Biomaterials Research (2005) 9(4) : 181-187 Biomaterials Research 7 The Korean Society for Biomaterials <Review> w y w Development of New Drug Using Proteomics 1 Á v 1 Á½ z 2 Át 3 Á y 4 * Eun Soo Sohn 1, Sang Pil Lee 1, Kang Hoe Kim 2, Suhkneung Pyo 3, and Eun Wha Son 4 * 1 Š Š h e h, 2 Š Š h e ˆ gh 3 Š Š, 4 s Š fe Š 1 Department of Technology Information Analysis, KISTI, Seoul 130-742, Korea 2 Department of Material & Component Information Analysis, KISTI, Seoul 130-742, Korea 3 Division of Immunopharmacology, College of Pharmacy, Sungkyunkwan University, Suwon 440-746, Korea 4 Department of Pharmacognosy & Material Development, Samcheok National University, Samcheok 245-711, Korea (Received August 3, 2005/Accepted November 16, 2005) One of the most promising developments to come from the study of human genes and proteins has been the identification of potential new drugs for the treatment of disease. This relies on genome and proteome information to identify proteins associated with a disease, which computer software can then use as targets for new drugs. If a certain protein is implicated in a disease, the 3D structure of that protein provides the information a computer programs needs to design drugs to interfere with the action of the protein. Proteomics, the study of the proteins and protein pathways involved in disease, is a promising tool for new drug discovery, which aim to find new drugs to inactivate proteins involved in disease. As genetic differences among individuals are found, researchers will use these same techniques to develop personalized drugs that are more effective for the individual. With recent advances in the field of proteomics, microarrays(biochips), HCS(high contents screening), cgmp(current Good Manufacturing Practice) technology have readily been adapted to proteomics applications. Using this tool, global proteome analysis and protein expression profiling will thus provide new opportunities for biomarker discovery, drug target identification and disease diagnostics, as well as providing insights into disease biology. Proteomics as a whole increasingly plays an important role in the multi-step drug-development process. In this review, the current status and methods of