Nat. Commun. | 让药物组合研究更聪明：全新统计框架与 Web 工具全面升级体内联合用药分析

DRUGONE

在癌症治疗中，药物联合疗法常被用于克服单药治疗效果有限的问题。虽然已有多个用于体外药物协同筛选与评估的工具，但缺乏用于体内联合实验的综合统计分析方法。为此，研究人员开发了 SynergyLMM ——一个面向体内药物联合效应评估的建模与设计框架。与其他方法不同，SynergyLMM 能处理复杂实验设计（包括多药联合），并可对药物的协同与拮抗效应进行纵向统计分析，支持模型诊断与统计功效计算。这些功能使研究人员能够优化实验设计，合理确定动物数量与随访时间点，以实现足够的统计功效。SynergyLMM 以易用的网页应用形式提供，适合无编程背景的研究人员使用。研究人员通过多个涉及化疗、靶向治疗与免疫治疗的体内实验展示了 SynergyLMM 的通用性与附加价值，证明其可提升前临床联合实验的稳健性、统计严谨性与结果一致性，加速从前临床到临床阶段的过渡。

在癌症晚期阶段，单药疗法的疗效往往受到耐药性的限制。药物联合通过阻断反馈环路、抑制互补免疫通路、或针对肿瘤异质性亚群等机制，成为克服耐药的重要策略。然而，可临床验证的药物组合数量极其有限，因此体内模型成为关键的早期筛选手段。尤其是患者来源异种移植（PDX）模型，能更好地反映肿瘤的异质性与分子特征。

然而，体内模型的动物间差异显著，导致疗效评估存在挑战。目前并无统一标准来量化前临床研究中的药物协同效应。尽管人类临床研究提出了多种加和或协同模型，但缺乏一致定义，导致不同研究间结果难以比较。即使在体外研究中，常见的 Bliss、RA 与 HSA 等模型也可能得出不同的协同解释。缺乏标准定义使研究人员容易倾向于选择支持自身假设的模型，从而降低结果一致性与可重复性。

此外，体内实验中常使用单一终点（如固定时间点的肿瘤体积）与简单的 t 检验，这种方法忽略了肿瘤生长的动态信息，统计功效较低。已有研究提出更严格的统计方法（如 CombPDX 与 invivoSyn），但这些方法仍存在局限性，如难以评估多药组合、缺乏对拮抗的分析或模型诊断能力。

为此，研究人员开发了 SynergyLMM，基于指数或 Gompertz 生长模型与线性/非线性混合效应模型，能同时捕捉动物间差异与药物效应随时间的动态变化。该方法作为 R 包与网页工具提供，可直接分析体内肿瘤生长实验数据，并进行协同效应统计检验、功效评估与模型诊断。

方法

SynergyLMM 的分析流程包括五个主要步骤：

• 数据输入：导入不同处理组的纵向肿瘤负荷数据（如体积或荧光强度）。
• 模型拟合：基于指数或 Gompertz 模型建立（非）线性混合效应模型，估计各处理组的生长速率。
• 模型诊断：检测拟合质量、识别异常点与影响较大的动物样本。
• 协同分析：计算时间分辨的协同评分与组合指数（CI），支持 Bliss、HSA、RA 三种参考模型，并附带显著性检验。
• 功效评估：提供事后与事前功效分析，帮助研究人员确定合理的样本量、时间点与测量频率。

结果

SynergyLMM 框架概览

SynergyLMM 在多个体内实验中进行了验证。其结果表明，与传统方法相比，该框架能更准确识别时间依赖的协同与拮抗效应，减少假阳性与假阴性。例如，在胶质母细胞瘤、白血病、黑色素瘤与三阴乳腺癌模型中的多种药物组合（如 Docetaxel + GNE-317、Imatinib + Dasatinib、Gemcitabine + CGP-082996、AZD628 + Gemcitabine），SynergyLMM 展示了更高的灵敏度与模型拟合质量。

