Erdafitinib

会议推荐 2026第三届中国医药企业项目管理大会 2026第二届中国AI项目管理大会 2026第十五届中国PMO大会 2026第五届中国项目经理大会 本 文 目 录 1、综述:基于结构的药物设计篇--小分子药物设计的进展 2、基于结构的小分子药物设计进展综述 3、综述:基于片段的药物设计(FBDD)篇--小分子药物设计的进展 一、综述:基于结构的药物设计篇--小分子药物设计的进展 （原创 小之 小之说药） 图1. 本文主要参考文献[1] 01 蛋白质3D结构预测 (iv)模型细化：初始模型生成后，对其进行细化以提高其准确性。此步骤包括优化侧链方向、最小化结构能量以及执行结构验证以确保模型在生物学上合理。CHARMM 和 GROMACS 等多种软件程序用于模型细化。 同源建模是几十年前最流行的方法，优点包括算法简单、预测速度快、对于具有已知结构同源物的蛋白质准确度高。常用于药物设计中筛选大型文库。缺点是它强烈依赖于模板结构，这意味着它无法预测同源结构尚未确定的蛋白质的结构。 图2. 同源建模和从头建模预测蛋白质3D结构示意图。同源建模利用相关已知同源蛋白质来预测目标蛋白质；从头建模不依赖于已知的蛋白质结构。 图3. AF2的工作原理和架构示意图。a. AF2的整体架构。AF2的流程包含输入、Evoformer、结构三个模块。b. Evoformer模块中的组成部分。c.结构模块中的组成部分[3]。 AF2在生物医学和医药领域的应用广泛，如结构生物学、药物发现、蛋白质设计、靶点预测、蛋白质功能预测、蛋白质-蛋白质相互作用、生物作用机制等。 不过即使强大如AF2，仍具有许多限制。如在识别构象模糊性方面表现较弱、对可用于比对的序列的依赖性较强、预测突变蛋白质结构或翻译后修饰的蛋白质结构的能力较弱等。尽管如此，基于机器学习的建模仍然为蛋白质3D结构预测带来史诗级变革。 02 配体结合口袋的预测/确定及亲和力分析 (1)  配体结合口袋的重要性 配体结合口袋在小分子药物的基于结构的设计中起着至关重要的作用。这种设计方法首先假设药物分子通过与大分子靶受体（通常是蛋白质）特异性结合来发挥其生物活性。结合口袋是指靶蛋白表面上的空腔或凹陷，配体在其中与蛋白结合并相互作用。结合口袋内配体和受体之间的结构和化学互补性是强选择性结合的先决条件。配体通过精准结合到蛋白质口袋，进而调节蛋白质的结构和功能，从而产生可能的治疗效果。 基于结构的药物设计的主要目标之一是识别能够以高亲和力和特异性与靶蛋白结合袋结合的配体。这个过程涉及几个步骤，包括靶点选择、分子对接和虚拟筛选。分子对接模拟使用计算方法来预测目标蛋白结合口袋内小分子的结合模式和结合亲和力。 同时X射线晶体学和冷冻电子显微镜等结构生物学技术的进步促进了蛋白质-配体复合物结构的测定，为结合相互作用提供了有价值的见解。结合口袋的成药性是小分子药物设计中的另一个关键考虑因素。成药性是指成功开发出能够结合并调节靶蛋白功能的药物的可能性。结合袋的大小、形状和理化性质等因素影响其成药性。计算方法，包括 MD 模拟和虚拟筛选，可以帮助评估结合袋的成药性，并指导设计具有最佳结合特性的小分子。 (2)  SBDD中配体结合口袋的意义 有几个关键点强调了配体结合口袋在基于结构的药物设计中的重要性： (i) 特异性和亲和力：配体结合口袋提供了容纳具有高特异性和亲和力的配体的3D环境。口袋的形状、静电特性和化学成分决定了配体与蛋白质的相互作用和结合强度。 (ii)合理的配体设计：了解配体结合口袋的结构可以进行合理的配体设计。通过研究口袋的特征，例如其大小、形状和口袋内的残基，研究人员可以设计出最适合口袋的小分子，并与周围的蛋白质残基有利地相互作用。 (iii) 基于结构的优化：配体结合口袋作为基于结构的优化的目标。通过分析配体和口袋之间的相互作用，药物化学家可以修改配体的化学结构，以提高其结合亲和力、选择性和药理学特性。此优化过程可能涉及修改，例如引入官能团、调整分子特性或探索不同的支架。 (iv) 药物选择性和脱靶效应：了解配体结合口袋的特征对于实现药物选择性至关重要。通过设计精确适合目标蛋白结合口袋的配体，研究人员可以提高药物的特异性并减少脱靶效应。这种特异性对于最大限度地减少潜在副作用和改善治疗结果至关重要。 图4. 小分子药物设计中使用的主要计算方法 03 小分子药物设计的计算方法 SBDD使用计算工具来预测蛋白质结构 3D 表示中小分子的位置，并以相当高的准确性和效率估计配体与靶蛋白的亲和力。 药物的分子结构是其与生物靶点相互作用并产生治疗效果的能力的关键因素。具有特定结构特征的小分子可以被设计为以高特异性结合靶蛋白。以GPCR为例，人类 GPCR 家族中大约 350 个蛋白被认为是可成药靶点，而 靶向GPCR的小分子通常具有多种结构特征，如苯环、羧基等官能团。其他一些重要的因素如立体化学、分子量、价电子分布、静电性质等均可对药物设计产生重要影响。 (1)  分子对接 分子对接涉及预测小分子（称为配体）与大分子靶标（例如蛋白质或酶）的结合亲和力和方向。对接算法使用能量最小化和打分函数来评估配体-蛋白质复合物的稳定性，并对潜在的候选药物进行排名。分子对接过程有助于研究人员深入了解各种生物过程的分子机制，例如药物-蛋白质相互作用、蛋白质-蛋白质相互作用和酶促反应。在分子对接中，配体被对接到蛋白质的结合位点，并根据其适合性或互补性对所得复合物进行评分。对接过程产生配体与靶蛋白结合位点的多种可能的构象和方向。 在过去的几年中，分子对接领域取得了显著的进步，使得该技术的精度和有效性大幅提高。例如： (i) 炼金术自由能方法：例如自由能扰动和热力学积分，已被开发用于计算配体与蛋白质的结合自由能。与传统对接方法相比，这些方法可以提供更准确的结合亲和力预测。 (ii) 新的对接工具：如 HADDOCK 和 RosettaDock，已被开发出来，将蛋白质灵活性纳入对接模拟中。这些工具可以预测配体结合时蛋白质的构象变化，从而提高对接预测的准确性。 (iii) ML已被纳入对接工具中，以提高其预测准确性。例如，一项研究提出了一种具有注意机制的深度神经网络模型，以提高蛋白质-配体复合物结合亲和力的预测准确性。 (2)  虚拟筛选 虚拟筛用于识别可能与靶蛋白结合的小分子，涉及使用分子对接或其他技术筛选大型化合物库以寻找潜在的候选药物。这是一种经济有效且节省时间的方法，可以帮助研究人员缩小化合物数量以进行进一步的实验分析。它涉及使用各种软件工具，例如 GOLD、基于网格的配体与能量对接 (GLIDE) 和 Autodock Vina。Autodock Vina 可免费使用，并为筛选不同配体提供良好的结果。 虚拟筛选过程包括三个主要步骤： (i)目标蛋白结构的制备：通过去除任何水分子或共结晶配体来优化蛋白质。 (ii)化合物库的制备：创建大的小分子数据库，从中识别出潜在的先导化合物。 (iii)针对目标蛋白的化合物的筛选：根据预测的与目标蛋白的结合亲和力对化合物进行排序。 虚拟筛选是识别潜在候选药物的强大工具，但也有局限性。虚拟筛选结果的准确性取决于蛋白质结构和化合物库的质量。此外，虚拟筛选过程没有考虑化合物的药代动力学和毒理学特性。因此，通过虚拟筛选鉴定的化合物需要经过实验验证以确定其功效和安全性。 (3)  分子动力学模拟（MD） MD 模拟是一种强大的计算工具，用于研究系统中原子和分子的物理运动和相互作用。MD模拟集成了牛顿运动方程随时间的变化，以获得系统中原子/分子的运动，从而提供了原子水平上系统宏观行为的定量和定性信息。换句话说，MD 模拟提供了所研究系统的动态“演化”的“电影”。 MD 模拟由经典运动方程的数值逐步解组成，对于简单的原子系统，该方程可写为 m_i * a_i = f_i，其中 m_i 是粒子 i 的质量，a_i 是其加速度，f_i 是作用在粒子 i 上的力。作用在每个粒子上的力由原子间相互作用决定，原子间相互作用通常用数学函数表示，该数学函数将系统的势能描述为原子位置的函数。