proteomics technology and some applications are briefly described. Additionally, this review discusses some of the recent research and market trends in proteomics. Key words: Proteomics, Market trends, Research insight, Drug development Š f fdš f ltš (proteomics) Š f l f. ltš f tf jd d f l ht l f Œfdf Š Š f, } d lf Š, d lf f ŒfŠ, d l f 3re i Š l f. t f l l f igš f hš ƒh lf Œ e hœ ŠŠ f f f f l, f ltšf *sf hf: ehson@samcheok.ac.kr f d x f h h Š. (ŒŠ l f l)f fdf ~ eš d t f ƒh l ŠŠ Š lf f i hš Š 3re ih h t l f f f fšš f ŠdŠ. f u t lf i f i l tš(structural proteomics)f Š, lf 3re i ŒdŠ f i - (structure-based drug discovery)f Š f Š gš f. Š ltšf f x ŒŠ fdf u ŒŠ eš f f, ehtš(genomics) ehf h h(transcriptomics) f ŠŠ ehf f DNA Œ ehf h f, l 181
182 f Áf ŠÁ Á Á fœ l ~ f ~ fd. f f f Œf fš Œf fdf ~ fl, Š f f l ŒfŠ f Š. d Š f Š f Š. ltšf ŒdŠ ŠdŠ jd f x, Šfyƒ } (High Contents Screening; HCS), cgmp (current Good Manufacturing Practice) f ŠŠ. f f e, h, h f Œ f ˆf g f Š f Š d f uxš. f f ltšf e (High throughput screening) Š f ŒŠ (compound library)f fdš f Š Š, Š l Œd l. f f ehf uhœš e Š ltšf fdš h f dšf f Œ l f wš f ŒŠ f g f ŒŠ f Š ff, f Š f g h f f g j f f f f. f Š f hf hf u ltšf Œd fff ŒfŠ, Š R&D f f Š. w w w 2000 6e f hƒf f Š h u gf h gf f Š x Š gf f f. ƒ, ehtš, ltš f h ŒdŠ Š h f Š f fš ff re h hf lef x f., f, f l Šf hf fš f fdš ltšf gg f fr x Š, f h j f proteome h f Š j f. ƒ, f d, f f f f h Š t h f Œ Š f Šf lš ff, ehtš ltšf fdš ~ h fš l ~, f y f l h ADME/Tox (Absorption, Distribution, Metabolism, Excretion, Toxicity:,,,, ) f Š lf hf Œd lj f. f f ltšf È ~ f h, l f, È f y(biomarker) h È l f fd ff, f Š ƒh lœ Š ehfx, ŒlhŒ, giš l f ˆ hhš x f ~f f l f. 1) elf eff f f ehh Šff ŒfŠ x f Š f vš eš ehf x f fd ltšf fdš hf f. 2) g ltšf fdš t f l, f Œd d. Œ x h l Novartis f ltšf fdš Œ f eff l ~ h hšš Œ f l Š uhœ Œ f l i rf f l f. Š, Agouron f fl f Viracept ltšf fdš y Š f g, f Organon CADD (Computer Aides Drug Design) j Š f, Novartis, GlaxoSmithKline, Pfizer h f h Š BT s ~ f fš f. ltšf l fd f, } f (Aarhus, Denmark)f l h (marker identification)f eš f f hf hd f. f ltš f ŒdŠ l f hf Œ whš d Š i (squamous cell carcinoma)f f y psoriasin f lf sf hš f. 3) Š, Hoffman-La Roche, Glaxo Wellcome, Millenium, Pfizer f Œ h l lf ~ f Š Œff hf u hf ltš