图1 | SynergyLMM 工作流程

时间依赖的协同与拮抗评估

SynergyLMM 能揭示药物组合在不同时间点的动态变化。例如，在某些模型中，HSA 模型显示早期协同而晚期失效，而 Bliss 模型则揭示潜在拮抗效应。这种时间分辨分析有助于避免误判协同或遗漏拮抗。

图2 | 时间依赖性协同分析结果

异常动物与影响分析

SynergyLMM 提供基于 Cook 距离的功能，可识别对模型拟合影响较大的个体动物，从而检测潜在异常值或测量误差。此分析能增强结论的可靠性，指导研究人员在重新分析前合理排除异常数据。

通路层面的应用

研究人员进一步在乳腺癌 PDX 模型（MAS98.06）中验证 SynergyLMM，用于探索 Heregulin、EGF、Fulvestrant 与 Trastuzumab 的组合效应。结果揭示 Heregulin + Fulvestrant 产生拮抗效应，而 EGF + Fulvestrant 显示出协同作用，说明该方法能辅助分析药物信号通路交互。

图3 | 通路水平的协同与拮抗示意

三药组合分析能力

SynergyLMM 支持三药联合实验的建模与统计检验，这在其他工具中尚属罕见。例如，在 Heregulin + Fulvestrant + Trastuzumab 与 Osimertinib + AZD2014 + Docetaxel 组合实验中，SynergyLMM 能准确捕捉时间依赖的协同与拮抗变化。

图4 | 三药联合实验结果

与其他方法比较

通过与 invivoSyn、CombPDX 及传统 t 检验比较，SynergyLMM 显示出显著优势。它能利用纵向数据的全部信息，避免缺失值导致的时间点丢失，且可同时检测协同与拮抗。例如，在 Cetuximab + Palbociclib、GABA + Anti-PD1、Rabusertib + Irinotecan 等实验中，SynergyLMM 提供了更一致、更具生物学意义的结论。

图5 | 方法间比较（SynergyLMM vs invivoSyn vs CombPDX）

模拟验证与稳健性分析

研究人员通过大量模拟验证了 SynergyLMM 的灵敏度、特异性与稳健性。结果表明，即便存在异常动物或模型假设偏差（如指数模型与逻辑增长差异），SynergyLMM 仍能稳定检测真实协同，并避免虚假结果。

功效分析与实验设计指导

SynergyLMM 内置功效分析模块，可帮助研究人员在实验前评估样本量、测量频率与随访时间对统计功效的影响。研究表明，效应量越大、个体差异越小，所需样本量越低；反之则需增加实验规模以保证检验能力。

图6 | 统计功效分析与实验设计优化

讨论

SynergyLMM 提供了一个系统、可解释、可扩展的体内药物联合分析框架。它将传统的单点检验拓展为时间依赖的混合效应建模，并引入协同/拮抗双向检验，显著提升前临床联合研究的统计严谨性与可重复性。其易用的网页界面进一步降低了应用门槛，促进跨领域研究人员使用。

该框架的主要贡献包括：

• 统一协同与拮抗的统计定义；
• 兼容复杂设计（多药、多时间点）；
• 集成模型诊断与功效分析；
• 显著提升时间分辨协同分析的精度与可靠性。

SynergyLMM 的未来扩展方向包括将其与多组学数据整合，用于揭示药物组合的分子机制，并进一步支持个体化组合疗法设计。总体而言，该方法为体内药物联合研究提供了新的标准化统计框架，将有助于加速安全、高效的组合疗法向临床转化。

整理 | DrugOne团队

参考资料

Romero-Becerra, R., Zhao, Z., Nebdal, D. et al. Improved analysis of in vivo drug combination experiments with a comprehensive statistical framework and web-tool. Nat Commun 16, 10151 (2025).

https://doi.org/10.1038/s41467-025-65218-9

内容为【DrugOne】公众号原创｜转载请注明来源