原子间势函数可以使用量子力学、经验势或两者的组合来获得。 图5. MD模拟的基本步骤和工作原理。a. 药物研究 MD 模拟所涉及步骤的示意图。b. 在模拟过程中，执行能量最小化以减轻空间冲突并最小化系统中的势能。c.拓扑文件的分析包括各种指标。  MD 模拟可用于研究各种系统，包括基于结构药物设计、生物大分子、材料科学和化学物理等。当应用于生物大分子时，MD 模拟可以深入了解蛋白质和核酸的动态行为，包括分子中原子相对位置的波动，并且可以与分子对接结合使用来预测小分子与蛋白质的结合。 近年来，MD模拟领域出现了值得令人关注的进展： (i) 深度学习算法越来越多地应用于 MD 模拟。例如，原子卷积网络已被用来直接从原子坐标预测分子的势能，这可以显着提高分子动力学模拟的准确性。 (ii) 增强型采样技术（例如元动力学）的开发有助于克服传统 MD 模拟的局限性，可以探索更大的构象空间，并提供系统能量景观的更准确表示。 (iii) 粗粒度模型通过将原子分组在一起来简化系统的表示，旨在降低 MD 模拟的计算成本。这些模型比传统的全原子模型可以模拟更大的系统和更长的时间尺度。 (iv) GPU 加速工具，例如 GROMACS 和 AMBER，已被开发来加速 MD 模拟。这些工具可以比基于 CPU 的工具更快地执行模拟，从而能够研究更大、更复杂的系统。 这些工具可以比基于 CPU 的工具更快地执行模拟，从而能够研究更大、更复杂的系统。这些进步共同显着提高了 MD 模拟的准确性和效率。然而，挑战仍然存在，例如蛋白质灵活性的准确预测和大规模模拟的计算成本等。 (4)  量子力学（QM）/分子力学（MM）计算 QM/MM 方法由 Warshel 和 Levitt 于 1976 年首次提出。此后，它被广泛用于研究各种化学和生化系统，包括酶、反应机制和蛋白质-配体结合相互作用。该方法将量子力学计算的准确性与分子力学模拟的速度结合起来，可以计算热力学性质和表征反应动力学，提供反应能量和反应路径的精确计算。 在传统的分子力学和量子力学计算中，针对给定的系统冻结构型评估分子间和分子内相互作用，通常不需要显式溶剂化（指溶质分子在溶剂中完全溶解）。然而，QM/MM 方法可以通过将 QM 区域视为溶质、将 MM 区域视为溶剂来考虑溶剂化效应。 (5) 机器学习算法 机器学习算法在预测小分子特性方面变得越来越流行。这些算法使用计算方法来预测潜在小分子候选药物的特性，例如它们的溶解度、毒性和结合亲和力。 药物发现中讨论了两类主要的机器学习方法：传统的机器学习方法（例如基于树的方法、潜变量方法）和深度学习方法。机器学习方法的复杂性各不相同，从简单的原子求和方法到能够描述许多原子或键之间集体相互作用的更复杂的方法。 二、基于结构的小分子药物设计进展综述 （原创 榴莲忘返2014 榴莲忘返2014）导读 通过有效整合结构信息和其他有价值的数据源，我们可以优化药物发现过程，从而识别出具有更高效能、特异性和安全性的创新治疗药物。 🧬 蛋白质结构预测方法的比较 🎯 配体结合口袋在基于结构的药物设计中中的作用 🧪 用于优化药物候选物的各种结构特性 💻 计算工具在预测和优化药物结构中的应用 🌱 未来方向和实例分析 首先，从 🧬 蛋白质结构预测方法的角度来看，不同的预测方法具有各自的优缺点。这些方法为我们提供了一种手段，以更准确地理解配体和受体之间的相互作用，从而为基于结构的药物设计铺平了道路。 其次，🎯 配体结合口袋在基于结构的药物设计中扮演着至关重要的角色。它是药物分子与目标蛋白质相互作用的关键区域，因此，了解其结构和功能对于设计高效、特异性强的药物至关重要。 再者，🧪 用于优化药物候选物的各种结构特性，如功能基团、立体化学和分子量等，都是不可或缺的。这些因素共同决定了药物的生物活性、选择性和代谢稳定性。 此外，💻 计算工具如分子对接和虚拟筛选在预测和优化药物候选物结构方面具有巨大潜力。这些工具不仅可以节省时间和资源，还可以提高药物发现的准确性。 最后，🌱 未来方向和实例分析表明，通过有效整合结构信息与其他有价值的数据源，我们有机会大大提升药物的疗效和安全性。这不仅能加速药物的研发进程，还能为患者带来更多的治疗选择。 综上所述，结构信息的有效整合是优化药物发现过程的关键，它能帮助我们识别出具有更高效能、特异性和安全性的创新治疗药物。图表计算方法在小分子药物发现中的应用 在小分子药物发现中，预测 3D 蛋白结构的计算方法有两种主要类型。 图 1: 第一种是同源建模（Homology Modeling），它利用已知的相关蛋白结构来预测目标蛋白的结构。该过程包括模板选择、序列比对、模型构建和模型优化。 图 2: 第二种是从头预测（De novo Protein Structure Prediction），这种方法不依赖已知的结构，完全从头开始预测蛋白结构。该过程涉及片段组装、模型构建和模型优化。药物设计中考虑的关键结构特性 在小分子药物设计中，有几个关键的结构特性需要考虑。 图 3: 这些特性包括官能团（Functional Groups）（例如，羟基、羧基和氨基团）赋予药物特定的药理性质，立体化学影响药物与生物靶点的相互作用，分子量、大小和形状影响药代动力学和药效动力学，以及特定的化学键和静电性质影响药物的物理和化学属性。小分子药物设计中的主要计算方法 在小分子药物设计中，有几种主要的计算方法。 图 4: 这些方法包括分子对接（Molecular Docking）、虚拟筛选（Virtual Screening）、分子动力学（Molecular Dynamics）模拟、量子力学/分子力学（Quantum Mechanics/Molecular Mechanics）计算和机器学习（Machine Learning）算法。这些计算方法在药物发现和引物优化中有广泛的应用。分子动力学模拟在新药开发中的应用 分子动力学模拟在新药开发中有着基础性的作用。 图 5: (a) 在药物研究中进行 MD 模拟的步骤包括获取和转换蛋白和药物分子的三维结构，定义基本的模拟参数，如温度、压力和时间步，并选择与研究目标相符的合适力场。(b) 在模拟过程中，进行能量最小化以减少位能系统中的空间冲突。平衡阶段允许系统通过限制特定原子和调整溶剂分子来逐渐放松。(c) 拓扑文件的分析包括多种指标，如均方根偏差（RMSD）、均方根波动（RMSF）、回旋半径（Rg）等，以及氢键的形成和动力学，最后计算溶剂可及表面积（SASA）以分析蛋白和药物与周围溶剂分子的相互作用。小分子药物设计：未来展望 小分子药物设计正迅速发展，受益于结构生物学和计算方法的进步，预示着医药领域的革命性变化。🛠️ 新计算工具和方法的发展 新计算工具和方法，如机器学习算法、分子动力学模拟和量子力学计算，正在改变小分子药物设计的游戏规则。这些工具不仅能预测和优化小分子的结构属性，还能预测其毒性和副作用。随着药物靶点的复杂性不断增加，传统的药物设计方法已经难以应对。因此，这些计算工具和方法成为了高效、经济的药物发现和开发的关键。🎯 探索新的治疗应用 传统的药物设计主要集中在常见疾病如癌症和心血管疾病上，但现在研究者们开始探索小分子药物在罕见和被忽视疾病中的潜力。这引发了针对罕见遗传性疾病、被忽视的热带病和新兴传染病的新药物发现计划。🧬 结构生物学的持续进步 例如，冷冻电子显微镜的最新发展已经改变了研究者研究生物大分子结构的方式，这已经导致了新药靶点和新药物的发现。其他即将影响小分子药物设计的新兴技术包括蛋白质工程、化学基因组学和高通量筛选。 综上所述，小分子药物设计正如火如荼地发展，主要受益于结构生物学和计算方法的不断进步。展望未来，新计算工具和方法的开发、新治疗应用的探索以及结构生物学的持续进步将是这一领域创新的主要驱动力。 