leš f v. 1990 f f d x l ~ f eš j f f Œ f Š h vhš ff, 4) Š x l f f eš ˆf (FDA) f Tissue proteomics Initiatives f leš Š. 5) ltšf x h h f reference protein profile f f z Šf lf lf eš f f Œd Š. Š f ŒdŠ f h il l s il f l f Š Š f. h sff ltšf fd jf Š Large Scale Biology f f vš detector k dš f l f. 6,7) Novartis f} A h k g f l ƒ f 2D-PAGE Š f} A l jf Š calbindinff ŒfŠ f. 8) f h ftf f Š t ehf eš ADME/Tox lšš f, g išœš(combinatorial chemistry) ff Š, } f Šh, f in silico (virtual screening) l, f hf l Biomaterials Research 2005
ltšf ŒdŠ 183 f t hf ŒŠ f f f vš f fdš l f } Š f fdš f wš Œ f l f. h Arqule if in vitro ADME/Tox } f ltšf Š t ff 3 f vš f. f Š d f fdš ehf h Š f Š eš Œ Š, f t e Š ADME/Tox w f f Š hf Š f. ü w d h l 1994 Še sf Š 1999 21 f fš, Š 2001 f Šf Š Š ff, fe Á l ÁŒ Á 7 s f e r Š f. 1990 j h j Š Š f Œ Š f, lf l Š h hf Š h f. 2001 h j Š f 5.2% Š h ÁhfÁ (22.5%) Ž x ~. l f f f eš f f vlš f, f f e Œ Œ tlf eš lœ e ht, e eht, Á Œ, t ilg, f hˆ f vlš f. l eht Š h R&D le f l ŠŠ ff l l f eš lt Š Š h lef Š. 2001 sff h re h Š f lef f ~ f eš l ehf l, d DB v e f lš ff, f Š e f i f h hd f df f. f eš ltš f df f s f f sš f, l ƒ, DNA Link, SNP Genetics, Digital Genomics s f SNP f Š ehh v l f eht Š f. Š f eš h Š h h Š Š lš jf. d ƒ, l h f s eht h f l fš f f. g i h eht Š Œ f h Š hf f vh f Œdf Š h f Œ f h f. Š f f Š r ff, f Œ h f. ehtš ltš d Š hf f. f f Š f eh t f Š fš f x f. h t f f l Œdf d Œ Œ ff, f f ŒdŠ Š ftf jf Š d f, f fd t ff dhˆœ f l Š f ƒe fš d Š f. ehtš ltšf fdš f eš hf h f gr y ŠdŠ. f IT tf Š e hi ehtš ltš g h hf rš f. l, IBM y IT h Š ŠdŠ Š, ƒe l ŠŠ hˆf gf jf. Table 1. Development trend of software for analyzing a gene and protein hˆ d fl Calmid, GOODies, Clusterverifier, ArrayDB, Š f f ƒ Š BASE series f IDXViwer TM IDProTMProStrSTM IDPharmoTM f eht, chip f f, ~ l, EST analysis, Genome annotation, Protein analysis eht, Blast d S/W Gene analysis (software), l i, l 3re i w g jd l f eht Š fdf eš f hs lef fl f, d l t hf lef f ll f. d f eš eht lt hœš f f f e jf ˆ Š ljhf f f l f f f f } Š f. ƒ, eht f g f Š Š l l t f t d t fd Œ v leš d v Š g f l l. q y ƒ (Post-Genome) h igš tf ehf f Š ehff f Š v f fdš, f d gf. l, f hƒ h Š(bioinformatics), ehtš, ltš f Vol. 9, No. 4
