药物发现范式的历史演进与技术变革

药物发现的源头可追溯至人类对疾病的本能应对：1928年亚历山大·弗莱明（Alexander Fleming）在培养皿中观察到青霉菌抑制金黄色葡萄球菌生长的现象，这一偶然发现最终催生了人类历史上首个抗生素青霉素，也揭开了现代药物研发的序幕。在随后近百年的演进历程中，药物发现范式经历了从经验摸索到理性设计、从低通量试错到高通量筛选、从人工设计到人工智能辅助的三次核心变革，每一次技术节点的突破都深刻重塑了全球药物研发的效率边界与产业格局。根据美国药品研究与制造商协会（PhRMA）2024年发布的行业报告，全球创新药物的平均研发周期已从1990年的12年缩短至2023年的10.5年，平均研发成本从1990年的8亿美元降至2023年的26亿美元（注：成本上升主要源于临床试验合规要求提升与失败率居高不下），而靶点明确药物的临床成功率从1990年的2.1%提升至2023年的7.8%，技术迭代的驱动效应十分显著。

1.1 偶然发现时代：经验筛选的试错逻辑（Empirical Discovery Era）

从史前文明到20世纪40年代，药物发现完全处于偶然发现（Serendipity Discovery）阶段，研发逻辑以天然产物筛选与合成化合物随机试错为核心，不存在明确的靶点概念与分子设计理论，药物的活性与毒性完全依赖经验总结与临床试错。这一阶段的标志性成果包括：古代中国用金鸡纳树皮治疗疟疾，19世纪从树皮中分离出活性成分奎宁（Quinine）；1859年合成的水杨酸钠（Sodium Salicylate）作为首个解热镇痛药上市；1935年格哈德·多马克（Gerhard Domagk）发现合成抗菌药百浪多息（Prontosil）对链球菌感染的疗效，后续确认其有效成分为磺胺（Sulfonamide），开创了合成抗菌药的先河。 这一阶段的研发效率极低，筛选一个有效药物需要测试数千甚至上万个化合物，且作用机制完全未知，毒副作用不可控。例如磺胺类药物上市后很快发现其会导致溶血性贫血、粒细胞缺乏症等严重副作用，青霉素早期制剂纯度不足30%，注射后过敏反应发生率超过10%。直到20世纪40年代，超过90%的上市药物没有明确的分子作用机制，研发成功率不足0.01%，完全依赖研究者的经验与运气。这一阶段的局限性也直接推动了靶点理论与分子生物学的发展，为后续理性设计时代的到来奠定了基础。

1.2 靶点理性设计的萌芽：从受体理论到人类基因组计划（1940s-1990s）

靶点理性设计的核心逻辑是“先明确疾病相关的分子靶点，再针对靶点的结构特征设计药物”，这一范式的建立依赖于两个核心理论突破：受体理论（Receptor Theory）的完善与分子生物学（Molecular Biology）的革命。 1878年，英国药理学家约翰·纽波特·兰利（John Newport Langley）在研究阿托品对骨骼肌的作用时首次提出“受体物质”假说，认为药物必须与体内的特定物质结合才能产生生物学效应；1909年，保罗·埃尔利希（Paul Ehrlich）提出“魔法子弹（Magic Bullet）”的概念，希望找到只杀伤病原体、不伤害人体的靶向药物，这一设想为后续靶向药的研发指明了方向。1950年代，受体结合理论、信号转导理论逐步完善，科学家开始可以通过生化实验明确药物的作用靶点，1971年FDA批准的首个β受体阻滞剂阿替洛尔（Atenolol），就是基于靶点设计的代表性药物，针对心血管疾病中的β肾上腺素受体，选择性阻断交感神经对心脏的兴奋作用，副作用远低于之前的非选择性β受体阻滞剂。 分子生物学的革命进一步放大了靶点设计的效率：1953年DNA双螺旋结构被解析，1970年代PCR技术、重组DNA技术成熟，1980年代人类基因组计划（Human Genome Project, HGP）正式启动，2003年完成全部30亿个碱基对的测序，确认人类蛋白编码基因约为2.1万个。HGP的完成让可成药靶点的数量从之前的不足500个暴增至目前的超过5000个，根据FDA 2023年年度报告，当年批准的45款创新药中，有42款明确了分子作用靶点，靶点明确药物的占比从1990年的不足10%提升至2023年的93%。靶点时代的到来让药物研发从“碰运气”变成了“有的放矢”，研发效率提升了10倍以上。 靶点理性设计的标志性案例是伊马替尼（Imatinib，商品名格列卫）的研发：1980年代，科学家发现慢性粒细胞白血病（CML）的病因是9号和22号染色体易位形成的BCR-ABL融合蛋白，这是一种持续激活的酪氨酸激酶，是CML的唯一致病靶点。诺华公司基于该靶点的ATP结合口袋设计出小分子抑制剂伊马替尼，1998年进入临床，2001年获批，将CML患者的10年生存率从30%提升至90%以上，也开启了肿瘤靶向治疗的时代。伊马替尼的研发投入仅为5亿美元，研发周期为8年，远低于同期其他药物的平均投入与周期，充分体现了靶点设计的效率优势。

