鼠鼠、兔兔拯救者？器官芯片和AI算法正在取代动物实验

在生物实验室里，研究人员抓起一只小白鼠注射某种液体后将其放回笼子，然后静静地观察这只小鼠的变化，这似乎是现代生物研究中的一种经典场景。通常这些小鼠的下场不会很好，它们可能在各种离奇的反应中死掉。类似的命运同样发生在兔子、猴子、狗、斑马鱼等实验动物身上，为了替人类测试药物、疫苗等医学产品的效果和毒性，每年都有数以千万计的小动物死去。虽然为了人类的福祉这似乎是一种必要的手段，但是随着科技的进步，这种现状可能即将出现划时代的变革，大量小动物也可能从悲惨命运中解脱出来。

全球每年有数以百万计兔子、老鼠和其他动物被用于化学安全测试。

图源：Cairney Down/Alamy Stock Photo

使用动物进行生物学研究的历史非常悠久，而将它们作为人类的替代物进行药物试验则是从近代开始的。法国生理学家、“现代生理学之父”克劳德·伯纳德（Claude Bernard，1813-1878年）就在兔子、狗和青蛙身上进行实验，研究了胰腺功能、神经系统和药物作用。微生物学的奠基人路易·巴斯德（Louis Pasteur，1822-1895年）在动物实验的基础上开发了狂犬病疫苗和炭疽疫苗，为减少恶性传染病作出了极大的贡献。

但是科学前辈使用动物研究只是个人自觉的选择，现代法律体系要求对于新药物进行强制动物实验则源于一场惨痛的教训：1937年，美国S.E. Massengill公司生产了一种液体形式的磺胺类抗生素“磺胺酏剂”，用于治疗链球菌感染，为了便于服用将其溶解在二甘醇中。当时美国的法律并不要求药物在上市前进行严格的安全性试验。磺胺酏剂上市后不久，患者出现严重的副作用，包括肾衰竭、恶心、呕吐和剧烈腹痛。1937年秋季，美国各地报告了数百人因服用该药物而中毒。

至少造成了包括许多儿童在内的107人死亡。

Frances Oldham Kelsey，确定了有毒成分是二甘醇的科学家

调查发现二甘醇是导致中毒的罪魁祸首。尽管后来的动物实验后来证明二甘醇对动物有毒，但制造商在生产时并未进行任何动物或人体试验。这场悲剧直接推动了美国药物监管政策的重大改革。1938年，美国国会通过了《联邦食品、药物和化妆品法》，该法案要求药物上市前必须证明其安全性，充分的动物实验成为强制要求。从那时起，所有的新药都在无数小动物身上进行着一轮又一轮的测试，许多动物福利人士认为这太残忍了，但是为了人类的安全这是必须的。据估计，全球每年使用的实验动物包括小鼠、大鼠、斑马鱼、鸟类、兔子、狗、灵长类动物等，大部分小鼠、大鼠、鱼类和鸟类。

总量估计在1亿至2亿只之间。

被监测脑部变化的小白鼠

还好科学总是在进步的，小动物们的命运即将迎来转机。从根本上来说，用动物进行测试是一种“不得已”的方法，并非目的，如果有其他方法能够更好的测试药物的有效性和安全性，那何乐而不为呢？而且实际上科学家早就想寻找其他替代方法了，因为很多时候在动物身上实验成了无用功：约90%在临床前试验中看似安全的药物最终在人体试验中失败，原因往往是无法预料的副作用。研究人员怀疑，至少在某些情况下，动物模型与人体生理学之间的脱节是主因，想办法直接测试人类的生理反应才是更有效率的做法。

实际上美国食品药品管理局（FDA）一直有一份清单，列举了数十份基于细胞、体外试验和人体皮肤模型等测试方法，作为动物实验的补充。而近年来类器官芯片、AI技术、3D细胞培养技术的发展为非动物实验方法NAM（non-animal methods)提供了更有效的替代性选择。

这些新技术不光在特定领域有效性更好，而且完全不涉及动物伤害。

波士顿生物科技公司Emulate Inc.制造的肝毒性测试芯片是一个合成的类人体肝脏，芯片内包含一层层的人体肝脏细胞、上皮细胞和免疫细胞，微小的管道为它们提供类似血液的液体并清除废物。这种芯片是用来测试药物的肝损伤毒性的——肝损伤是22%的新药临床试验失败的原因。在实验中，已知会导致肝损伤的药物，检测准确率高达87%，已知不会导致肝损伤的药物的准确率则是100%，类似的类器官芯片包括心脏、肾脏和脑神经元等。

四重培养模拟人类肝脏芯片示意图

图源：Emulate Inc.

