生物信息学专家已经开发出一种算法，可以将从数千种可能性中识别两种或两种以上协同治疗癌症或病毒感染等问题的药物的能力加快数年。

新算法使调查人员能够使用现有大型数据库的信息关于一个抗癌药物改变了特定的基因表达乳腺癌细胞系,以及它如何杀死细胞,然后将这些结果与数学的影响另一种药物,看看他们能更好的在一起工作,乔治亚医学院生物技术和基因组医学中心主任理查德·麦金多博士说。

他说，虽然算法不能立即提供可以启动临床试验的信息，但它确实加快了临床试验的进程。

McIndoe说:“我们的想法是，我们最终希望找到这些协同药物组合，有望帮助癌症患者。”“对研究人员来说，这是一种寻找协同作用组合的特别快的方法，而不必一次筛选一种药物，这真的是不可行的。”

在癌症治疗中，药物联合疗法可以提高药物效率，减少药物剂量(和相关毒性)，克服耐药性，”研究人员在《公共科学图书馆·综合》杂志上写道，并正在成为癌症治疗的一个重要工具。

McIndoe说:“癌症对化疗药物产生耐药性并不罕见，所以临床医生试图解决这一问题的方法之一是使用组合，两种化疗药物一起使用。”“你同时对这两种细菌产生耐药性的可能性比你只对一种细菌产生耐药性的可能性要低。”

但研究人员说，考虑到现有的药物和药物组合的数量，目前还没有有效的方法来确定最佳组合。

并不是所有的组合都是有益的，事实上一种药物可以作为另一种药物的拮抗剂，有效地阻断或至少减少其治疗效果。相反，正确的组合将增强治疗的效果，McIndoe说，这意味着它们结合在一起能更好地杀死癌细胞。

该算法还使科学家之间的协同作用，可以轻松地共享发现，使更多的药物和细胞株得到评估，并使针对特定癌症的有效组合的数据库更快地增长。

“棘手的部分是如何确定哪些药物组合具有协同效应，”他说。

现有的寻找正确组合的方法包括巨大的自动化工作站，将不同的药物组合与特定的癌细胞系放在一起，看看会发生什么。但是药物的列表很长，潜在的组合甚至更长，McIndoe说。

他说，另一种方法是根据已知的各自的作用模式将药物组合在一起，这仍然相当于大量药物和药物组合，这是另一个缓慢而昂贵的过程。

目前有巨大的细胞系数据库，这些细胞系已被一种药物治疗，以观察治疗前后对基因表达的影响，包括基于综合网络的细胞特征库项目，以帮助简化MCG研究人员想要做的大规模研究。

他们专注于57随机选择化疗药物中使用的数据库,在仔细研究每个药品生产和分子变化将增长率,意义癌细胞杀死多少药物生产,然后设计了一个分子变化的数学表示和杀戮。

McIndoe说:“由于我们掌握了所有单一药物的作用，我们可以根据分子变化在数学上结合两种药物。”

他们总共研究了57种癌症药物的1596种组合。McIndoe和他的同事写道，他们的算法挑选了30种顶级药物组合，其中8种使用了一种称为ZIp的标准统计模型进行了确认，这一结果远远优于随机选择，而且比测试大量潜在药物组合的成本和时间要少得多。

在实验室的后续试验中，他们用提出的协同组合治疗癌细胞株，进一步证实了它们的协同作用。

他指出，使用标准方法筛选所有1596种组合需要大约3年的时间，而使用他们的算法大约需要8周。

“我们对这篇论文的要求是，我们能否利用基因表达数据，提出一种方法，将哪些药物放在一起时，它们具有最高的协同作用的可能性。”McIndoe说。

基因表达的改变或突变，比如环境暴露，甚至是随机错误，是癌症发展和扩散的主要原因。不同种类的抗癌药物以不同的方式破坏癌细胞的DNA，阻止或至少减缓它们的繁殖。

“当你用任何东西撞击细胞，比如药物或营养变化，细胞就会做出反应，”他说。“它会以某种方式开始改变其基因表达谱。”

这种调整可能是由于癌细胞试图生存，比如由于药物已经关闭了正常的信号通路，所以努力打开一些替代信号通路来促进生长。但是如果药物起作用，细胞就会死亡，所以McIndoe和他的同事们将杀死率作为他们的重要底线。

研究人员注意到，57种药物中只有一小部分似乎对癌细胞株没有作用，而且这些药物不在那些被发现具有协同作用的药物之列，但当它们与合适的搭档结合时，协同作用仍然是可能的，McIndoe说。

他们写道，该算法同样可以用于更容易地确定治疗细菌、真菌和病毒感染等其他问题的最佳药物组合。

接下来的步骤包括研究用同样的57种药物治疗的其他乳腺癌细胞系，再次观察它们的分子反应变化，以及这些变化在不同的细胞系中是否相同。McIndoe还想创建一个数据库，在这个数据库中，其他研究人员可以轻松上传对基因表达和生长速度的影响，并在实验室动物研究中进行重要的下一步，例如，看看协同作用是否在完整的肿瘤中保持。