Abacavir Sulfate

细胞衰老的基础及其生理功能一直难以厘清，因为在疾病和机体衰老过程中，细胞衰老状态所呈现的标志性特征各不相同，而我们对于哪些细胞会在何种情境下发生衰老，仍知之甚少。 近日，Nature Cell Biology期刊发表了Viewpoint文章Goals and challenges for senescence research，邀请了该领域的8位领军研究者，讨论了未来哪些问题能够帮助我们深化对细胞衰老的认识，以及前方还有哪些挑战。 一、Cleo L. Bishop伦敦玛丽女王大学衰老型概念推动细胞衰老分类取得进展 对于细胞衰老研究者而言，这是一个令人振奋的时代。里程碑式的研究已被确立：细胞衰老是机体衰老的标志之一，也是延长健康寿命策略的干预靶点。在分子层面，我们如今认识到，诱发细胞衰老的因素比以往所知更为广泛，对这些因素所引发的机制性后果的研究也正在迅速推进。整个研究群体的共同努力改变了我们的认识：细胞衰老如今被视为一个统称，涵盖高度依赖情境、具有异质性且动态变化的多种状态。用于衰老细胞分类的概念框架和实践方案正在积极构建之中。例如，“衰老型”（senotypes）这一概念整合了细胞类型、诱发因素、时间、微环境以及细胞间相互作用等特征，有助于系统归类细胞衰老状态，并区分其众多有益与有害的功能后果。 科学的魅力在于，很可能仍有大量未知等待发现。单细胞技术和空间生物学的应用正在揭示更多细微差异，并帮助我们探究细胞衰老如何与机体衰老的其他标志相互作用。我尤其感兴趣的一个方向，是对衰老细胞开展无偏倚的多参数形态学评估。将这种评估与机器学习和深度学习相结合，可以在体外识别衰老细胞；适用于临床前模型和临床样本的分类器也正在涌现。尽管这些工具仍处于起步阶段，进一步发展细胞衰老分类工具，将有助于我们更好地理解衰老表型及其对组织微环境的影响。这类工具已经开始助力细胞衰老干预疗法（senotherapies）的发现与开发。我可以预见，它们可能有助于推动这些疗法向临床转化，甚至可能被纳入临床疗效评价框架。 细胞衰老的一个定义性特征，是由经典效应蛋白启动的稳定性细胞周期停滞。因此，我认为一个现象十分耐人寻味：某些未经治疗的人类肿瘤表达经典的细胞衰老效应蛋白，例如由CDKN2A编码的p16，却同时具有较高的增殖指数。这一悖论给区分衰老细胞与“衰老标志物阳性的癌细胞”带来了挑战。未来的进展或许能使我们利用衰老型框架，验证这些癌症亚型的诊断和预后生物标志物。鉴于其分子特征，衰老标志物阳性的癌细胞也可能对创新治疗策略敏感，从而催生新的发现机会。 二、Feyza Engin威斯康星大学麦迪逊分校亟须深入理解细胞衰老的异质性 当细胞衰老伴随免疫监视受损时，可能产生有害作用：衰老细胞由此积累并持续存在，而这些细胞具有促炎性的衰老相关分泌表型（senescence-associated secretory phenotype，SASP）。在许多年龄相关疾病中，免疫清除受损会促使衰老细胞持续存在，进而驱动慢性炎症和疾病进展。相反，短暂的细胞衰老若与有效的免疫激活相结合，则可促进衰老细胞及时清除，并支持组织稳态；肝脏再生、伤口愈合和胚胎发育过程中的研究已证明这一点。 尽管细胞衰老在生理和疾病过程中十分重要，我们对衰老细胞表型及分子层面的多样性，也就是统称的“细胞衰老异质性”，仍缺乏充分认识。机体年龄、初始应激的性质，以及应激暴露的持续时间和强度如何影响细胞衰老程序，仍是尚待解答的基本问题。衰老状态如何随时间演变，以及细胞是否会在具有独特生物学功能的不同衰老状态之间转换，也尚不清楚。值得重视的是，细胞衰老异质性还体现在与免疫系统的相互作用中：越来越多的证据提示，不同衰老细胞群体通过不同机制与免疫细胞发生相互作用，从而影响免疫监视与清除。总体而言，这些多样的衰老状态很可能对组织稳态、再生和疾病进展产生重要影响。 当前该领域的一项局限，是缺少可靠的体内和体外遗传学模型，能够忠实再现应激诱导的细胞衰老异质性，并支持对其功能后果进行解析。尤其是，与大量聚焦于持续性病理性细胞衰老的模型相比，能够反映应激诱导的短暂细胞衰老及其与免疫系统相互作用的体内遗传学模型十分匮乏。一个值得关注的例子是未折叠蛋白反应受扰的模型：这一模型可诱导短暂的细胞衰老，以及由 M2 型巨噬细胞介导的免疫监视，从而预防小鼠自身免疫性糖尿病。扩充此类模型，对于明确不同应激因素如何在体内塑造细胞衰老程序，以及这些程序如何影响组织修复和疾病，至关重要。 单细胞转录组学、空间分辨分析、多组学技术，以及经遗传工程构建的细胞衰老报告模型的最新进展，正为以高分子分辨率和高空间分辨率表征衰老细胞状态提供前所未有的机会。这些相互补充的方法有望改变我们对细胞衰老异质性的认识，揭示支配细胞衰老程序的调控机制，并明确不同衰老细胞状态如何影响免疫监视、组织稳态、机体衰老、再生和疾病。 三、韩敬东北京大学RNA是细胞衰老的“暗中推手” 细胞衰老是一个具有异质性的过程，在不同细胞类型中沿着不同轨迹发展。为应对这种复杂性，我们开发了SenCID（详见BioArt报道：Cell Metab | 韩敬东课题组开发单细胞水平鉴定与定量细胞衰老的方法SenCID并发现细胞衰老轨迹与调控机制），这是一种基于机器学习的算法，能够从RNA测序数据中识别出至少六种细胞衰老亚型，每种亚型对应一种不同的细胞谱系。作为第一步，SenCID会在年轻细胞中自动识别这些亚型，从而更准确地识别衰老细胞，并定量评估细胞衰老水平。这种定量能力对于分析单细胞扰动测序数据尤为有价值。 通过分析一项靶向蛋白质编码基因的全基因组Perturb-seq筛选数据，我们发现，敲除许多必需细胞组分所对应的基因，会提高细胞衰老评分。然而，不同扰动的作用并不相同。控制染色质分离的基因产生的影响最强，而且似乎界定了一条多种机制汇聚的效应通路，其他细胞机制的作用最终汇入这一过程。此外，尽管以往关于长链非编码 RNA（long non-coding RNAs，lncRNAs）在细胞衰老中作用的研究有限，新近研究正不断发现能够调控细胞衰老的 lncRNA（详见BioArt报道：Nat Aging | 韩敬东团队利用单细胞多组学扰动建立衰老相关lncRNA多组学调控网络，揭示关键衰老调控分子机制）；这些 lncRNA 对炎症性衰老、转座子抑制和DNA修复具有关键作用。 