重新评估体内药物协同作用验证研究：多数案例中协同效应被排除

《自然·通讯》编辑推荐：本研究针对Narayan等人提出的“药物图谱（Drug Atlas）”预测协同药物组合的体内验证结果进行重新分析。研究人员发现原研究存在方法学缺陷（如未建立完整剂量反应曲线、使用有偏公式计算Combination Index（CI）），并通过数据复现证实五组实验中仅一组可能存在协同效应。该研究强调了体内药效评估中统计严谨性与实验设计规范的重要性，对肿瘤药物开发领域具有重要警示意义。

　　

在肿瘤药物开发领域，协同药物组合的发现被视为提高疗效、降低耐药性的重要策略。Narayan等人于2020年在《自然·通讯》发表论文，宣称通过其开发的“药物图谱（Drug Atlas）”计算平台成功预测了多种协同药物组合，并在五种体内肿瘤模型中完成验证。然而，由于体内实验存在肿瘤生长变异大、效应值小的特点，充分证明协同作用需要严谨的实验设计和足够的统计功效。值得注意的是，Chou-Talalay方法要求对单药及组合药物进行多剂量测试以构建剂量效应曲线，而Narayan团队仅采用单一剂量测试，其计算协同指数（Combination Index, CI）的公式可能存在系统性偏差。

针对这一问题，荷兰癌症研究所的Olaf van Tellingen与Renee X. de Menezes对原始数据展开独立重新分析。研究团队获取了Narayan等人提供的原始生物发光成像（BLI）数据和生存分析文件，采用R语言（v3.6.3）进行统计处理，重点运用分层 bootstrap 方法计算置信区间，并对BLI数据进行对数转换以更准确反映肿瘤生长动态。关键分析技术包括：纵向肿瘤生长数据分析、组合指数（CI）的统计重构、生存曲线的对数秩检验替代评估、以及通过 bootstrap 法构建95%置信区间。

研究结果首先通过方法学验证揭示核心问题。如图1所示，当使用Narayan公式计算纯相加效应时，CI值错误地显示为协同（例如当单药T/C值为40%和30%时，本应CI=1的相加组合被计算为0.58）。

这表明该公式在单药效价较高时会产生伪协同结论。

实验5A（U87胶质母细胞瘤模型）的重新分析发现严重的数据处理缺陷：生存数据来自不同实验设计的合并、使用单侧t检验替代对数秩检验、BLI数据未进行对数转换，且采用“最后值向前填充”方法扭曲了真实肿瘤生长趋势。

经校正后，多西他赛单药已显示极强疗效（肿瘤体积减少98.4%），添加osimertinib（EGFR抑制剂）和AZD2014（mTOR抑制剂）仅带来0.9%的额外改善，实际为拮抗效应。

实验5B（胶质母细胞瘤模型）因样本量过小（第21天时对照组仅存2只动物）而无法得出可靠结论。实验5E（慢性粒细胞白血病模型）中，伊马替尼（imatinib）和达沙替尼（dasatinib）的组合CI值接近1，生存分析显示仅为相加效应。

实验5C（三阴性乳腺癌模型）是唯一显示潜在协同效应的案例。AZ628（BRAF抑制剂）单药效果微弱，但与吉西他滨（gemcitabine）联用后显著增强疗效，bootstrap置信区间排除协同阈值。

实验5D（黑色素瘤模型）则因实验变异较大，无法排除纯相加效应的可能性。

此外，补充实验中报告的推拉宁（thapsigargin，SERCA抑制剂）与AZ628组合虽显示协同，但该组合并未被“药物图谱”预测，故不能作为平台验证证据。

研究结论表明，Narayan等人宣称的协同效应验证在五组实验中有四组无法确认。根本原因在于实验设计未遵循Chou-Talalay方法的多剂量测试要求，采用的CI计算公式存在理论缺陷，且数据处理方式（如未对数转换BLI数据、不当的统计方法）人为夸大了治疗效果。该研究的重要意义在于：首先，强调了体内药物协同作用验证必须满足统计严谨性和方法规范性；其次，揭示了当单药效价过高时，协同效应评估容易产生假阳性；最后，为领域建立了更可靠的数据重新分析范式，对减少动物实验误用、提高肿瘤药效学研究质量具有深远影响。