154675A1 - Platform for non-natural amino acid incorporation into proteins

US9701993B2 - Artificial translation/synthesis system

RayzeBio | PeptiDream Announces Strategic Partnership with RayzeBio for the Discovery and Development of Peptide-Radiotherapeutics - RayzeBio

bussinesswire | PeptiDream Announces Collaboration and License Agreement with Lilly to Discover Macrocyclic Peptide Drug Candidates

Fierce Biotech | Novartis pays PeptiDream $180M as radiopharma big bang continues










2018年12月8日 星期六

利用 peptide 檢測早期阿茲海默症

這是一年前的研究了 XD,我在刷臉書的時候看到有興趣但當下沒時間細讀的會先存起來,然後等有時間再打開來看,寫寫分享,然後不知不覺就積了很多沒看的,剛剛翻到這篇才發現竟然已經默默過了一年惹。(淚)

對阿茲海默症有點小了解的大概都知道治療此病的瓶頸主要有兩個,一是無法及早發現,通常發現時,也就是出現輕微失智症狀時(mild cognition impairment, MCI),已經太晚了,二是藥物無法通過 BBB (blood-brain barrier),因此目前除了藥物研發的研究,有的是針對如何在症狀未出現時便可即早發現。

動物腦部有一個蛋白是 CTGF (connective tissue growth factor),主要功能是免疫反應和組織修復,AD 基轉老鼠腦部的 CTGF 會在 Aβ 堆積前出現上升的現象。這篇刊在 Nature Communications 的研究利用 phage display 釣到了一個目標蛋白是 CTGF,長度為九個氨基酸的環形胜肽(cyclic peptide) ,稱為 DAG。

怎麼用 phage display 釣的呢?他們是用 CX7C library,CX7C 是九個氨基酸長的 peptide,第一個和最後一個(也就是第九個)氨基酸是 cysteine,中間七個氨基酸是隨機的,用的是 degenerate codons NNK [註1]。兩端的 Cys 會形成 disulfide bond,使這小段的 peptide 變成一個環狀,用來標靶癌細胞的 iRGD 就是一個例子 [註2]。(iGRD sequence: CRGDKGPDC)

註 1:K = G or T and S = C or G。
CX7C library 製作細節可參考這篇:Tero AH Järvinen 的這篇:Design of Target-Seeking Antifibrotic Compounds

註 2: 之前有不少研究是用 phage display 釣出各個器官的 homing peptides,就是說這些 peptides 只會出現在某些器官,也就是這些器官有其他器官沒有的標靶蛋白或標靶物,可以用來當作器官的 biomarkers。用來穿過癌細胞 iRGD 就是用這個方法找到的,有興趣的可以參考 T Teesalu et al 的這篇:Mapping of Vascular ZIP Codes by Phage Display

關於噬菌體展示 phage display 可以參考之前這篇:Phage display 和小抗體製造

CX7C library 裡的九個氨基酸長的 peptides 會表現在 T7 phage 的表面,研究者們再把這些 T7 phage 靜脈注射到老鼠體內。T7 phage 進到老鼠體內後會到處遊走,其表面的 peptide 其在遊晃的時候便可找尋和它相結合的蛋白質。他們把 T4 library 分別打入正常老鼠(wildtype)和不同階段的 AD 基轉老鼠裡(三個月、五個月、七個月和九個月大的老鼠),然後再取其海馬迴(hippocampus)做比較,看有哪些 peptides 會大量出現在 AD 基轉老鼠的海馬迴裡,但卻沒出現在正常老鼠裡的,表示它的標靶蛋白是 AD 腦部裡的某個蛋白,可用來做為阿茲海默症的 biomarker,或許也可以用在治療上。比較了之後,他們找到惹 DAG (序列為:CDAGRKQKC,通常以前三個氨基酸為名)。