这提出了一个引人深思的问题：忽视细胞衰老调控中隐而未显的层次，也就是非编码RNA，究竟让我们遗漏了多少内容？lncRNA如何与已得到相对充分表征的、由蛋白质编码基因构成的细胞衰老调控网络相衔接？能否将RNA调控因子转化为有效的抗机体衰老疗法？与现有的蛋白质编码基因靶点相比，它们是否具有优势？ RNA疗法的前景日益显现：与基于蛋白质的方法相比，其开发周期更短；与靶向DNA的干预相比，其涉及的伦理问题更少。在这一背景下，非编码RNA为细胞衰老与机体衰老研究开辟了一个令人期待的新前沿。能够量化其对细胞衰老的影响，并解析其分子相互作用组和细胞靶标的工具，无疑将加速这一新兴领域的探索。 四、Valery Krizhanovsky魏茨曼科学研究所迈向针对特定细胞类型的定量研究方法 细胞衰老最初是在培养细胞中被发现的一种稳定性细胞周期停滞状态，但多年来，其生理相关性一直不明确。癌基因诱导的细胞衰老及其体内抑瘤功能的发现，确立了细胞衰老作为一种重要保护机制的地位。后续研究揭示了细胞衰老在组织稳态中更广泛的作用，表明短暂的细胞衰老能够通过与免疫系统的相互作用及免疫监视，促进组织修复、重塑和急性损伤的消退。 过去十年间，越来越明显的是，细胞衰老的效应高度依赖具体情境。虽然诱导短暂的细胞衰老具有有益作用，但衰老细胞随年龄增长而持续积累，会促成慢性炎症、组织功能障碍和年龄相关疾病的发生。在动物模型中清除衰老细胞，可以延缓年龄相关病变，并延长健康寿命与总寿命；这些发现确立了衰老细胞作为机体衰老和年龄相关疾病重要驱动因素的地位。 尽管细胞衰老领域的研究已取得显著进展，一些基本问题仍未解决。我们如今认识到，衰老细胞具有高度异质性，其细胞来源、分子特征、功能和组织分布各不相同。该领域的一项重大挑战，是确定在机体衰老过程中，哪些细胞类型会形成衰老细胞，各个组织内会积累多少衰老细胞，以及所有细胞类型是否都具有相近的发生衰老的能力。包括空间转录组学在内的单细胞技术，尤其是蛋白质组学的发展，正在逐步揭示不同组织中衰老细胞的身份、丰度和定位，但完整图谱才刚刚开始形成。 未来研究需要确定哪些衰老细胞群体会随年龄增长而积累，量化其丰度；最重要的是，需要弄清源于相同细胞类型的同一批细胞，是否同时介导细胞衰老的有益和有害效应。定量方法对于精确表征衰老细胞负荷及其动态变化不可或缺。理解衰老细胞的功能多样性及其在组织中持续存在的调控机制，将指导下一代细胞衰老干预疗法的开发：在保留其保护功能的同时，选择性清除有害衰老细胞，和／或消除它们对微环境的影响。这类方法有望延长健康衰老阶段，并治疗乃至预防多种年龄相关疾病。 五、刘光慧中国科学院动物研究所机体衰老中的暗基因组 人类基因组近一半由转座元件构成；这些被称为“暗基因组”的序列是古代病毒感染留下的遗迹。少数人内源性逆转录病毒 K（HERVK）的HML-2亚群拷贝仍保留完整的病毒基因，并具有产生逆转录病毒样颗粒（retrovirus-like particles，RVLPs）的能力；而 LINE-1 逆转座子仍是唯一能够自主进行逆转座的可移动元件。年轻时是什么使这些“病毒化石”保持沉默，又是什么随着年龄增长打破了这种封存？ 胚胎发生过程会建立表观遗传“封印”，包括异染色质标记H3K9me3、DNA甲基化和组成型异染色质，以抑制这些元件。这并非被动沉默，而是一种主动形成的进化妥协：宿主基因组驯服这些病毒遗迹，以使发育有序进行。机体衰老可能通过逐步增加的异染色质熵侵蚀这一程序。所谓异染色质熵，是指表观遗传信息随时间衰减的过程，它能够唤醒暗基因组。如果机体衰老所诱导的变化沿着发育过程中预先印定的轨迹发生，那么转座元件的重新激活就可能是可预测的，也可能是可预防的。 衰老细胞中，特定HERVK和LINE-1拷贝的抑制状态广泛解除。HERVK激活后产生病毒转录本、蛋白质和RVLPs，它们能够将细胞衰老传播至邻近细胞；我们将这一现象称为“传染性衰老”（contagious ageing）。中和抗体或靶向病毒抗原的疫苗或许可以阻断这一过程。与此同时，来自HERVK和LINE-1的互补DNA（cDNA）可激活cGAS–STING通路及I型干扰素反应，驱动细胞衰老所特有的慢性炎症。值得注意的是，这些触发因素并非外来病原体，而是我们自身的内源性病毒遗迹，因此模糊了无菌性炎症与感染性炎症之间的界限。重新激活具有重要的功能意义：通过CRISPR激活技术介导的HERVK重新激活，会诱导年轻细胞发生衰老；而抑制上述任一类元件，则可延缓细胞衰老。 哪些维持表观遗传状态的因子会最先失效？这种失效是原因还是结果？染色质熵能否充当表观遗传时钟？我们能否通过重建异染色质来加强对转座元件的抑制？与此同时，另一些策略以酶促产物为靶点。据报道，抗HIV核苷类似物阿巴卡韦能够延长老龄小鼠的健康寿命，包括改善认知功能，其机制可能是抑制逆转录酶。阻断逆转录可以与强化表观遗传抑制的策略互补，双管齐下或许更为有效。当前需要开发不损害线粒体功能的选择性抑制剂，并在老龄非人灵长类动物中进行严格检验。厘清控制转座元件沉默与唤醒的调控轴，将使我们重新理解机体衰老：它可能是一种可逆的表观遗传漂移，而非随机损伤的累积。暗基因组已经苏醒，如今的挑战是确定我们能否使它的回响重归沉寂。 六、Ana O’Loghlen西班牙生物研究中心核心在于细胞间通信 细胞衰老是一种动态且具有异质性的细胞表型。其复杂性源于多种诱导刺激、细胞类型特异性反应以及周围微环境之间的相互作用。细胞衰老并非一种二元细胞状态，而是通过一个渐进、动态的过程被诱导形成；在这一过程中，单个细胞会同时依据触发衰老的损伤因素和其内在细胞身份，作出不同反应。 需要强调的是，细胞衰老并不只是改变正在发生衰老的细胞自身行为的内在程序。它还会通过SASP重塑周围组织微环境，从而产生深远的细胞外在效应。SASP本身也具有高度异质性和动态性，由细胞因子、趋化因子、基质重塑蛋白、代谢物及细胞外囊泡等组成的复杂混合物构成。这些因子的组成、丰度及释放的时间特征，会因细胞衰老诱发因素、细胞类型以及细胞衰老程序所处阶段而存在显著差异。 另一层额外的、尚未得到充分表征的复杂性，在于理解具有异质性的衰老细胞如何响应来自微环境的信号。周围细胞也会分泌细胞外囊泡、基质重塑酶、代谢物和细胞因子，而处于细胞衰老程序不同阶段的衰老细胞，对这些信号的反应可能不同。因此，细胞衰老不仅受到内在调控机制的塑造，也受到与邻近细胞持续进行的双向通信的塑造。 