新技术拓展微生物疗法的应用范围超越肠道

在经历了二十年相对令人失望的研究后，微生物组研究人员看到了新的希望。通过利用最近的发现，他们正在将治疗范围扩展到已知的微生物组之外，包括更广泛的微生物菌株。

许多阻碍先前基于微生物组项目的挑战——如疗效低或效果持续时间短——正在被克服。其他问题则以新的方式解决，使科学家能够利用微生物组的多种潜在治疗途径，创造新颖且可能更有前景的治疗方法。

科学家们也看到了实际成果的一线曙光。积极的临床数据——包括MaaT Pharma最近的III期结果——激发了新的兴趣水平，这在1月份在西班牙巴塞罗那举行的“微生物组运动峰会”上得到了体现。

重新编程免疫系统

“我们不是试图恢复微生物群落微生物组的正常功能或调节其组成，”Exeliom Biosciences首席执行官Benjamin Hadida告诉《基因工程》杂志。相反，我们采取了一种更为直接的方法，直接重新编程免疫系统。迄今为止的临床试验表明，这种方法“提高了现有免疫介导治疗在肿瘤学和炎症性疾病中的疗效，作为强有力的辅助治疗。”

EXL01是一种基于普氏粪杆菌（Faecalibacterium prausnitzii）的治疗方法，它“利用普氏粪杆菌独特的肽聚糖结构激活巨噬细胞和单核细胞中的NOD2通路。它绕过了修改微生物群落微生物组的需要，直接驱动免疫调节，”Hadida说。由于EXL01紧密针对NOD2，因此不良的全身免疫激活被最小化。“此外，由于EXL01不改变微生物群落微生物组的组成，它避免了与生态失调或意外微生物组变化相关的风险。”

值得注意的是，这种治疗方法的效果完全通过免疫细胞介导，他说这增强了结果的一致性和可预测性。EXL01每天口服一次。

尽管只有少数活生物治疗产品的监管先例，Hadida表示与监管机构的互动表明，在这一点上，他们将EXL01视为“只是另一种药物”。随着安全性和制造及控制策略得到监管机构的验证，“我们现在正在讨论进入市场的临床路径。”

机制研究正在进行中，以完善公司对NOD2激活如何驱动免疫细胞代谢重编程的理解。与此同时，EXL01正在肿瘤学、炎症和传染病领域进行II期临床试验。Hadida还表示，“我们正在探索其与检查点抑制剂、抗TNF疗法和其他免疫调节剂协同作用的潜力。”

可编程的活体治疗

“治疗实体瘤仍然是一个关键挑战，因为它们占癌症的90%。”Prokarium首席科学官Livija Deban博士告诉《基因工程》杂志。这些障碍包括肿瘤异质性、耐药性和脱靶效应。

为了提供更精确的活体治疗，Prokarium结合了特定细菌（如沙门氏菌肠炎亚种）的肿瘤定植能力和逻辑门控合成生物学电路，以在肿瘤内递送治疗载荷。

“逻辑门控生物电路是模仿电子学中逻辑门行为的工程系统，允许细菌以精确和程序化的方式感知和响应特定的环境条件，”Deban解释道。特定的遗传元件，如诱导型启动子，可以充当分子开关。

Prokarium的Living Cures平台在临床前研究中区分了健康组织和肿瘤细胞。该平台目前正在进行膀胱癌的临床试验，还有其他适应症仍在开发中。

因此，结合细菌能力和逻辑门控电路增强了精确靶向，并解决了传统治疗的一些局限性，包括肿瘤穿透力差和系统毒性。通过针对普遍的肿瘤特征，如缺氧和新生血管，该治疗方法变得广泛适用，并且“能够克服常见的癌症逃逸途径，包括抗原丢失，”Deban详细说明。

在临床前研究中，Prokarium的Living Cures平台由减毒活细菌区分了健康组织和肿瘤。现在，该公司正在努力实现能够在正确的时间、地点和剂量下递送载荷的迭代。该平台设计为限制自身生长，并将其生长限制在肿瘤部位，细菌趋向性导致Living Cures自然积聚在肿瘤部位。

虽然持乐观态度，但Deban承认，“关于基因工程如何影响细菌行为仍有许多需要学习的地方。”她表示，潜在的挑战包括精细调整活体减毒，确保所有已知毒素——例如大肠杆菌菌株中的colibactin途径——被消除以确保患者安全。此外，还需要考虑预先抗生素覆盖策略，即细菌对抗生素敏感作为最后的保险措施，以防止广泛感染的风险。