DAG 出現在所有階段的 AD 基轉老鼠腦內,包括皮質(cortex)和海馬迴(hippocampus),表示早期的 AD 老鼠腦部就有可以作為 biomarker 的蛋白。接著,他們把 DAG 打入基轉 AD 老鼠裡後做了一連串的螢光染色,試圖找出 DAG 的標靶細胞和標靶蛋白,發現它出現在鄰近有 Aβ 的神經星狀膠質細胞(astrocytes)。另外,DAG 也出現在大腦皮質(cerebrocortex)的血管內皮細胞(biomarker: CD31),而它標靶蛋白是血管內皮細胞上的 CTGF。這個蛋白質表現在人類和老鼠的腦中,功能是啟動發炎反應和組織修復,腦部受傷後 CTGF 的表現量會上升。他們研究了 CTGF 在腦部的表現,發現和正常老鼠相比,它同樣大量表現在 AD 基轉老鼠的大腦皮質和海馬迴,而且也是出現在 astrocytes,他們也做惹 binding 測試,確認 DAG 的標靶的確是 CTGF。

之後,他們檢測了三、四個月大、Aβ 尚未出現的年輕 AD 基轉老鼠腦部,發現 DAG 大量出現在大腦皮質和海馬迴,主要在其血管內皮細胞,表示 DAG 的標靶是 CTGF 而不是 Aβ。為了確認 DAG 不只作用在老鼠腦部細胞,他們用 AD 患者的幹細胞做 binding 測試,是用 DAG-conjugated Ag-nanoparticle (DAG-AgNP) 去染細胞組織,發現可以看到 DAG。用病患的腦部切片測試的話,DAG-AgNP 則出現在含有大量 Aβ 的海馬迴,用螢光染色的話也可以看到 CTGF 同樣出現在海馬迴,表示 DAG 的標靶蛋白是 CTGF。看到這裡可能會覺得證據不夠有力,不過當他們在 DAG-AgNP 之前先加了 anti-CTGF 的抗體後,DAG-AgNP 的訊號就消失了,表示抗體阻斷惹 DAG-CTGF 的結合。 這裡有一點是我想知道,但是文章裡沒提到的,CTGF 在很多神經性疾病中都被發現表現量升高,而在這篇裡顯示疾病初期就可偵測到大量的 CTGF,我的話會想看到在正常老鼠和 AD 基轉老鼠裡,DAG, CTGF 和 Aβ 在三到九個月大的時候,表現量變化的比較。

最後就是 AD 治療的瓶頸,如何把 DAG 送進腦部?他們把 DAG 和帶有氧化鐵 (iron oxide) 的 nanoparticle 結合後,靜脈注射進九個月大的 AD 基轉老鼠裡,發現它可以進入到老鼠的大腦皮質和海馬迴。文章裡提到,這點可以用來做影像檢測 AD,但是 DAG 如果接了染劑或顯影劑後還能進到腦部嗎?



References:

NNR / Potential Biomarker for Early Detection of Alzheimer's (Nov 2017)

AP Mann et al, Identification of a peptide recognizing cerebrovascular changes in mouse models of Alzheimer’s disease. Nature Communications (2017)
https://www.nature.com/articles/s41467-017-01096-0

Tero AH Järvinen, Chapter 12 - Design of Target-Seeking Antifibrotic Compounds. Methods in Enzymology (2012); doi: 10.1016/B978-0-12-391858-1.00013-7

T Teesalu et al, Chapter 2 - Mapping of Vascular ZIP Codes by Phage Display. Methods in Enzymology (2012)










2015年6月19日 星期五

一滴血透露了你感染了那些病毒


我們的週遭充滿了各種病毒,也多少感染過不少病毒,像是感冒病毒(rhinoviruses)、流感病毒(influenza viruses)或是皰疹病毒(herpesviruses),不過目前的技術只能一次測一種病毒,例如最近要是去了韓國,回來後發現發燒了,懷疑自己是不是感染到 MERS 便跑去醫院診斷,出來的結果就只會知道你有沒有感染到 MERS,不會知道是不是還感染到了其他的病毒。不過這個月有篇發表在知名國際期刊《Science》的研究,表示有個新的叫 VirScan 的技術可以用一滴血,一次就告訴你感染了那些病毒,還有你的病毒感染史。

