加利福尼亚大学圣地亚哥分校的研究人员通过分析数百种疟疾寄生虫的基因组，确定了最可能导致药物抗性的关键基因变异。这项发表在《科学》杂志上的研究成果，使科学家能够利用机器学习技术预测抗疟疾药物耐药性，并更有效地筛选最具潜力的实验性治疗方案。该方法还可能帮助预测其他传染病甚至癌症的治疗耐药性。
该校Skaggs药学与药物科学学院及医学院儿科系的伊丽莎白·温泽勒教授表示："大量药物抗性研究只能单次分析一种化学物质，而我们此次建立了覆盖118种化合物的抗疟疾药物抗性图谱。这些发现对其他疾病也具有重要价值，因为我们在研究中确认的耐药基因在不同物种间具有保守性。"
这种由恶性疟原虫引发的蚊媒疾病每年影响全球数亿人口，是热带和亚热带地区的主要公共卫生威胁。尽管防控工作取得显著进展，但疟疾仍是导致疾病和死亡的主要原因，特别是在非洲地区。世界卫生组织数据显示，95%的疟疾死亡病例集中在此区域。当前一线药物正因耐药株扩散而失效。
温泽勒教授指出："开发更有效疟疾治疗手段的需求极为迫切，但疟疾研究和药物开发资金严重不足。不过，疟疾研究界组织有序且高度协作，这使我们能够建立重要的资源数据库，大幅优化新疗法的筛选和优先级排序过程。"
研究团队分析了724种实验室培育的疟疾寄生虫基因组，这些寄生虫对118种不同抗疟疾化合物（包括现有疗法和新型实验药物）产生耐药性。通过识别与耐药相关的突变模式，研究人员确定了这些基因变异的特征，例如它们在基因中的物理位置等，这些特征可用于预测哪些变异可能导致药物抗性。
温泽勒教授强调："我们的最终目标是通过机器学习技术，识别出最可能因抗性而失效的化合物，从而优化早期药物开发流程，加速治疗方案进入临床试验。这项研究为开发新工具提供了关键数据支撑。"
哥伦比亚大学瓦格洛斯内外科医生学院微生物学与免疫学教授戴维·菲多克补充道："该研究揭示了基因网络如何在不同化学类别间介导抗性，并为我们寻找抗性难发化合物提供了路线图。"
虽然研究成果对抗疟疾新药开发具有重大意义，但研究人员指出其方法论具有跨疾病适用性。这是因为驱动药物抗性的遗传机制在不同病原体间具有相似性，甚至与人体细胞中的机制一致。例如，研究中发现的多个耐药突变均来自恶性疟原虫的PfMDR1蛋白，这种蛋白可在细胞内转运物质，包括将药物从作用位点转移出去。人类基因组中存在该蛋白的同源基因，其突变正是癌症治疗耐药性的关键驱动因素之一。
温泽勒教授总结道："这项研究的潜在影响远超单一疾病范畴。疟疾研究为我们提供了整合资源的机会，我们希望这些发现能够改变整个药物抗性研究的范式，而不仅仅局限于疟疾领域。"
研究团队成员来自全球多个顶尖机构，包括哥伦比亚大学、华盛顿大学医学院、格里菲斯大学等。研究部分得到比尔及梅琳达·盖茨基金会（资助号OPP1054480）、美国国家普通医学科学研究所（资助号T32 GM008666）和美国国立卫生研究院的资助支持。
【全文结束】