综合这些特征，几乎不可能用单一生物标志物，甚至一套通用的生物标志物或信号通路组合，来全面界定细胞衰老这一整体表型。相比之下，更现实的做法是识别特定诱导刺激、细胞类型或疾病情境所对应的细胞衰老相关通路。这种依赖具体情境的表征，对于开发靶向性的衰老细胞清除疗法（senolytic therapies）和衰老表型调节疗法（senomorphic therapies）将具有重要价值。这些疗法可选择性清除或调节致病性衰老细胞，同时保留在组织修复、再生和稳态中发挥有益作用的衰老细胞群体。 七、João F. Passos梅奥诊所绘制跨组织细胞衰老图谱的新时代 我近来在这一领域见证的最大变化，是研究重点从培养细胞中的细胞衰老，转向直接研究组织内的衰老细胞。单细胞和空间多组学技术的进步，使我们如今能够在衰老细胞的原位环境中识别它们，并同时测量多种细胞衰老相关特征。美国国立卫生研究院“细胞衰老网络”（Cellular Senescence Network）等大型计划，正在绘制不同组织中的衰老细胞图谱。这些工作逐渐揭示出的一点认识是：细胞衰老并非单一细胞状态。衰老细胞以多种形式存在，具有不同的分子程序和生物学功能。这种异质性或许可以解释，为什么近期一些在人类中靶向细胞衰老的尝试取得了不一致的结果。未来的细胞衰老干预疗法，很可能需要针对特定衰老细胞群体和疾病情境量身设计。 展望未来，最重要的挑战之一，是理解衰老细胞的有害作用由什么驱动。许多年龄相关表型被认为是由持续的SASP信号介导的，但启动和维持SASP的机制仍未得到充分理解。我们的研究团队已经表明，线粒体通过释放可激活先天免疫通路的核酸，成为SASP的重要调控者。类似地，来源于细胞核的DNA也可在细胞质中积累，并触发许多相同的信号机制。该领域的一个重大问题，是这些不同种类的核酸如何相互作用：它们的作用是功能冗余的，还是相互协同的？为什么一些衰老细胞会形成强烈的炎症表型，而另一些不会？ 另一项关键挑战，是理解衰老细胞在体内的生命周期。我们仍不知道衰老细胞会在组织中持续存在多久，不知道它们的积累是因为生成速度加快，还是清除效率下降，也不知道短暂存在和持续存在的衰老细胞是否具有不同的生物学功能。回答这些问题，需要能够在活体组织中随时间追踪衰老细胞的谱系示踪方法。 该领域下一阶段的重点，不仅是识别衰老细胞，还包括理解它们为何有害、会持续存在多久，以及哪些细胞群体应成为治疗靶点。 八、周中军广东医科大学/香港大学迈向具有衰老型选择性的细胞衰老干预疗法 细胞衰老是拮抗性多效性（antagonistic pleiotropy）的经典例子。它在进化过程中形成，是生命早期参与癌症监视、组织修复和发育的防御机制；然而，当衰老细胞随年龄增长而积累时，它又会产生有害作用。作为一种适应性应激反应，细胞衰老承担着重要的生理功能。当免疫系统无法有效清除这些细胞时，问题便随之出现。随着时间推移，它们的积累会驱动慢性低度炎症，促进组织纤维化和功能障碍，损害干细胞功能及再生能力，最终促成年龄相关疾病。 衰老的免疫系统不仅防御效能降低，还会变得更具促炎性。这种慢性炎症是免疫衰老在临床上最显著的特征，已被认为与动脉粥样硬化、2 型糖尿病、神经退行性疾病、肌少症、衰弱和癌症进展有关。炎症性衰老（inflammaging）是细胞和分子层面的衰老表现为全身性疾病的主要机制。需要强调的是，免疫衰老是生物学衰老的核心驱动因素，而不仅仅是其后果。 细胞衰老干预疗法旨在清除衰老细胞，或抑制有害的SASP信号。然而，新出现的证据揭示，体内细胞衰老具有异质性：不同组织、不同年龄的衰老型存在差异，生理性机体衰老与疾病状态下的衰老型也不相同。不加区分地清除衰老细胞，可能损害特定生理功能。因此，绘制衰老型图谱至关重要：识别各种生理和病理条件下细胞衰老的特征谱，将使我们更好地理解特定衰老型如何参与疾病发生。验证特定衰老型与不同疾病之间的相关性，是一项重要研究方向，因为这将为选择性靶向与各类病理过程最相关的衰老细胞提供靶点。 下一项挑战是选择性消融特定衰老细胞群体，从而检验这种方法能否在体内保留保护功能，同时尽量减少长期的病理后果。在这方面，以特定衰老型上经过验证的衰老相关抗原（seno-antigens）为靶点的免疫介导清除策略，有望用于评估其抗机体衰老潜力及其对年龄相关疾病的影响。这种方法代表了一种更为完善的精准医学形式，可用于管理年龄相关病变。 原文链接： https://doi.org/10.1038/s41556-026-02076-7 制版人： 十一 学术合作组织 （*排名不分先后） 战略合作伙伴 （*排名不分先后） · 推荐直播 · 转载须知 【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。 BioArt Med Plants 人才招聘 点击主页推荐活动 关注更多最新活动！

背景：药物研发仍然成本高昂且易失败，因为分子关联未必能转化为可操作的治疗假说。整合组学能够将疾病生物学与靶点提名、功能验证、药理学评估、患者分层及生物标志物导向治疗相连接。方法：本叙述性综述基于对PubMed、Scopus、Web of Science、ScienceDirect和Google Scholar进行的迭代式主题引导检索，检索更新至2026年9月。检索聚焦于多组学、靶点验证、药理学评估、生物标志物开发和临床转化。研究人员根据原始实验与临床研究、方法学文献、监管指南及相关综述对这些主题的贡献进行筛选。未进行正式偏倚风险评估或定量荟萃分析。结果：综合证据表明，基因组学和药物基因组学证据支持因果推断和治疗方向性；转录组学和表观基因组学数据界定动态疾病状态；蛋白质组学和化学蛋白质组学方法评估蛋白质功能、靶点结合及通路调节；代谢组学、脂质组学、单细胞和空间方法提供生化、细胞及组织分辨证据。研究人员提出一个多域、门控式靶点可信度框架，该框架区分因果相关性、生物学背景、功能验证、可成药性、靶点结合、药效学反应、安全性、生物标志物就绪度和临床实施。该框架将趋同、未解决和矛盾的证据分别对应继续（go）、优化（refine）或终止（stop）决策。结论：整合组学在明确治疗问题、干预导向研究设计、独立验证、分析稳健的生物标志物和监管就绪度的指导下最具价值。该框架是拟议的定性决策辅助工具，尚未经过临床验证以预测临床成功。