손은수 이상필 김강회 표석능 손은화 184 활발해지면서 신약 발굴연구는 정보통신기술(IT)과 바이오기술 (BT)을 융합한 생물정보학 기술을 활용하여 유전체, 단백체 등 생물정보데이터를 수집, 분석, 평가하여 신약개발을 위한 통합 시스템을 구축하는 기술로 이루어지면서 그 체계와 방법론에 있어서 혁명적인 변화를 겪고 있다. 9) Table 2. A paradigm developmental change of new drugs Pre-genomics Post-genomics 차이 접근방식 임상증상에서 출발 근원적인 유전자 레벨에서 출발 약물표적 소수(~500개) 다수(5,000~10,000개) 개발결과 소수의 치료제(개인차 다수의 맞춤형의약품(부작용 에 의한 부작용) 감소) 기업간 협력 제약회사의 단독개발 생명공학 벤처와 제약회사간의 활발한 협력 비용, 위험도 +++, +++ +++++(인프라 포함), ++ 기반구조 스크리닝, 전임상, 임상 스크리닝, 전임상, 임상, 생물정 보학(유전체학, 단백질체학, ), HTS, 조합화학, 화합물군 라이 브러리, 분자 모델링 최근의 의약품 탐색 및 개발의 패러다임은 유전체와 단백질 체와 연관된 데이터 및 지식을 이용하여 더욱 효과적이고 안 전한 의약품을 개발하는 것을 강조하고 있다. 이 때 생물정보 학(bioinformatics)은 예측되는 약물 타겟의 소스로 이용될 수 있으며, 타겟 단백질에 대한 검증과정(validating process)은 질 병에서 단백질체학을 기반으로 이루어질 수 있다. Figure 1에서 보여주는 바와 같이, 생물정보학은 세포의 DNA 서열(genome), mrna(transcriptome)와 단백질(proteome) 정보 를 가지고 있다. Target discovery 단계에서는 컴퓨터 과정 (algorithms)이 DNA 염기서열 데이터베이스, 유전자 발현 그리 고 단백질 profile을 마이닝하여, ① 예측되는 약물타겟을 확인 하고, ② 유전적으로 개인에게 질병을 유발하기 쉬운 다양한 유전자 서열의 확인을 도와주며, ③ 예측되는 타겟과 질병에 관심 있는 부분 사이의 확고한 연관성을 확립하게 한다(target validation). 실험적으로 (structural genomics) 또는 컴퓨터상 으로 (homology modeling) 얻은 3차원-단백질 구조는 약물 개발단계에서 합리적인 약물 디자인과 target validation (chemogenomics)에 사용될 수 있는 타겟 특이성 리간드를 확 인하는 데 도움을 줄 수 있다. 약물개발단계에서 bioinformatics 는 약물 치료법(pharmacogenomics) 및 약물부작용(toxigenomics) 에 대한 환자의 반응을 예측할 수 있는 생물학적 분자 (biomarker)를 확인하기 위하여 유전체학과 유전자전사적, 단 백질체학, 임상 데이터를 통합하는데 사용된다. 결국 bioinformatics의 데이터베이스와 도구는 건강세포 및 질병세 포, 조직 및 기관의 in silico 모델에서 이러한 복잡한 시스템 에서의 약물 효과를 예견할 수 있는데, 최종목표를 가지고 신 호전달체계에 대한 실험적 데이터를 결합하는데 이용된다. Target validation은 예측되는 단백질을 특정 질병에 대한 유 익한 효과를 나타내는 방향으로 확립시키는 modulation 과정 이다. 이는 타겟 물질이 건강과 질병상태의 생물학적 기능을 Biomaterials Research 2005. New paradigm development of new drugs based on bioinformatics. Figure 1 연결하는 것과 관련되어 있다. 이 과정에서 단백질체학은 기능 이 알려진 단백질의 구조적 유사성과 서열에 기반한 타겟에 대 하여 기능적인 정보를 제공할 뿐만 아니라 물질을 규명하는데 목적을 둔 실험적 연구 즉, (1) 어떤 생화학적 기전에 타겟물 질이 관여되어 있는가 (2) 어떤 단백질이 타겟물질과 상호작용 하는가 (3) knockout 마우스를 만들거나 타겟에 대한 RNS 전 사인자를 knock down하여 배양세포에서 타겟의 농도를 줄임 으로써 타겟을 제거했을 때의 생물학적 영향 등으로부터 얻어 진 데이터를 통합하고 분석하는데도 사용한다. 또한 타겟 단백 질을 코드 하는 유전자의 다형성 서열다양성이 유전적으로 질 병과 관련되어 있는지에 대한 지식이나 또는 질병이 있는 세 포나 조직에서 부적절한 농도로 단백질이 관찰되느냐의 지식도 target validation에서 가치 있는 것이다. 이와 같이 실험적으로 (structural genomics) 또는 컴퓨터상 으로 (homology modeling) 유용하게 얻은 3차원-단백질 구조 는 약물 개발단계에서 합리적인 약물디자인과 target validation (chemogenomics)에 사용될 수 있는 타겟 특이성 리간드를 확 Figure 2. Information used in target validation.
