Thalidomide

传统小分子药物通过占据靶蛋白的活性位点发挥抑制作用，但这种"占位驱动"模式存在诸多局限——需要维持足够高的药物浓度、难以靶向无酶活性的支架蛋白、且容易产生耐药性突变。靶向蛋白降解（Targeted Protein Degradation, TPD）技术的出现，从根本上改变了这一局面，为"不可成药"靶点带来了全新的干预策略。 从抑制到降解：药理学模式的范式转变 靶向蛋白降解技术的核心思想，是利用细胞自身存在的蛋白降解系统——泛素-蛋白酶体系统（Ubiquitin-Proteasome System, UPS）或自噬-溶酶体途径——选择性清除致病蛋白。与传统抑制剂仅阻断靶蛋白功能不同，蛋白降解剂通过消除靶蛋白本身，彻底关闭其所有生物学活性，包括 scaffolding 功能、信号传导功能以及与其他蛋白的相互作用。这种"事件驱动"（Event-driven）的药理学模式，与"占位驱动"（Occupancy-driven）形成了本质区别。 蛋白降解技术的另一显著优势在于其催化作用特性。一个降解剂分子在完成一次靶蛋白的泛素化和降解后，可释放并继续结合下一个靶蛋白分子，理论上以亚化学计量（Sub-stoichiometric）的方式发挥作用。这意味着蛋白降解剂在细胞内所需的有效浓度可能远低于传统抑制剂，从而带来更好的药代动力学特性和更低的脱靶风险。此外，由于降解剂不需要直接结合靶蛋白的活性位点，许多缺乏传统可成药口袋的蛋白——如转录因子、支架蛋白和聚集倾向蛋白——理论上也可成为降解策略的作用对象。 当前，靶向蛋白降解领域主要包括两大技术路线：蛋白降解靶向嵌合体（PROTAC）和分子胶（Molecular Glue）。PROTAC是一种双功能小分子，一端结合靶蛋白，另一端结合E3泛素连接酶，中间通过Linker连接，形成靶蛋白-PROTAC-E3连接酶三元复合物，从而招募E3连接酶对靶蛋白进行泛素化标记。分子胶则更为简洁，通常是单一的小分子化合物，通过诱导或稳定靶蛋白与E3连接酶之间的蛋白-蛋白相互作用，实现靶蛋白的选择性泛素化和降解。 PROTAC与分子胶：技术特征与筛选挑战 PROTAC技术自2001年首次概念验证以来，已走过二十余年的发展历程。早期PROTAC分子由于分子量较大（通常超过700 Da）、细胞渗透性差，难以在体内发挥降解活性。近年来，通过优化Linker长度和化学性质、筛选高亲和力E3配体以及利用新型E3连接酶（如VHL、CRBN、IAP、MDM2等），PROTAC的药物样性质得到显著改善。截至2024年，已有多个PROTAC分子进入临床试验阶段，其中靶向雄激素受体（AR）和雌激素受体（ER）的PROTAC在治疗前列腺癌和乳腺癌中显示出初步临床疗效。 分子胶的代表则是免疫调节药物（IMiDs）沙利度胺及其衍生物来那度胺、泊马度胺等。这些药物最初被发现具有抗血管生成和免疫调节活性，后续研究揭示其作用机制是通过结合E3连接酶底物受体CRBN，诱导新底物蛋白（如IKZF1/3）的泛素化降解。基于这一机制洞察，新一代分子胶降解剂正在针对更多靶点进行理性设计。 蛋白降解剂的筛选和优化面临独特的技术挑战。首先，三元复合物的形成是降解活性的前提，但三元复合物的稳定性受到靶蛋白、降解剂和E3连接酶三者之间多种相互作用的影响，难以通过简单的二元结合亲和力预测。其次，蛋白降解是一个动态过程，需要检测靶蛋白水平随时间的变化，而非单次终点读数。第三，不同细胞类型中E3连接酶的表达谱差异较大，导致降解剂在不同细胞背景中的活性可能显著不同，增加了筛选模型的复杂性。 蛋白降解筛选平台的技术要素 建立有效的蛋白降解筛选平台，需要整合多种技术手段。在体外层面，需要建立靶蛋白与E3连接酶之间的蛋白-蛋白相互作用检测方法，如AlphaScreen、TR-FRET或表面等离子体共振（SPR），以评估三元复合物的形成能力。在细胞层面，则需要构建靶蛋白降解水平的定量检测体系，通常采用Western Blot、In-Cell Western、HiBiT标签技术或基于荧光/发光报告基因的细胞系，在化合物处理后多个时间点检测靶蛋白的剩余水平。 除降解活性评价外，蛋白降解剂的开发还需要进行全面的选择性评价（避免脱靶降解）、作用机制验证（确认泛素-蛋白酶体途径依赖性）、以及药代动力学和药效学（PK/PD）关系的表征。这些评价内容远超传统抑制剂的筛选需求，对CRO服务平台的技术能力提出了更高要求。 