NETSseq：精準鎖定CNS疾病靶點的利器

傳統的藥物開發往往依賴於動物模型或細胞系，但這些模型在模擬複雜的人腦疾病方面存在局限性。Cerevance的NETSseq技術則直接從人腦組織入手，彌補了這一缺陷。

NETSseq的核心優勢在於其能夠精準地分析特定腦細胞類型中的基因表達。Cerevance擁有一個龐大的腦組織樣本庫，包含超過16,000個樣本，涵蓋了不同年齡段（8歲至104歲）的健康人和患有CNS疾病的個體。通過NETSseq，研究人員可以深入分析約60種與神經系統疾病相關的人腦細胞類型，識別在疾病狀態下發生顯著變化的基因和通路。

具體來說，NETSseq技術包含以下幾個關鍵步驟：

1. 核富集： 從腦組織樣本中分離出細胞核，富集包含轉錄本的細胞核部分。

2. 轉錄本分選：

利用特定的抗體或探針，針對特定細胞類型或特定基因的轉錄本進行分選。

3. 高通量測序：

對分選得到的轉錄本進行高通量測序，精確量化基因表達水平。

通過比較健康人和患病個體的腦組織樣本，NETSseq能夠揭示疾病特異性的基因表達模式，從而發現潛在的藥物靶點。Cerevance已利用NETSseq技術產生了約190TB的數據，完成了92兆鹼基對的測序，為其藥物開發提供了堅實的數據基礎。

NETSseq如何影響Cerevance的藥物開發策略

NETSseq技術不僅僅是一個靶點發現工具，它還深刻地影響了Cerevance的整個藥物開發策略：

靶點選擇：

NETSseq能夠識別在特定腦迴路中特異性表達，或在疾病狀態下表達水平顯著改變的靶點。這使得Cerevance能夠選擇更具潛力的靶點，提高藥物開發的成功率。例如，Cerevance利用NETSseq發現了CVN417，一個潛在的帕金森病治療靶點。

藥物設計：

通過了解靶點在特定細胞類型中的功能和調控機制，Cerevance能夠設計更具選擇性和有效性的藥物。

臨床試驗設計：

NETSseq提供的生物學信息可以幫助Cerevance更好地選擇患者人群，設計更合理的臨床試驗方案。例如，NETSseq揭示了星形膠質細胞在阿爾茨海默病中的關鍵作用，這將有助於Cerevance開發針對星形膠質細胞的阿爾茨海默病治療藥物。

Cerevance的NETSseq驅動的藥物管線

Cerevance的藥物管線涵蓋了多種CNS疾病，包括帕金森病、阿爾茨海默病、精神分裂症和肌萎縮性脊髓側索硬化症（ALS）。這些藥物的開發都受益於NETSseq技術的應用。

CVN424（帕金森病）：

CVN424是一種GPR6受體反向激動劑，旨在減少帕金森病患者的“OFF”時間。該藥物已完成II期臨床試驗，並取得了積極的結果。

CVN766（精神分裂症）：

CVN766旨在改善精神分裂症的陰性和認知症狀。該藥物計劃於2023年進入II期臨床試驗。

CVN293（ALS）：

CVN293旨在治療ALS。該藥物計劃於2023年進入I期臨床試驗。

Solengepras（帕金森病）：

Solengepras 正在進行III期臨床試驗 (ARISE) 用於治療帕金森病。

KCNK13抑制劑：

一種針對中樞神經系統疾病的新型 KCNK13 抑制劑，目標是神經炎症，I 期試驗數據顯示出良好的中樞神經系統暴露和總體良好的耐受性。

此外，Cerevance還與Merck（默克）建立了戰略合作關係，共同利用NETSseq技術發現阿爾茨海默病的新靶點。這項合作充分體現了NETSseq技術在CNS藥物開發領域的巨大潛力。

NETSseq面臨的挑戰與未來展望

儘管NETSseq技術具有諸多優勢，但也面臨著一些挑戰：

樣本獲取：

高質量的腦組織樣本獲取不易，尤其是在疾病早期階段。

數據分析：

NETSseq產生海量數據，需要專業的生物信息學團隊進行分析和解讀。

靶點驗證：

發現的靶點需要在體外和體內進行驗證，確認其在疾病發生發展中的作用。

儘管如此，隨著技術的不斷進步和數據積累，NETSseq在CNS藥物開發中的應用前景依然廣闊。未來，NETSseq有望與其他組學技術（如ATACseq和eQTL）相結合，更全面地了解CNS疾病的分子機制，加速新藥的開發進程。

結論

Cerevance的NETSseq技術平台正在革新CNS藥物開發的模式。通過精準分析人腦組織樣本中的基因表達，NETSseq能夠幫助Cerevance發現新的藥物靶點，設計更有效的藥物，並優化臨床試驗方案。儘管NETSseq技術仍面臨一些挑戰，但其在CNS藥物開發領域的潛力不容忽視。隨著技術的不斷完善和應用，NETSseq有望為CNS疾病患者帶來新的治療希望。Cerevance利用NETSseq平台所建立的龐大腦組織資料庫，以及與Merck等大型藥廠的合作，都顯示了其在CNS藥物開發領域的雄厚實力與長遠佈局。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: October 1, 2025