鼠鼠、兔兔拯救者？器官芯片和AI算法正在取代動物實驗

在生物實驗室里，研究人員抓起一只小白鼠注射某種液體后將其放回籠子，然后靜靜地觀察這只小鼠的變化，這似乎是現代生物研究中的一種經典場景。通常這些小鼠的下場不會很好，它們可能在各種離奇的反應中死掉。類似的命運同樣發生在兔子、猴子、狗、斑馬魚等實驗動物身上，為了替人類測試藥物、疫苗等醫學產品的效果和毒性，每年都有數以千萬計的小動物死去。雖然為了人類的福祉這似乎是一種必要的手段，但是隨著科技的進步，這種現狀可能即將出現劃時代的變革，大量小動物也可能從悲慘命運中解脫出來。

全球每年有數以百萬計兔子、老鼠和其他動物被用于化學安全測試。

圖源：Cairney Down/Alamy Stock Photo

使用動物進行生物學研究的歷史非常悠久，而將它們作為人類的替代物進行藥物試驗則是從近代開始的。法國生理學家、“現代生理學之父”克勞德·伯納德（Claude Bernard，1813-1878年）就在兔子、狗和青蛙身上進行實驗，研究了胰腺功能、神經系統和藥物作用。微生物學的奠基人路易·巴斯德（Louis Pasteur，1822-1895年）在動物實驗的基礎上開發了狂犬病疫苗和炭疽疫苗，為減少惡性傳染病作出了極大的貢獻。

但是科學前輩使用動物研究只是個人自覺的選擇，現代法律體系要求對于新藥物進行強制動物實驗則源于一場慘痛的教訓：1937年，美國S.E. Massengill公司生產了一種液體形式的磺胺類抗生素“磺胺酏劑”，用于治療鏈球菌感染，為了便于服用將其溶解在二甘醇中。當時美國的法律并不要求藥物在上市前進行嚴格的安全性試驗。磺胺酏劑上市后不久，患者出現嚴重的副作用，包括腎衰竭、惡心、嘔吐和劇烈腹痛。1937年秋季，美國各地報告了數百人因服用該藥物而中毒。

至少造成了包括許多兒童在內的107人死亡。

Frances Oldham Kelsey，確定了有毒成分是二甘醇的科學家

調查發現二甘醇是導致中毒的罪魁禍首。盡管后來的動物實驗后來證明二甘醇對動物有毒，但制造商在生產時并未進行任何動物或人體試驗。這場悲劇直接推動了美國藥物監管政策的重大改革。1938年，美國國會通過了《聯邦食品、藥物和化妝品法》，該法案要求藥物上市前必須證明其安全性，充分的動物實驗成為強制要求。從那時起，所有的新藥都在無數小動物身上進行著一輪又一輪的測試，許多動物福利人士認為這太殘忍了，但是為了人類的安全這是必須的。據估計，全球每年使用的實驗動物包括小鼠、大鼠、斑馬魚、鳥類、兔子、狗、靈長類動物等，大部分小鼠、大鼠、魚類和鳥類。

總量估計在1億至2億只之間。

被監測腦部變化的小白鼠

還好科學總是在進步的，小動物們的命運即將迎來轉機。從根本上來說，用動物進行測試是一種“不得已”的方法，并非目的，如果有其他方法能夠更好的測試藥物的有效性和安全性，那何樂而不為呢？而且實際上科學家早就想尋找其他替代方法了，因為很多時候在動物身上實驗成了無用功：約90%在臨床前試驗中看似安全的藥物最終在人體試驗中失敗，原因往往是無法預料的副作用。研究人員懷疑，至少在某些情況下，動物模型與人體生理學之間的脫節是主因，想辦法直接測試人類的生理反應才是更有效率的做法。

實際上美國食品藥品管理局（FDA）一直有一份清單，列舉了數十份基于細胞、體外試驗和人體皮膚模型等測試方法，作為動物實驗的補充。而近年來類器官芯片、AI技術、3D細胞培養技術的發展為非動物實驗方法NAM（non-animal methods)提供了更有效的替代性選擇。

這些新技術不光在特定領域有效性更好，而且完全不涉及動物傷害。

波士頓生物科技公司Emulate Inc.制造的肝毒性測試芯片是一個合成的類人體肝臟，芯片內包含一層層的人體肝臟細胞、上皮細胞和免疫細胞，微小的管道為它們提供類似血液的液體并清除廢物。這種芯片是用來測試藥物的肝損傷毒性的——肝損傷是22%的新藥臨床試驗失敗的原因。在實驗中，已知會導致肝損傷的藥物，檢測準確率高達87%，已知不會導致肝損傷的藥物的準確率則是100%，類似的類器官芯片包括心臟、腎臟和腦神經元等。

四重培養模擬人類肝臟芯片示意圖

圖源：Emulate Inc.

