Cabozantinib (s)-Malate

多靶点小分子药物从理性设计到临床转化的发展现状与未来趋势 何世鹏1   盛春泉2** 上海大学 转化医学研究院 第二军医大学（海军军医大学） 药学院医药基础研究与创新教育部重点实验室 作者简介 盛春泉   海军军医大学教授，药学系系主任，教育部医药基础研究创新中心主任，博士生导师。主要从事靶向蛋白降解药物、抗真菌药物和特种药物研究。主持国家自然科学基金青年科学基金项目（A类）等项目。 何世鹏   上海大学教授，博士生导师。入选国家级高层次青年人才、上海市高层次青年人才、福建省高层次人才B类。主要从事双功能分子药物研究。 摘  要 复杂疾病往往由多层级、多通路分子网络异常共同驱动，传统以单一靶点为核心的药物研发模式在疗效持久性与耐药控制方面逐渐显现瓶颈。在此背景下，能够同时调控多个关键病理节点的多靶点单一分子药物，因其内在的协同作用潜力与系统干预优势，正逐步成为创新药物研发的重要方向。随着分子生物学、系统药理学与计算化学的快速发展，多靶点药物的设计理念已由早期的经验发现转向以机制认知和数据整合为基础的理性设计。本文系统综述了多靶点小分子药物的设计策略、技术进展、临床应用现状及挑战。结合人工智能、基因编辑、计算生物学等前沿技术，探讨其在肿瘤、神经退行性疾病、代谢综合征等领域的未来发展方向。 关键词：多靶点药物；协同效应；设计策略；技术进展；临床转化 1   多靶点药物的理论基础与研究背景 近年来，随着系统生物学、网络药理学和人工智能等交叉学科的迅速发展，人类对疾病本质的理解已从传统的“单因单果”模式逐步向“系统网络调控”范式转变[1，2]。传统的药物研发策略多以单一靶点为导向，即通过抑制或激活特定的关键蛋白来干预疾病进程，这种策略在治疗一些病因明确的单因素疾病时曾取得显著成功，如利用抗生素治疗细菌感染、使用降压药物控制血压等[3]。然而，越来越多的研究发现，诸如恶性肿瘤、神经退行性疾病、代谢紊乱、自身免疫疾病等复杂性疾病，病理机制往往牵涉多个基因、蛋白、信号通路乃至多个组织器官的协同失衡[4]。单一靶点药物在面对这些疾病时显得捉襟见肘，往往出现疗效有限、耐药频发、毒性显著等问题[5]。例如，在肿瘤治疗领域，虽然第一代表皮生长因子受体（Epidermal Growth Factor Receptor，EGFR）抑制剂曾一度带来治疗上的突破，但临床实践中发现患者在使用一段时间后常因EGFR T790M等耐药突变而疗效衰减[6，7]。此外，在阿尔茨海默病等神经退行性疾病中，单一靶向乙酰胆碱酯酶（Acetylcholinesterase，AChE）的药物虽然可短暂改善认知症状，但无法根本延缓病程发展[8]。心血管疾病、糖尿病等代谢综合征亦呈现出类似的治疗瓶颈。因此，以系统视角重新审视疾病网络，开发能够协同调控多个关键节点的多靶点药物，逐渐成为现代药物研发的新趋势与必然选择。 在此背景下，多靶点药物（Multi-Target Drugs，MTDs）应运而生。广义的多靶点治疗策略既包括由多种活性成分组成，通过联合给药实现多靶点调控方案（如抗HIV复方制剂 Atripla[9]），也包括单一分子同时作用于多个靶点的“单分子多靶点药物”。与单靶点药物的联合使用相比，多靶点单分子药物在多个层面展现出独特优势：在药代动力学层面，其可确保不同靶点调控在时间和空间上的高度一致性，避免联合用药中因不同药物吸收、分布和代谢差异导致的靶点暴露不同步；在安全性和耐药性方面，通过在单一分子中实现对多个关键节点的中等强度调控，可降低对单一靶点的选择压力，从而减少补偿性通路激活和耐药突变的产生；此外，在临床应用和监管层面，多靶点单分子药物在剂量管理、给药依从性及药物相互作用风险控制方面亦具有明显优势。因此，在合适的疾病背景下，多靶点单分子药物并非联合用药的简单替代，而是一种具有独立科学价值和临床潜力的治疗模式。 需要指出的是，从严格的药物化学和系统药理学角度来看，几乎所有小分子化合物在生物体系中都可能与多个蛋白发生相互作用。然而，这种由非特异性或偶然结合所产生的“多靶点效应”，并不等同于多靶点药物研究领域中所强调的多靶点治疗策略。通常而言，多靶点小分子药物特指在研发阶段即以多个具有明确病理相关性和协同作用意义的靶点为调控目标，通过系统筛选或理性设计获得的药物分子[10]。基于药物发现路径和设计逻辑的不同，现有多靶点药物及相关研究可大致分为三类：第一类为药效发现后逐步揭示其多靶点作用机制的经典药物；第二类为以单靶点为主要筛选目标，后续发现并确认其具有多靶点作用的药物；第三类则是在设计阶段即基于疾病分子网络和信号通路协同关系，明确针对多个靶点进行理性构建的多靶点药物。