2. 靶点证据来源盘点
靶点优先级决策的质量，首先取决于证据盘的完整性与可追溯性。一个靶点从“有人提出”到“值得投入资源”，中间要经过遗传学、组学、文献、专利、临床、安全性和竞争情报等多个证据域的交叉验证。每个证据域的数据类型、获取路径和固有偏倚都不同，如果只依赖单一来源（例如只看到一篇高影响因子论文或一个漂亮的组学差异倍数），决策极易被误导。本节的任务是把这些证据域逐一拆开，明确它们各自能回答什么问题、数据从哪里来、质量上要警惕什么。
遗传学证据：因果性的最强来源
遗传学证据回答的核心问题是“改变这个靶点，人体表型会怎样”。常见数据类型包括全基因组关联研究（GWAS）的显著位点、孟德尔随机化（MR）估计、罕见变异负荷分析、以及自然人群中的功能缺失（LoF）携带者表型。获取方式上，GWAS 汇总统计可从 GWAS Catalog、FinnGen、UK Biobank 等公开库下载；MR 分析需要暴露与结局两套汇总数据，并检查工具变量强度（F 统计量通常要求大于 10）和多效性（MR-Egger 截距、 Cochran Q）。质量特征方面，遗传学证据的因果方向明确、受混杂影响小，但要注意：位点是否落在靶基因编码区、是否与附近基因存在连锁不平衡、效应量是否具有临床意义。一个 OR 为 1.03 的常见变异，即使统计显著，成药价值也可能有限。
组学证据：机制线索与人群异质性
组学证据包括转录组、蛋白组、代谢组、单细胞测序和空间转录组等。它回答的是“在疾病组织或模型中，这个靶点的表达、修饰和通路活性是否改变”。数据类型通常是差异表达倍数、通路富集分数、细胞类型特异性表达谱。获取方式有公共数据库（GEO、ArrayExpress、TCGA、Human Protein Atlas）和内部实验平台。质量上要重点关注：样本量与统计功效、批次效应校正、是否有多重检验校正、以及表达变化是否在蛋白水平得到验证。转录本升高不等于蛋白升高，更不等于功能增强。单细胞数据还要注意细胞比例变化带来的“伪差异表达”。
文献证据：知识积累与偏倚并存
文献证据用于梳理已有机制研究、动物模型结果和初步临床观察。获取方式包括 PubMed/Embase 检索、预印本平台、系统综述和荟萃分析。质量特征差异极大：高影响力期刊的机制研究可能提供关键因果线索，但发表偏倚、小样本、缺乏独立重复是常见问题。实操中建议对每篇关键文献记录研究类型（体外/动物/人体）、样本量、效应方向、是否重复、以及是否与遗传学证据一致。如果文献结论与人类遗传学方向相反，需要格外谨慎，而不是简单取平均。
专利与竞争情报：可成药空间与时间窗口
专利证据回答“这个靶点是否已被保护、保护范围多大、何时到期”。数据类型包括化合物专利、靶点用途专利、抗体序列专利和递送平台专利。获取方式有 Google Patents、Espacenet、PatSnap 等，检索时需结合靶点名、别名、UniProt ID 和关键化合物结构。质量特征要看权利要求范围、优先权日、法律状态和同族专利覆盖国家。竞争情报则关注在研管线数量、临床阶段、公司布局和近期交易。一个靶点若已有多个同机制项目进入 II 期，差异化空间会明显收窄；反之，若专利即将到期且无后续布局，可能意味着机会，也可能意味着该机制已被证伪，需要结合临床证据判断。
临床与安全性证据：从人体数据反推可行性
临床证据包括临床试验注册信息、结果数据库、已上市药物的标签和真实世界数据。获取方式有 ClinicalTrials.gov、WHO ICTRP、FDA/EMA 审评文件、以及药物警戒数据库（如 FAERS）。数据类型涵盖主要终点、亚组分析、剂量-暴露关系、不良事件谱。安全性证据尤其关键：靶点是否在关键正常组织高表达、是否有已知的敲除小鼠致死表型、是否有同通路药物的脱靶毒性。质量上要区分“相关”与“因果”，例如某不良事件在用药组更常见，但可能来自疾病本身或合并用药。临床阶段越靠后，证据权重越高，但也要注意终点是否真正反映临床获益。
证据域盘点表：把分散信息变成可比较的结构
为了让不同来源的证据可以横向比较，建议在项目启动时建立一张证据域盘点表。以下是一个可填写的示例结构，字段按本节语境设计，不引入无关管理字段。
| 证据域 | 关键数据类型 | 获取方式 | 质量关注点 | 方向/强度记录 |
|---|---|---|---|---|
| 遗传学 | GWAS 位点、MR 估计、LoF 携带者表型 | GWAS Catalog、FinnGen、UK Biobank | 工具变量强度、多效性、效应量临床意义 | 支持/反对；强/中/弱 |
| 组学 | 差异表达、通路富集、单细胞图谱 | GEO、TCGA、内部平台 | 样本量、批次校正、蛋白验证 | 上调/下调；一致/矛盾 |
| 文献 | 机制研究、动物模型、系统综述 | PubMed、Embase、预印本 | 发表偏倚、重复性、研究类型 | 因果/相关；可重复性 |
| 专利 | 化合物/用途/序列专利 | Google Patents、Espacenet | 权利要求范围、法律状态、到期时间 | 自由实施空间 |
| 临床 | 试验注册、结果、标签、FAERS | ClinicalTrials.gov、FDA/EMA | 终点相关性、亚组、因果判断 | 阶段；获益/风险 |
| 安全性 | 组织表达、敲除表型、脱靶毒性 | Human Protein Atlas、IMPC、FAERS | 关键组织暴露、可逆性、剂量依赖 | 风险等级 |
| 竞争情报 | 管线数量、阶段、交易、公司布局 | PatSnap、Cortellis、公开披露 | 差异化空间、时间窗口、机制验证状态 | 拥挤/空白 |
证据域之间的关系：不是并列，而是相互校验
这些证据域并非简单并列。遗传学提供因果锚点，组学提供机制上下文，文献提供历史积累，专利和竞争情报界定可成药空间，临床和安全性则直接约束人体可行性。一个常见的误区是把所有证据等权相加。更合理的做法是先看遗传学和临床安全性是否形成“硬约束”：如果人类遗传学明确显示靶点激活会带来严重心血管风险，那么再漂亮的组学差异也不足以支撑全身给药。反之，如果遗传学支持、组学一致、竞争格局尚不拥挤，即使文献较少，也值得进一步验证。
上图把七个证据域与中心决策节点连接起来，并标出遗传学与临床安全性作为“硬约束”的位置。实际盘点时，可以按图中顺序逐域填写证据，再回到中心判断：哪些证据方向一致、哪些相互矛盾、矛盾点是否足以改变优先级。这样做的价值在于，把“我觉得这个靶点不错”转化为“在哪些证据域上强、哪些弱、下一步该补哪一块”。