1. 项目概述：为什么我们需要关注“原创新靶点”？

在药物研发这个漫长且充满不确定性的赛道上，每一个新靶点的发现，都像在漆黑的矿洞里找到了一束新的光源。它不仅仅是一个生物学上的新名词，更代表着一种全新的、可能颠覆现有治疗格局的疾病干预思路。最近，顶级期刊《自然综述·药物发现》（Nat. Rev. Drug Discov.）对过去一年涌现出的“最值得关注的原创新靶点”进行了系统性盘点，这无疑为我们这些身处一线的研发人员、投资人乃至关注行业动态的从业者，提供了一份极具价值的“寻宝图”。

这份盘点之所以重磅，是因为它跳出了那些已经炙手可热、竞争白热化的成熟靶点（比如PD-1、GLP-1等），将目光投向了更具前瞻性和风险性的“处女地”。这些靶点大多处于临床前或早期临床阶段，背后的科学故事刚刚展开，商业潜力尚未被充分挖掘。对于我这样的从业者来说，关注它们，不仅仅是追踪学术热点，更是为了提前理解未来5-10年新药研发的可能方向，评估技术平台的适用性，甚至在纷繁的信息中，识别出那些真正具有“First-in-class”潜力的明日之星。无论你是负责早期发现的科学家、评估项目的BD，还是寻找差异化赛道的创业者，这份盘点都能提供关键的洞察。

2. 核心思路拆解：顶级期刊如何定义“值得关注”？

《自然综述·药物发现》作为行业内的“风向标”，其遴选标准绝非随意。要理解这份榜单的价值，我们首先要拆解其背后的评估逻辑。根据我多年跟踪这类盘点的经验，并结合该期刊一贯的调性，其核心评估维度通常围绕以下几个方面展开，这远比单纯看“是否热门”要深刻得多。

2.1 科学验证的坚实度：从基因到表型

一个新靶点要上榜，首要条件是必须有扎实的、多层次的人类生物学证据支持。这远不止于细胞实验里的基因敲低/过表达效应。期刊编辑和评审专家会重点审视：

• 人类遗传学关联强度：该靶点编码的基因或通路，是否在全基因组关联研究（GWAS）或孟德尔随机化分析中，与特定疾病表型显示出强且可重复的关联？例如，一个基因的功能缺失型变异若在人群中能显著降低某种疾病的发病率，这就是最理想的“天然临床试验”证据。
• 多组学数据汇聚：单细胞转录组、蛋白质组学、空间转录组等前沿技术，是否从不同层面揭示了该靶点在疾病组织中的特异性表达或异常活化？这种跨技术平台的证据汇聚，能极大增强靶点可信度。
• 临床前模型的有效性：在基因工程动物模型或类器官等更接近人体生理的模型中，干预该靶点是否能重现预期的治疗或改善效果？并且，这种效果是否具有剂量依赖性？

注意：很多看似惊艳的靶点在动物模型上效果显著，但一到人体就失效，往往是因为动物模型无法完全模拟人类疾病的复杂免疫微环境或系统反馈。因此，评审会特别看重模型系统的“人性化”程度。

2.2 成药性的初步评估：不仅仅是“可结合”

一个优秀的靶点，必须是一个“可成药”的靶点。这里的成药性评估在早期阶段就已介入：

• 结构生物学基础：靶点蛋白是否有清晰的晶体结构或冷冻电镜结构？其活性口袋、别构调节位点是否明确？这直接决定了小分子药物或 PROTAC 等分子设计是否可行。
• 配体发现进展：是否已有高质量的苗头化合物（Hit）、先导化合物（Lead），甚至是临床候选分子（PCC）被公开？这些分子是否展示了良好的结合力（KD/IC50）、选择性（针对同家族其他靶点）和初步的细胞活性？
• ** modality（治疗模式）的多样性**：该靶点是否兼容多种药物形式？例如，除了传统的小分子抑制剂/激动剂，是否也适合开发抗体、ADC（抗体偶联药物）、细胞疗法、基因疗法或 PROTAC 等新兴技术？靶点对不同 modality 的开放性，决定了其商业潜力和风险分散能力。