前两类药物在多靶点研究的发展历程中具有重要启示意义，但其多靶点特性更多体现为事后发现或伴随属性，并不完全代表当前该领域的主流研究方向。 事实上，早在20世纪中叶，一些临床常用药物如阿司匹林、三环类抗抑郁药和氯氮平就已经显示出多重靶向特性，尽管当时对此缺乏分子层面的认识。阿司匹林不仅抑制环氧化酶（Cyclooxygenase，COX）缓解炎症，还可通过调节血小板功能预防心血管事件[11]。氯氮平作为非典型抗精神病药，其对多种神经递质受体的调节作用，使其在治疗精神分裂症方面具有其他药物不可替代的疗效[12]。随着分子生物学、蛋白组学和计算化学的飞速发展，药物研究者逐渐掌握了系统性识别药物作用靶点的能力，并开始有意识地设计具有特定多靶向性的化合物，这一趋势标志着“从经验型多靶向，到理性设计的多靶点药物”时代的来临[13]。在这一范式下，多靶点药物被认为具有天然的协同调控优势[14]。其一，通过同时作用于疾病信号网络中的多个关键节点，可增强整体治疗效果并克服通路冗余带来的耐药性；其二，多靶点调控有助于在较低剂量下实现疗效，从而降低高剂量单靶点药物可能引发的脱靶毒性；其三，多靶点干预能够更全面地调控复杂病理过程，例如在炎症性疾病中同步调节炎症信号通路和氧化应激反应，实现抗炎与组织保护的协同效应。基于上述认识，前瞻性、机制驱动的多靶点药物设计正逐渐成为复杂疾病治疗的重要研究方向。本文后续内容将围绕这一“理想多靶点药物”范式，对其分子设计策略、成药性优化原则及临床转化挑战进行系统综述。 2   多靶点药物设计策略与技术进展 多靶点药物的设计并不仅仅是将多个已有药物进行物理混合，而是需要在分子层面进行精细设计，以实现结构的稳定性、功能的协同性和药代动力学特性的兼容性。当前多靶点药物设计的关键问题在于：如何科学选择靶点组合，如何合理构建多靶点分子骨架，以及如何评估和优化其生物学活性。 2.1  靶点组合的理性选择 靶点组合的选择是多靶点药物设计的第一步，这一过程需要多学科信息的整合[15]。临床联合用药的成功案例提供了重要启示，如在精神疾病治疗中，多巴胺D2受体与5-HT2A受体的双重调控机制被证实可有效平衡神经递质系统。典型代表药物阿立哌唑的开发[16]即源于该策略—通过同时调节多巴胺D2受体的部分激动和5-HT2A受体的拮抗作用，既缓解症状又改善认知功能。这种双靶点设计理念在2024年汪胜团队的研究中得到进一步拓展[17]，他们开发的IHCH-7179通过可变分子骨架技术，实现了对血清素1A受体（激动）与2A受体（拮抗）的选择性调控，在动物模型中同时抑制精神错乱症状并提升认知能力，展现出“一药多效”的突破性潜力。在肿瘤治疗领域，通过基因编辑技术验证靶点协同效应。利用CRISPR/Cas9对肿瘤细胞系进行系统性筛选，研究者发现Bcl-2抑制剂维奈托克与MEK抑制剂考比替尼的组合可显著诱导凋亡协同效应[18]。机制研究表明，MEK通路抑制会下调MCL-1蛋白表达，从而增强Bcl-2抑制剂的促凋亡作用。这种基于基因编辑的功能验证为靶点组合选择提供了直接实验证据，为后续多靶点药物设计提供了理论基础。 此外，网络药理学与深度学习技术的融合极大提升了靶点筛选的系统性。通过构建疾病相关基因—蛋白—代谢物的多层级相互作用网络，研究者可识别处于调控枢纽的靶点组合。例如，基于STITCH数据库的药物—靶标网络分析，能够预测具有协同潜力的靶点组合，并通过分子对接模拟验证结合模式[19]。上海药物所开发的D3EGFRAI模型整合Morgan分子指纹与卷积神经网络（Convolutional Neural Network，CNN），对EGFR突变型肺癌的药物治疗敏感性进行预测，在包含1 339例患者和257种突变类型临床病例的验证中准确率达到80%以上，这种通过人工智能（Artificial Intelligence，AI）整合多组学数据（突变谱+药物结构）的策略，能够直接预测多靶点协同效应，为个体化用药提供了精准指导[20]。深度学习算法在靶点组合优化中的价值尤为突出，DeepPurpose等平台通过构建多模态数据输入（如分子结构、基因表达谱、蛋白互作网络），可同时预测药物对多个靶点的亲和力及协同指数[21]。这种方法的优势在于能够处理高维非线性关系，例如在阿尔茨海默病研究中，通过分析Aβ沉积与tau蛋白磷酸化的交叉调控网络，成功预测出BACE1与GSK-3β的双重抑制策略产生的协同神经保护效应[22，23]。这些技术的进步大幅提升了多靶点药物设计的系统性与精准性。 2.2  多靶点分子设计方法 多靶点药物的设计是一个系统工程，需要综合运用多种策略和方法。