1 引言药物研发尽管在分子生物学、高通量筛选、计算建模和临床试验设计方面取得进展，仍然成本高昂、周期漫长且易失败。相当比例的失败反映治疗假说本身的薄弱，包括对疾病机制、靶点验证、安全性、药效学效应和患者选择的认识不足。核心转化挑战不仅是生成日益复杂的分子数据集，而是确定哪些分子观察具有足够的可信度、可检验性和临床相关性，以指导治疗决策。人类遗传学可增强因果推断并指导治疗方向性，且受遗传证据支持的药物机制具有更高的临床成功概率；然而，遗传证据本身可能无法解决疾病相关的细胞和组织背景、药理学可成药性、靶点结合、下游生物学效应或安全性。同样，转录组学、蛋白质组学、代谢组学、表观基因组学、单细胞、空间和计算方法捕获疾病生物学和治疗反应的互补但不完整的方面，如表1所总结。因此，整合组学可以通过组合这些证据层面来加强对疾病机制、治疗靶点、患者异质性、药物反应和临床相关生物标志物的表征。在分子医学中，整合组学通过将疾病机制与靶点评估、患者分层、药物反应评估和生物标志物指导的治疗决策相联系，提供了从分子表征到临床决策的转化桥梁。其价值在于将互补的分子信息转化为能够支持治疗开发和更精准治疗决策的证据。生物学背景、采样、时机、缺失数据、批次效应、测量尺度差异和跨模态信号不一致可显著影响结论。计算整合可揭示跨模态模式并优先排序假设，但仅凭预测性能并不能确立因果性、药理学可成药性或临床效用；机制性、实验性或临床验证仍是必要的。因此，整合组学的价值不在于测量的分子层面数量，而在于互补证据是否解决了一个明确的转化问题。为组织这些证据，研究人员将靶点可信度定义为候选治疗靶点受到以下趋同证据支持的程度：因果疾病相关性、适当的生物学背景、功能重要性、药理学可成药性、安全性、靶点结合和可测量的生物学反应。基于既定的靶点验证原则（包括5R框架），该方法根据所测试的转化问题组织互补组学证据，并将趋同、未解决或矛盾的发现分别与推进、优化或终止决策相关联。靶点可信度不同于生物标志物就绪度，因为支持治疗靶点的证据本身并不能确定相关测量适用于临床决策；靶点结合也不同于下游药效学反应。鉴于既往综述侧重于单个组学技术、计算整合方法或更广泛的多组学和人工智能应用，本综述聚焦于从分子证据到治疗决策的推进过程。研究人员审视靶点提名与验证、药理学可成药性、靶点结合、药效学评估、安全性、患者分层、生物标志物导向治疗和临床实施。所提出的框架是迭代性的，旨在阐明治疗假说何时应推进、优化或终止。2 综述范围、文献选择与靶点可信度框架2.1 综述范围与文献选择方法本叙述性综述基于对PubMed、Scopus、Web of Science、ScienceDirect和Google Scholar进行的主题导向检索，检索更新至2026年9月。主要检索概念将“整合组学”和“多组学”相关术语与靶点识别、靶点验证、靶点结合、药效学反应、生物标志物开发、精准医学、药物发现和临床转化相结合。根据需要添加模态特异性和疾病特异性术语。研究根据其与综述问题和转化决策点的相关性被选择。原始实验与临床研究、方法学文献和监管指南被优先用于具体主张，而综述主要用于情境综合。近期文献被强调，而具有直接相关性的里程碑研究被保留；文献主要为英文。文献检索是迭代式的，而非基于预先指定的系统综述方案。未保留确切的历史检索字符串和筛选计数，限制了选择过程的可重复性。未进行正式偏倚风险评估或定量荟萃分析。因此，本综述提供的是选择性、批判性综合而非对文献的详尽评估，应承认潜在的选择和语言偏倚。2.2 与既有转化框架的关系所提出的靶点可信度框架补充了既有方法。5R框架考虑正确的靶点、组织、安全性、患者和商业潜力；三大支柱强调作用部位暴露、靶点结合和功能性药理活性；GOT-IT则推荐具有明确里程碑和继续/终止决策的项目特异性靶点评估。所提出的扩展将异质模态映射到转化问题，并将跨模态证据分类为趋同、未解决或矛盾。这些证据状态和决策规则在表2中操作化。表2总结了靶点和干预评估以及关联生物标志物开发的拟议决策标准。证据域包括因果相关性和治疗方向性、细胞和组织背景、功能验证、可成药性和暴露、靶点结合、药效学反应、安全性和治疗窗；以及生物标志物就绪度、计算/模型就绪度和临床实施。每个域都有对应的继续、优化和终止标准及参考文献。2.3 操作性靶点可信度评估研究人员提出一种多域、门控式靶点可信度评估，而非单一的加性数值评分。与既定靶点评估原则一致，该评估针对疾病适应症、项目目标、开发阶段和预期进展决策进行定制。证据根据因果支持、生物学相关性、可重复性以及功能和药理学测量的直接性进行评估。该框架提供拟议的决策规则；尚未被验证为预测临床成功的工具。评估始于明确决策是关于靶点–适应症假说、化合物、递送策略、生物标志物还是计算模型。然后根据项目特定目标、里程碑和进展标准为下一个开发步骤定义证据要求。对于靶点提名，研究人员建议，合理的疾病关联、相关生物学背景和可测试的调节方向可能足以证明进一步实验验证的合理性。药理学评估另外考虑作用部位暴露、靶点结合、下游药理活性以及阶段适当的安全性证据。这些标准并不取代临床开发所需的更广泛的临床前和监管评估。因此，继续决策仅支持指定的下一步；并不确立临床就绪度。表2将靶点和干预评估与生物标志物、模型和实施评估分开。证据根据预先定义的、决策特异性的要求（包括可接受的不确定性和会挑战假说的观察）被分类为受支持、未解决或矛盾。继续支持推进到指定的下一步；优化适用于假说仍然合理但存在潜在可解决的差距；终止适用于决策关键域中的稳健矛盾证据或不可缓解的限制削弱了所评估的策略。决策关键失败不能被另一域中的有利证据抵消。终止化合物并不必然使靶点无效。只有当生物标志物对其实施不可或缺且没有可行替代方案时，生物标志物失败才需要终止所评估的治疗策略。缺失证据仍为未解决而非矛盾。不一致的发现应首先评估技术和生物学解释，包括测量质量、批次效应、缺失数据、细胞异质性和分子层之间的时间差异。独立数据集和正交实验随后可帮助确定差异是技术性的还是反映可重复的生物学差异。直接靶点结合和下游药效学反应应分开评估，因为化合物–靶点结合本身并不能确立预期的功能效应。BRAF(V600E)结直肠癌说明了优化决策。RNAi筛选和药理学实验确定了EGFR反馈激活是限制BRAF抑制剂活性的机制；联合BRAF–EGFR抑制在临床前模型中增强了抗肿瘤活性。回顾性应用该框架，这一证据将支持将干预措施向联合测试优化；它不会确立临床就绪度，也不会使BRAF作为靶点无效。