无论是细菌的耐药菌株，还是不再对旨在杀死细菌的药物起反应的癌细胞，各种各样的突变都会使细胞对化学物质产生抵抗力，因此需要“第二代”方法。现在，宾夕法尼亚州立大学的工程师团队可能有一种方法来预测人们将发生哪些突变，从而为创建有效的药物提供了一条更简单的途径。

生物医学工程学助理教授，Dorothy Foehr Huck和J. Lloyd Huck早期职业企业家教授的持有人贾斯汀·普里查德说：“基于结构的药物设计效果很好。”“这是一个了不起的技术生态系统，但是您仍然必须指出它的一系列抗性突变。”

开发药物的标准做法是模拟化学物质的结构及其杀死特定病原体或癌细胞的细胞靶标。一旦突变开始改变细胞，治疗就需要新药。但是，可能会发生各种突变，药物开发人员需要针对适当的突变以杀死病原体或癌细胞。

研究人员希望发现是什么驱动着哪些突变在现实世界中生长出来，以便他们可以选择最有效的突变作为目标。他们今天(3月24日)在《Cell Reports》中报告说，他们发现耐药性最高的突变不一定是占主导地位的突变。“优胜劣汰”并不总是成立，至少对于某些癌症，靶向应该针对最可能的突变而不是最有抵抗力的突变。

普里查德说：“我们不仅需要了解生物物理学，还可以。“我们还需要了解进化动力学。”

在治疗由细菌，病毒和癌症引起的疾病时，耐药性是一个问题，但是研究人员选择研究癌症的突变是因为了解癌细胞的突变更为简单。细菌和病毒的突变具有两个组成部分-细胞内发生的事情以及细菌或病毒在宿主之间传播时发生的事情。因为在人类中，癌症不是具有传染性的，所以与癌细胞一起工作可以消除一部分潜在的突变来源。

普里查德说：“如果我们排除了传播的社区方面，我们就可以从头研究或从零开始研究突变的产生。”

研究人员查看了有关白血病和其他三种癌症的现有数据。白血病数据库是最大，最完整的。他们使用的算法与用于模拟化学物理学中化学反应发生方式的算法相似。在这种情况下，他们使用模拟对进化的工作方式进行建模。

Pritchard说：“我们正在尝试创建一种通用方法来获取我们在模型中使用的数字。”“为此，我们没有'拟合'模型，而是使用了从实验和缩放获得的数据。”

创建一种获取一般病例而非个人的数据的方法将增加将这种方法用于多种病原体的可能性。

Pritchard说：“我们运行了该模型，它与临床数据的匹配程度比我预期的要好得多。”“我们是从第一条原则(基本假设)开始的。”

随着癌细胞的分裂，DNA复制中的错误会导致突变。DNA的一个字母可能被错误地替换为另一个字母，但是这些错误并不是完全随机的。一些字母更容易替代其他字母，因此这些突变更经常发生。这会产生突变偏向-更有可能进行某些替代。因此，错误的可能性而不是对药物敏感性的降低，可以预测实际患者发生的耐药性突变。