基于结构的理性设计是目前最主流的方法之一。随着结构生物学和计算化学的发展，研究人员能够更准确地预测化合物与多个靶点的结合模式。例如，通过分子对接和分子动力学模拟，可以优化化合物的结构特征，使其能够同时适配多个靶点的结合口袋。这种方法的成功案例包括多种激酶抑制剂，它们通过保守的三磷酸腺苷（Adenosine Triphosphate，ATP）结合口袋实现对多个激酶的选择性抑制。当前，在多靶点药物的分子构建方面，主要有三种策略：药效团拼接、药效团叠加与药效团融合（图1）[24]。 药效团拼接（pharmacophore linking）是通过一个连接子将两个或多个具有独立活性的药效团连接在一起，要求各药效团在连接后仍保持其结合活性，且整体分子具有适当的构象柔性，以便同时结合多个靶点。大多数不同靶点的配体并没有结构相似性，此时两个先导化合物可以直接连接或通过连接链连接，进而得到保持原来大多数关键药效团的新分子。连接药效团模式的最大优点是连接分子设计相对容易，仅通过一个连接链就能基本保持原始配体的关键药效团和活性。如果连接链是稳定且不可裂解的，双靶点化合物可作为完整分子在体内单独识别并结合两个或多个靶点，此时，连接链的长度、疏水性、刚性等特征可能影响MTDs的总体效果。例如，组蛋白去乙酰化酶（Histone Deacetylase，HDACs）作为表观遗传调控的关键酶类，已成为治疗肿瘤和神经退行性疾病的重要靶点[25]。经典的HDAC抑制剂（Histone Deacetylase Inhibitor，HDACi）具有特征性的三部分结构：帽状区域（Cap）、连接单元（Linker）及锌离子结合基团（Zinc Binding Group，ZBG），其中ZBG（如异羟肟酸基团）通过与催化中心锌离子螯合发挥关键抑制作用，代表性药物伏立诺他（SAHA， 1）即为此类结构。研究发现，HDAC与酪氨酸激酶（Janus Kinase，JAK）信号通路存在功能协同，但SAHA与JAK抑制剂Momelotinib（2）在药效团和分子骨架上缺乏相似性。针对这一特点，笔者研究团队创新性地将SAHA的ZBG与JAK抑制剂2的关键药效团通过优化设计的连接链进行偶联，成功开发出高选择性JAK/HDAC双靶点抑制剂3（JAK2 IC50=0.49 nM，HDAC6 IC50=12 nM）。该化合物在银屑病治疗模型中展现出优于单一靶点抑制剂的显著疗效，为相关疾病的治疗提供了新的分子实体（图2A）[26]。糖原合成酶激酶-3β（Glycogen Synthase Kinase， GSK-3β）和AChE作为AD治疗的双重靶点，其协同抑制可产生更佳的治疗效果。他克林（Tacrine， 5）作为首个临床应用的AChE抑制剂，其晶体结构显示：吖啶环核心嵌入Trp84和Phe330芳香残基之间，而氨基侧链则延伸至溶剂通道区域。同时，GSK-3β抑制剂4的酰胺吡啶片段与Val135形成双重氢键作用，噻唑酰胺基团则与Lys85建立氢键连接，且其酰胺基团同样朝向溶剂区。基于这一结构互补性，Jiang等[27]采用烷基二胺连接子将他克林的氨基与化合物4的溶剂可及区域共价连接，成功构建了新型AChE/GSK-3β双靶点抑制剂6（图2B）。该化合物展现出显著的协同抑制活性（GSK-3β IC50=66.41 nM，AChE IC50=6.45 nM），为AD治疗提供了创新的多靶点干预策略。 药效团合并（pharmacophore merging）策略则是识别不同靶点配体间的共性结构特征，通过设计一个分子同时兼具这些关键结构，从而实现对多个靶点的结合。在双靶点药物设计中，除了采用连接链桥接不同药效团的策略外，还可通过药效团直接融合的方式构建多功能分子。当靶标蛋白具有较大的结合腔且抑制剂未完全占据其结合区域时，经合理设计的融合药效团能够有效占据这些未被利用的空间，同时保持原有结合构象。特别值得注意的是，在抑制剂分子中溶剂可及的非关键区域进行药效团融合，通常不会干扰其原始的结合模式与亲和力。这种策略既保留了母体分子的结合特性，又实现了多靶点抑制功能的整合。例如，笔者研究团队发现表观遗传调控靶点溴结构域和超末端蛋白（Bromodomain and Extra Terminal domain，BET）家族与HDAC在乳腺癌发生发展和真菌增殖过程中发挥关键调控作用。通过对BET抑制剂7和HDAC抑制剂SAHA的结构分析，发现二者与各自靶蛋白结合时均存在未被占据的溶剂可及区域。基于这一结构特征，设计开发了一系列新型BET/HDAC双靶点抑制剂（图3A）[28]。