FDA鼓勵發展這類NAM測試方法的初衷在于其更高的安全性，因為很多針對人體開發的藥物在動物實驗和臨床實驗中的表現可以是天壤之別，如各種單克隆抗體的療法，這些經過改造可攻擊高度特異性分子靶點的免疫系統蛋白對于許多動物來說似乎不痛不癢，但是對人類來說卻可能是劇毒。 2006年，一種名為 TGN1412 、用于治療白血病和類風濕性關節炎的單克隆抗體在小鼠和猴子身上都很安全，但是第一批人體實驗中六個患者都出現了幾乎致命的全身性過敏反應。

髓器官芯片包含真實組織中發現的所有類型的免疫細胞和結構細胞，可用于模擬疾病或研究細胞對藥物的反應。

圖源：哈佛大學WYSS研究所

在許多領域大放異彩的AI工具同樣是NAM的重要方向，經過海量論文和現有毒理學數據的訓練，AI算法可以分析分子結構，確定它可能與哪些蛋白質和細胞產物發生相互作用，并預測這些相互作用是否會對人體產生毒性。霍普金斯大學的 Thomas Hartung 領導的團隊創建了一種AI測試工具，使用來自 PubChem 數據庫的約 1000 萬個已知化學結構同監管機構已經確認的安全和毒性檔案進行訓練，通過數萬億次比較，該算法能夠產生在傳統上需要動物進行九項測試的結果，它的預測與動物測試結果的一致率為87%——Hartung 認為這比動物測試本身的可重復性更高。該工具的一個尚未發布的較新版本已使用 2.6 億個數據點進行訓練，能以 91% 的準確率預測新型化學品的 4000 種特性，這些預測結果可以顯示化學品是否存在肝毒性或影響胎兒大腦發育等副作用。

不光是監管部門如食品藥品管理局（FDA） 和環境保護署 (EPA) ，研究部門也在推進去動物化進程，NIH對對動物研究替代方案的投入穩步增長。2000年，使用非動物系統的項目僅占 NIH 所有新批和續批研究經費的 1.1%，到 2024年這一比例將增長至 8%，并成立一個新的辦公室來推動NAM的應用。川普政府在這個問題上與科學界取得了難得的一致性，新政府同樣希望在各個領域減少動物實驗的范圍，包括取消相當一部分強制性的動物實驗要求，不少科學家認為這是川普對科學作出了有限的幾件“對的事”。

數據來源：美國國立衛生研究院人類研究替代品和研究

與測試動物替代品主任工作組顧問委員會

圖源：V. Penney/ Science

其他地區也在推進類似進程，歐盟委員會計劃發布逐步淘汰化學安全評估中動物試驗的路線圖，歐洲藥品管理局正在考慮是否在臨床試驗和藥物審批決策中接受NAM的數據。英國健康與安全執行局宣布，“在有經過驗證的替代方法可用的情況下，不得在脊椎動物身上進行任何農藥測試”，并且動物只能作為“最后的手段”用于皮膚和眼睛刺激測試。

但是仍有許多科學家認為取消動物實驗為時尚早，目前開發的各種新工具無法模擬人體和生物本身的高度復雜性，不光有許多器官無法模擬，它們之間的協調運作也無法通過計算機來預測。同樣是研究熱點，與高度靶向的單克隆抗體不同，許多小分子藥物通常與6到12個不同的靶點相互作用，并分解成更小的化學物質，這些化學物質與更多靶點相互作用——這是AI目前無法解決的預測難題。

同時，藥物商業化的法律問題也必須正視，雖然許多發達國家由于快速導入了新技術而取消了很多強制性的動物實驗要求，但是他們的監管邏輯未必被其他國家的監管機構接受，如果新藥想要進入這些國家，提交動物實驗數據依然是必須的流程。美國食品藥品監督管理局局長馬丁·馬卡里在一份聲明中表示，目前看來放棄部分動物實驗是合理的，因為動物的反應無法準確平移到人體身上，藥物評估的范式轉變，

“對公共衛生和倫理道德而言是雙贏的。”

參考文獻：

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