目前的技術主要是看你血液中含有那些抗體(如果你有感染過病毒或細菌,身體裡面就會產生那個病毒或細菌的抗體),或是看你體內有沒有病毒的基因,而此研究的計畫主持人,哈佛醫學院的生物學家 Stephen Elledge,想要研發一個一次就可以知道你過去和現在感染的所有病毒的技術。


Figure: VirScan. Xu & Kula et al, Science 2015(每一行代表一個病毒帶有的所有 antigen,每一列代表一個樣體,顏色代表抗體量。)

Elledge 和他的團隊,利用 DNA microarray 和 T4 bacteriophage 建了一個涵蓋 206 種病毒,共超過一千個 strains 的病毒 peptide library (93904 peptides),這些 peptides 是病毒蛋白的片段(也就是抗原 antigen),會表現在 T4 phages 的表面,被相對應的抗體辨識,當把人類的血液檢體和 T4 phages 混在一起後,血液裡面的抗體會找到相對應的病毒 peptides,之後再用 Protein G 去拉下表現其抗原的 T4 phages (immunoprecipitation),再用 PCR 來找出是哪些病毒的蛋白片段,這表示血液中含有那些病毒的抗體,也就是說帶原者感染到那些病毒。由於在初感染過後的十到十四天,身體會產生抗體,且會在體內持續十幾二十年,所以這個 VirScan 這個技術也可以得知過去十幾年感染過哪些病毒。

這個研究檢驗了來自各洲的血液樣本,包括美國(北美)、泰國(亞洲)、南非(非洲)和秘魯(南美),共 569 位血液捐贈者,其中也包括 HIV (AIDS) 帶原者,測試了超過一千萬的抗原和抗體的相互反應(antigen-antibody interaction)。這個技術只需 2ug 的免疫球蛋白(Ig, immunoglobin),也就是約不到 1ul 的血清,大量的掃描檢驗可以把每個檢體的測試成本降到 $25 (美元),他們發現這個技術和傳統的方式 -- 也就是用血清抗體測試單一病毒 -- 得出來的結果相同,而且敏感度和辨識度也很高,可以有效辨別 HSV-1 和 HSV-2。測試的結果顯示,每個人平均帶有十種病毒的抗體,其中有兩個以上的人,血液裡帶有 84 種病毒。所有檢驗的血液檢體中,最常見的有感冒病毒(RV-B, 71.8%)和皰疹病毒(HSV-4, 87%)。這個研究有個有趣的發現:有的 peptides 能被大多數人的血液裡的抗體辨識,就是說每個病毒都有一個主要的蛋白片段是可以被大多數人的抗體辨識的,例如 RSV (respiratory syncytial virus) 蛋白序列中的 141-196 這一段是被所有可檢測到此病毒的檢體所含抗體辨識到的,他們稱之為 "common epitopes"。

雖然這個技術敏感度高,辨識抗原的效果也不錯,不過也有些限制是需要繼續克服的,例如被 post-translationally modified 過的抗原 peptides 無法被辨識,另外就是包含在這個 library 裡的病毒才能被辨識到,所以必須不停的更新和增加 peptide 資料庫。哥倫比亞大學(Columbia University)的微生物學家 Vincent Racaniello 說,常見的腸道病毒,例如諾羅病毒(noroviruses)和輪狀病毒(rotaviruses)被檢測到的比例沒有他預期的高,可能的原因是其抗體存在體內的時間不夠長(雖然抗體通常是終身性的),或是其他技術上的問題。再來就是 peptide 的大小限制,這個資料庫裡的 peptide 長度是 55 個胺基酸(amino acids),所以如果抗體能辨識的抗原大小在 55 個胺基酸以上的話,那可能就辨識不到。

撇開以上的限制,VirScan 不失為一個檢測的重要工具,而且成本也不高($25 美金應該算很便宜吧),是個頗具前瞻性的新技術。


-


Article:

SCP Willams, New test could reveal every virus that's ever infected you. Science News (2015)


Paper:

GJ Xu & T Kula et al, Comprehensive serological profiling of human populations using a synthetic human virome. Science (2015)