其中化合物8展现出优异的双靶点抑制活性（BRD4 IC50=35 nM；HDAC1 IC50=10 nM）。在MDA-MB-231乳腺癌异种移植模型实验中，该双靶点抑制剂较单靶点抑制剂显示出更显著的肿瘤生长抑制效果。这一研究成果为乳腺癌伴随耐药性白色念珠菌感染的临床治疗提供了创新的联合治疗策略。研究表明，酪氨酸激酶抑制剂伊马替尼（Imatinib， 10）与HDAC抑制剂联用可产生协同效应，显著增强抗肿瘤活性[29]。结构分析显示，伊马替尼的药效团由关键的氨基嘧啶核心和疏水末端组成：氨基嘧啶片段特异性占据激酶ATP结合位点，而末端的哌啶环则位于疏水口袋并朝向溶剂区域。基于这一结构特征，Mahboobi等[30]创新性地将伊马替尼骨架分别与HDAC抑制剂LBH589（9）和MS275（11）的ZBG进行合并，成功获得HDAC/酪氨酸激酶双靶点抑制剂12和13（图3B）。这两个化合物对白血病EOL-1细胞展现出显著增强的细胞毒性（IC50分别为3.6 μM和6.1 μM），活性较母体化合物10（IC50=27.6 μM）提高4~7倍。分子对接研究表明，在HDAC结合模式中，ZBG精准定位于催化口袋底部，而嘧啶片段保持溶剂暴露状态；在与c-Abl激酶结合时，则完美重现了伊马替尼原有的关键氢键网络（包括与Met318、Thr315和Glu286的相互作用）。 药效团融合（pharmacophore fusion）是一种更巧妙的设计策略，即在保持分子核心结构的前提下，通过对侧链或官能团的调控，使分子同时兼容两个或多个靶点的结合口袋。如果两个靶点的结合口袋能够和具有相似几何形状和药效团分布的配体结合，则可以利用药效团合并模式设计双靶点配体。两个相似或部分相似的化合物可以合并成一个带有关键药效团的分子，通常能以微小的结构改变而巧妙地设计获得这种双靶点配体。药效团融合策略要求原配体在结构上具有高度的相似性，融合得到的分子具有相对分子质量小、配体效率高、理化性质好的优点。基于药效团和骨架结构的相似性，融合策略可划分为两种主要类型：若先导化合物含有相似药效团特征，则采用药效团融合模式，即通过重叠不同配体的结构相似区域，或对某一配体进行修饰，从而构建能同时容纳两个药效团的新型化合物。相较于药效团连接或简单合并模式，该融合策略所获得的分子通常表现出更优的配体效率、更低的相对分子质量以及更理想的理化特性。例如，他汀类药物通过特异性抑制羟甲戊二酰辅酶A还原酶（3-Hydroxy-3-Methyl Glutaryl Coenzyme A Reductase，HMGR）的催化活性，有效调控胆固醇代谢，显著降低血清总胆固醇及低密度脂蛋白水平。以洛伐他汀（Lovastatin， 14）为例，其分子末端的羟基和羧基官能团可与HMGR活性中心的氨基酸残基形成多重氢键相互作用，而刚性疏水结构域则稳定结合于酶表面的疏水口袋。值得注意的是，伏立诺他与洛伐他汀具有结构同源性的药效特征，均包含三个关键要素：亲水性头部基团、柔性连接链以及疏水性末端结构。通过合理的分子设计，将伏立诺他的异羟肟酸基团作为洛伐他汀羧基的生物电子等排体进行替换，成功构建了具有双重抑制活性的化合物15。该化合物对HMGR和HDAC1表现出显著的抑制能力（IC50分别为16.8 nM和64.8 nM），并能选择性抑制A549肿瘤细胞增殖，其半数抑制浓度（Half Maximal Inhibitory Concentration，IC50）为18.2 μM，展现了良好的多靶点药理特性（图4A）[31]；另一种典型情况是，当先导化合物具有相似骨架结构时，两个配体可能仅存在对生物活性影响较小的“结构兼容区”，而非关键功能基团的相似性。这类兼容区域通常表现为相似的分子骨架框架，其结构修饰对配体—蛋白结合亲和力的影响可忽略不计。基于这一特征，可通过整合兼容区域骨架，并在适当位置分别引入两个配体的功能性基团，从而构建双靶点抑制剂分子。例如，笔者研究团队前期研究发现并证实同时抑制NAMPT和PDEδ可产生显著的抗肿瘤协同效应。通过分析NAMPT抑制剂（16）与PDEδ抑制剂（17）的骨架相似性特征，采用药效团融合策略对其兼容骨架进行优化整合，成功设计合成双靶点抑制剂18。该化合物表现出优异的双靶点抑制活性（PDEδ KD=0.4 nM；NAMPT IC50=2.21 nM），并对Miapaca-2胰腺癌细胞显示出强效抑制作用（IC50=3.0 nM）。深入的机制研究表明，化合物18可在细胞水平同时作用于两个靶点：一方面通过抑制NAMPT活性导致细胞内NAD+耗竭及ATP水平显著降低；另一方面通过阻断KRAS-PDEδ相互作用，下调p-ERK和p-AKT信号通路关键蛋白的表达。