小鼠体内药物协同作用评估的挑战与标准化路径探索

本刊推荐研究人员针对体内药物协同作用评估缺乏标准化方法的难题，开展了系统性方法学比较研究。通过重新分析小鼠模型数据，结合BLISS独立性检验与统计验证，揭示了常用Chou-Talalay方法在高药效场景下的评估偏差，提出了兼顾定量与统计验证的协同作用评估框架，为临床前药物联用研究提供了关键方法学参考。

　　

在肿瘤治疗领域，药物联合疗法已成为突破单药治疗瓶颈的重要策略。然而，如何准确评估两种药物是否产生协同效应（synergy），而非简单叠加作用，一直是临床前研究的核心难题。特别是在动物实验层面，由于实验条件复杂、个体差异大以及伦理限制等因素，至今缺乏统一的标准评估方法。2019年《Nature Communications》发表的一项研究曾通过癌症药物图谱（cancer drug atlas）预测药物协同靶点，但其体内验证方法引发学术争议——这正是Bart A. Westerman团队开展本项研究的起点。

研究人员通过重新分析八组小鼠肿瘤模型的实验数据，系统比较了四种主流协同作用评估方法（包括BLISS独立性、Chou-Talalay非互斥模型、纵向统计模型及Bootstrap算法），发现当单药效力超过50%肿瘤抑制率时，广泛采用的Chou-Talalay方法会产生假阳性结果。他们创新性地提出将定量评估（BLISS比率）与统计验证（t检验）相结合的时间点分析法，有效避免了因肿瘤生长阶段差异（正常化期、药效期、耐药期）造成的误判。

关键技术方法包括：基于萤光素酶信号的多时间点肿瘤体积监测、BLISS独立性定量计算（公式：M_AM_B/(M_A+M_B-M_AM_B)）、Webb分数乘积法的统计比较、以及invivosyn R包和Bootstrap算法的纵向数据分析，所有实验均使用裸鼠异种移植模型（来源：Harlan/Envigo）。

协同作用评估方法存在系统性偏差

通过构建理论添加剂效应矩阵，团队发现当单药使存活率低于50%时，Chou-Talalay方法计算的协同指数（Combination Index）即使达到0.8的协同阈值（CI<1表示协同），也可能仅反映添加剂效应。这一发现揭示了传统方法在高药效场景下的评估局限性。

统计验证识别真实协同组合

对八组药物组合的重新评估显示，仅2-3组（AZ628+吉西他滨、AZ628+毒胡萝卜素）在多时间点呈现显著协同效应（p<0.05）。BLISS定量分析与统计结果高度一致，而整合全时间点的invivosyn和Bootstrap方法因过度严格可能遗漏 temporal synergy（时间依赖性协同效应）。

体内外数据验证预测模型可靠性

尽管体内协同作用检出率（25%-38%）低于预期，但与独立开展的体外筛选实验（35%协同率）及计算机模型（in silico）预测结果高度吻合，证实了原始药物图谱预测模型的跨平台有效性。

本研究的重要意义在于首次系统揭示了体内协同作用评估的复杂性和方法学陷阱，并提出了一套兼顾科学性与可行性的实践方案。研究者特别强调：①应避免直接使用MTD（最大耐受剂量）而采用最低有效剂量；②需前瞻性考虑药代动力学（PK）变异对药物浓度的影响；③控制组动物存活率不足时需谨慎处理数据外推。这些见解不仅为《Nature Communications》先前研究的争议提供了解决方案，更为领域内建立了方法学反思的范本——在追求转化医学价值的同时，坚守临床前研究的科学严谨性。