2.3 未满足的临床需求与市场潜力

科学再优美，若对应的疾病领域市场空间狭小或已有疗效很好的药物，其关注度也会大打折扣。评估时会考量：

• 疾病领域：是否针对肿瘤、自身免疫、神经退行性疾病、代谢性疾病等重大且患者基数大的领域？或是针对某些虽属罕见但致死致残率高、完全无药可治的“超级未满足需求”？
• 治疗定位：是作为全新的一线疗法，还是用于解决现有疗法的耐药性问题（如肿瘤的免疫逃逸新机制）？或是用于改善疾病的管理而非根治（如减缓神经退行性疾病的进程）？
• 差异化优势：与现有疗法相比，作用于该新靶点理论上能带来哪些突破性优势？是更高的响应率、更长的缓解时间、更好的安全性，还是能覆盖更广泛的患者人群？

2.4 产业界的跟进热度

“春江水暖鸭先知”，产业资本和制药巨头的动向是最真实的晴雨表。评审会关注：

• License-in/out 交易：围绕该靶点或相关技术平台，近期是否有高额的授权许可交易发生？交易金额和条款（尤其是预付款和里程碑付款）反映了买方对其价值的判断。
• 初创公司融资：是否有以该靶点为核心技术的新兴生物技术公司获得了知名风投的大额融资？这往往意味着一个新兴赛道的形成。
• 大药企的布局：是否有多家大型制药公司通过自研或合作的方式，进入了该靶点的研发竞赛？这通常能降低“靶点本身是伪命题”的风险，但也预示着未来竞争的激烈。

3. 近一年值得关注的新靶点深度解析（举例）

基于上述框架，我们可以对盘点中可能出现的几类靶点进行深入解析。以下内容结合了公开文献、会议报道及行业动态进行的合理推演和整合，旨在展示分析思路。

3.1 肿瘤免疫治疗新前沿：靶向髓系免疫细胞检查点

PD-1/PD-L1 抗体彻底改变了肿瘤治疗，但其响应率仍有天花板。大家的眼光逐渐从适应性免疫（T细胞）转向了先天性免疫，特别是肿瘤微环境中的髓系免疫细胞（如巨噬细胞、树突状细胞、中性粒细胞）。

• 潜在靶点举例：SIRPα/CD47 轴外的“新星”
  • LILRB4（ILT3）：这是一个在髓系细胞上广泛表达的免疫抑制性受体。研究发现，在急性髓系白血病（AML）和某些实体瘤中，肿瘤细胞通过表达LILRB4的配体（如ANGPTLs），与巨噬细胞、单核细胞上的LILRB4结合，传递“别吃我”信号，同时促进调节性T细胞（Treg）浸润，形成双重免疫抑制。针对LILRB4的阻断型抗体，在临床前模型中显示出单药或与PD-1联用的显著抗肿瘤活性。其成药性挑战在于如何避免影响LILRB4在正常组织中的生理功能。
  • CLEC12A（CLL-1）：这是一个在AML白血病干细胞上高表达，但在正常造血干细胞上低表达的靶点，是开发ADC或CAR-M（CAR巨噬细胞）疗法的理想选择。目前已有多个靶向CLEC12A的ADC药物进入临床，旨在特异性清除白血病干细胞，防止复发。
• 实操心得与策略：
  • 生物标志物至关重要：这类靶点疗法亟需伴随诊断来筛选优势人群。例如，通过免疫组化或流式细胞术检测肿瘤组织中特定髓系细胞的浸润比例及靶点表达水平。
  • 联用是主流方向：单一靶向髓系细胞检查点可能效力不足，与T细胞检查点抑制剂、化疗或放疗联用，旨在重塑整个肿瘤免疫微环境，是更被看好的临床开发策略。