表3提供了额外示例：PCSK9和ANGPTL3的支持性证据、AZD3778的暴露不确定性、Lp-PLA2/darapladib的阴性遗传和临床发现以及semagacestat不利的疗效–安全性特征。总之，这些案例回顾性说明了所提出的决策逻辑；它们并不证明该框架能前瞻性预测结果。2.4 生物标志物就绪度与临床实施靶点可信度和生物标志物就绪度是相关但分开的转化过程。具有治疗可信度的靶点并不自动确定相关分子测量适用于临床决策。因此，生物标志物应根据预定义的使用环境进行评估，例如患者选择、治疗反应预测、药效学评估、安全性监测或纵向监测，并具有适当的分析性能、临床有效性、决策阈值和临床效用证据。这些生物标志物角色不应混为一谈。预测性生物标志物识别更可能从特定干预中获益或受到伤害的个体，而药效学生物标志物指示治疗后的生物学反应，但不一定确立临床疗效。替代终点替代直接测量临床获益，而伴随诊断提供对应治疗产品安全有效使用所必需的信息；因此这些应用需要根据预期使用环境进行适当的验证和监管评估。前瞻性临床效用由PREDICT-1试验例证，在该试验中，阿巴卡韦治疗前的HLA-B*57:01筛查指导了等位基因阳性患者的药物规避并降低了超敏反应风险。临床实施增加了与检测可及性、测定稳健性和可重复性、成本、监管、报销、基础设施和临床工作流兼容性相关的要求。因此，靶点可能推进而其关联生物标志物仍在优化中，而生物标志物失败不一定使靶点无效，但当生物标志物对于识别响应人群或证明治疗机制至关重要时，它可能阻止进展。图1总结了生物学验证、药理学测试和生物标志物开发之间的迭代关系，表2提供了操作性的继续、优化和终止标准。3 基因组学与药物基因组学：从因果证据到患者分层基因组学通过将人类遗传变异与疾病生物学、治疗方向性、安全性和患者分层联系起来，为转化药理学提供上游证据层。有人类遗传证据支持的药物机制比无此类支持的机制具有大约2.6倍的临床成功概率，尤其是在因果基因置信度较高时。然而，遗传关联本身并不能确立治疗靶点。全基因组关联信号可能出现在非编码区域或连锁不平衡区块内，使因果变异、效应基因、相关细胞类型和机制的识别复杂化。因此，靶点优先排序受益于来自精细定位、分子QTL、共定位、调控注释、染色质相互作用和变异到基因映射的趋同证据。罕见变异和功能缺失分析，以及在适当情况下的孟德尔随机化，可进一步增强因果推断和治疗方向性。人类遗传学也可告知治疗调节的方向。PCSK9提供了一个代表性示例：天然存在的低密度脂蛋白（LDL）降低变异，包括功能缺失变异，与冠心病保护相关，并支持PCSK9抑制作为治疗策略。然而，遗传扰动仍然是药理学干预的不完美替代，因为遗传效应在生命周期中积累，且可能在幅度和时间上与药物治疗不同。3.1 功能遗传验证：靶基因敲除与扰动功能遗传扰动提供了从关联到因果靶点验证的重要桥梁。在疾病相关细胞或动物模型中进行靶基因敲除可测试靶点功能缺失是否产生预测的表型，而拯救实验、正交扰动和药理学验证可帮助区分靶点特异性效应与非靶点或背景依赖性效应。基于簇状规则间隔短回文重复序列（CRISPR）的筛选能够系统识别遗传依赖性，而单细胞扰动方法以细胞分辨率解析下游效应。例如，Perturb-seq将汇集CRISPR扰动与单细胞转录组读段相结合；Replogle等人将基因组规模CRISPR干扰应用于超过250万个人类细胞，以绘制基因型–表型关系。当在疾病相关系统中重现并得到正交验证支持时，此类证据增强靶点可信度。图2总结了人类遗传证据如何与功能性和药理学验证整合以增强靶点可信度。体细胞基因组学说明了从分子改变到生物标志物导向治疗的进展。在慢性髓性白血病中，BCR–ABL1确立了伊马替尼的治疗靶点，而激酶结构域突变可指导后续酪氨酸激酶抑制剂（TKI）的选择。HER2提供了一个跨模态示例，其中乳腺癌治疗资格取决于HER2蛋白表达和/或ERBB2基因扩增。致病性BRCA1/2改变同样应与更广泛的同源重组缺陷表型区分开，后者可通过额外的遗传或调控机制产生。其他可操作改变，包括EGFR、ALK、ROS1、BRAF、错配修复缺陷和微卫星不稳定性，仍然依赖于肿瘤背景、测定解释和有效疗法的可用性。药物基因组学解决遗传变异是否可告知治疗疗效或安全性。HLA-B*57:01预测阿巴卡韦超敏反应，CPIC指南建议阳性个体避免使用阿巴卡韦。CYP2C19中间代谢者和慢代谢者氯吡格雷活化和血小板抑制减少，支持在特定情况下使用基因型指导的替代抗血小板治疗。然而，基因组证据具有重要的转化局限性。疾病相关变异本身并不能确立因果基因、组织背景、可成药性、治疗方向或药理反应，且某些祖先群体的代表性不足可能限制遗传关联和基因组预测模型的可转移性。临床实施进一步要求可靠检测、可解释报告、工作流整合、适当的数据治理和公平的检测可及性。4 转录组学与单细胞分析：疾病状态与治疗反应转录组学捕获与细胞身份、通路活性、疾病进展和治疗反应相关的背景依赖性基因表达状态。在靶点可信度框架内，它可以确定提名靶点及相关通路是否在相关组织、细胞类型、疾病阶段和治疗背景中活跃。由于转录状态是动态的且受细胞组成和采样背景影响，机制解释通过互补的功能和蛋白质水平证据得到加强。当与明确的诊断或治疗问题相关时，转录组学分析可细化疾病分类和生物标志物开发。在脓毒症中，具有不同炎症、适应性免疫和凝血程序的可重复宿主反应内型与疾病严重程度和死亡率的差异相关。在肿瘤学中，RNA测序通过检测表达的基因融合和转录本异构体以及定义基于表达量的疾病亚型来补充基于DNA的分析。在B-ALL中，基因组改变与转录组谱的整合已细化分子分类并识别具有不同生物学、预后和治疗相关性的亚组。扩展的连接图谱包含约130万个L1000谱，用于比较化学和遗传扰动特征。这些数据可优先排序预测逆转疾病相关转录状态或模拟有益扰动的化合物。然而，连接性并不能确立治疗疗效，且可能依赖于细胞背景和化合物浓度；因此预测需要在疾病相关系统中进行实验验证。单细胞RNA测序解析了批量组织中模糊的细胞类型和细胞状态特异性程序，能够识别耐药亚群、治疗诱导状态和肿瘤–微环境相互作用。scTherapy提供了一个转化示例，其中患者特异性单细胞转录组与预训练药物反应模型相结合，以优先排序克隆选择性多靶点治疗，预测在患者来源细胞和类器官中得到验证。然而，前瞻性临床效用仍有待确立。转录组学分析也可通过液体活检支持纵向评估。