在裸鼠移植瘤模型中，20 mg/kg剂量下静脉注射化合物18可获得59.4%的肿瘤生长抑制率（Tumor Growth Inhibition，TGI），其疗效显著优于同剂量单药组（NAMPT抑制剂TGI=13.0%；PDEδ抑制剂TGI=26.8%）及联合给药组（TGI= 44.1%）。这些研究结果不仅验证了NAMPT-PDEδ双靶点抑制策略的科学性，也为临床肿瘤治疗提供了新的研发思路（图4B）。 此外，近年来我国学者提出了基于可变构骨架的化学信息学方法（Feature Selection–based Comparative Analysis，FSCA），为多靶点、多功效药物的设计提供了新理念[17]。该方法通过分析药物在受体中的结合位置，预测其功效活性，从而指导多靶点药物的设计和优化。然而，在设计多靶点药物时，在靶点组合的选择上，需要注意以下几点：如果靶点之间序列相近，药效团具有相似特征，更易进行药效团融合，提高成药性。组织分布相同或区域相近的靶点更易发挥协同作用。与目标靶点密切相关的其他靶点数目不宜过多，否则易出现较难解决的选择性问题。结合于同一叠合型或融合型配体的多个目标靶点之间，应具有相近的空腔几何性质和电性分布，否则一个分子骨架难以满足对多个靶点空腔的同时结合。 多靶点小分子药物通常具有较高的相对分子质量，平均往往超过500 Da，随着相对分子质量的增加，其口服生物利用度和水溶性显著下降，这对候选分子的体内暴露和开发潜力构成重要限制。因此，在多靶点药物研发过程中，除需兼顾不同靶点的活性与选择性外，对分子理化性质和成药性的系统优化同样至关重要[32]。与单靶点小分子相比，多靶点药物由于需要同时覆盖多个靶点的结合特征，往往呈现相对分子质量偏大、疏水性增强及拓扑极性表面积增加等特征，从而在溶解度、膜通透性和体内暴露方面面临更为严峻的挑战。基于此，多靶点药物的理化性质优化不应被视为简单的后期修饰，而应与靶点选择和药效基团设计并行推进，成为分子设计阶段的核心组成部分。 在结构层面，合理控制分子复杂度是提升多靶点药物成药性的关键策略之一。通过药效基团的功能重叠与最小化设计（Pharmacophore Overlap and Minimization，POM），在保证多靶点协同调控能力的同时，避免简单拼接所导致的分子臃肿，有助于改善分子柔性与构象自由度，从而提升靶点结合效率及体内行为的可预测性。在理化参数优化方面，多靶点药物需要在疏水性与极性之间实现更为精细的平衡，适度降低小分子在正辛醇/水体系中的分配系数对数（calculated logarithm of the Partition coefficient，clogP）、控制拓扑极性表面积（topological Polar Surface Area，tPSA）并合理引入可代谢“软位点”，有助于在维持多靶点活性的同时降低非特异性结合及毒副作用风险。此外，前药策略、构象限制设计及可逆共价作用模式，也为改善多靶点分子在复杂生物环境中的稳定性和有效暴露提供了可行路径。总体而言，高效多靶点药物的开发依赖于多种分子设计策略的协同运用，并需对成药性参数进行系统评估，以筛选出兼具理想药理特性与可开发性的候选分子，因此，科学合理地选择多靶点药物设计策略在整个研发过程中具有决定性意义。 2.3  新技术推动多靶点分子设计效率 多靶点药物的成功开发离不开结构生物学和药物动力学领域的技术革新[33]。近年来，冷冻电子显微镜（Cryo-Electron Microscopy，Cryo-EM）技术的快速发展，使科学家能够解析复杂的分子复合物三维结构，包括多靶点药物与其靶标的复合物，从而指导更精确的结构优化。自2014年以来，Cryo-EM在分辨率和应用范围上取得了显著突破，特别是在解析膜蛋白和大分子复合物方面，为结构生物学研究提供了新的视角[34]。同时，分子动力学模拟（Molecular Dynamics，MD）广泛应用于模拟药物与靶标之间的相互作用过程，分析其稳定性和自由能变化，提升先导化合物的优化效率。通过MD模拟，研究人员可以深入了解分子层面的相互作用机制，为多靶点药物的设计提供理论支持[35]；AI和大数据分析为多靶点药物的发现注入了新动能[36]。基于深度学习的虚拟筛选平台能够快速从海量化合物库中识别潜在的多靶点活性分子，极大提高前期筛选效率。例如，中国科学院上海药物研究所的研究团队利用等变图神经网络整合蛋白质—配体相互作用的物理先验知识，并结合数据增强策略，构建了通用的蛋白质—配体相互作用评分方法EquiScore，在新靶标的药物虚拟筛选中表现出良好的泛化性能[37]。