3.2 神经科学突破：聚焦蛋白质稳态与神经炎症

阿尔茨海默病（AD）、帕金森病（PD）等神经退行性疾病药物研发失败率极高，传统靶点如Aβ和Tau蛋白挑战巨大。新靶点转向了更上游的致病环节。

• 潜在靶点举例：APOE4 与 TMEM106B
  • APOE4 功能调控：APOE4 是AD最强的遗传风险因子，但直接靶向这个蛋白难度极大。新策略在于调控其功能，例如：
    • 结构校正剂：开发小分子使APOE4蛋白构象向保护性的APOE2构象转变。
    • 表达调控：利用反义寡核苷酸（ASO）或siRNA降低APOE4的表达，或通过基因编辑技术将APOE4等位基因转换为APOE3。
    • 受体相互作用：靶向APOE与受体（如TREM2）的结合界面，阻断其有害信号。
  • TMEM106B：这是一个溶酶体膜蛋白，其基因变异与额颞叶痴呆（FTD）和AD的疾病进展速度相关。研究发现，TMEM106B水平影响溶酶体功能，而溶酶体功能障碍是神经退行性疾病的核心特征之一。降低TMEM106B的表达或功能，可能增强溶酶体清除蛋白聚集物的能力。这为开发小分子调节剂或基因疗法提供了新思路。
• 注意事项：
  • 血脑屏障（BBB）穿透：这是神经领域药物开发永恒的挑战。无论是小分子、抗体还是核酸药物，都必须有可靠的BBB递送策略（如改造Fc区、使用递送载体等）。
  • 临床终点选择：这类疾病进展缓慢，传统的认知功能量表变化需要很长的试验周期。寻找可靠的早期生物标志物（如血液p-tau217、神经丝轻链NfL、或新型影像学标志物）作为替代终点，是加速研发的关键。

3.3 代谢性疾病与衰老：超越GLP-1的新机制

GLP-1受体激动剂在减肥和糖尿病领域的成功有目共睹，但寻找副作用更小、能带来额外获益（如增加肌肉、改善肝功能）的新靶点，是当前的热点。

• 潜在靶点举例：GDF15/GFRAL 通路与 INSR/IGF1R 偏向性配体
  • GDF15/GFRAL：生长分化因子15（GDF15）在细胞应激时升高，通过作用于后脑的GFRAL受体，引起恶心、厌食和体重下降。这与GLP-1的作用机制部分重叠但又有区别。有趣的是，运动也能诱导GDF15升高。目前已有公司开发GDF15类似物或长效变体，旨在模拟“运动信号”，在减少摄食的同时，可能避免GLP-1药物常见的胃肠道副作用，并带来代谢改善。其风险在于长期抑制食欲的潜在影响需要严密监测。
  • INSR/IGF1R 偏向性激动剂：胰岛素受体（INSR）和胰岛素样生长因子1受体（IGF1R）结构相似。传统胰岛素或IGF-1会同时激活两者，带来增殖（促癌）风险。新一代药物设计旨在开发“偏向性配体”，即选择性激活INSR的代谢通路（降血糖、合成代谢），而最小化激活IGF1R的促有丝分裂通路。这需要极其精细的结构生物学指导和功能筛选。
• 开发难点：
  • 受体多效性：像GDF15这类激素，其生理作用复杂，除了抑制食欲，还可能影响情绪、能量代谢等多方面。全面理解其生物学效应是避免意外毒副作用的前提。
  • 生物制剂的可及性：多数新机制靶点目前依赖蛋白/多肽类药物，其生产成本和给药方式（注射）限制了可及性。开发口服小分子激动剂/拮抗剂是下一阶段的重要方向，但难度极高。

3.4 新兴模式：靶向RNA与“不可成药”蛋白

随着PROTAC、分子胶、RNA靶向技术（如小分子剪接调节剂、RNA降解剂）的成熟，一些传统上被认为“不可成药”的靶点变得触手可及。

• 潜在靶点举例：STAT3 与 KRAS G12C 之外的突变体
  • STAT3：这是一个关键的转录因子，在肿瘤发生、免疫调节中核心作用。但其缺乏经典的小分子结合口袋，且与STAT1等家族成员高度同源，难以实现选择性抑制。新策略包括：
    • PROTAC降解剂：设计能同时结合STAT3和E3泛素连接酶的小分子，诱导STAT3的泛素化降解。这避免了抑制其功能可能带来的反馈激活问题。
    • 蛋白-蛋白相互作用（PPI）抑制剂：靶向STAT3的二聚化界面或与其辅因子（如p300/CBP）的结合界面，阻断其转录活性。
  • KRAS G12D/V 等其他突变：安进和Mirati在KRAS G12C抑制剂上的成功，点燃了靶向其他KRAS突变体的热潮。G12D突变更常见，但开发共价抑制剂更具挑战，因为天冬氨酸（D）的反应活性较低。目前策略包括开发非共价抑制剂、PROTAC降解剂，以及联合SHP2、SOS1等上游或下游节点的抑制剂。
• 技术平台依赖：
  • 这类靶点的突破高度依赖于前沿技术平台。例如，开发STAT3 PROTAC需要找到能高亲和力结合STAT3的“弹头”分子，这本身就是一个难题。
  • 对于RNA靶向小分子，其发现严重依赖于基于结构的药物设计（SBDD）和先进的高通量筛选技术，以识别RNA结构中的特异性口袋。