循环转录组信号可测量为细胞游离mRNA或来自细胞外囊泡、肿瘤教育血小板和循环肿瘤细胞，而重复采样可捕获与反应或耐药相关的治疗相关变化。临床转化仍然受限于RNA不稳定性、低丰度、提取和富集的变异性以及缺乏标准化处理和标准化。5 蛋白质组学与化学蛋白质组学：从蛋白质功能到靶点结合蛋白质组学通过测量蛋白质丰度、活性和翻译后修饰状态来补充基因组和转录组学证据。在靶点可信度框架内，蛋白质组学证据可以确定提名蛋白是否存在于相关疾病背景中，以及其功能状态或相关信号通路是否在治疗干预后发生变化。磷酸化蛋白质组学对于表征信号活性和治疗诱导的通路变化特别有用，支持药效学评估、激酶活性推断以及治疗反应或耐药的研究。化学蛋白质组学将蛋白质水平分析扩展到化合物与分子靶点之间的直接相互作用。化学蛋白质组学方法可以识别预期和非预期相互作用，表征结合特异性，并支持靶点去卷积、作用机制研究和安全性评估。基于活性的蛋白质谱分析测量酶活性和潜在可成药位点，而共价片段方法可以映射天然蛋白质组中的可配体半胱氨酸。当遗传或转录组学证据提名靶点但不确定相应蛋白是否可以被化学结合时，这些方法特别有价值。化学蛋白质组学的一个主要贡献是直接评估靶点结合。在生物学相关系统中证明化合物–靶点相互作用加强了作用机制证据，并可支持先导化合物优化和剂量选择。细胞热位移分析（CETSA）/热蛋白质组分析、亲和性或活性基化学蛋白质组学以及结构质谱方法提供结合的互补证据。重要的是，靶点结合应区别于下游药效学反应：结合或占据确立近端结合，而后续通路或功能变化证明其生物学后果。激酶抑制剂的化学蛋白质组学分析进一步说明了预期和非靶点相互作用如何告知选择性、多药理学、反应和毒性。图3说明了蛋白质组学和化学蛋白质组学方法如何区分直接靶点结合与下游药效学反应和适应性耐药。蛋白质组学证据也可为遗传扰动提供机制背景。遗传功能缺失或获得可能不能完全重现药理学调节，而与蛋白质组学和化学蛋白质组学数据的整合可以将基因水平依赖性连接到蛋白质状态变化和药理学可操作的机制。蛋白质基因组学进一步整合基因组和转录组信息与蛋白质组和磷酸化蛋白质组测量，以确定分子改变是否在蛋白质和信号水平得到反映。在乳腺癌中，整合蛋白质基因组学分析将基因组改变连接到蛋白质和磷蛋白变化，并识别了仅凭转录组数据不明显信号特征和候选治疗靶点。生物流体蛋白质组学为生物标志物开发和纵向监测提供了补充途径，因为血浆可重复采样。质谱和亲和力平台在覆盖率、灵敏度、特异性和定量方面有所不同，而低丰度蛋白检测、分析前变异、缺失数据和分析选择可影响可重复性。总之，蛋白质组学和化学蛋白质组学证据将蛋白质状态和化学结合与下游药效学反应联系起来。6 代谢组学与脂质组学：生化表型、治疗反应和毒性6.1 代谢组学与药物代谢组学代谢组学通过测量细胞、组织和生物流体中的小分子代谢物，提供药理学反应的近表型视图。由于代谢组反映遗传和蛋白质水平调控以及环境、营养、微生物组和治疗影响，它提供了生化状态的动态读数。在靶点可信度框架内，代谢组学证据对于将疾病或治疗扰动与机制、药效学反应或毒性联系起来特别有用。稳态代谢物丰度在机制上是模糊的，因为浓度改变可能反映产生、消耗、转运、器官间交换或代偿反应的变化，而非疾病驱动通路。因此，代谢组学发现与明确的药理学问题相关并与正交分子、扰动或临床证据结合解释时最有信息量。药物代谢组学使用治疗前和治疗相关代谢谱来研究疗效、毒性、药代动力学和剂量需求的变异性，而早期治疗相关变化可提供药物效应的药效学证据。稳定同位素示踪通过追踪标记底物通过代谢通路来量化底物利用和代谢通量，将此类分析扩展到稳态丰度之外。在非小细胞肺癌患者中，[U–13C]葡萄糖示踪揭示了增强的葡萄糖氧化和肿瘤内外显著的代谢异质性，差异与肿瘤灌注相关。此类测量可定义与治疗反应或耐药相关的背景依赖性代谢依赖性。代谢组学也可通过识别与毒性相关的时间和剂量依赖性生化扰动来促进安全性评估。例如，基于NMR的分析检测到大鼠和HepG2细胞中苦参碱处理后的暴露相关代谢变化，说明了其在临床前开发中进行机制毒理学评估的潜力。临床转化仍然受限于生物学和分析变异性。采样时间、采集和处理、储存、提取、仪器条件和数据预处理可显著影响代谢谱。非靶向工作流提供广泛的发现覆盖，但通常包括未完全鉴定的特征，而靶向测定允许对选定代谢物进行更严格的定量验证。因此，可重复性需要适当的质量控制、透明的分析报告和独立验证。用于临床的代谢特征还必须证明对预定临床决策的价值，而非仅统计关联。6.2 脂质组学与空间脂质组学脂质组学通过表征参与膜组织、能量代谢、信号传导、炎症和细胞死亡通路的脂质种类来扩展代谢组学分析。在靶点可信度框架内，当治疗或疾病相关脂质重塑可连接到明确机制、药理学相关通路或生物标志物使用环境时，脂质组学证据最有信息量。解释因脂质的结构多样性而复杂化，包括酰基链组成、双键位置、立体化学、位置异构和氧化状态的变化。因此，脂质注释应反映分析方法支持的结构分辨率，标准化命名和报告可提高可重复性。当脂质改变与功能机制相连时，脂质组学超越描述性分析。铁死亡提供了一个治疗相关示例，因为铁依赖性脂质过氧化是这种受调节细胞死亡形式的核心，并可产生背景依赖性脆弱性。此类观察可提名治疗假说，但在脂质谱改变被视为可操作脆弱性的证据之前，需要进行功能验证。空间脂质组学通过使用质谱成像在完整组织内定位脂质、代谢物、治疗化合物和药物代谢物来添加解剖背景。将局部药物分布与分子变化相关联可帮助区分区域暴露、药效学反应和毒性，而与组织病理学或其他空间组学模态的整合可将这些信号连接到特定组织区室。在胃癌中，整合空间转录组学、代谢组学和脂质组学分析解析了肿瘤内代谢异质性和细胞特异性代谢相互作用，这些在批量测量中不明显。图4说明了代谢通量分析、治疗相关代谢谱分析和空间代谢组学/脂质组学如何将肿瘤代谢与治疗反应、毒性和肿瘤内异质性联系起来。转化解释仍受生理状态、药物暴露、样本处理、脂质氧化、电离和基质效应、批次变异和平台特异性差异的影响。当分析方法无法解析双键位置、sn-位置、立体化学或氧化修饰时，结构分配也可能不确定。7 表观基因组学：可逆调控、治疗脆弱性与耐药表观基因组学通过DNA甲基化、组蛋白修饰、染色质可及性和更高阶染色质组织提供疾病生物学的调控视图。由于这些状态是动态的、细胞类型特异性的和背景依赖性的，表观基因组学证据可以识别疾病相关调控程序和治疗相关状态，这些状态产生治疗脆弱性或导致耐药。