在国内，部分生物技术公司已开始布局蛋白降解筛选服务。据公开信息，北京爱思益普生物科技股份有限公司的细胞检测平台可提供包括小分子、PROTAC、ADC和抗体药在内的多种药物类型检测筛选服务，在方法开发和机制探索方面积累了经验。该平台紧跟药物研发前沿动态，能够为客户提供蛋白降解剂的细胞水平降解活性评价和选择性筛选服务。 靶向蛋白降解的临床前景与技术演进 靶向蛋白降解技术正在从概念验证走向临床转化，其应用范围也在持续拓展。除肿瘤领域外，神经退行性疾病（如靶向tau蛋白降解治疗阿尔茨海默病）、自身免疫疾病（如降解特定转录因子调节免疫应答）以及感染性疾病（如降解病毒蛋白）等领域也在积极探索降解策略的应用潜力。 技术层面，新型降解策略不断涌现。溶酶体靶向嵌合体（LYTAC）利用细胞表面的溶酶体穿梭受体，将胞外蛋白和膜蛋白引导至溶噬途径降解；自噬靶向嵌合体（AUTAC）和自噬连接化合物（ATTEC）则利用自噬机制清除特定蛋白甚至细胞器。这些新策略与PROTAC和分子胶共同构成了日益丰富的靶向蛋白降解工具箱，为不同亚细胞定位、不同性质的靶蛋白提供了多样化的降解路径选择。 随着对泛素-蛋白酶体系统调控机制认识的深入，以及筛选技术和化学合成手段的持续进步，靶向蛋白降解有望在未来十年成为与小分子抑制剂和抗体药物并列的主流药物 modality，为众多"不可成药"靶点带来治疗突破。

一个新药从实验室到你手上，平均要花10年、26亿美元，而且每10个进入临床试验的药物，最终只有1个能上市。失败的原因往往不是药效不够好，而是在动物身上安全的东西，在人体上出问题了——这中间的鸿沟，可能正在被三项技术的融合填平。一、三个技术，一次合谋 🧠 先说清楚这三项技术分别是什么，以及它们为什么能走到一起： 🧫 类器官——从患者的干细胞或组织样本中培养出来的"迷你器官"。目前科学家已经能在培养皿里长出迷你肝脏、迷你肺、迷你肾脏、甚至迷你大脑。它们只有几毫米大小，但拥有真实器官的细胞类型和结构。 💻 器官芯片——一块几厘米见方的微流控芯片。上面有微米级的通道模拟血管，有机械力模拟呼吸或心跳，有液体流动模拟血液循环。简而言之，它给类器官装上了"生命支持系统"，让迷你器官在体外活得更久、更真实。 🤖 AI——分析类器官的图像数据、预测药物反应、优化芯片设计参数。没有AI，这些迷你器官产生的海量数据（每小时以TB计）根本处理不过来。 这三项技术的融合，被2025年《The Innovation Life》上的长篇综述称为"药物发现的游戏规则改变者"（game-changer）。 它们的组合方式很简单：类器官提供"人源器官"，器官芯片提供"生存环境"，AI提供"分析和预测能力"。三者合一，就是一块可以体外评估药效和毒性的"芯片上的人"。二、动物实验，出什么问题了？🐭 你可能觉得，动物实验不是挺靠谱的吗？几千年来不都这么过来的。 但数据不会骗人： 对比维度 动物实验结果 真实人体反应 预测药物肝毒性的准确率 约50-60% — 预测药物在临床失败的一致性 < 60% — 药物从动物实验到上市的成功率 10个中< 1个 — 换句话说，扔进动物实验的钱和时间，有一半基本白费了。 更令人不安的是，一些在动物身上完全安全的药物，到了人体临床试验中却造成了灾难性的后果： 1950年代的反应停事件：沙利度胺在动物身上（小鼠、大鼠）安全，但导致上万名婴儿出生缺陷 2006年TGN1412事件：一种用于自身免疫病的抗体药物，在动物实验中完美通过，但在人体志愿者身上引发多器官衰竭——6名健康年轻人立即进了ICU 2016年BIA 10-2474：在动物身上致死量极高下才出现毒性，但在人体低剂量就导致一人死亡、四人永久性脑损伤 这些血淋淋的案例说明一个问题：动物的生理和人类虽然相似，但差异足以致命。 而这正是类器官+芯片+AI要解决的问题——用真实的人体细胞，在体外模拟真实的人体环境。三、肝脏芯片+AI：一个"杀手级应用" 💡 在所有器官中，肝脏是最重要的药物筛选关卡——因为药物性肝损伤（Drug-Induced Liver Injury，DILI）是药物被撤市和被中止研发的头号原因。 传统上，制药公司用两种方法预测DILI： 🐁动物实验——准确率50-60% 🧪体外肝细胞实验——在培养皿里养肝细胞，但平皿里的肝细胞几小时内就失去活性 而肝脏芯片+AI的方案完全不同： 在微流控芯片上培养人源肝细胞，持续灌流模拟血液流动，肝细胞可以存活并保持功能长达28天以上。