단백질체학을 활용한 신약 개발 연구 185 인하는 데 역할을 한다. 단백질체학을 활용하게 되는 신약 개발에 필요한 주요 기술 로 바이오칩 분야는 바이오 기술이 IT에 접목되어 나온 제품 으로 초미세 유체역학(microarray) 기반 바이오칩, HCS 등을 총칭한다. 바이오칩 기술은 특수 처리된 표면 위에 유전자, 단 백질, 세포 등의 바이오 물질을 고정하여 동시다발적으로 많은 정보를 획득하고 이렇게 획득한 정보를 신약 개발, 진단 등에 활용하는 기술이다. 생물학적 화학적 정보를 그 미량의 시료 로부터 빠르고 정확하게 감지할 수 있는 최첨단 기술로 multiflexing을 통해 동시에 많은 정보를 획득 및 공유함으로써 각 검사에 소요되는 비용을 절감시킬 수 있어 세계적으로 연 구개발 경쟁이 치열하다. 바이오칩 기술은 의료 진단 신약개발 국방 등의 전산업 분야에 활용되고 첨단 고부가가치 제조업 특성을 동시에 가 지고 있어 국내 산업 환경의 기술개발에도 적합하다고 판단 된다. Comparison of time and cost savings when discovering proposed chemicals of new drugs with and without BIT 구분 전통방법 BIT 활용시 1/10~1/100 성공확률 1/1만~1/10만 평균개발기간 10~15년 5~7년 개발비용 100~1,200억원 10~30억원 Table 3. 초고감도 HCS 기술이란, 세포내의 다양한 목표 물질을 시공 간적으로 분해능이 높은 고감도 형광 이미징을 기반으로 해서 복합적 기능적으로 스크리닝하는 기술이다. 특히 이 기술은 신약개발의 시간과 비용을 최소화할 수 있다. 바이오 의약품 cgmp 기술은 바이오 신약이나 개량 바이오 의약품 등이 선진국 시장에 진입하기 위해서는 필수적으로 요 구되는 중요 기술로, 이 기술이 확보되지 못할 경우 바이오 의 약품 관련 국내 제조업은 국제적으로 도태되기 때문이다. 기술 분석 및 전망 최근 바이오산업 동향 및 기술 패러다임의 변화는 인간유전 체연구(HGP) 결과의 발표 이후 기능 유전체학, 단백질체학, 생 물정보학(Bioinformatics) 등 포스트게놈(Post Genome) 기술이 첨단 분야로 부각되고 있다. 짧은 기간에 좋은 성과를 내야 하 는 국내에서 신약개발의 투자는 쉽지 않다. 따라서 그 해결책 을 찾기 위해 연구개발 비용을 획기적으로 줄일 수 있는 단백 질칩 기반 신약 HTS 시스템 기술개발이 요구된다. 현실적으로 신약개발은 1개의 신약이 나왔을 때, 매년 1,000~2,000억 달 러 규모의 시장을 만들 수 있는 반면 연구개발은 통상적으로 15년 정도나 걸리고 개발비도 5억 달러에 달해 장기간 대규모 투자가 없으면 성공하기 힘들 것으로 보인다. 포스트게놈시대 바이오 산업의 중심은 바이오 신약과 BIT 분 야로 전체 바이오산업의 60% 이상을 차지하는 가운데 고속 성장하고 있다. 유전자 정보의 증대에 따라 초고속 분석능력과. Realization of the custom-made drugs based on bioinformatics and proteomics. Figure 3 대용량 정보처리능력이 중요시되고 있으며, IT와의 접목(BIT)으 로 신약 후보물질의 발굴 시간 및 비용이 절감되어 연구개발 및 상업화가 크게 진전될 것으로 전망되고 있다. 새로운 신약발굴 연구의 대부분은 표적단백질의 발굴에서 시 작된다. 현재 500여개에 불과한 신약 발굴 질환 표적은 향후 3,000~10,000개로 급속히 증가할 것으로 예측되고 있다 (Figure 4). Changes of growth in information technology application 생물체를 보는 세포/조직/기관으로 정보의 집합체 Table 4. 시각 연구개발 장소 Figure 4. 구성된 유기체 in vitro(시험관내) in silico(컴퓨터내) Changes in the number of new targets in post genome era. Vol. 9, No. 4
