先导化合物的定义与发现方法

先导化合物这个词，说白了就是药物研发的起点，是那个你看着有点潜力、但又远没到完美状态的分子。我刚开始做药物化学那几年，总以为先导化合物就是「差不多能成药的东西」，后来被导师狠狠纠正过——它更像一块璞玉，有活性，但存在各种缺陷：代谢太快、毒性太高、选择性太差……我们后面做的所有优化工作，都是围着它打转。

2.1 什么是先导化合物？

先导化合物（Lead Compound）是指具有生物活性，但结构、药代性质或毒性还需优化的原型分子。它不是最终药物，而是优化工作的出发点。

核心特征：有活性、有优化空间、有骨架代表性

我个人习惯把先导化合物分成三类：

  • 天然产物：比如紫杉醇、青霉素，自然界已经帮我们筛了一轮
  • 合成化合物：从组合化学库或高通量筛选中得到的命中（Hit）
  • 现有药物的衍生物：就像我之前做的一个项目，把上市药物结构微调，发现全新的活性方向

2.2 先导化合物的核心特征

一个合格的先导化合物，得满足几个硬条件。我在项目评估会上见过太多「看起来很美」的分子，一到动物实验就崩了。嗯，这里要注意：

特征 解释 我踩过的坑
明确的生物活性 在靶点测试中IC₅₀ ≤ 10 µM 有一次化合物活性有 50 µM，团队硬说要继续做，结果优化了一年也没能下去
结构可修饰性 分子上有多个可合成改造的位点 不要选位阻特大、合成路线巨复杂的骨架
初步的选择性 对目标靶点的活性至少是对相关靶点的 10 倍以上 否则后期你会纠结：到底是优化活性还是优化选择性？
可接受的安全性 在早期毒性筛选中无明显警报 比如结构中有警示基团（如硝基、苯胺），我会直接打回去重筛

2.3 先导化合物的发现方法

先导化合物不会自己从实验台上掉下来。发现方法有很多种，我按自己的经验把它们归为几类：

2.3.1 天然产物筛选

天然产物一直是我个人特别偏好的来源。为什么？因为你想想看，自然界筛选了上亿年，那些分子往往已经优化好了与生物体系相互作用的「潜台词」。经典如青蒿素、他汀类药物，起点都是天然提取物。

我的个人经验：天然产物先导化合物的分离纯化是个大坑。我曾在植物提取物面前耗了三个月，最后发现活性是杂质带来的——那个化合物结构太复杂，根本没法合成。从此我对天然产物的「可合成性」看得特别重。

2.3.2 高通量筛选（HTS）

HTS 说白了就是一个大炼金术。把几十万、几百万个化合物一个一个测过去，找到那个「有反应」的命中。我记得做第一个 HTS 项目时，看到阳性结果激动得不行，后来发现是荧光干扰的假阳性……避坑指南来了：

我曾经被 HTS 的假阳性坑过整整两个月。后来我养成了一个习惯：所有 HTS 命中必须做剂量-反应曲线验证，同时加无细胞对照和竞争性配体对照。

典型的 HTS 工作流：

化合物库（50万-200万个分子）
  ↓ 384/1536孔板，自动化加样
  ↓ 酶活性/结合实验，单浓度测试
初始命中（Hit，通常几千个）
  ↓ 剂量-反应曲线验证
  ↓ 排除假阳性（PAINS、荧光淬灭等）
确认命中（Confirmed Hit，几百个）
  ↓ 选择性、溶解度、稳定性初步测试
先导化合物（Lead，几个到十几个）

2.3.3 基于片段的药物发现（FBDD）

这个方法我刚开始觉得挺「玄」的。用很小的分子片段（分子量 < 300 Da）去结合靶点，然后像搭积木一样把片段连起来。说白了，就是从根子上理解药物-靶点的相互作用方式。

为什么要用片段？因为它们太小了，能更精准地结合到靶点的关键部位，而且可优化空间大。

片段库（1000-5000个片段，MW < 300）
  ↓
生物物理方法检测结合（NMR、X-ray、SPR）
  ↓
获得片段命中
  ↓
晶体学确定结合模式
  ↓
片段连接/生长/合并
  ↓
获得先导化合物
FBDD 的经典案例：我从维姆特克（Vemurafenib）的研发过程中学到，碎片筛选能发现传统方法完全忽略的结合位点。这是我至今仍在用的方法之一。

