人类基因组工作草图曾让医药界产生一种线性想象:读懂基因密码,疾病靶点就会像货架商品一样排队出现。二十多年过去,答案更复杂。药物研发真正难的地方,不只是“找到蛋白”,而是“找到能被技术干预的蛋白”。
一项覆盖FDA、EMA、PMDA批准药物的综述设定了严格口径:截至2025年6月,1702种药物对应686个被验证的药效靶点,其中610个为人源分子,76个来自病原体。79%的药物是小分子,19%是生物药,2%属于其他模态。数字本身不惊人,却把研发重心的变化摆了出来:从寻找“有口袋的蛋白”,转向为重要蛋白制造可干预的技术工具。
靶点数量从来不是客观常数,统计方式会大幅影响结果。2006年有团队算出324个药物靶点,2017年同类研究超过800个。膨胀的一部分原因,是把大蛋白复合物的每个亚基都单独计数:线粒体复合物I有50个亚基,电压门控钾通道有40个亚基,两个复合物就能占人类靶点总量15%。新综述做了减法:只计算药物直接结合并介导疗效的分子,大复合物(≥5亚基)按1个功能单元计,病原体靶点跨菌株归并,RNA药物映射到其调控的关联蛋白,例如TTR mRNA对应TTR蛋白。686不是靶点变少,而是挤掉计数水分后露出的硬核。
人源靶点分布相当集中:酶209个,占34%;GPCR 101个,占17%;离子通道92个,占15%;催化受体73个,占12%。四类合计占78%。小分子和抗体分工明显:小分子多进胞内,覆盖酶、GPCR、离子通道、核受体、转运体;生物药多在胞外,打催化受体、细胞因子、生长因子等内源性肽。43个内源性肽靶点里,40个由生物药覆盖,小分子几乎进不去,唯一例外是结合血红蛋白的voxelotor。能不能成药,一半看生物学,一半看技术是否够得着。
以2000年为界,此前有375个靶点,此后25年新增312个,增幅84%,年均约12个,2010年后加速到15个。增量并不均匀:激酶有136款抑制剂靶向67个激酶,伊马替尼之后,BCR-ABL、EGFR、HER2、JAK、CDK4/6撑起肿瘤靶向时代;内源性肽靶点25年增长7.2倍;催化受体翻倍。EGFR从2002年吉非替尼起,到2024年已有14款获批药物,包括10个小分子和4个抗体;HER2被小分子、单抗、ADC反复覆盖;VEGFR2有13款。
另一些门类则停滞:离子通道从83个到91个,核受体从18个到19个,GPCR新靶点占比从约29%跌到13%。这不等于它们不重要,而是容易成药的成员先被挖完;剩余亚型常缺选择性口袋,或脱靶风险高,或临床增益模糊。小分子本身变强了:2000年前平均体外效力约50 nM,之后约6 nM,结构生物学、高通量筛选、理性设计把精度提升近一个数量级。2000年前小分子与生物药覆盖靶点之比为6∶1,之后降到1.35∶1;2023年生物药年获批数首次与小分子持平。
单抗把胞外信号变成主战场,细胞因子、生长因子、免疫检查点在肿瘤、自免、内分泌领域全面渗透;ADC把抗体和小分子连起来,让HER2等老受体长出新武器,同靶点多模态并行成为研发常规。RNA是第三条路:22款寡核苷酸获批,siRNA、ASO等不打蛋白,而打mRNA、剪接和翻译环节,把“无口袋”靶点变成可序列干预对象。互补边界仍然硬:抗体进不了胞内,核受体至今零生物药,转运体只有1款肽类药,离子通道仅齐考诺肽。
速度差异明显:从化合物披露到获批,小分子中位11年,生物药6年,首创靶点药平均10年,80%在15年内。生物药快,不是研发更简单,而是靶点特异性高、药理可预测、监管路径成熟、后期披露和快速申报更顺。快不等于容易,First-in-Class仍要同时证明靶点生物学成立和临床获益成立。
2000年以来312个新MoA靶点中,78%首先由FDA批准药物验证,EMA、PMDA各约11%;845个独特药物里超80%美国首发,激酶抑制剂83%首发在FDA。中国画面更复杂:2019—2023年NMPA获批新药数量超FDA 5.4%,但同周期新靶点首发验证,美国59个,中国按该综述口径为0。国产药多数是新剂型、新组合、新人群,少数为全球首创机制;中国独有63款药引入6个新靶点,审批滞后缩到4年内。量追上了,靶点定义权仍在别人手里。对出海而言,从跟靶点走向验证新靶点,是跨入全球价值链上游的门槛。
治疗领域分布也不平均:抗肿瘤/免疫(ATC L)有210个靶点、322款药,是最大板块;神经领域122个靶点,94%靠小分子,主要落在GPCR和离子通道;心血管105个靶点,GPCR、酶、通道混合。肿瘤学把激酶、胞外受体、免疫肽三件事拧在一起:小分子打驱动突变,抗体打检查点和生长因子,ADC打抗原富集。过去25年最亮的新药故事,大多长在肿瘤里。
“不可成药”过去常指没ATP口袋、没疏水结合腔,或是转录因子、支架蛋白、PPI界面、RNA。现在边界在动:PROTAC和分子胶不抑制而降解;大环肽进胞内打界面;ASO/siRNA在翻译层沉默;基因编辑改DNA;CAR-T/CGT打开14个传统药物够不到的靶点,如HBB、RPE65、BCL11A。可成药性不是蛋白的静态标签,而是技术能力划出的动态边界。MYC在小分子时代难碰,到了降解剂、寡核苷酸、表观编辑时代开始出现缝隙。
AI能做的不少:多组学关联挖掘、口袋预测、分子生成、降解剂设计、靶点优先级排序。它替代不了人类遗传因果证据、临床样本功能验证、靶点调控后的安全逆转。AI擅长把“相关”排成候选,因果仍要人做实验、病人给答案。对AI保持谨慎,不是否定效率,而是避免把预测置信度误当成生物学事实。