在靶点可信度框架内，其主要贡献是识别可逆调控机制，这些机制可连接到功能扰动和药理反应。几种表观遗传依赖性在药理学上是可操作的，包括DNMT、HDAC、突变IDH1/2和EZH2。menin抑制提供了一个基于机制的近期示例：KMT2A重排白血病依赖于menin介导的白血病发生转录程序的维持，为破坏menin–KMT2A相互作用提供了理论依据。在II期AUGMENT-101研究中，revumenib在复发或难治性KMT2A重排急性白血病中显示出临床活性，同时抑制HOX/MEIS1相关程序并增加分化标志物表达。这将分子定义的患者选择与药效学反应和临床活性联系起来。表观基因组学分析也可支持生物标志物开发，但生物标志物就绪度应区别于靶点或机制可信度。DNA甲基化特征是最临床开发的表观遗传生物标志物之一，因为它们相对稳定且与靶向测定和细胞游离DNA分析兼容。其他读段，包括染色质可及性和组蛋白修饰，在常规临床使用方面仍不够成熟。因此，临床实施需要独立验证和生物标志物告知预定临床决策的证据。表观基因组学对于适应性耐药尤其有信息量。肿瘤细胞可通过可逆、非突变调控状态短暂存活于治疗压力下，产生药物耐受持久性群体。Sharma等人确定了与H3K4甲基化减少相关的KDM5A依赖性状态；KDM5A扰动降低药物耐受性，而HDAC或IGF-1R抑制破坏了耐受状态。这说明了可逆表观遗传适应如何在稳定遗传耐药出现之前产生治疗脆弱性。单细胞和多模态表观基因组学方法解析了批量组织中模糊的调控状态。单细胞染色质可及性分析和配对染色质–RNA测量可将调控状态与转录输出连接起来，并揭示罕见亚群、状态转变和治疗相关变化。功能表观基因组编辑提供了一种互补的因果性测试方法：CRISPR/dCas9系统可将调控效应器招募到定义位点，而CRISPRoff可通过靶向DNA甲基化和抑制性组蛋白修饰诱导持久基因沉默。这些方法仍处于实验阶段，需要进一步评估递送、特异性、持久性和脱靶效应。新兴的药物–染色质映射方法进一步将表观基因组状态与药理学结合联系起来。单细胞EpiChem联合分析小分子染色质结合与组蛋白修饰、染色质可及性或选定蛋白。在患者来源的结直肠癌类器官中，它揭示了异质性、细胞状态特异性药物结合模式，这些模式并非简单地重现染色质可及性，说明了为什么应测试跨分子层的一致性而非假设。此类方法目前最好被视为机制和靶点结合研究的研究阶段工具，而非临床确立的测定方法。因此，机制性表观基因组学主张需要正交功能验证，而表观基因组生物标志物需要针对定义临床使用环境的单独验证。8 空间组学：组织背景与空间药理学空间组学通过在完整组织内保留分子信号来添加解剖背景。与批量分析或解离细胞方法不同，空间方法可将分子状态与细胞邻域、基质和血管结构、免疫微环境以及局部生化环境联系起来。在靶点可信度框架内，空间证据可以确定提名靶点或通路是否存在于疾病相关区室中，以及其定位是否与治疗反应或耐药相关，如图5所示。空间转录组学和蛋白质组学提供关于组织组织和分子状态的互补信息。转录组方法定义区域表达程序和细胞状态，而空间蛋白质组学测量蛋白质丰度、信号特征和细胞–细胞关系在解剖背景内。由于RNA丰度不一定预测蛋白质丰度、修饰或细胞表面定位，空间蛋白质测量可通过确认相关区室中蛋白质水平定位来加强靶点评估。质谱成像将空间分析扩展到代谢物、脂质、肽、聚糖、治疗化合物和药物代谢物。这特别适用于空间药理学，因为批量药代动力学测量可能掩盖药物分布和代谢的区域异质性。将药物暴露与内源分子变化共同映射可将局部暴露与药效学或毒理学效应联系起来。重要的是，空间药物存在证明暴露而非靶点结合，后者需要与预期分子靶点相互作用的独立证据。空间分析也可细化生物标志物假说。在晚期非小细胞肺癌接受PD-1免疫治疗中，整合空间蛋白质组和转录组分析确定了涉及增殖肿瘤细胞、粒细胞和血管的耐药相关特征，以及经独立队列验证的反应相关巨噬细胞和CD4 T细胞特征。在常规治疗选择之前，仍需前瞻性验证和临床可部署测定。空间模态的整合可进一步将生化状态与定义细胞表型联系起来。Nunes等人将MALDI-MSI代谢组学与结直肠癌组织中的成像质谱流式免疫表型结合，揭示了癌症、基质和免疫区室中细胞类型相关的代谢异质性。然而，该概念验证仅涉及三个肿瘤，需要不同空间分辨率模态的共同配准，说明需要更广泛的验证和对空间分配仔细解释。空间测量仍然具有技术挑战性，因为组织质量和采样、细胞分割和注释、空间分辨率、平台灵敏度和多模态配准。分辨率差异可使跨模态对齐复杂化，而MSI还受到基质效应、离子抑制和分子注释不确定性的影响。基于成像的空间转录组学的标准化质量指标可支持对灵敏度、动态范围、信噪比、可重复性和与单细胞分析一致性的评估。临床转化需要可重复工作流、验证计算管道、多中心或前瞻性验证，以及空间生物标志物改善预定治疗决策的证据。实际限制包括组织可用性和代表性、活检时机和风险、组织消耗、样本保存、患者内异质性、成本、平台可及性。因此，其主要转化价值在于在疾病相关组织区室内定位靶点、药物暴露和治疗相关分子反应。9 人工智能赋能的多组学整合：用于靶点优先排序和生物标志物导向转化的可解释模型AI和机器学习方法可整合异质性、高维和不完整观测的多组学数据，以识别单个分子层内不明显的模式。应用包括无监督整合和表示学习、治疗反应或毒性的监督预测，以及靶点或生物标志物假说的优先排序，而因果推断、基础模型和生成方法解决不同的问题。在靶点可信度框架内，计算模型应支持证据整合和优先排序，而非被视为因果性或治疗相关性的独立证明。多组学整合可发生在模型开发的不同阶段。早期整合在模型拟合前组合特征，晚期整合组合模态特异性预测，而中间整合学习跨模态联合表示，如图6所示。这些融合策略不同于学习目标，例如无监督表示学习、监督预测、因果推断或生成建模。与预测模型不同，因果推断方法旨在估计在明确假设和适当研究设计下，修改暴露、靶点或治疗是否会改变结果。因此，整合策略的选择应反映生物学或临床问题、队列规模、模态完整性、缺失数据结构和可解释性要求。基于网络的方法通过将分子测量映射到调控、相互作用、信号传导、代谢或药物–靶点网络来补充，以优先排序生物学连接的疾病模块和靶点。机器学习可通过整合互补遗传证据支持靶点优先排序。例如，ML-GPS结合常见、罕见和超罕见变异关联与额外遗传证据，以优先排序慢性疾病中的靶点–疾病关系。此类模型可优先排序候选靶点–疾病关系，但需要生物学和药理学验证。