论文: Wu, K., Karapetyan, E., Schloss, J., Vadgama, J., & Wu, Y. (2023). Advancements in small molecule drug design: A structural perspective. Drug Discovery Today, 28(10), 103730. https://doi.org/10.1016/j.drudis.2023.103730 三、综述:基于片段的药物设计(FBDD)篇--小分子药物设计的进展 （原创 小之 小之说药） 基于片段的药物设计（fragment-baseddrug design, FBDD）是一种将随机筛选和基于结构的药物设计有机结合的药物发现新方法。该方法主要分为三个步骤：片段分子库的构建、片段与目标蛋白结合作用的分析、由片段分子优化生成先导化合物（F2L）。 图1. FBDD的一般流程[1，10] 迄今为止，使用 FBDD已成功研发六种上市药物：pexidartinib、vemurafenib、erdafitinib、venetoclax、sotorasib 和 asciminib以及许多临床在研药物。 FBDD与HTS 组合化学和高通量筛选的兴起使医药公司能够开发更大的筛选库，但事实上潜在非氢原子的化学空间在10的60次方以上。从这个角度来看，HTS局限性很大，如命中率低、由于分子量大和溶解度差而对类药物化学空间的覆盖有限、涉及新靶点时盲目性较高、成本高、需要筛选数以百万计的化合物等缺点。 但FBDD则不具有上述缺点，由于片段的分子尺寸较小，潜在的分子空间将呈指数减少，因此理论上只需要筛选非常少的分子片段（几千数量级），进行片段生长、链接及合并，便有希望得到先导化合物。 FBDD发展史 1981年Jencks等人提出了基于片段药物设计的方法，认为药物分子结构中的每个片段都在药物靶标结合过程中发挥着自身作用，因此将不同的结构片段进行组合或者延伸，可以得到高活性的新分子。将作用于药靶结合口袋不同区域的片段连接成新分子后，会引起结合自由能跳跃式地下降，从而导致亲和力有大幅度地提高[2]。 图2. FBDD发展中的大事件[3] Nakamura和Abeles于1985年通过设计HMG-CoA还原酶抑制剂，为该理论提供了实验基础，但在当时靶蛋白结合片段的识别，片段连接和结构优化仍然是巨大的挑战[4]。 1996 年美国雅培公司（Abbott）的 Shuker等人完成了开创性的研究，FBDD取得真正意义上的突破，Shuker等首次提出了核磁共振构效关系研究方法（SAR by NMR），该研究小组首先用核磁共振技术检测得到了FK506蛋白的两个低亲和力片段，然后通过片段连接和优化发现了新型FK506蛋白质抑制剂[5]。 自此以后，FBDD开始引起大制药公司和学术界的广泛关注，并且得到飞速发展。 1996-1999年期间Vertex Pharmaceuticals 的科学家通过计算剖析了已知的药物，发现大多数药物由几十种最常见的骨架（片段）构成[6]；而在研究侧链特征时，发现15000万个药物分子中的11000个来自于常见的20种侧链[7]。 由此他们建造了一个不到200个的小型片段库具体来说设计的用于 NMR 筛选，这些片段分子均来自于已知的药物分子且物理化学性质良好、商业可购买。随后Fesik等人提出了丰富的片段分子库，并证实联苯等“特权分子”经常与蛋白质结合[8]。 这些早期的研究为FBDD的后续发展奠了坚实的基础并激发了研究该领域的热情。 构建合适的片段库 FBDD第一步是构建小分子片段库，大多数成功的 FBDD 研发案例利用了 1000 - 2000 种片段分子库，库中片段分子的多样性比总数量更重要。 图3. FBDD构建片段分子库的可选范围[9] 片段库构建时应考虑以下几个因素： (i)片段分子与先导化合物之间的区别：有别于linpiski提出关于成药分子的5规则，Jhoti等人提出了FBDD片段分子的三规则，即：低分子量（分子量<300）、中亲脂性（ClogP≤3）、氢键供体和受体数量均≤3个。 (ii) 片段库的大小与HTS中不同：HTS筛选库规模大小为几万至几十万，而FBDD筛选库的分子数量一般是1000-2000。 (iii)片段库的结构多样性。片段库应覆盖更多可能的化学空间，以产生高度多样化的库。 (iv) 片段分子的溶解度。鉴于片段通常与目标蛋白的结合较弱，因此测量结合作用时通常在较高浓度下进行，这需要片段具有更好的溶解度以避免产生错误结果。 (v) 片段的药物相似性。越来越多的研究表明，大多数药物可以根据其骨架和侧链分为两到三个片段。因此，在构建片段库时，应考虑片段与成药分子之间的相似性，以提高最终类药化合物的成药性。 (vi)应考虑碎片的化学稳定性和合成难易程度。 总的来说，片段库分子应足够小，重原子数小于20个，如此便可结合到通常难以定位的区域；初始片段通常对其目标具有弱结合亲和力，通常在 µM–mM 范围内；同时必须基于靶标或疾病进行考量，并有意识的选择具有某些特定倾向的片段分子。通常片段库中应添加一些天然产物分子及自主创新的分子片段以进一步增加库的多样性。 配体-靶标筛选方法 FBDD过程中需要足够多够数量的纯的、功能性的、均质的蛋白质，适合筛选和结构测定。最重要的是需要借助合适的检测手段来确定配体与靶标的结合。 图4. FBDD中配体靶标结合筛选方法[10] FBDD常用的配体靶标筛选方法主要有以下几种[11]： (i) X射线晶体学： 主要原理是将蛋白质与高浓度片段分子形成晶体，片段以10s mM 浓度浸泡。该方法的优点是可以立即获得与蛋白质结合的片段的结构，缺点是有时需要多次尝试才能获得与蛋白质结合的化合物的晶体结构，因此会出现假阴性。 (ii)蛋白质观察NMR：原理是大量标记蛋白质（通常为15 N，有时为13C)。通常只能通过细菌过度表达来产生，并且在合适的缓冲液（低盐）中溶解度约为100 µM。用于筛选的主要实验是异核单量子相关光谱 (HSQC)，并借助相关2D NMR 谱，其中每个峰（15 N 标记）代表每个酰胺， 其中化学位移报告了结合酰胺时发生变化的局部环境。主要缺点是大量观察HSQC谱所需时间较长以及对蛋白质大小有所限制。 (iii)配体观察NMR：原理是将大量蛋白质（通常是 10 毫克，不需要标记，蛋白质可以是任何大小）在合适的缓冲液中溶解成10 µM，并通过NMR谱图观察片段分子的化学位移变化。该方法的主要优点是使用的蛋白质相对较少，主要缺点是将蛋白质固定在表面并保持结合完整性并不容易。 (iv)表面等离子共振技术（SPR）：原理是首先将靶蛋白固定在金或银传感器表面。随后，如果配体与目标的结合，探针溶液流过靶标表面并导致折射率增加，简而言之，SPR 确定探针-靶标结合前后反射光的变化。SPR 可用于测量各种蛋白质、DNA/RNA 和小/复杂分子之间生物分子相互作用的结合亲和力、特异性和动力学参数。其主要优点是可以针对各类靶标；主要缺点是无法得到有关片段结合位点或相互作用基团的直接信息。 (v)微尺度热泳技术（MST）：MST检测温度梯度中标记靶标的荧光变化，首先，温度梯度会引起荧光的变化。这种效果可能会受到配体-靶标结合的影响；其次，发生标记蛋白质的热泳动，这基本上是分子在温度梯度中的运动。如果配体与靶标结合，化学微环境就会发生变化，从而导致分子的特定热泳曲线发生变化。MST的优点是可用于任何类型的生物分子相互作用，难点是如何引入一种合适的荧光团而不干扰正在测量的相互作用。 (vi)热位移测定（TSA）：是一种非常可靠且简单的技术，可量化蛋白质的变性温度。蛋白质的稳定性与其熔解温度相关，熔解温度在蛋白质与配体片段结合时会有所不同。优点是需要相当少的材料，且成本低廉。缺点在于小片段一般只能对60-70℃下的蛋白质稳定性产生非常小的影响，因此存在许多假阴性。 (viii)质谱（MS）：可通过MS检测的方法测定配体与蛋白质的结合能力。该方法的主要有点是简单方便，直观。缺点是需要找到合适的维持气相结合的条件。 (viii)生化检测：由于碎片分子与靶标的结合活性较弱，一般为μM-mM之间，使得传统生化检测通常不适合FBDD相关筛选。 片段到先导化合物（F2L） 从片段分子到先导化合物的优化主要有三种方法，即片段链接、片段生长及片段结合。 片段链接 “片段链接”是 Fesik 和同事提出的基于 NMR 的初始 SAR 方法，由五个步骤组成：第一个片段的识别、第一个片段的优化（结构确定后）、筛选较小片段的文库第一个片段的存在，第二个片段的优化，然后两个片段的链接。 图5. 片段链接的成功案例：BACE-1抑制剂的研发[12] 要同时筛选占据口袋中不同位置的两个（或多个）片段，然后用合适的接头将它们连接在一起作为单个分子。虽然这种方法理论上可以在一定程度上提高药物亲和力，但与其他基于片段的修饰策略相比，片段连接的成功例子相对较少。这主要因为有两个挑战：第一个是结合位点是否有合适的口袋来容纳单独的片段；第二个是在不影响两个片段的结合方向和位置细节的情况下进行连接的化学挑战。 片段生长 “片段生长”是FBDD中应用最广泛的策略。对于给定的结合袋，可以鉴定一个合适的片段，以与结合袋内的某一子区域具有更好的相互作用。可以将多个替换添加到已识别的片段中以使其长大。取代和识别片段的组合通常遵循化学组合规则，以保证生成合成可行的化合物。生长过程通常会增加原始片段的药物相似度。新产生的化合物应具有更强的受体-配体相互作用。 图6. 片段生长成功案例[13] 片段合并 “片段合并”是一种将来自多个化学命中的信息组合在一起的方法。它依赖于多种晶体结构和基于结构的药物设计。通常，对于给定的目标有报道/已知的先导化合物。 以已知的化合物作为探针，足以用于不同目的的基础研究。已知的先导化合物可能占据结合袋的大部分，而剩余空间可适合片段结合。与片段连接类似，可以引入接头来连接已知的先导和合适的片段。选择合适的片段时考虑以下因素：( 1 )实现最终产物的优选物理化学性质，( 2 )形成相对较强的受体-配体相互作用，以及( 3)) 添加连接子的综合合理性。片段合并不仅用于新颖的化合物设计，而且仍然是化学修饰和衍生物生成的工具。 图7. 片段合并成功案例[13] FBDD虽然已取得很大进步，但仍然具有需要改进的地方[14]： (i)片段库的改进：在过去的研究中，经验总结表明质量控制和确保片段在筛选实验条件下具有合适的理化性质/避免干扰尤为重要。另外片段分子的结构偏向于扁平杂环，而真实药物分子则具有更多的3D结构特征，这种3D结构的不均衡性一直存在争论。 (ii)虽然目前存在诸多片段-配体筛选方法和手段，但其中大多数需要使用仪器或行管技术，而这些技术通常需要熟练的操作员，略微的操作失误可能导致结论的迥异。 (iii)如何将片段分子优化为潜在药物分子仍然是巨大的挑战。 end 本公众号声明： 1、如您转载本公众号原创内容必须注明出处。 2、本公众号转载的内容是出于传递更多信息之目的，若有来源标注错误或侵犯了您的合法权益，请作者或发布单位与我们联系，我们将及时进行修改或删除处理。 3、本公众号文中部分图片来源于网络，版权归原作者所有，如果侵犯到您的权益，请联系我们删除。 4、本公众号发布的所有内容，并不意味着本公众号赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本公众号证实，对本文全部或者部分内容的真实性、完整性、及时性我们不作任何保证或承诺，请浏览者仅作参考，并请自行核实。

01 FGFR结构与信号通路 FGF配体：分类、结合特性与生理功能 FGF配体家族含22个成员，按结构与信号方式分为三类，仅18种可通过FGFR传导信号，其余通过电压门控钠通道发挥作用： FGFR的结构 FGFR家族(FGFR1-4)为跨膜受体酪氨酸激酶(RTK)，其结构从胞外到胞内呈模块化分布，各结构域既独立发挥功能，又通过构象变化协同调控信号： ◆ 胞外结构域(Extracellular Domain,ECD)：含3个免疫球蛋白样(Ig-like)结构域(D1、D2、D3)，通过柔性连接肽串联，其中D2和D3是配体FGF结合的关键区域，D1则通过自抑制作用调控受体活性。 ①D1结构域：含“酸性盒”序列，通过与D2-D3的内源性相互作用抑制配体非依赖激活，维持受体静息状态。 ②D2结构域：保守性极高，含肝素硫酸酯(HS)结合位点(如Lys160、Arg162)，HS结合后可诱导D2构象变化，增强FGF与受体的亲和力。 ③D3结构域：存在剪接变体(3b和3c)，是配体特异性识别的核心： 3b亚型(上皮细胞表达)：优先结合上皮型FGF(如FGF7、FGF10)。 3c亚型(间充质细胞表达)：优先结合间充质型FGF(如FGF2、FGF4)，剪接变体的差异导致FGFR在不同组织中的功能特化。 ④配体结合口袋：由D2的C端和D3的N端共同构成，形成“V”形凹槽，其中关键氨基酸(如FGFR2的Asp565、Ala567)通过氢键、疏水作用与FGF的保守区域结合，HS则穿插于FGF与D2之间，形成稳定的三元复合物(FGF-FGFR-HS)。 ◆ 跨膜结构域(Transmembrane Domain,TMD)：为单次跨膜α螺旋(约22-25个疏水氨基酸)，含“GXXXG”(甘氨酸间隔基序)，促进受体二聚化时的螺旋间相互作用，为胞内激酶域激活提供空间基础。 ◆ 胞内结构域(Intracellular Domain,ICD) ①近膜区(JM区)：含自身抑制序列(如FGFR1的Tyr463)，静息状态下与激酶域结合，阻止其激活；受体二聚化后，JM区酪氨酸磷酸化，解除自抑制。 ②分裂型激酶域：分为N叶(结合ATP，含Gly510、Lys514等关键残基)和C叶(催化中心Asp641+底物结合位点)，二者通过柔性铰链区连接。 ③调控元件：分子制动(N546-E562-K638盐桥网络)、DFG锁(F642与I538/I544/L614疏水相互作用)，锁定激酶域为非活性构象。 ④C端尾部：含多个酪氨酸磷酸化位点(Y730、Y766)，磷酸化后招募STAT3、PLCγ等下游分子，拓展信号网络。 图1 FGFR 抑制剂和药物结合口袋 ◆ 结构保守性与亚型差异 ①保守性：FGFR1-4的激酶域序列同源性>85%，ATP结合口袋、催化中心等核心区域高度保守，这是泛FGFR抑制剂存在脱靶毒性的主要原因。 ②亚型特异性差异(FGFR1-4) FGFR信号的激活机制(生理+病理) FGFR信号激活的核心是“解除自身抑制→受体二聚化→激酶域激活→自磷酸化”，分为生理依赖激活和病理异常激活两类。 图2 FGFR信号传导及致癌激活机制概览 ◆生理配体依赖激活(三步级联) ①第一步：FGF-HS-FGFR三元复合物形成： 经典FGF：如FGF2、FGF7，先与HS结合，HS的线性多糖链可同时结合2个FGFR分子，形成“FGF-HS-FGFR”二聚体前体。 内分泌FGF：如FGF19、FGF21，需先与Klotho共受体(α-Klotho或β-Klotho)结合，再与FGFR形成“FGF-Klotho-FGFR-HS”四元复合物，HS作为辅助因子稳定复合物结构。 ②第二步：受体二聚化与构象解锁： 复合物形成后，FGFR的ECD发生旋转，带动TMD形成反平行二聚体，胞内JM区的自抑制作用解除。二聚化的受体相互靠近，使胞内激酶域的Nlobe与另一受体的Clobe形成交叉激活界面，诱导分子制动(N546-E562-K638)和DFG锁(F642-I538/I544/L614)的相互作用断裂，激酶域从非活性构象转变为活性构象。 ③第三步：激酶域自磷酸化激活： ATP进入N叶的ATP结合口袋，一个受体的激酶域催化另一个受体的酪氨酸残基反式磷酸化；首先发生“启动磷酸化”(FGFR1的Y653)，进而触发Y654(激酶激活)、Y730(下游信号衔接)、Y766(PLCγ结合)等位点全面磷酸化，形成“磷酸化码头”招募下游分子。 ◆病理异常激活(无需配体) 无需FGF结合，通过基因异常直接诱导受体激活，常见于肿瘤： ①染色体易位：产生融合蛋白(如FGFR-TACC3、FGFR-BICC1)，融合伙伴的卷曲螺旋结构可强制诱导受体二聚化，导致激酶域持续激活。 类型I(非受体型)：如BCR-FGFR1，融合伙伴的卷曲螺旋结构强制诱导受体二聚化。 类型IIa(受体型N端替换)：如FN1-FGFR1，融合伙伴增强受体与HS的结合，促进二聚化。 类型IIb(受体型C端替换)：如FGFR2-BICC1、FGFR3-TACC3，缺失C端负反馈序列，导致持续激活。 ②基因突变： 胞外域突变(如FGFR2S252W)：增强配体结合亲和力或诱导配体非依赖二聚化。 激酶域突变(如FGFR3G370C)：破坏分子制动或DFG锁的自抑制作用，使激酶域持续处于激活构象。 剪接位点突变：导致FGFR2b向FGFR2c转换，增强肿瘤侵袭性。 ③基因扩增：FGFR基因拷贝数增加，导致受体过表达，通过“寡聚化”实现配体非依赖激活。 ④增强子扩增或重排：如FGFR2远端增强子扩增，在无基因体扩增的情况下驱动受体过表达。 FGFR信号的调控机制(负反馈+内吞分选) ◆第一层：受体内吞与分选(核心调控方式) ①内化过程：激活的FGFR通过网格蛋白介导的内吞作用进入细胞，形成早期内体(RAB5+)。 ②分选命运： 降解途径(主要调控方式)：泛素化的FGFR被ESCRT复合物识别，分选至晚期内体(RAB7+)，最终与溶酶体融合降解；泛素化由E3泛素连接酶Cbl介导，Cbl通过SH2结构域结合磷酸化的FRS2，促进FGFR的K48位泛素化；-回收途径：去泛素化的FGFR(Sprouty隔离Cbl抑制泛素化)被分选至回收内体(RAB4/11+)，运输回细胞膜重新参与信号传导，实现信号持续调控。 逆行运输：部分FGFR从晚期内体逆行至高尔基体，再回收至细胞膜，机制尚未完全明确。 ◆第二层：翻译后修饰(PTMs)调控 ①磷酸化/去磷酸化：磷酸酶(如Shp2、PTP1B)可脱磷酸化FGFR的酪氨酸位点，直接终止信号。 ②糖基化：FGFR的ECD存在N-糖基化位点(如Asn149)，糖基化可影响受体的膜定位和配体结合能力。 ③泛素化：除K48位泛素化(降解信号)外，K63位泛素化可促进FGFR的内吞和信号复合体形成，增强信号传导。 ④乙酰化：FGFR1的Lys535乙酰化可抑制激酶活性，为信号调控提供额外层面。 ◆第三层：抑制性分子调控 ①可溶性FGFR(sFGFR)：由FGFR的ECD剪切产生，可竞争性结合FGF和HS，阻止配体与膜结合受体的相互作用。 ②FGF结合蛋白(FGFBP)：可隔离FGF，降低游离FGF浓度，间接抑制FGFR激活。 ③磷酸酶调控：Shp2不仅可脱磷酸化FGFR，还可通过调节Ras/MAPK通路的负反馈，精细调控信号强度。 ◆第四层：转录水平调控 ①负反馈转录：FGFR信号激活后，可诱导抑制性分子(如Sprouty、Spred)的表达，Sprouty通过结合Grb2抑制Ras激活，Spred则直接抑制Raf活性。 ②表观遗传调控：FGFR基因的甲基化(如FGFR2的CpG岛甲基化)可抑制其表达，避免受体过表达导致的信号异常。 02 FGFR与疾病的关联 FGFR(成纤维细胞生长因子受体)家族的基因异常(突变、扩增、融合、重排)或信号通路失调，是多种疾病发生发展的核心驱动因素。不同FGFR亚型的功能特化的表达模式，决定了其关联疾病的组织特异性和病理特征。 FGFR与癌症 FGFR异常是癌症中最常见的受体酪氨酸激酶(RTK)异常之一，在1.9%-7.1%的癌症患者中检出，涉及几乎所有实体瘤和部分血液系统肿瘤。其核心致病机制是通过持续激活下游增殖、存活通路(Ras/MAPK、PI3K-AKT等)，推动肿瘤发生、进展和转移。 图3 癌症中FGFR的改变 ◆ 基因扩增(最主要异常类型，占53.7%-66%)：FGFR基因拷贝数增加，导致受体蛋白过表达，通过“配体依赖增强”或“配体非依赖寡聚化”激活信号。 ①FGFR1扩增：高发于肺鳞癌(10%-20%)、三阴性乳腺癌(TNBC，10%)、卵巢癌(9%)；扩增与肺鳞癌患者较短的总生存期(OS)、乳腺癌不良预后直接相关，机制是过表达的FGFR1持续激活Ras/MAPK通路，促进细胞周期进展。 ②FGFR2扩增：多见于胃癌(3%-10%)、食管鳞癌(12.7%)；胃癌中FGFR2扩增患者对化疗敏感性低，且易发生腹膜转移，核心驱动因子是CyclinD1和c-Myc的过度表达。 ③治疗关联：泛FGFR抑制剂(如富替巴替尼)对扩增驱动的肿瘤具有显著疗效，但需注意脱靶毒性。 ◆基因突变(占26%-38.8%)：突变破坏FGFR的自身抑制机制(如分子制动、DFG锁)，或增强配体结合亲和力，导致激酶域持续激活。 ①FGFR1突变：以激酶域突变为主(N546K、V561M、K656E)，多见于肺鳞癌、乳腺癌；N546K突变通过破坏分子制动(N546-E562-K638相互作用)，使FGFR1持续处于激活构象。 ②FGFR2突变： 胞外域突变(S252W、N549K)：高发于子宫内膜癌(UCEC，12%)、TNBC；S252W突变增强FGF配体结合亲和力，诱导受体异常二聚化，通过FGFR2-STAT3通路促进EMT(上皮-间质转化)。 激酶域突变(V565I/L/M、K660N/E)：多见于胆管癌、胃癌；V565M为gatekeeper突变，是FGFR抑制剂(如培米加替尼)获得性耐药的主要原因。 ③FGFR3突变： 胞外域突变(S249C、R248C、G370C、Y373C)：占膀胱癌突变的37.5%-59.3%，是膀胱癌最常见的驱动突变之一；突变导致配体非依赖二聚化，激活Ras/MAPK通路促进膀胱上皮细胞增殖。 激酶域突变(V555L/M)：多见于多发性骨髓瘤、横纹肌肉瘤；V555M突变通过空间位阻阻碍抑制剂结合，导致耐药。 ④FGFR4突变：Y367C、G388R、V550L/M，高发于肝癌(HCC)、结直肠癌(CRC)；V550L/M是gatekeeper突变，可导致FGFR4抑制剂(如BLU554)失效。 ◆基因融合/重排(占5.6%-8%)：染色体易位导致FGFR与融合伙伴(如TACC3、BICC1、PPHLN1)形成融合蛋白，融合伙伴的卷曲螺旋结构强制诱导FGFR二聚化，实现配体非依赖的持续激活。 ①FGFR1融合：伙伴基因包括TACC1、BCR、FN1，多见于非小细胞肺癌(NSCLC)、骨髓增殖性肿瘤(MPNs)；FGFR1-TACC3融合在NSCLC中发生率0.32%，通过激活PI3K-AKT通路促进肿瘤血管生成。 ②FGFR2融合：最常见于胆管癌(CCA，10%-20%)，尤其是肝内胆管癌(ICC)；融合伙伴以BICC1、TACC3为主，FGFR2-BICC1融合通过持续激活MEK1/2通路驱动肿瘤，双靶向FGFR2+MEK1/2抑制剂显示出协同疗效。 ③FGFR3融合：伙伴基因包括TACC3、BAIAP2L1，多见于膀胱癌、胶质瘤、多发性骨髓瘤；FGFR3-TACC3融合在胶质母细胞瘤中发生率1.48%，可诱导染色体不稳定性，促进肿瘤侵袭。 ④FGFR4融合：罕见，已报道FGFR4-RAPGEFL1融合在NSCLC中存在，功能尚未明确，需进一步验证。 ◆FGFR异常在主要癌种中的分布与临床意义 ◆FGFR各亚型异常分布与癌种关联 FGFR与骨骼疾病 FGFR1-3(FGFR4无骨骼疾病相关突变)的功能获得性(GOF)或功能缺失性(LOF)突变，是人类遗传性骨骼疾病的主要病因。FGFR信号通路在软骨形成、骨化过程中起核心调控作用，异常激活或抑制会导致骨骼发育畸形。 ◆核心病理机制 ①GOF突变：FGFR持续激活，抑制软骨细胞增殖和分化，导致骨骼生长受限(如软骨发育不全)；或促进骨过早融合(如颅缝早闭综合征)。 ②LOF突变：FGFR信号减弱，导致骨骼发育不全(如Kallmann综合征)。 ◆ 软骨发育不全(ACH) ①关联异常：FGFR3的GOF突变(G380R突变占99%)，位于激酶域，破坏分子制动的自抑制作用，使FGFR3持续激活。 ②病理特征：FGFR3激活抑制软骨细胞增殖(通过阻断Ras/MAPK通路)，导致长骨生长板软骨细胞减少，表现为身材矮小、头大、腰椎前凸等。 ③治疗进展：FGFR3选择性抑制剂TYRA-300(II期临床，NCT06842355)通过抑制异常激活的FGFR3，恢复软骨细胞增殖，已显示出改善患儿身高的疗效；FGFR2/3双靶点抑制剂ABSK061(IND阶段)也在临床开发中。 ◆颅缝早闭综合征(Craniosynostosis Syndromes) ①关联异常：FGFR1-2的GOF突变，亚型特异性显著： Apert综合征(AS)：FGFR2的S252W、P253R突变，累及颅缝早闭+并指/趾畸形。 Crouzon综合征：FGFR2的C342Y、S354C突变，仅表现为颅缝早闭，无肢体畸形。 Pfeiffer综合征(PS)：FGFR1的Y372C、FGFR2的S252W突变，颅缝早闭+宽拇指/大脚趾畸形。 ②病理机制：FGFR激活促进颅骨骨膜成骨细胞增殖，导致颅缝过早闭合，压迫脑组织，可能引发智力障碍。 ③治疗现状：以手术矫正颅缝为主，尚无靶向药物获批；FGFR抑制剂(如英菲格拉替尼)在临床前模型中显示出延缓骨融合的效果。 ◆其他骨骼疾病 ①Kallmann综合征(KS)：FGFR1的LOF突变(如R621X)，导致嗅球发育不全+性腺功能减退，同时伴随骨骼发育迟缓(如脊柱侧弯)，机制是FGFR1信号缺失影响胚胎期神经嵴细胞迁移。 ②低磷酸酯酶症(HCH)：FGFR3的N540K突变，表现为轻度身材矮小、骨密度降低，机制是突变增强FGFR3对软骨细胞的抑制作用，但强度弱于ACH的G380R突变。 ③致死性骨发育不良(TD)：FGFR3的K650E/G突变，位于激酶域激活环，导致FGFR3极度激活，软骨细胞几乎完全停止增殖，患儿出生后不久因呼吸衰竭死亡。 FGFR与代谢相关疾病 ◆代谢相关脂肪性肝病(MAFLD)/非酒精性脂肪性肝炎(NASH) ①关联异常：FGF19/FGFR4信号通路过度激活，FGFR4在肝脏中高表达。 ②病理机制：FGF19与FGFR4结合，抑制胆固醇7α-羟化酶(CYP7A1)的表达，导致胆汁酸合成减少，脂肪在肝脏沉积；同时激活PI3K-AKT通路，促进肝细胞脂肪合成，引发肝纤维化。 ③治疗进展：FGFR4抑制剂(如BLU554)可恢复CYP7A1活性，促进胆汁酸排泄，在NASH小鼠模型中显著减少肝脏脂肪变性和纤维化；目前处于临床II期的FGFR4抑制剂ABSK-011也显示出类似疗效。 ◆ 家族性低磷血症性佝偻病(ADHR) ①关联异常：FGF23的GOF突变(如R176Q)，导致FGF23持续升高，通过FGFR1-Klotho复合物抑制肾脏磷重吸收。 ②病理特征：低磷血症、佝偻病/骨软化症，机制是FGF23-FGFR1信号过度激活，导致肾脏钠磷协同转运体(NPT2a)表达降低，磷排泄增加。 ③治疗：抗FGF23单克隆抗体(如burosumab)已获批，可中和过量FGF23，恢复磷稳态。 FGFR与肺部疾病 ◆特发性肺纤维化(IPF) ①关联异常：FGF1/FGFR1信号通路过度激活，FGFR1在肺成纤维细胞中高表达。 ②病理机制：FGF1结合FGFR1，激活PI3K-AKT和PLCγ通路，促进肺成纤维细胞增殖和胶原蛋白合成，导致肺组织纤维化。 ③治疗进展：FGFR抑制剂IM-1918和SKLB-YTH-60在小鼠模型中，通过抑制FGFR1信号，显著减少肺纤维化和炎症细胞浸润，目前处于临床前开发阶段。 ◆支气管肺发育不良(BPD) ①关联异常：FGFR4的rs3865004多态性(G388R突变)，导致FGFR4信号减弱。 ②病理机制：FGFR4信号参与肺上皮细胞增殖和分化，突变导致肺发育不成熟，早产儿易发生BPD，表现为肺功能低下、慢性缺氧。 ③临床意义：G388R突变可作为BPD的风险预测标志物，针对性干预(如FGF21激动剂)正在探索中。 FGFR与肾脏疾病 ◆慢性肾病(CKD)-矿物质和骨代谢紊乱(CKD-MBD) ①关联异常：FGF23-FGFR1/Klotho信号通路过度激活，FGF23水平随CKD进展升高。 ②病理机制：FGFR1-Klotho复合物介导FGF23信号，抑制肾脏磷重吸收和维生素D活化，导致低钙、高磷、继发性甲状旁腺功能亢进，进而引发骨骼异常和心血管钙化。 ③治疗：除磷结合剂外，FGFR1抑制剂可降低FGF23介导的磷排泄抑制，目前处于临床I期的FGFR1选择性抑制剂正在评估安全性。 ◆ 肾发育不全(Renal Hypoplasia) ①关联异常：FGFR1的LOF突变(如W290X)、FGF20的失活突变。 ②病理机制：FGFR1-FGF20信号参与肾脏胚胎发育，突变导致后肾原基增殖不足，肾脏体积缩小、功能不全，表现为儿童期慢性肾功能衰竭。 ③治疗：目前无根治方法，以肾脏替代治疗(透析、移植)为主，FGFR激动剂(如FGF20)在动物模型中显示出促进肾脏再生的潜力。 FGFR与其他罕见疾病 ◆LADD综合征(Lacrimo Auriculo Dento DigitalSyndrome)：FGFR1-3的GOF突变(如FGFR2的S252W)，表现为泪腺发育不全、耳畸形、牙齿异常、指/趾畸形，机制是FGFR信号异常影响胚胎期上皮-间充质相互作用。 ◆Bent骨发育不良综合征(BBDS-FGFR2型)：FGFR2的新发GOF突变(如C342R)，表现为长骨弯曲、胸廓畸形、呼吸衰竭，是围生期致死性疾病，机制是FGFR2信号过度激活抑制骨骼发育。 03 FGFR靶向抑制剂(2020年以来进展) 图4 FGFR药物历史上的主要里程碑 小分子FGFR抑制剂 ◆分类逻辑 小分子FGFR抑制剂按研发历程、选择性、作用机制可分为三代，核心差异集中在亚型特异性、耐药覆盖和毒性控制： ◆适应症分布(基于获批药物) 生物标志物检测 ◆检测方法：NGS(组织/cfDNA)检测FGFR融合、突变、扩增；RT-PCR检测FGFR2/3融合；IHC检测FGFR2b表达(用于Bemarituzumab筛选)。 ◆关键标志物： ①阳性标准：FGFR2/3融合、FGFR3突变(S249C/R248C等)、FGFR1扩增(肺鳞癌)、FGFR4突变(V550L/M)。 ②阴性预测标志物：TP53共突变(降低Pemigatinib应答率)、EGFR/MET扩增(内在耐药)。 安全性与毒性管理 ◆安全性与毒性管理 ◆毒性管理策略 ①高磷血症：低磷饮食+磷结合剂(司维拉姆)，严重时剂量调整。 ②腹泻：预防性使用止泻药(洛哌丁胺)+饮食调整。 ③皮肤/指甲毒性：局部糖皮质激素+含漱液(口腔炎)。 ④眼毒性：定期眼科检查，避免与其他视网膜毒性药物合用。 表1 FGFRs的选择性小分子抑制剂正在进行临床试验 04 新型FGFR靶向疗法 异双功能蛋白降解剂(PROTACs/HPDs) ◆设计思路：一端结合FGFR，一端招募E3泛素连接酶(CRBN/VHL)，诱导FGFR泛素化降解。 ◆代表药物： ①LC-MB12：基于infigratinib，招募CRBN，选择性降解FGFR2，Ba/F3-FGFR2细胞IC₅₀=10.3nM。 ②DGY-09-192：基于infigratinib，招募VHL，降解FGFR1/2，对FGFR2V564F等突变敏感。 ◆优势：克服结合位点突变耐药，降低脱靶毒性，有催化降解、高选择性；目前处于临床前开发。 ◆挑战：分子量大、理化性质差导致药代动力学不佳(如口服生物利用度低)，需优化linker长度/组成、靶点结合配体结构以提升成药性。 AI驱动设计与分子动力学模拟 ◆ 技术应用：AI平台(如Chemistry42)从头设计新型骨架，MD模拟分析P-loop构象差异。 ◆成功案例：化合物ISM7594，吡咯并[2,3-b]吡嗪骨架+“魔法甲基”，克服FGFR2V564F突变，同时实现FGFR1/4高选择性。 生物制剂 ◆单克隆抗体： ①Bemarituzumab：抗FGFR2b抗体，抑制配体结合+ADCC效应；FIGHT试验(胃癌)：联合化疗改善mOS(未达到vs12.9个月)，角膜病变发生率67%；III期试验正在进行。 ②Aprutumab：识别FGFR2b/c共同表位，诱导受体内吞降解，用于开发ADC/RIC。 ◆ADC/RIC： ①Aprutumabixadotin(FGFR2 ADC)：I期试验因毒性/活性有限终止。 ②225Ac-vofatamab(FGFR3 RIC)：I/II期试验用于FGFR3异常实体瘤，探索放射性治疗潜力。 ◆CAR-T细胞： ①靶向FGFR4的CAR-T(RJ154-HL、3A11)：在横纹肌肉瘤模型中显示抗肿瘤活性，需优化降低肝毒性。 ◆可溶性受体： ①FP-1039(FGFR1c胞外域)：陷阱受体结合FGF配体，I期联合化疗治疗肺鳞癌ORR=47%。 ②Recifercept(FGFR3c胞外域)：改善软骨发育不全小鼠骨骼畸形。 双靶点共抑制 ◆设计逻辑：同步阻断FGFR与旁路信号，预防耐药。 ◆代表性药物： ①LC-SF-14：FGFR2+SHP2双靶点，SHP2IC₅₀=71.6nM，FGFR2IC₅₀=8.9nM，SNU-16移植瘤TGI=85.62%。 ②联合策略：FGFR抑制剂+MEK/PI3K/EGFR抑制剂，协同阻断下游通路。 其他新型抑制剂 ◆第三代抑制剂：Lirafugratinib(FGFR2特异性)、LOXO-435(FGFR3特异性)，对看门狗突变敏感，高磷血症发生率显著降低(<15%)。 ◆变构抑制剂：靶向FGFR非ATP结合位点，有望实现绝对亚型选择性。 05 FGFR耐药突变核心机制 FGFR耐药突变是限制靶向治疗长期获益的核心瓶颈，主要分为靶点自身突变(On-target-Resistance)和旁路信号激活(Off-target-Resistance)两大类，其中靶点自身突变占临床耐药的60%以上，且具有显著的亚型特异性和突变热点集中特征。 FGFR自身异常驱动耐药(On-target Resistance) 此类耐药源于FGFR基因的二次突变或结构重塑，通过破坏抑制剂结合位点、解除受体自抑制或改变蛋白构象，导致药物失效，占临床耐药的60%以上(胆管癌患者中达60%)，是最主要的耐药类型。 ◆On-target耐药的关键特征： ①多克隆性：50%-63%的胆管癌患者耐药后出现多种FGFR二次突变(如V564F+N549D共突变)，ctDNA动态监测可捕捉突变克隆的演化。 ②突变热点集中：FGFR2的V564、N549、L617，FGFR3的V555、N540是高频突变位点，占所有On-target突变的80%。 ③抑制剂类型依赖性：非共价抑制剂(如pemigatinib)更易诱导GK突变，共价抑制剂(如futibatinib)更易诱导共价结合位点突变。 ◆看门狗突变(Gatekeeper,GK突变)：FGFR激酶域ATP结合口袋入口处的GK残基(Val)替换为体积更大的Leu/Met/Ile，形成空间位阻，直接阻碍ATP竞争性抑制剂进入口袋，同时改变口袋疏水微环境，削弱药物与靶点的竞争性结合能力。 ◆分子制动突变(Molecular Brake,MB突变)：破坏FGFR自身抑制的“分子制动”结构(N546-E562-K638盐桥网络)，受体无需配体即可维持持续激活，即使抑制剂结合ATP口袋也无法阻断激酶活性。 ◆DFG锁突变(DFGL atch,DL突变)：影响DFG基序(Asp-Phe-Gly)与周围残基的疏水相互作用。不直接影响抑制剂结合口袋，而是通过增强受体二聚化、提升配体结合亲和力或稳定激活构象，协同推动耐药表型。其耐药效应依赖与其他突变(如看门狗突变)的协同作用，单独发生时耐药性较弱。 ◆共价结合位点突变(Covalent binding Cysteine Mutation)：通过丙烯酰胺等弹头与受体特定半胱氨酸(Cys)残基形成不可逆共价键，这类突变直接替换该半胱氨酸残基，阻断共价结合，导致药物完全失效。 ◆ 剪接变体转换(Splice Variant Switching)：FGFR2b(上皮型，结合FGF7/10)向FGFR2c(间充质型，结合FGF2/4)转换，抗体药物(如Bemarituzumab)无法识别FGFR2c，且下游信号激活增强。 ①高发癌种：胃癌(Bemarituzumab治疗后)、胆管癌(FGFR2融合患者)。 ②耐药表现：Bemarituzumab治疗后30%患者出现FGFR2b表达下调、FGFR2c上调，EMT标志物(N-cadherin、vimentin)升高，ORR从53%降至0%。 ③分子特征：FGFR2c下游PI3K-AKT通路激活强度较FGFR2b高2.5倍，肿瘤侵袭性显著增强。 旁路信号激活代偿耐药(Off-target Resistance) 肿瘤细胞通过激活其他信号通路绕开FGFR的调控，维持增殖和存活，占临床耐药的25%-30%，常见于FGFR抑制剂单药治疗后。 ◆旁路耐药的临床特征 ①早期耐药：多在治疗后3-6个月出现，mPFS较On-target耐药更短(3-5个月vs6-8个月)。 ②跨癌种共性：EGFR、MET、PI3K-AKT异常在各癌种中均常见，是泛FGFR抑制剂耐药的主要旁路。 ③可检测性：cfDNA可检测到EGFR/MET扩增、PIK3CA突变等，为联合治疗提供依据。 ◆受体酪氨酸激酶(RTK)代偿激活 ①EGFR通路激活：EGFR与FGFR共享下游RAS-ERK、PI3K-AKT通路；FGFR被抑制后，EGFR磷酸化水平升高，持续激活下游通路，抵消FGFR抑制剂的作用。 ②MET通路激活：常见癌种为胃癌(FGFR2扩增)、肺鳞癌(FGFR1扩增)、胆管癌(FGFR2融合)。 ③HER2扩增：常见于乳腺癌(FGFR1扩增)、胃癌(FGFR2扩增)，联合曲妥珠单抗可改善疗效。 ④AXL激活：胆管癌患者耐药后AXL磷酸化升高，AXL抑制剂(bemcentinib)与FGFR抑制剂联合可协同抑制肿瘤生长。 ◆下游通路异常激活 ①PI3K-AKT-mTOR通路异常：FGFR抑制剂通过抑制FRS2磷酸化阻断PI3K激活；PIK3CA突变后，p110α亚基持续激活，无需FGFR信号即可产生PIP3，激活AKT。 ②RAS-RAF-ERK通路异常：常见癌种问结直肠癌(FGFR2融合)、肺癌(FGFR1扩增)。对FGFR抑制剂完全耐药，联合MEK抑制剂(曲美替尼)可部分恢复敏感性，但应答持续时间短(<3个月)。 ③CCND1扩增：驱动细胞周期G1/S转换，见于尿路上皮癌，联合CDK4/6抑制剂(哌柏西利)可协同抑制增殖。 ④STAT3激活：FGFR抑制剂治疗后，STAT3磷酸化升高(可能通过IL-6旁分泌)，联合STAT3抑制剂(napabucasin)可增强疗效。 肿瘤细胞表型/基因型重塑耐药 此类耐药源于肿瘤细胞的表观遗传改变或基因型重塑，而非直接的信号通路异常，占临床耐药的5%-10%，机制更复杂。 ◆TP53共突变驱动耐药 ①分子机制：TP53突变导致DNA损伤修复缺陷、染色体不稳定性增加，促进耐药突变(如FGFRV564F、PIK3CAE545K)的累积；同时TP53突变通过激活NF-κB通路增强肿瘤细胞存活能力。 ②耐药特征：对单一FGFR抑制剂或联合旁路抑制剂均不敏感，需联合DNA损伤修复抑制剂(如PARP抑制剂)。 ◆上皮-间质转化(EMT) ①分子机制：EMT过程中，肿瘤细胞从上皮表型转变为间充质表型，下调FGFR2b表达，上调FGFR1c/FGFR2c表达，同时激活Snail、ZEB1等转录因子，增强侵袭和耐药能力。 ②常见癌种：胃癌(bemarituzumab治疗)、胆管癌(FGFR2融合)、尿路上皮癌(FGFR3突变)。 ③耐药表现：FGFR抑制剂对EMT表型的肿瘤细胞抑制活性下降10-100倍，因间充质表型细胞依赖FGFR信号的程度降低。 ◆FGFR基因拷贝数减少 ①分子机制：肿瘤细胞通过减少FGFR基因拷贝数，降低对FGFR抑制剂的敏感性，同时伴随其他致癌基因(如MET、EGFR)的扩增。 其他辅助耐药机制 ◆肿瘤微环境(TME)重塑 ①免疫抑制微环境：FGFR抑制剂治疗后，肿瘤微环境中M2型巨噬细胞、调节性T细胞(Treg)浸润增加，分泌IL-10、TGF-β等细胞因子，抑制效应T细胞活性。 ②血管生成代偿：VEGFR2表达上调，绕开FGFR对血管生成的抑制，联合VEGFR抑制剂(贝伐珠单抗)可改善疗效。 ◆药物代谢与转运改变 ①药物外排增加：ABC转运蛋白(ABCB1、ABCG2)表达上调，加速FGFR抑制剂外排，降低细胞内药物浓度。 ②药物代谢增强：CYP3A4酶活性升高，加速抑制剂降解(如erdafitinib的代谢清除率增加2倍)。 ◆细胞周期checkpoint异常 ①CDKN2A/B缺失：导致p16INK4a表达下调，细胞周期G1/S检查点失控，FGFR抑制剂无法阻断细胞周期进展。 ②RB1突变：绕开FGFR抑制剂对RB-E2F通路的调控，细胞持续增殖。 耐药机制的临床检测与应对策略 ◆耐药机制检测方法 ◆On-target耐药：更换第三代抑制剂 ◆旁路激活耐药：联合靶向治疗 抗体发现服务 & 产品 01 羊驼免疫&骆驼免疫—自建现代化养殖农场 02 万亿级天然抗体库产品—轻松DIY科研抗体 关于仁域生物 成都仁域生物成立于2019年1月，是一家专注基因工程抗体技术和天然抗体库开发的公司，拥有优化的噬菌体展示抗体库技术和现代化的骆驼/羊驼养殖免疫基地。 公司主营业务： ◆ 全人源/纳米抗体定制；◆ 噬菌体展示抗体库定制； ◆ 多肽/多肽库定制；◆ 羊驼/骆驼免疫服务； ◆ 文库相关产品经销商。 protocol 获取 / 产品咨询 邮箱｜find@renyubio.com 电话｜19136178673 地址｜成都市经开区科技产业孵化园 关注我们，小编将持续更新相关内容～ 参考文献 Liu R, Qi J, Liu Y, Hou M, Zhang M, An X, Hu J. Recent research progress in structural optimization and cancer treatment of novel selective FGFR inhibitors (2020-2025). Int Immunopharmacol. 2026 Mar 1;172:116249. Du J, Shen H, Zeng T, Liu W, Xie Y. Targeted therapies for urothelial carcinoma: From FGFR inhibitors to next‑generation antibody-drug conjugates (Review). Int J Oncol. 2026 Feb;68(2):28. Xin X, Miao R. FGFR2-Rearranged Biliary Tract Cancer: Biology, Resistance Mechanisms, and Emerging Therapeutic Strategies. Cancers (Basel). 2026 Feb 6;18(3):531.   Erul E, Cifuentes-Canaval S, Santhosh A, Sokolović E, Della Mura M, Cazzato G, Kubilay Tolunay P, Rizzo A. Fibroblast Growth Factor Receptor (FGFR) Inhibitors for the Treatment of Cholangiocarcinoma: Key Therapeutic Developments and Knowledge Gaps. Drug Des Devel Ther. 2026 Feb 24;20:559328. Mansinho A, Machado JC, Faustino C, Figueiredo A, Moreira Pinto J, Vau N, Ramalho-Carvalho J, Teixeira MR. FGFR Testing in Metastatic Urothelial Carcinoma-Who, When, and How to Test. Cancers (Basel). 2026 Jan 29;18(3):444. Yue H, Wang Y, Zhang N, Xing J, Wang T, Bao Y, Hou Y, Zhao Y. Small-molecule FGFR-targeted medicinal chemistry: Advances since 2020 and future perspectives. Eur J Med Chem. 2025 Dec 15;300:118117. Tuokkola JE, Schwertfeger KL. Breast Cancer Progression by the FGF/FGFR Axis: A Metabolic Perspective. J Mammary Gland Biol Neoplasia. 2025 Dec 10;31(1):2. Lages Dos Santos J, Caetano Oliveira R, Gama JM. The Role of FGFR2 as a Novel Biomarker for Treatment of Gastric Cancer-A Literature Review. Medicina (Kaunas). 2025 Oct 22;61(11):1890. Chen J, Wang Q, Wu H, Huang X, Cao C. Therapies targeting triple-negative breast cancer: a perspective on anti-FGFR. Front Oncol. 2025 Mar 11;14:1415820. Tojjari A, Nagdas S, Saeed A, Saeed A. Deciphering the FGFR2 Code: Innovative Targets in Gastric Cancer Therapy. Curr Oncol. 2024 Jul 29;31(8):4305-4317. Lau DK, Collin JP, Mariadason JM. Clinical Developments and Challenges in Treating FGFR2-Driven Gastric Cancer. Biomedicines. 2024 May 17;12(5):1117. Katoh M, Loriot Y, Brandi G, Tavolari S, Wainberg ZA, Katoh M. FGFR-targeted therapeutics: clinical activity, mechanisms of resistance and new directions. Nat Rev Clin Oncol. 2024 Apr;21(4):312-329. Gordon A, Johnston E, Lau DK, Starling N. Targeting FGFR2 Positive Gastroesophageal Cancer: Current and Clinical Developments. Onco Targets Ther. 2022 Oct 11;15:1183-1196.