4. 药物发现流程简介：靶点识别、高通量筛选、先导优化

大家好，我是你们的老朋友。咱们开始讲正题前，我先问个问题——你知道一个新药从无到有，平均要花多少钱？十亿美元？其实2022年的数据是超过20亿，周期更是长达10到15年。你想想看，这背后有多少失败的分子、多少熬夜的湿实验。

这章我们来拆解一下药物发现的早期核心流程。我习惯把这三个阶段看成“找靶子”、“撒大网”和“磨尖刀”。说白了，就是先知道打谁，然后怎么打，最后让这一下变得又快又准。

4.1 靶点识别——找到那个“开关”

靶点，就是疾病相关的一个分子，通常是蛋白质。你把它当开关，药物就是那个按开关的手。靶点没找对，后面的所有工作都是白费。

我记得刚入行时，团队花了半年优化一个化合物的活性，结果发现靶点蛋白在正常细胞里也有高表达，毒性直接炸了——这就是典型的靶点选择失误。所以，现在的靶点识别必须要满足三个条件：

• 疾病相关性： 靶点突变或表达异常确实导致疾病。
• 可药性： 靶点有适合小分子或大分子结合的“口袋”或“表位”。
• 安全性窗口： 靶点在正常组织中表达低，或者抑制后副作用可控。

在实际项目中，我们会从GWAS、CRISPR筛选或蛋白质组学数据出发，先列出候选靶点列表，再用AlphaFold预测其三维结构，然后分析表面是否有合适的结合口袋。我曾在一个激酶项目里，就是用AlphaFold跑出了一个之前晶体结构没解析出来的DFG-out构象，这才找到了一个全新的别构位点。

4.2 高通量筛选——从百万到“几个”

靶点确认了，接下来就是找能跟它结合的化合物。高通量筛选（HTS）就是干这个活的。一台自动化机器人，一天能跑几十万甚至上百万个孔板的反应。你想想看，这规模多大。

但这里有个坑——假阳性率极高。为什么呢？因为HTS的检测信号（比如荧光、化学发光）很容易受到化合物本身的干扰。我见过一个项目，初筛拿到5000个阳性，结果复筛一过，只剩下不到50个是真的有活性。

所以真正的HTS流程是分阶段的：

1. 初筛： 单一浓度（通常10 µM），单次重复，目的是“大海捞针”。
2. 复筛： 同一浓度做三个重复，排除随机信号。
3. 剂量-响应曲线： 对复筛阳性做8-12个浓度梯度，计算IC50或EC50。
4. 选择性/脱靶筛选： 对最终Hit化合物在几个相关靶点上测试，看特异性。

AlphaFold在这个环节的典型应用是虚拟筛选。我们用AlphaFold生成的靶点结构去对接百万级小分子库，先筛掉那些明显不适合的分子，再把Top 1000或Top 5000的Hit拿去做湿实验验证。这样HTS的效率能提高5到10倍，成本则大幅下降。

4.3 先导优化——把“Hit”变成“Lead”

高通量筛选出来的化合物叫Hit，但Hit不等于药。它们可能活性不够（IC50 > 1 µM），可能溶解度差，可能代谢不稳定，还可能毒性高。先导优化，就是解决这些问题的过程。

我个人习惯把先导优化分成“三轮”：

这期间，每合成一个化合物就要测其与靶点的结合模式。AlphaFold在这里的作用是“实时反馈”。我会用AlphaFold预测突变体或类似物的结构，快速判断引入某个基团是否会影响关键氢键或疏水作用。避免了一轮又一轮的无意义合成。

4.4 三者的“接力棒”关系

靶点识别是起点，高通量筛选是加速器，先导优化是精加工。三者之间的关系不是线性的，而是来回循环的。举个例子：

• 先导优化做不下去了——可能是靶点可药性差——要回头验证靶点。
• 高通量筛选出的Hit全部无活性——可能是靶点结构预测不准确——要重新跑AlphaFold或做湿实验解析。
• 靶点识别阶段认为选择性差的靶点，可能因为有一个独特的亚口袋，先导优化阶段能找到高度选择性的分子。

所以，这三阶段不是简单的接力跑，更像是三棒选手经常互相交换位置——这才是真实的药物发现。

下面的图是我整理的这个流程的概览，你们先看看，能快速建立起整体认知。

这三步走完后，你手里一般会有几个到十几个候选的先导化合物。下一步就是正式进入临床前开发阶段——不过那是后话了。你先把这套流程理清楚，后面讲到AlphaFold怎么嵌入到这些环节里时，你就会发现它的价值有多大。