4. 如何利用这份盘点指导实际工作？

对于不同角色的从业者，这份靶点盘点可以转化为具体的行动指南。

4.1 对于早期研发科学家

• 靶点验证实验设计：当对一个新靶点感兴趣时，应按照“人类遗传学 -> 细胞模型 -> 动物模型”的证据链，设计严谨的验证实验。避免只做单一的过表达/敲除实验就下结论。
• 关注工具分子的可获得性：尽快从文献或供应商处获取该靶点的工具化合物（抑制剂/激动剂/抗体），用于概念验证实验。如果尚无商业化工具，考虑自行表达纯化蛋白或通过合作获取。
• 评估自身技术平台匹配度：审视自己所在实验室或公司的核心技术平台（如抗体发现、小分子筛选、 PROTAC设计、基因编辑等）是否适用于该靶点的药物开发。如果不匹配，是考虑建立新能力，还是寻找合作伙伴？

4.2 对于业务拓展（BD）与投资人士

• 构建靶点评估矩阵：可以创建一个简单的评估表格，从科学、临床、商业、竞争四个维度，对盘点中的靶点进行打分。

• 深挖背后的科学团队：一个靶点的兴起，往往与一两个顶尖实验室的突破性工作密不可分。关注这些核心科学家的动向，他们是否创办了公司？其科学顾问网络如何？这有助于判断技术的源头活水和未来潜力。
• 分析交易动态：密切关注与该靶点相关的早期授权和合作交易。交易的估值、结构（如里程碑设置）能反映资方对风险和回报的评估。

4.3 对于战略规划与项目管理人员

• 管线组合与风险平衡：将新靶点项目纳入研发管线时，需考虑其与现有项目的协同性与风险对冲。例如，在已有成熟肿瘤免疫管线的基础上，布局一个针对相同适应症但作用机制迥异（如靶向髓系细胞）的新靶点，可以分散技术风险。
• 制定灵活的决策检查点：为新靶点这类高风险项目设置清晰的“继续/终止”决策门。例如，在完成概念验证（POC）研究后，必须达到预设的疗效和安全性指标，才能进入耗资巨大的正式开发阶段。
• 知识产权（IP）的提前布局：一旦确定跟进某个靶点，IP工作必须即刻启动。这不仅仅是申请化合物专利，还包括用途专利、联合疗法专利、制剂专利等，构建坚实的专利壁垒。

5. 常见陷阱与未来展望

追逐新靶点令人兴奋，但也布满陷阱。

• 陷阱一：过度依赖单一模型系统。尤其在神经和自身免疫领域，小鼠模型的结果常常无法转化到人体。必须采用多种模型（如人源化小鼠、类器官、离体人体组织）进行交叉验证。
• 陷阱二：忽视脱靶效应与生理功能。为了快速推进，有时会选择性报道靶向药物的正面数据，而忽略其对靶点正常生理功能的干扰可能带来的长期毒性。需要在早期研究中尽可能全面地评估。
• 陷阱三：低估药物递送挑战。对于中枢神经系统（CNS）靶点或需要胞内作用的靶点（如转录因子），如何将药物有效递送到作用部位，其难度可能不亚于药物分子本身的设计。
• 未来展望：我认为，未来新靶点的发现将越来越依赖于数据的深度融合。将人群遗传学数据、单细胞多组学数据、临床电子病历数据、甚至真实世界证据，通过人工智能和机器学习进行整合分析，有望更高效地发现具有因果关系的治疗靶点，并预测其可能的疗效和副作用，从而降低研发的盲目性和失败率。同时，像蛋白降解、RNA编辑、基因书写等颠覆性技术的不断成熟，将持续拓宽“可成药”靶点的疆界，让今天看来遥不可及的疾病干预成为可能。这份《自然综述·药物发现》的年度盘点，正是这场伟大征程中，一个记录前沿路标的重要节点。