FDA鼓励发展这类NAM测试方法的初衷在于其更高的安全性，因为很多针对人体开发的药物在动物实验和临床实验中的表现可以是天壤之别，如各种单克隆抗体的疗法，这些经过改造可攻击高度特异性分子靶点的免疫系统蛋白对于许多动物来说似乎不痛不痒，但是对人类来说却可能是剧毒。 2006年，一种名为 TGN1412 、用于治疗白血病和类风湿性关节炎的单克隆抗体在小鼠和猴子身上都很安全，但是第一批人体实验中六个患者都出现了几乎致命的全身性过敏反应。

髓器官芯片包含真实组织中发现的所有类型的免疫细胞和结构细胞，可用于模拟疾病或研究细胞对药物的反应。

图源：哈佛大学WYSS研究所

在许多领域大放异彩的AI工具同样是NAM的重要方向，经过海量论文和现有毒理学数据的训练，AI算法可以分析分子结构，确定它可能与哪些蛋白质和细胞产物发生相互作用，并预测这些相互作用是否会对人体产生毒性。霍普金斯大学的 Thomas Hartung 领导的团队创建了一种AI测试工具，使用来自 PubChem 数据库的约 1000 万个已知化学结构同监管机构已经确认的安全和毒性档案进行训练，通过数万亿次比较，该算法能够产生在传统上需要动物进行九项测试的结果，它的预测与动物测试结果的一致率为87%——Hartung 认为这比动物测试本身的可重复性更高。该工具的一个尚未发布的较新版本已使用 2.6 亿个数据点进行训练，能以 91% 的准确率预测新型化学品的 4000 种特性，这些预测结果可以显示化学品是否存在肝毒性或影响胎儿大脑发育等副作用。

不光是监管部门如食品药品管理局（FDA） 和环境保护署 (EPA) ，研究部门也在推进去动物化进程，NIH对对动物研究替代方案的投入稳步增长。2000年，使用非动物系统的项目仅占 NIH 所有新批和续批研究经费的 1.1%，到 2024年这一比例将增长至 8%，并成立一个新的办公室来推动NAM的应用。川普政府在这个问题上与科学界取得了难得的一致性，新政府同样希望在各个领域减少动物实验的范围，包括取消相当一部分强制性的动物实验要求，不少科学家认为这是川普对科学作出了有限的几件“对的事”。

数据来源：美国国立卫生研究院人类研究替代品和研究

与测试动物替代品主任工作组顾问委员会

图源：V. Penney/ Science

其他地区也在推进类似进程，欧盟委员会计划发布逐步淘汰化学安全评估中动物试验的路线图，欧洲药品管理局正在考虑是否在临床试验和药物审批决策中接受NAM的数据。英国健康与安全执行局宣布，“在有经过验证的替代方法可用的情况下，不得在脊椎动物身上进行任何农药测试”，并且动物只能作为“最后的手段”用于皮肤和眼睛刺激测试。

但是仍有许多科学家认为取消动物实验为时尚早，目前开发的各种新工具无法模拟人体和生物本身的高度复杂性，不光有许多器官无法模拟，它们之间的协调运作也无法通过计算机来预测。同样是研究热点，与高度靶向的单克隆抗体不同，许多小分子药物通常与6到12个不同的靶点相互作用，并分解成更小的化学物质，这些化学物质与更多靶点相互作用——这是AI目前无法解决的预测难题。

同时，药物商业化的法律问题也必须正视，虽然许多发达国家由于快速导入了新技术而取消了很多强制性的动物实验要求，但是他们的监管逻辑未必被其他国家的监管机构接受，如果新药想要进入这些国家，提交动物实验数据依然是必须的流程。美国食品药品监督管理局局长马丁·马卡里在一份声明中表示，目前看来放弃部分动物实验是合理的，因为动物的反应无法准确平移到人体身上，药物评估的范式转变，

“对公共卫生和伦理道德而言是双赢的。”

参考文献：

1.https://www.science.org/content/article/new-digital-chemical-screening-tool-could-help-eliminate-animal-testing

2.https://naturewatch.org/campaigns/animal-experiments/non-animal-methods-research/

3.https://www.nejm.org/doi/10.1056/NEJMoa063842

4.https://www.jiemian.com/article/1602237.html