中文大學校刊 二零一九年第二期

13 站在巨人的肩膊上 開發藥物成功與否，仰賴跨學科協作。 兼備基因統計學及生物計算學專長的 蘇漢昌 教授利用近年急速發展的全基因 組關聯分析（GWAS）和基因圖譜技術， 一探奇難雜症在基因層面的機制。「研 究路上，有着不少挑戰和疑團，幸而大學 崇尚自由和鼓勵協作，為我添上助力。」 他說。 精神病為公共醫療體系帶來沉重負擔，然 而現有療法遠遠未臻完善。蘇教授及其 團隊研究舊藥新用，賦予非精神病藥物新 用途，減省研發新藥物的成本和時間。他 們運用GWAS結果，找出了一些具轉化潛 能的藥物，進而在治療精神病方面應用這 項技術。 就着破解疾病在分子層面的機制，學界已 有不少建基於動物或植物細胞的模型， 但不可或缺的人類基因組數據模型，卻 仍然匱乏。蘇教授說：「精神病十分難以 借助動物模型來分析，而GWAS數據正可 提供獨特的研究方向，幫助學者理解精 神病在基因層面的機制。」 為尋找有轉化潛能的藥物，團隊開發了一 個演算模式。他們利用GWAS數據推斷基 因在表達上的轉變，再以分析結果與各種 藥物的表達圖譜作比對，繼而篩選與分析 研究路上，  有着不少挑戰和 疑團，幸而大學 崇尚自由和鼓勵 協作，為我添上 助力。 舊藥新用的魔術師 結果相反的藥物，將其歸類為潛在的可用 藥物。例如亞士匹靈、「氧合酶-2」抑制劑 等非類固醇抗炎藥，它們經研究被視為有 潛力抑制躁鬱症或精神分裂症。 求藥之路困阻重 重，其中一個問 題是怎樣在基因 層面呈現GWAS 結果，以便將這 些結果和藥物的 表達圖譜配對。 為了確定方法無 誤，團隊進行驗證，看看能否為現有或正 在臨床試驗的藥物重新定位。驗證過程 絕非容易，皆因很多藥物都有轉化潛力， 但不是每種都可驗證。 為了完善他們的藥物轉化技術，蘇教授及 其團隊致力開闢其它研究途徑，例如借助 機器學習。他們又與中國內地的大學醫院 合作，運用當地大量醫療記錄，驗證藥物 的轉化潛能。 「藥物開發在過去二十多年大致上停滯 不前。運用演算法達至舊藥新用，可為精 神病及其它治療方法較少的疾病，提供 更多藥物選擇。此方法亦有助研究中藥 及其它靶點藥物的療效。」他補充。 「 」