基于深度学习的虚拟筛选平台可以快速从海量化合物库中识别潜在多靶点活性分子，极大提高前期筛选效率[38]。在分子对接和模拟领域，AutoDock、GROningen MAchine for Chemical Simulations（GROMACS）、Assisted Model Building with Energy Refinement（AMBER）等工具的不断优化，使研究者能够在虚拟环境中模拟药物与多个靶标之间的结合过程，预测其成药性和选择性。这些工具的进步为多靶点药物的计算机辅助设计提供了有力支持[39]；此外，基因编辑技术尤其是CRISPR/Cas9平台的发展，极大加速了对多靶点组合的功能验证过程。通过在细胞或动物模型中系统敲除多个潜在靶点，可以快速验证其在疾病中的协同调控作用，为后续多靶点药物研发提供坚实的生物学基础[40]。 3   多靶点药物的临床应用与挑战 3.1  多靶点药物的临床现状 随着多靶点药物设计策略的不断成熟，其在多种复杂疾病治疗中的临床应用逐渐展开，并取得了一系列令人瞩目的成果。尤其是在恶性肿瘤、神经退行性疾病及代谢综合征等多因素协同作用导致的疾病类型中，多靶点干预展现出较传统单靶点药物更强的综合调控能力（表1）[41]。在肿瘤治疗领域，伊马替尼作为最早获批上市的多靶点酪氨酸激酶抑制剂[42]，不仅能够有效靶向断裂点簇区（Breakpoint Cluster Region，BCR）—阿贝尔森白血病病毒癌基因同源物1（Abelson Burine Leukemia Viral Oncogene Homolog 1，ABL1）融合蛋白，还可作用于干细胞因子受体（Stem Cell Factor Receptor，c-Kit）和血小板衍生生长因子受体（Platelet-Derived Growth Factor， PDGFR）等多个激酶通路，在慢性粒细胞白血病（Chronic Myeloid Leukemia，CML）患者中，BCR-ABL融合基因的异常表达导致酪氨酸激酶的持续激活，进而引发白血病的发生。伊马替尼（Imatinib）通过特异性抑制BCR-ABL1激酶活性，阻断异常信号传导，从而控制疾病进展。研究显示，接受伊马替尼治疗的CML患者，其十年生存率从不到50%提高到约90%，多数患者能够恢复正常生活和工作能力。在神经退行性疾病领域，Ladostigil（TV-3326）是一种新型多功能神经保护剂，结合了AChE和丁酰胆碱酯酶（Butyrylcholinesterase，BuChE）的可逆性抑制作用，以及单胺氧化酶B（Monoamine Oxidase B， MAO-B）的不可逆性抑制作用。这种双重机制使Ladostigil在阿尔茨海默病等神经退行性疾病的治疗中具有潜在优势[43，44]。该多靶点作用机制使其在阿尔茨海默病等神经退行性疾病模型中表现出改善认知功能、降低氧化应激和神经炎症反应的潜力。此外，已有研究表明Ladostigil可能通过增强神经营养因子表达发挥一定的神经保护效应。然而，尽管Ladostigil已完成针对轻度认知障碍及阿尔茨海默病的Ⅱ期临床研究[45]，其在认知终点方面的疗效仍存在较大个体差异，目前尚未进入后续Ⅲ期临床开发阶段。这一现象也反映出多靶点神经保护药物在复杂中枢神经系统疾病临床转化过程中所面临的挑战。而在代谢综合征治疗中，曲格列酮（Troglitazone）是噻唑烷二酮类药物，主要作为过氧化物酶体增殖物激活受体γ（Peroxisome Proliferator-Activated Receptor gamma，PPARγ）的激动剂，调节胰岛素敏感性和糖脂代谢。研究发现，曲格列酮还能激活AMP活化蛋白激酶（AMP-activated Protein Kinase， AMPK）信号通路，增加脂肪酸氧化和葡萄糖摄取，进一步改善代谢综合征患者的代谢状况。在骨骼肌细胞中，曲格列酮通过促进AMPK和乙酰辅酶A羧化酶（Acetyl-CoA Carboxylase，ACC）的磷酸化，增强脂肪酸氧化和葡萄糖摄取能力，从而发挥胰岛素增敏作用，突显出多靶点药物在代谢系统疾病管理中的潜力[46]。 在抗感染，尤其是抗病毒药物研发领域，多靶点小分子策略同样展现出重要应用价值。病毒感染过程通常涉及病毒蛋白与宿主因子的协同作用，单一靶点抑制往往难以完全阻断病毒复制，并容易因病毒突变而产生耐药性。因此，同时靶向病毒关键酶和宿主必需因子的多靶点干预策略，被认为是提升抗病毒疗效和耐药屏障的有效途径。以SARS-CoV-2为代表的冠状病毒研究中，病毒主蛋白酶（Main protease，Mpro）与宿主溶酶体蛋白酶cathepsin L在病毒入侵和复制过程中分别发挥关键作用[47]。