环球医讯创新药物

希望之城科学家成功将检查点抑制剂与抗寄生虫药物伊维菌素联用，在临床前研究中显著提升三阴性乳腺癌疗效。该组合通过将缺乏免疫细胞的"冷肿瘤"转化为富含T细胞的"热肿瘤"，使免疫疗法首次对难治性乳腺癌生效。研究显示40%至60%的实验动物完全清除肿瘤，且对转移性乳腺癌和术后复发均有效。伊维菌素每剂仅30美元，大幅降低治疗成本，该组合有望快速推进至人体临床试验，为全球癌症患者特别是发展中国家患者提供可及性治疗方案。

南卡罗来纳医科大学研究人员通过创新药物筛选方法，发现了一类能有效降低家族性高胆固醇血症患者"坏"胆固醇水平的新型化合物。该研究利用诱导多能干细胞(iPSCs)创建人类肝细胞模型，筛选出能独立于低密度脂蛋白受体(LDLR)通路降低载脂蛋白B(apoB)分泌的化合物，为对传统他汀类药物无反应的FH患者提供了新的治疗希望。研究团队进一步在人源化小鼠模型中验证了这些化合物的有效性，展示了人类细胞模型在药物研发中的巨大潜力，标志着个性化医疗的重要进展。

本文深入比较了美国食品药品监督管理局(FDA)、欧洲药品管理局(EMA)和英国药品和保健品监管局(MHRA)在药监领域的关键差异，涵盖管辖范围、审批时间线、药物警戒体系及监管方法论等核心维度，详细剖析了三大机构在风险评估机制、证据要求标准及加速审批路径等方面的独特做法，揭示了全球化医药市场中应对不同监管环境的战略要点，为医药企业维持跨区域合规质量管理体系提供了专业指导，特别针对2026年FDA新QMSR实施背景下的国际合规挑战提出前瞻性分析。

一种名为唑拉诺酮(Zuranolone)的新型药物在治疗产后抑郁症方面展现出显著潜力。由Sage Therapeutics和Biogen资助的三期临床试验结果显示，该药物能有效改善产后抑郁症患者的心理健康状况，效果可持续四至六周。专家指出产后抑郁症不仅关乎大脑化学，更是社会问题，需要综合解决方案，包括带薪产假、灵活工作安排和儿童保育支持等政策，才能真正帮助新妈妈们克服这一挑战，实现身心健康，这标志着女性掌控自身心理健康的重要一步，为饱受产后抑郁症折磨的女性带来了新希望。

PROGRESS研究显示，新型药物zilurgisertib能有效降低进行性骨化性纤维发育不良(FOP)患者的异位骨化风险。在24周时，zilurgisertib组仅3.1%患者出现新骨化病灶，而安慰剂组达16.7%；zilurgisertib组病灶体积变化显著优于安慰剂组(3.24 cm³ vs. 24.64 cm³; P=0.004)。至48周时，持续使用zilurgisertib或从安慰剂转为该药的患者均未出现新病灶，且总病灶体积持续减少。目前美国仅有帕洛马罗滕获批用于FOP治疗，zilurgisertib有望成为重要新选择，FDA预计9月做出审批决定，为这种毁灭性罕见骨病带来新希望。

本文全面综述了乳腺癌脑转移(BCBMs)在新型药物时代的治疗进展，详细阐述了针对HR+/HER2-、HER2+和三阴性乳腺癌等不同分子亚型的系统性治疗策略，重点分析了靶向药物、抗体药物偶联物(ADCs)和酪氨酸激酶抑制剂等新型疗法在改善颅内活性方面的突破性成果，同时指出了当前临床研究中脑转移患者代表不足的主要局限性，强调了开发有效中枢神经系统活性治疗药物的迫切需求，并呼吁在临床试验中更广泛纳入中枢神经系统疾病患者，为乳腺癌脑转移的精准治疗提供了重要参考和方向指引。

芬兰赫尔辛基大学梅尔贾·沃蒂莱宁博士团队在《分子治疗》杂志发表突破性研究，发现两种新型分子药物能分别通过抑制脑细胞应激反应和改变疤痕组织组成，促进多发性硬化症患者神经髓鞘再生并显著减少炎症。这一发现突破了现有疗法仅能减缓疾病进展的局限，有望实现神经修复，为全球数百万MS患者提供改善生活质量的全新治疗选择，标志着多发性硬化症治疗领域的重要进展。

赛智生物技术公司研发的新型口服神经活性甾体正向变构调节剂SAGE-324/BIIB124在治疗原发性震颤方面显示出36%的震颤幅度改善效果，但60mg剂量下高达67.6%的嗜睡发生率和38.2%的头晕率导致近40%患者退出试验，揭示该药物在疗效与耐受性间的平衡挑战，为50年来无新药获批的原发性震颤治疗领域带来突破性进展的同时凸显剂量优化的迫切需求，该研究结果在国际帕金森病与运动障碍学会虚拟大会上公布。

哥伦比亚大学研究人员发现新型化合物YF2可显著增强PD-1抑制剂对弥漫性大B细胞淋巴瘤的治疗效果，该药物通过强化EP300/CREBBP酶功能克服基因突变导致的免疫逃逸机制，在小鼠实验中使中位生存期显著延长，且在人体肿瘤样本测试中证实对多种淋巴瘤亚型具有细胞毒性作用；这项突破性研究已在2022年美国血液学会年会上公布，并获准开展针对复发或难治性淋巴瘤患者的临床试验，为改善当前免疫疗法对侵袭性B细胞淋巴瘤疗效有限的困境提供了新方向。

本文详细介绍了作者如何构建端到端机器学习管道，用于预测分子对EGFR（一种驱动癌症的激酶）的结合亲和力，并实现每个预测的不确定性量化。通过使用图注意力网络、MC Dropout不确定性量化和贝叶斯超参数优化等技术，该模型能识别自身预测的可靠性程度，在药物发现过程中避免将研究人员引入价值百万美元的错误方向，展示了人工智能在精准药物研发中的关键应用价值，对提高药物发现效率和降低研发成本具有重要意义。