文档介绍：译文：
后基因组时代的定量系统药理学：发现药物及理解治疗机制的新方法
Peter K. Sorger (co-chair), Sandra . Allerheiligen (co-chair) Darrell R. Abernet对应不同的量，对这些网络的处理将极大地受到病人生活方式和病史的影响。因此，药物对一个网络的影响—正作用或负作用—需要考虑多因素和量的差别才可以得到全面的理解。QSP是基于这样的论断：对于疾病和健康条件下人体内生物网络的定量实验和数学分析将有利于对影响药效的多因素的理解，从而将为在疾病治疗中最小化药物毒性提供新的方法。因此，QSP作为一个创新，打破了 “一个基因，一个受体，一种机理”的方法，提出了网络为中心的观点，该方法依靠数学模型来得到对数据和假设的必要整合。同时，在药物发现的整个过程中，QSP引入了定量测量的概念，伴随将产生新的形成和测试模型的技术（遵守从临床到实验室的准则）。
意义：
我们预期QSP将在药物发现过程中的多个阶段发挥重要作用，并且将成为基因组药物相关方法的补充。QSP依托于传统药理学，生理学和基于靶标的药物发现的相关思想和概念，并将成为药理学/生理学和系统组学方法之间的纽带。
为了全面的理解QSP的影响，我们需要注意大部分药物的作用机理并没有得到完整的理解，病人之间疗效差异的根源及治疗的负作用都不清楚。无论新的还是已有的药物，其审批和销售相关的商业，监管和法律环境都有碍于药物研发。一旦新的药物达到了临床研发的阶段，大多机构往往由于担心监管机制不愿意进行基础研究。而那些在临床试验后期失败的药物甚少得到其失败原因的进一步调查。甚至，工业科学家专注于新药的发现和获批，学术科学家在缺乏工业干预下对于药物作用于病人的研究有限，在药物审批和非专利药物的机制下很少的研究得到进行。这些因素standard-of-care and investigational therapeutics为药理学创造了一个科学真空，阻碍了他们的有效利用，但为新的研究提供了宽阔的前景。
方法：
QSP的显著特点是：利用交叉学科的方法解决多尺度的问题。QSP可以产生对疾病机理和疗效的理解，包括生物化学，结构，细胞，动物实验和人类的临床方面研究。数学建模和精确的计算在多时空尺度上是否关键。数学模型必须基于从多个生物尺度上进行的全面和仔细的实验。为了达到目标，QSP必须促进能支持整合的，系统计算和实验的药理学方法的体制机构，并且奖励对交叉学科的研究。
期望结果：
成功的QSP方法的主要结果包括：（1）提高对于药剂及毒性药物在不同基因型个体上的活性的理解；（2）成为一种新的方法和工具，该方法可以结合临床前及临床期间对于药物和疾病研究，将药物发现从细胞水平转化到组织水平再到病人个体；（3）新的动态药理学生物标记物，能直接分析药物对于组织和病人的作用；（4）提高新药的有效率，同时减少药物负作用，从而增加药物临床试验的成功率（尤其是在第二个节点的效率）（5）多元化的培训计划，使得研究生，博士后和临床科学家在学术药理学，工业药理学和转化生物医学各个方面成为佼佼者。
建议：
为了使得QSP得以实现，我们建议交叉学科的研究计划应专注于8个特定的研究挑战，及旨在利用来生物，数学，工程和医药相关的工业，监管机构和学术界的研发人员的多面的训练活动和公私合作。由于工业上需要受训人员掌握定量推理，网络生物学，动物及人类病理学，工业需要在研究的同时进行教育工作。在创造和检验形成QSP的知识基础的新想法时应该对于学术进行强调：传统的药理学方法开始于50年以前，继续改进。需要强调的8个研究方面如下：
定量地精确地描述药物靶标的生物化学性质，药物所嵌入的网络及小分子生物药物的药效
分别在单个细胞，器官，和病人水平（从蛋白组，基因组和环境）研究药物反应差异的原因
挖掘出不同的临床和组学数据来创造药效动力学的生物标志物，这些标志物涉及对药物反应的决定物的整合的，多尺度模型
为了达到更好的靶标验证和更少的第二阶段失败，需要建立更好临床前的药理学动物组织模型
重新结合组织生理学和化学来简化在复杂系统（细胞和有机体模型）上的药理学式样和表型删除
发展和支持QSP的信息交换，尤其在临床数据和电子医疗记录方面
建立新的多尺度药理学机理计算模型，该模型包括细胞水平的生物化学模型和有机体水平的PK/PD模型
对失败进行分析，从而理解为什么在临床实验中药物失败，以及在将来怎么避免这类失败
系统药理学定义：
最近，定量系统药理学在学术界和工业界有不同的定义，分别基于细胞水平和有机体水平。
我们提出一个涵盖了临床前和临床期间研究，包含了实验和计算的统一的定义
背景
定量系统生物学（QSP）是一个新兴的学科，因此对其还没有一个确定