近年来，多项研究基于结构生物学和理性设计策略，开发了同时抑制Mpro和cathepsin L的双靶点小分子抑制剂，验证了多靶点协同干预在抗病毒治疗中的可行性和优势。早期结构研究揭示了Mpro与cathepsin L的抑制剂设计共性，为双靶标分子的理性构建奠定了基础[48]。随后，多项工作通过结构优化和功能验证，获得了一系列在细胞和动物模型中表现出显著抗病毒活性的双靶点化合物[49-51]。尤其值得关注的是，近期报道的Olgotrelvir作为一种口服可用的小分子双抑制剂，能够同时靶向SARS-CoV-2 Mpro和宿主cathepsin L，在临床前和临床相关模型中显示出良好的抗病毒效果和药代动力学特征，代表了多靶点抗病毒药物向临床转化迈出的重要一步[52]。上述研究表明，抗病毒领域中的多靶点药物并非事后发现的“偶然多靶点效应”，而是基于病毒生命周期和宿主依赖机制的前瞻性理性设计结果。通过在单一分子中协同调控病毒关键蛋白与宿主辅助因子，多靶点抗病毒药物在提升疗效持久性、降低耐药风险以及拓展抗病毒谱方面展现出独特优势，已成为当前抗感染药物研发的重要发展方向。 3.2  多靶点药物面临的挑战 尽管临床前及早期临床研究不断传递出积极信号，但多靶点药物的开发与应用仍面临诸多挑战[56]。首先，复杂疾病通常涉及高度冗余且交互作用复杂的信号网络。多个靶点之间可能存在交叉、补偿和反馈机制，增加了靶点选择的难度。如果设计不当，可能导致系统功能失衡，诱发不良反应或毒副作用。例如，在肿瘤治疗中，过度抑制某些关键信号通路可能激活替代通路或引发免疫耐受，从而抵消治疗效果。因此，科学合理地选择和组合靶点，确保它们在疾病网络中的协同性和互补性，是多靶点药物设计的核心难题。其次，多靶点药物需要同时作用于多个靶点，这通常导致分子结构复杂、相对分子质量增加，影响其理化性质。例如，相对分子质量过大可能降低药物的细胞膜通透性，脂溶性差可能影响其在体内的分布和吸收，水溶性不足则可能导致溶解度问题。这些因素都会影响药物的药代动力学特性，如吸收、分布、代谢和排泄，最终影响其生物利用度和疗效。因此，在设计多靶点药物时，需要在活性、选择性和成药性之间取得平衡，优化其物化性质以满足临床应用的需求。目前，针对多靶点药物的临床评价体系尚不完善，缺乏标准化的协同效应评估指标和临床试验设计指南。传统的临床试验设计和评价方法主要针对单靶点药物，难以全面评估多靶点药物的协同作用和整体疗效。此外，多靶点药物可能在不同患者群体中表现出不同的疗效和安全性，增加了临床试验的复杂性。因此，建立适用于多靶点药物的临床评价体系，制定相应的试验设计和评估标准，是推动其临床应用的重要前提。 此外，在抗肿瘤药物研发领域，靶点同质化现象严重，许多制药企业集中开发相同或相似的靶点，导致资源浪费和市场竞争加剧[57]。例如，PD-1/PD-L1、EGFR等靶点已成为众多企业研发的重点，而针对这些靶点的新药同质化程度高，缺乏创新性。这种现象限制了新靶点的探索和创新药物的开发，阻碍了多靶点药物领域的多样化发展。另一方面，多靶点药物的开发需要整合多学科的知识和技术，包括系统生物学、化学生物学、计算机辅助药物设计等。然而，研发机构在这些领域的技术和资源储备不足，限制了多靶点药物的创新和发展。此外，多靶点药物的研发周期长、成本高，资金和人力资源的投入也是一大挑战。 4   多靶点药物的未来发展趋势 4.1  技术融合驱动创新 在新技术、新理念的推动下，多靶点药物的研发正迈入加速发展阶段，呈现出“技术融合驱动—精准靶点识别—临床应用深化”的演进逻辑。未来，多靶点药物的发展不仅依赖于传统药物化学、药理学和毒理学的支撑，更需整合人工智能、基因编辑、生物材料和系统药理等前沿科技，打破现有药物设计和评价体系的局限，推动从“发现”向“智能创造”的范式跃迁[58]。 人工智能在药物靶点发现和分子结构优化中的应用正成为推动多靶点药物创新的重要引擎[59]。通过融合基因组学、蛋白质组学及代谢组学等多组学数据，AI可构建精准的疾病网络图谱，识别网络中的关键调控节点及其相互作用模式，进而实现高效、精准的靶点组合预测。此外，结合深度学习算法，还可借助大规模分子数据库开展虚拟筛选和逆向分子设计，大幅度提高多靶点候选分子的发现效率与成药潜力[36，38]。与此同时，基因编辑技术的不断突破，尤其是CRISPR/Cas系统在靶点功能验证与药物递送中的应用，正在为多靶点药物研发提供前所未有的支持[40]。例如，利用腺相关病毒（Adeno-Associated Virus，AAV）载体搭载CRISPR组件，可实现体内对多个基因的同步编辑，不仅能模拟多靶点干预的真实效应，还能为药效机制研究和个体化治疗方案优化提供理论依据[60]。