评估药物的安全性

表观遗传调控，如DNA甲基化，通过干扰脂质代谢在人类肥胖发展中发挥作用。我们假设TBPH破坏代谢处理器，通过PPAR信号导致脂质稳态受损通路；然而，TBPH对脂质代谢的生物学作用仍有待阐明。据报道，许多环境污染物会破坏动物体内的脂质稳态，导致异常的脂质积累，主要是肝细胞中甘油三酯(TG)的积累，并伴随肝细胞膨胀、炎症和氧化应激。这些不良反应可能导致肝脂肪变性或从单纯性脂肪肝转变为代谢综合征的肝脏表现，如非酒精性脂肪性肝病(NAFLD)的组织学表型。利用斑马鱼模型评价糖尿病神经炎症消退功效。评估药物的安全性

四溴邻苯二甲酸二（2-乙基己基）酯(TBPH)是一种新型溴化阻燃剂，是五溴联苯醚(BDEs)等传统溴化阻燃剂的替代品，已被列为高产量化学品。在过去十年中，它的大规模使用伴随着宽泛的污染，导致在室内灰尘、空气、污水污泥和水生环境中检测到它的存在。此外，据报道，TBPH在水生食物网中经历了营养放大，在鱼类、海洋海豚和鼠海豚中检测到高浓度在人类样本中也检测到它的存在，如头发、指甲、血清和母乳。虽然TBPH已在环境和生物体中被检测到，但根据先前的研究，在暴露的生物体(如鱼类)中，急性毒性相对较低。然而，TBPH的结构类似于邻苯二甲酸二(2乙基己基)邻苯二甲酸酯，一种已知的过氧化物酶体增殖剂和脂质代谢干扰物；因此，TBPH已被证明是过氧化物酶体增殖体ji活核受体γ (ppartγ)激动剂。在我们对斑马鱼胚胎的研究中，我们观察到急性暴露于TBPH诱导了脂质储存的减少，主要以依赖于pparγ的方式，通过促进pparγ启动子的去甲基化和激发下游参与脂质代谢的基因转录。核受体信号在脂质代谢功能障碍中起着至关重要的作用，尤其是PPAR家族。评估药物的安全性利用斑马鱼模型评价促进生长发育功效。

研究人员在116名患者的376种类organ中筛选出7种PLC相关药物，包括前列药物乐伐替尼（lenvatinib）和索拉非尼（sorafenib），二线药物瑞格拉非尼（reorafenib）和阿帕替尼（apatinib），anti-VEGFR抗体贝伐单抗（bevacizumab），以及靶向具有可操作突变的ICC药物，包括佩米替尼（pemigatinib，靶向含FGFR2融合/重排的胆管cancer）和艾伏尼布 （ivosidenib，靶向IDH1突变的化疗难治性胆管cancer）。结果显示，7种筛选药物的IC50和AUC值之间存在很强的相关性。接着，研究人员基于类organ药物敏感性结果与相应临床反应进行比较，发现临床反应支持使用类organ的乐伐替尼（lenvatinib）敏感性结果，与索拉非尼（sorafenib）、阿帕替尼（apatinib）的类似比较，也证实了类organ药物筛选的预测价值。

药物研究中的药代动力学（ADME）研究是评估药物体内吸收、分布、代谢、排泄特性的关键内容，是药物研究中决定药物临床应用前景的关键环节。杭州环特生物建立了基于斑马鱼的药物研究药代动力学评价体系，为小分子药物研究提供快速、高效的ADME研究服务。斑马鱼体型小、胚胎透明、药物暴露方式简单（水体浸泡或显微注射），在药物研究中可实现对药物体内过程的实时、动态监测。通过高分辨质谱、荧光标记、分子影像学等技术，环特生物在药物研究中精细测定药物在斑马鱼体内的浓度变化、组织分布、代谢产物及排泄途径，获取关键药代动力学参数。斑马鱼药物研究ADME模型与人类具有高度相关性，可在药物研究早期快速评估化合物的药代特性，为药物研究中的候选药物筛选与优化提供重要依据。药物毒性试验、毒理毒性检测评价。

tumor药物研究是全球药物研究领域的重中之重，针对tumor异质性、耐药性等难题，开发高效、低毒的小分子靶向药物是药物研究的关键目标。杭州环特生物在tumor药物研究领域深耕多年，构建了全球前列的斑马鱼CDX（细胞源性异种移植）药物研究模型平台，为抗tumor小分子药物研究提供强大支撑。环特生物将人类肿瘤细胞移植到斑马鱼体内，构建与临床tumor高度相似的体内药物研究模型，在药物研究中可实时观测药物对tumor生长、侵袭、转移及血管生成的抑制作用。与传统小鼠CDX模型相比，斑马鱼CDX药物研究模型具有造模周期短（7天）、通量高、成本低、可可视化观察等优势，在药物研究中实现了抗tumor化合物的快速筛选、联合用药的方案优化及耐药机制研究，为tumor药物研究提供高效、可靠的体内评价工具。斑马鱼模型评价听毒性。评估药物的安全性

药物如何进行正确分类？评估药物的安全性

药物研究的数字化转型与大数据应用是提升药物研究效率、挖掘药物研究数据价值的关键引擎。杭州环特生物深度推进药物研究数字化建设，构建了基于大数据与云计算的药物研究数字化平台，为小分子药物研究提供智能化数据管理与分析服务。在药物研究中，通过自动化设备实时采集药物研究全流程数据，包括实验条件、模型信息、化合物数据、图像结果、分子检测数据等，建立标准化、结构化的药物研究大数据库；利用AI与大数据分析技术，深度挖掘药物研究数据关联、规律与潜在信息，为药物研究靶点发现、化合物筛选、机制解析、结果预测提供智能决策支持。药物研究数字化平台实现了药物研究数据的高效管理、共享与复用，大幅提升药物研究数据价值与药物研究决策科学性。评估药物的安全性