손은수 이상필 김강회 표석능 손은화 186 그러나 이 표적단백질에 대한 정보는 직접적으로 이 단백질 의 기능을 조절하는 물질, 즉 신약후보물질에 대한 정보로 연 결될 수는 없다. 이는 신약발굴에 사용될 질환 표적단백질에 작용하는 신약의 수가 신약 표적단백질 연구를 따라가지 못한 다는 것을 의미한다. 즉, 약물 표적은 단백질체학의 이용으로 충분히 확인되지만 실제 의약을 개발하기 위한 선도물질(lead compound)의 발굴 과정은 또 다양한 단계를 거쳐야 한다는 것을 의미한다. Figure 5. New drug development from excavating target protein. 또한, 신약개발 연구에 있어서 초기 선도물질로부터 신약으 로 개발되어 시장으로 판매되기까지는 많은 비용과 시간이 소 모된다. 초기개발 단계에서부터 신약개발까지 약 15년 이상이 걸리며 평균적으로 약 7억 정도의 비용이 소모된다. 신약개발을 위해 단백질체학을 필요로 하는 또 다른 분야는 질병관련 특정 단백질 발현의 양적인 변화를 감지하여 질병 진 단을 위한 바이오마커를 확인하고 치료제 개발을 위한 기초적 인 단서를 찾아내는 일이라 할 수 있다. 즉 단백질체학을 이용 하여 건강하거나 병든 세포 및 조직의 단백질 발현 특성의 변 화 및 차이를 정밀하게 감지함으로써 암과 같은 질병상태를 인 지할 수 있는 진단표지(diagnostic marker)를 확인하는 것이다 (Figure 6). 바이오마커를 개발하는 질병 진단분야에서 단백질체 분석을 An example of proteomics application needed to develop biomarker of disease peculiarity. 이용할 수 있는데, 대표적으로 암질환을 들 수 있다. 암은 발 생하는 조직에 따라 뇌, 유방, 폐, 대장, 신장, 난소 및 전립선 등으로 구별되며 암 발생의 각 조직을 이용하여 proteome 분 석을 할 수 있는 것이다. 이를 이용한 예로 아직까지 그 발생 기전이 밝혀지지는 않았지만 직장암의 경우 최근 Jungblut 등 은 암조직의 2D-PAGE 분석을 통해 calgranulin B(calprotectin) 라는 물질이 암의 진전에 따라 발현이 증가되는 것을 발견하였 고 이 물질의 구체적인 역할을 규명하기 위한 연구를 계속 진 행하고 있다. 1997년에 Centre for Medicines Research에서 발표한 자 료에 따르면, 1997년 한해동안 신약 후보물질 중에서 개발이 취소된 198개 화합물들의 원인을 조사하였는데, 그 중 ADME/ Tox에 관련한 이유가 전체의 50% 가량에 속하였다. 이는 많은 수에 해당하는 신약 후보물질들이 성공적인 임상테스트를 통과 했음에도 불구하고 신약 화합물의 생물학적 유용성(oral bioavailability)이나 약물상호작용(drug-drug interaction) 등의 이유, 즉 부적합한 ADME/Tox 성질을 지녔기 때문에 신약개발 에 실패한 것으로 파악된다. 한 예로 일본에서 개발된 항바이 러스제인 soruvidine은 기존에 나온 항암제였던 5-fluorouracil (5-FU)과의 상호작용 때문에 그 시판이 취소되었다. 이와 같이 예기치 못했던 신약 후보화합물의 독성이나 다른 요인으로 인 해 상업화되지 못하고 그 개발이 취소되는 사례가 많기 때문 에 신약개발 초기단계에서 미리 신약 화합물의 ADME/Tox 성 질을 고려하여 선별하는 작업을 해야 한다는 주장이 제기되어 져 왔다. 이러한 측면에서 신약개발의 설계단계 중 그 신약의 약물동력학적인 성질과 독성관련 속성을 미리 예측할 수 있는 ADME/Tox 예측과정은 향후 신약개발의 실패 가능성을 줄여나 갈 수 있고, 이를 통해 신약개발 기간을 단축하고 개발비용을 줄일 수 있는 이점을 지니고 있다. 이에 단백질체학을 이용한 신약 후보물질의 ADME/Tox 예측은 신약개발 연구에 있어 비 용을 크게 절감할 수 있는 것이다. 고전적인 신약개발을 살펴보면 다량의 화합물을 합성한 후 고효율 검색(HTS; High Throughput Screening) 방법으로 선 도물질을 찾고, 이 화합물의 구조와 활성의 관계(SAR; structure activity relationship)를 분석하여 신약으로 개발하고 이를 최종적으로 약물동력학적인 실험을 통해 안정성을 입증한 다음 실제 약으로서 사용했었다. 초기의 ADME/Tox 관련 연구 는 약물대사와 생체흡수율 측면에서 신물질의 안전성 평가를 위해 연구되어 왔으나, 최근 신약개발을 위한 신물질의 스크리 닝 단계에 이러한 ADME/Tox 예측 기술을 도입하기 시작하였 10) Figure 6. Biomaterials Research 2005 Figure 7. Classical developmental process of the new drugs.