在药效评价体系方面，类器官和器官芯片技术的兴起为多靶点药物体外效应评估提供了新平台[25]。这类三维细胞培养系统能够在微环境仿真条件下重现复杂组织器官的结构与功能，使研究者得以动态、系统地观察多靶点药物对不同细胞类型、组织系统的影响，从而提升前期筛选和毒性预测的准确性，显著加快从实验室到临床的转化速度。 4.2  临床转化方向 从临床实践视角看，多靶点药物的转化应用是科研成果落地和精准医学实践的重要体现，多靶点药物通过同时作用于多个病理环节，具备协同增效、克服耐药、减少用药量及副作用等临床优势。然而，要真正实现其临床价值，需将其开发与精准医学、伴随诊断、个体化治疗以及先进药代动力学（Pharmacokinetics，PK）/药效动力学（Pharmacodynamics，PD）建模技术相结合，构建系统化、闭环式的研发路径。 精准医学强调基于患者基因组、蛋白质组、生物标志物等分子特征，制定个体化干预策略。多靶点药物可根据患者特有的“驱动突变组合”或“信号网络异常模式”，联动调控多个病理靶点。例如，在非小细胞肺癌治疗中，临床医生会综合EGFR突变、ALK融合、KRAS状态及PD-L1表达等因素，制定靶向与免疫联合干预方案，有效提升生存率与疾病控制率。伴随诊断技术的发展为个体化治疗提供了动态支撑。借助高通量测序、液体活检、单细胞测序等技术，可实时监测多个靶标的表达变化，动态调整治疗方案。以cfDNA检测为例，可监控肿瘤突变谱，判断耐药发生，指导药物序贯和剂量调整，实现精准施治。在剂量设计和安全性控制方面，PK/PD建模提供了重要工具。多靶点药物需在多个靶点间维持作用平衡，过量或偏离靶点可能引发毒性或失效。基于PK/PD建模可在早期临床中预测药物体内分布与靶点结合动力学，辅助优化剂量设计。机制驱动型多尺度模型更可用于模拟不同剂量组合在多个靶点间的协同与拮抗效应，提前识别最佳干预窗口和潜在毒性边界。例如，在lenvatinib、cabozantinib等多靶点抗肿瘤药物研究中，建模技术已有效降低不良反应发生率，提升应答率。此外，真实世界证据（Real-World Evidence，RWE）也正在成为多靶点药物临床价值验证的重要工具。与传统随机对照试验（Randomized Controlled Trial，RCT）相比，RWE更能反映复杂患者群体在真实就诊环境下的疗效与安全性表现。通过医院数据库、生物信息平台和患者随访数据的深度挖掘，研究者可在真实人群中探索不同靶点组合的治疗优势，识别亚群患者响应特征，进一步拓展多靶点药物的适应症范围与治疗策略。 多靶点药物的临床转化不仅需要前沿科技的赋能与精准医疗理念的融入，更需依托系统性、动态化、个体化的策略制定和技术平台支撑。只有真正实现从“靶点发现—患者分型—方案匹配—疗效预测”的闭环式管理，才能推动多靶点药物从实验室成果走向高质量临床应用，为重大疾病治疗带来更多可能。 5   结 论 综上所述，多靶点药物已成为后基因组时代精准治疗的重要发展方向，其核心价值在于通过系统性干预疾病网络，实现治疗效果最大化与副作用最小化的双重目标。与传统单靶点药物相比，多靶点药物在治疗复杂系统性疾病，特别是肿瘤、神经退行性疾病及代谢异常类疾病中展现出显著优势。当前，其研发模式也正从“经验驱动”逐步向“数据驱动”转型，依赖人工智能、大数据、系统药理学与结构生物学的深度融合，为靶点识别、结构优化、药效预测等提供全新路径。尽管如此，多靶点药物的广泛临床应用仍面临诸多挑战，如如何精准识别疾病关键节点、构建稳定高效的协同机制、优化成药性、建立科学合理的临床评价体系等，均有待进一步攻克。随着生物医药技术的不断进步与多学科协同合作的加深，未来多靶点药物有望在多个重大疾病治疗领域实现临床突破，开辟更加广阔的精准医疗新格局。 参考文献（略） 关于《中国科学基金》 《中国科学基金》（双月刊）是国家自然科学基金委员会主管、主办的综合性学术期刊。主要宣传党和国家的科技方针政策、国家自然科学基金的发展战略和资助政策，报道中国基础研究的最新进展，传播优秀创新成果，交流科学基金管理经验，弘扬科学家精神，促进人才培养，为支撑国家基础研究战略决策，推动国家科技自立自强提供有力保障。 《中国科学基金》已被北大中文核心、中国科学引文数据库（CSCD）核心库、中国科技论文与引文数据库（CSTPCD）、中文社会科学引文索引（CSSCI）扩展版以及日本科学技术振兴机构数据库（JST）等国内外知名检索系统收录。2021—2025年连续五年入选“中国国际影响力优秀学术期刊”。 扫描或长按识别下方二维码关注我们