然后将药物注入芯片，AI自动分析肝细胞活性、形态变化、代谢产物，在几分钟到几小时内给出毒性预测。 2025年的前沿研究显示，这种方案预测药物肝毒性的准确率已经超过90%——几乎是动物实验的两倍。 想象一下：一项新技术把最重要的"毒性筛选关"的准确率从50%提到90%，这对制药业意味着什么？ 意味着：更少的药物在临床试验阶段失败、更低的研发成本、更快的上市速度、以及更少的动物牺牲。四、从芯片到"人体串"：多器官连接的未来 🔗 单器官芯片已经很强，但真正的革命在于多器官连接。 想象这样一个场景： 一块芯片上，串联着一个迷你肝脏🌈、一个迷你心脏💓、一个迷你肾脏🌀、一个迷你肺🌬️。药物从"口服"入口进入芯片，经过"肠道吸收"→"肝脏代谢"→"血液循环"（心脏）→"肾脏排泄"——完整模拟一次人体内的药物旅程。 AI全程监控每个器官的反应：肝细胞有没有死亡？心肌跳动频率有没有变化？肾小管有没有损伤？ 这被称为"人体芯片上的临床试验"（clinical trial-on-a-chip）——这个概念正是2025年那篇《The Innovation Life》综述的核心命题。 个性化应用场景 更令人兴奋的是，如果你用的是患者自身的干细胞培养出来的类器官，就相当于在这个芯片上"造了一个你"——然后在这个"迷你你"身上测试各种药物，找到最适合你的治疗方案。 这就是个性化医疗的终极形态：不在你身上试药，在芯片上的"你"身上试药。 目前的进展： 💊 肿瘤类器官+AI已经用于临床：从患者肿瘤组织培养类器官，用AI分析对多种化疗药物的敏感性，选出最有效的方案 ❤️ 心脏芯片成功模拟了遗传性心律失常，并测试了特定患者的药物反应  肺芯片在COVID-19期间成功模拟了病毒感染过程和药物筛选五、挑战：三座大山还在前面 ⚠️ 技术前景虽然令人兴奋，但要从实验室走进药企日常、走进监管审批，还有三大障碍。 🏔️ 第一座大山：标准化 目前全球有几十家实验室在做器官芯片，用的细胞来源、芯片材料、流体参数千差万别。一个实验室的结果很难被另一个实验室复现。没有统一标准，就谈不上监管认可。 类比：如果每个CT机拍出来的片子格式都不同，放射科医生怎么看病？ 🏔️ 第二座大山：多器官集成 连接两个器官已经很难（需要模拟不同器官的剪切力、氧气浓度、代谢物传输），连接三四个器官则是指数级难度。目前还没有任何实验室能做出可靠的"4-5器官串联芯片"。 🏔️ 第三座大山：监管认可 FDA目前已经接受"器官芯片数据作为IND（新药临床申请）的补充材料"，但还没有明确接受它替代动物实验。2022年美国的FDA Modernization Act 2.0取消了"必须做动物实验"的硬性要求，给器官芯片打开了大门，但具体路径还在探索中。 不过趋势很明确：2025年这篇综述的结论是——AI + 类器官 + 器官芯片的组合，将在未来5-10年内改变药物研发的范式。 📌数据来源 Zhou L, Chen S, Liu J, et al. "When artificial intelligence (AI) meets organoids and organs-on-chips (OoCs): Game-changer for drug discovery and development?"The Innovation Life, 2025. DOI:10.59717/j.xinn-life.2024.100115 Dermawan D, Alotaiq N. "From Lab to Clinic: How Artificial Intelligence (AI) Is Reshaping Drug Discovery Timelines and Industry Outcomes."Pharmaceuticals, 2025. DOI:10.3390/ph18070981 Lee H, Kim J, Kim JW, Lee Y. "Recent advances in AI-based toxicity prediction for drug discovery."Frontiers in Chemistry, 2025. DOI:10.3389/fchem.2025.1632046 如果这篇文章让你看到制药业正在发生的一场静悄悄的革命—— 点个赞 👍 | 推荐给朋友 🔄 | 转发到朋友圈 📤 你的每一次互动，都是我做深度内容的最大动力 💪 有什么想法或疑问，也欢迎在评论区聊聊 👇