这些工程活体治疗产品预计将在2026年中期至晚期进入临床前阶段。Prokarium的基础菌株——减毒活沙门氏菌Typhi——目前正在开发用于膀胱癌。

即将到来的挑战包括应对仍在发展的监管环境，以及“确保治疗载荷递送不会损害细菌的适应性，并为特定癌症匹配最佳细菌菌株和最佳载荷，”Deban说。

然而，生产应该是简单的：Living Cures通过发酵生产，菌株在生产过程中处于非活性状态。

3D黏液模型的亮点

在微生物组研究中，黏液可能不是首要关注点，但黏液的特性在微生物群微环境中起着巨大作用。

Bac3Gel开发了模拟黏液和微生物群复杂性的模型，帮助研究人员深入了解宿主-微生物群相互作用，筛选治疗候选物，并分析微生物行为，同时减少对动物模型的依赖。

这些三维黏液模型具有结构、氧气分布、药物和营养物质渗透的梯度。因此，Bac3Gel联合创始人兼首席技术官Daniela Pacheco博士告诉《基因工程》杂志，“它们更准确地模拟了天然环境。”

相比之下，“传统的体外模型无法复制天然黏液的复杂性和功能性，而天然黏液在微生物群-宿主相互作用、药物/营养物质可用性和病原体行为中起着关键作用。”

这些即用型、高通量的体外模型“模拟了来自不同身体区域（如微生物群落、宫颈阴道、肺和胃）的黏液层的关键特性，”Pacheco说。“它们填补了理解微生物群在健康和疾病中作用的关键空白。”

这些模型可以维持细菌物种长达72小时，并且可以培养难以培养的微生物群（使用Bac3Gel的生长增强珠）。正如Pacheco指出的那样，“Gut3Gel维持了90%的供体细菌物种”，使研究人员能够在类似于人体的环境中研究它们的相互作用。她说，这些模型可以无缝集成到标准实验室设备和协议中。

复杂的微生物组分析

标准化微生物组分析是一个公认的需求。“期刊要求作者分享测序数据和生物信息学流程，以确保其他科学家可以重现已发表的数据，”Microviable Therapeutics的研究科学家Pilar Manrique博士告诉《基因工程》杂志。除了简单地分享数据外，“英国国家生物标准与控制研究所为微生物组领域开发了全细胞标准，科学家可以在他们的测序和生物信息学流程中包含这些标准以提高可重复性。”

最终目标是减少从样本采集和采集位置开始，一直到测序技术、生物信息学流程和数据验证过程中发生的显著变异性。

“尽管商业化的试剂盒已经进行了优化，但DNA提取效率因微生物种类的不同而有很大差异，”Manrique说，“不同试剂盒提供的结果仍然惊人地多变。”这一挑战不仅限于微生物群落微生物组，还包括非常低丰度的细菌生物量，如皮肤。

人工智能（AI）和机器学习（ML）可以在一定程度上帮助分析过程。目前，它们的最大贡献可能是帮助科学家处理大量数据，整合不同类型的数据，并提供有意义的信息。

此外，AI/ML模型“可以用来并优化以识别模式和发现潜在的生物标志物，用于早期疾病检测，”Manrique建议，“这是我们的医疗系统中最主要的未满足需求之一。”

然而，确保AI/ML分析的准确性“需要大量的监督以及大量的工作来验证结果，具体取决于你所关注的内容，”Manrique提醒道。

两个最重要且耗时的领域是数据预处理，以确保高质量数据——“正如人们所说，‘垃圾进/垃圾出’，”Manrique提醒道——以及模型选择和验证，以确保模型满足实验的具体需求。

对于药物发现，Microviable的Pharmabiota平台“整合了微生物学、免疫学和生物信息学分析，以及来自体内临床前和临床研究的数据，”Manrique说。它访问了一个包含超过2000个细菌分离株的专有细菌库，为传染病、癌症及其他适应症的生物开发提供信息。

“还需要提到与这些类型的技术相关的伦理问题，以及我们将需要明确的伦理指南和监管标准，”她补充道。

随着新工具的发展和知识的增加，微生物组和微生物治疗领域在未来十年有望在各种治疗领域做出重要贡献。尽管之前遭遇了一些挫折，但这一新一代疗法有现实的潜力成为重要的辅助治疗或独立的免疫系统调节治疗。

(全文结束)