ltšf ŒdŠ 187 Figure 8. Design process of new drugs based on estimation technology of ADME/tox.. f ft g l, h f l lf f l f ft e f f f f f lš f. f f f tf ehf l h ~f i l f hœ f x f ˆ f hf hf ff f f. h f f d, f hf f eš 12 8 d (1i 5000 e) fš. Š lf f Œ f 1% f. eht lt fdš g 5 h f 1 h, 4 f jf Š h f, f ŠŠ lf i f ffš f, d fd } j f h Š. i ltšf ŒdŠ f 21 f f g f idš h f f, hh x s Š f. u f v t Š h f fœ Œ f. f Š l Š f lf ~ ˆf ~Š } df f, d f hh j ff f f j f f ef f Š f. d h hf ltš Š f lef ŠdŠ. l ehff h f if Š ( ~, ehfgiš, f f hh ) g h ~ f f Š. g h hf f eš ltš f t f, f f f IT f f d Š lœ l i j f l lhg Œ lf uhœ j Š hf g f f f ˆ hˆœ f Š f. š x 1. ul, 2003.. p.20-27. 2. R. G. Crystal, N. G. McElvaney, M. A. Rosenfeld, C. S. Chu, A. Mastrangeli, J. G. Hay, S. L. Brody, H. A. Jaffe, N. T. Eissa, and C. Danel, Administration of an adenovirus containing the human CFTR cdna to the respiratory tract of individuals with cystic fibrosis, Nat. Genet., 8, 42-51 (1994). 3. J. E. Celis, H. H. Rasmussen, H. Vorum, P. Madsen, B. Honore, H. Wolf, and T. F. Orntoft, Bladder squamous cell carcinomas express psoriasin and externalize it to the urine, J. Urol., 155, 2105-2112 (1996). 4. J. N. Weinstein, T. G. Myers, P. M. O'Connor, S. H. Friend, A. J. Jr Fornace, K. W. Kohn, T. Fojo, S. E. Bates, L. V. Rubinstein, N. L. Anderson, J. K. Buolamwini, W. W. van Osdol, A. P. Monks, D. A. Scudiero, E. A. Sausville, D. W. Zaharevitz, B. Bunow, V. N. Viswanadhan, G. S. Johnson, R. E. Wittes, and K. D. Paull, An information-intensive approach to the molecular pharmacology of cancer, Science, 275, 343-349 (1997). 5. A. Abbott, A post-genomic challenge: learning to read patterns of protein synthesis, Nature, 402, 715-720 (1999). 6. N. L. Anderson, R. Esquer-Blasco, J. P. Hofmann, and N. G. Anderson, A two-dimensional gel database of rat liver proteins useful in gene regulation and drug effects studies, Electrophoresis, 12, 907-930 (1991). 7. N. L. Anderson, J. Taylor, J. P. Hofmann, R. Esquer-Blasco, S. Swift, and N. G. Anderson, Simultaneous measurement of hundreds of liver proteins: application in assessment of liver function, Toxicol. Pathol., 24, 72-76 (1996). 8. S. Steiner, L. Aicher, J. Raymackers, L. Meheus, R. Esquer-Blasco, N. L. Anderson, and A. Cordier, Cyclosporine A decreases the protein level of the calcium-binding protein calbindin-d 28kDa in rat kidney, Biochem. Pharmacol., 51, 253-258 (1996). 9. h Œ,, 2004, pp. 3-13. 10. P. R. Jungblut, U. Zimny-Arndt, E. Zeindl-Eberhart, J. Stulik, K. Koupilova, K. P. Pleissner, A. Otto, E. C. Muller, W. Sokolowska- Kohler, G. Grabher, and G. Stoffler, Proteomics in human disease: cancer, heart and infectious diseases, Electrophoresis, 20, 2100-2110 (1999). Vol. 9, No. 4