2.3.4 基于结构的药物设计（SBDD）

如果你知道靶点的三维结构，那就好办多了。SBDD 就是对着蛋白质的「锁孔」去设计「钥匙」。我会用分子对接（Docking）把候选分子一个一个往里塞，看哪个能卡住关键氨基酸。

我个人习惯用的工具链：

蛋白质结构准备（PDB文件、加氢、优化）
  ↓
结合位点识别（通常选活性位点的中心）
  ↓
虚拟筛选（用AutoDock Vina或Glide打分）
  ↓
候选分子排序（前5%-10%）
  ↓
人工视觉检查（看有没有关键氢键或疏水作用）
  ↓
购买或合成验证

2.3.5 基于配体的药物设计（LBDD）

没有蛋白结构怎么办？那就从已知活性的配体入手。LBDD 的核心是通过药效团模型和定量构效关系（QSAR）来推断哪些结构是关键。

我曾经用这个方法做过一个激酶抑制剂项目，老前辈们留下的化合物活性数据很有价值，但结构信息太少。我建了个药效团模型，把关键的疏水中心和氢键供体位置定下来，回头去虚拟筛选，真找到了一个新骨架，活性从 µM 级优化到了 nM 级。

2.4 发现方法对比与选择

你可能会问：这么多方法，到底选哪个？我的经验是：看靶点条件和实验室资源。下面这个表格是我自己整理的，平时做项目计划时会参考：

方法 适用场景 关键优势 绝对劣势
天然产物 靶点新、机制不明确 化学多样性超高 分离纯化周期长，结构复杂
高通量筛选 靶点明确、有成熟检测方法 通量大，自动化程度高 假阳性率高，成本巨大
片段筛选 靶点结构已知 命中率高，起始分子小 需要生物物理手段，门槛高
SBDD 蛋白结构已知（X-ray或NMR） 设计性强，可针对性突变 蛋白结构不一定available
LBDD 有大量活性数据 不依赖蛋白结构 依赖数据质量，不适合全新靶点

2.5 知识结构图

下面这张图把先导化合物的发现打成了一个整体框架。我每次做项目汇报都会把它拿出来，大家一看就知道现在处于哪个阶段：

先导化合物发现方法体系 先导化合物 Lead 天然产物筛选 高通量筛选 (HTS) 基于片段的筛选 基于结构设计 SBDD 基于配体设计 LBDD 💡 实际项目中常会组合使用多种方法 我在做激酶项目时就用了 FBDD + SBDD 并行，最后拿到两个不同骨架的先导化合物

2.6 认知误区与避坑指南

做先导化合物发现这些年，我总结出几个最容易被新手踩的坑：

  • 误区一：活性越高越好。不一定。如果一个化合物的活性是 nM 级别，但分子量太大、溶解性太差，后期优化起来非常痛苦。我一般优先选活性 µM 级别但骨架好做的分子。
  • 误区二：只盯着一个方法。我喜欢并行跑两三个方法。比如同时做 HTS 和虚拟筛选，看两个列表有没有重叠——重叠的那些往往是最靠谱的。
  • 误区三：忽略选择性。有一次我手里有一个化合物，对目标靶点活性 5 nM，但对相关激酶也有 10 nM——这根本不能用。要记住：先导化合物不仅仅是活性好，还得有「差异化」。
最重要的：先导化合物发现阶段千万别急着优化。我曾经看到组里新人一上来就做结构-活性关系（SAR），结果改了 30 个分子全是死胡同。先定好骨架，再慢慢修饰，这个顺序不能乱。

好了，关于先导化合物的概念和发现方法就聊到这儿。你想想看，下一步我们要做的是把这个粗坯打磨成趁手的工具——那就是先导化合物优化要做的事了。不过今天先停在这里，把基础打牢最重要。

← 上一章 📖 返回目录 下一章 →