AI赋能模型也可通过结合分子、微生物组、影像和临床特征来支持生物标志物开发和患者分层，以预测反应、耐药或毒性。其转化价值取决于预定义使用环境、可重复输入、外部验证、可解释输出或阈值，以及证据表明其改善决策超出既有临床变量或生物标志物。可解释性方法可识别有影响力的特征或通路，但特征归因不应被解释为因果性证据。AI还可通过整合化学结构、理化性质、实验ADMET数据、毒性测量和分子反应谱来支持药物安全性和暴露评估。当训练数据不完整、有偏或不能很好代表预期化学空间时，性能可能下降；因此，计算安全性预测应补充而非取代实验药理学和毒理学。基础模型使用大规模预训练来学习可转移表示，而生成模型定义为建模和生成复杂数据分布的能力；这些类别可能重叠。scGPT说明了这种重叠，它是一个生成性基础模型，在超过3300万个细胞上预训练，并评估了细胞类型注释、批次整合、多组学整合、扰动反应预测和基因网络推断。此类模型对于转化决策仍处于研究阶段，需要任务特定基准测试、生物学验证、透明度和系统评估失败模式。计算复杂性无法补偿不充分的采样、时间错位、不适当对照、治疗选择偏倚或低样本质量。多组学研究还通常将高维特征空间与相对小队列、缺失数据、批次和平台效应以及群体异质性相结合，增加过拟合和数据集转移的风险。稳健评估因此需要抗泄漏验证、区分度和校准评估、独立外部验证、不确定性评估、预期临床环境中的前瞻性评估，以及跨相关祖先、性别、年龄、疾病严重程度和护理环境亚组的亚组分析。临床实施引入进一步的数据溯源、验证工作流、透明报告、可解释输出、安全基础设施、生命周期变更管理和性能漂移监测要求。真实世界证据和隐私保护方法如联邦学习可支持跨不同环境评估，但不会消除治理、可重复性和质量控制的需要。当模型输出影响治疗资格、药物选择、剂量或反应预测时，这些要求尤为重要。10 讨论与未来优先事项整合组学在加强从疾病生物学到可药理学测试和临床相关治疗假说的证据链时最为有用。靶点可信度框架将异质性证据围绕明确转化问题和决策点组织，而不是将额外分子层视为固有信息性。未来研究应从定义明确的转化问题开始，并根据该目标选择组学和计算方法，而非平台可用性。10.1 从静态谱到空间和时间分辨证据一个主要优先事项是从横断面、模态特异性研究转向对同一生物系统内互补分子特征的协调分析，并在可行时跨临床相关时间点进行。纵向采样可区分基线状态与治疗诱导适应、药效学反应和新兴耐药，而空间方法可在完整组织内定位分子程序、生物标志物和耐药微环境。然而，新增信息必须证明组织可及性、活检时机和风险、组织消耗、患者内异质性、分析前变异、空间分辨率限制、跨模态对齐和成本的实际负担。转化价值最终取决于可重复工作流、验证质量控制和与药理学及临床结果的整合。10.2 干预导向的组学与AI赋能模型第二个优先事项是围绕明确药理学问题设计组学研究，包括靶点是否因果参与疾病、其扰动是否产生预期效应、哪些细胞或组织背景限制疗效，以及哪些测量确立靶点结合、药效学反应、耐药或毒性。解决这些问题需要将分子分析与受控扰动、疾病相关模型、适当对照以及合理情况下的纵向或空间采样相结合。多组学整合无法补偿不充分采样、时间错位、治疗选择偏倚、组织质量差或功效不足的异质队列。AI赋能模型可通过整合证据、优先排序实验和建模对遗传或药理学扰动的反应来支持这一过程。基础模型和新兴虚拟细胞方法可将此类建模扩展到分子、细胞和组织尺度，但其转化价值取决于生物学保真度、跨数据集和背景的稳健性、不确定性评估以及独立实验和最终前瞻性临床验证。10.3 生物标志物转化、标准化和监管就绪度第三个优先事项是区分靶点可信度与生物标志物就绪度，并将探索性多组学特征转向具有预定义使用环境的生物标志物或模型。支持靶点生物学或药理学可信度的证据本身并不能确立关联生物标志物的分析有效性、临床有效性或临床效用。转化需要分析可重复测量、临床可解释输出、可行测定、独立验证，以及生物标志物改善治疗决策的证据。监管要求因预期用途和开发阶段而异。用于假说生成的探索性测定可能需要的验证程度不同于用于支持治疗或监管决策的测定，后者需要预定义使用环境和适合目的的分析验证。药效学生物标志物应区别于预测性生物标志物，而对于治疗产品安全有效使用至关重要的伴随诊断需要针对其预期用途进行适当的监管评估。对于指导治疗的临床试验测定，分析程序和决策阈值应在前瞻性使用前最终确定，后续更改需记录并适当重新评估或重新验证。基于AI的临床决策工具还需要数据溯源、版本控制、生命周期变更管理、验证和部署后性能漂移监测。临床可部署产品可能与原始发现平台大不相同；例如，复杂多组学特征可能需要简化为靶向面板、验证空间测定或校准多模态模型。这种转变需要标准化分析前程序、样本处理、质量控制指标、分析管道、命名法和跨平台基准测试。实施还必须考虑样本需求、周转时间、成本、报销、可及性、基础设施和临床工作流兼容性。AI赋能工具还需要透明报告、安全基础设施以及与临床治理和工作流要求的兼容性。验证队列应代表祖先、性别、年龄、疾病严重程度、治疗历史和临床环境的相关变异。10.4 转化药理学实用路线图该框架可通过三个结果概括：继续、优化或终止。当决策关键证据对于预期开发阶段足够一致时，支持继续。当假说仍然合理但重要不确定性可能解决时，优化是适当的。当疾病相关扰动未能支持机制、无法实现充分靶点结合、出现不可接受安全性负担，或生物标志物假说未通过独立验证时，应考虑终止。所需证据权重应保持背景依赖性，而非简化为通用数值评分，因为不同靶点提名、先导化合物优化、药效学评估和生物标志物导向开发的要求不同。复杂特征仅在它们提供超出更简单方法的决策相关信息并可转化为分析稳健、临床可行测定或模型时，才应推进。计算预测同样需要独立验证、前瞻性评估和在影响临床决策前持续性能评估。因此，整合组学应作为迭代决策框架，支持治疗假说的推进、优化或早期终止，而非积累描述性分子数据。11 结论当互补证据围绕明确治疗问题和决策点组织而非作为描述性数据层积累时，整合组学可加强转化药理学。靶点可信度框架将因果和功能证据与药理学可成药性、组织背景、靶点结合、药效学反应、安全性和生物标志物开发联系起来，同时认识到它们不同的证据要求。进展将取决于严谨的干预导向研究设计、适当应用的纵向和空间分析、分析稳健生物标志物、可解释计算模型以及独立实验和临床验证。以这种方式应用，整合组学不仅可以支持靶点推进和生物标志物导向治疗，还可以支持薄弱治疗假说的优化或早期终止。