1.3

1.3 高通量筛选与组合化学的兴起：从单分子试错到百万级库筛选（1990s-2010s）

20世纪90年代，人类基因组计划（HGP）的推进催生了海量新靶点的发现，传统单分子合成的筛选模式已无法匹配靶点验证的效率需求，高通量筛选（High Throughput Screening, HTS）与组合化学（Combinatorial Chemistry）的技术融合，开启了药物发现的“数量时代”。HTS的核心技术架构包括：384孔或1536孔微孔板作为反应载体、自动化液体处理系统实现纳升级别的加样精度、高灵敏度检测系统（如荧光偏振、时间分辨荧光共振能量转移TR-FRET、细胞活力检测等）实现高通量活性读取，单台HTS设备每天可完成超过10万样品的筛选。组合化学则通过“一锅法”合成策略，一次反应即可生成数千个结构类似的化合物库，库规模从最初的数千个快速提升至百万甚至千万级别，为HTS提供了充足的筛选材料。 这一阶段的标志性成果是HIV蛋白酶抑制剂的研发：1990年代，HIV蛋白酶被确定为艾滋病治疗的核心靶点，辉瑞公司构建了包含120万个化合物的组合化学库，通过HTS平台筛选出活性最优的2-苯基氨基嘧啶骨架化合物，后续通过结构优化开发出首个上市的HIV蛋白酶抑制剂沙奎那韦（Saquinavir），将艾滋病患者的病毒载量降低了99%以上，标志着HTS技术正式成为药物研发的核心工具。此后，他汀类降脂药、激酶抑制剂等多个重磅药物均通过HTS模式筛选获得。根据美国国立卫生研究院（NIH）2023年的统计数据，截至2023年全球累计通过HTS筛选出的上市药物超过120款，占同期上市小分子药物的35%。 然而HTS模式的局限性也很快显现：首先，筛选假阳性率高达30%-50%，主要源于化合物本身的荧光/吸光特性干扰检测信号、化合物非特异性聚集导致靶点失活、检测体系缓冲液条件不匹配等问题，筛选出的活性化合物需要经过3-5轮的复筛与机制验证才能进入先导化合物优化阶段，单靶点HTS的全流程成本超过150万美元；其次，多数难成药靶点（如转录因子、蛋白互作界面、膜蛋白）缺乏适合HTS的生化检测体系，无法通过该模式筛选；第三，组合化学库的化合物结构同质性高，成药性普遍较差，超过90%的HTS活性化合物因溶解度低、代谢稳定性差、毒性大等问题被淘汰。为突破HTS的局限性，2000年后DNA编码化合物库（DNA-Encoded Library, DEL）、虚拟筛选（Virtual Screening）等新技术逐步成熟，DEL技术通过将化合物与DNA标签共价连接，可在单管中完成超过10^9个化合物的筛选，筛选效率较传统HTS提升了1000倍，2021年FDA批准的BTK抑制剂泽布替尼（Zanubrutinib）就是通过DEL技术筛选获得的先导化合物，研发周期较传统HTS缩短了40%。

1.4 生物药时代的爆发：从化学药到生物大分子治疗模态的拓展（2000s-至今）

20世纪末，单克隆抗体（Monoclonal Antibody, mAb）、抗体偶联药物（Antibody-Drug Conjugate, ADC）、细胞治疗等生物药技术的成熟，打破了小分子药物的靶点限制，开启了生物药研发的黄金时代。与小分子药物依赖靶点结合口袋的“锁钥模型”不同，生物药的核心逻辑是利用生物大分子的特异性识别能力，靶向小分子无法结合的胞外蛋白、蛋白互作界面、细胞表面抗原等靶点，将治疗范围从传统的酶、离子通道、G蛋白偶联受体（GPCR）等可成药靶点，拓展至超过90%的既往不可成药靶点。 生物药的技术突破源于两项核心技术的成熟：1975年科勒（Köhler）和米尔斯坦（Milstein）建立的杂交瘤技术，实现了单克隆抗体的规模化制备；1980年代噬菌体展示技术（Phage Display）的发明，实现了抗体人源化改造，解决了早期鼠源抗体的免疫原性问题。2002年FDA批准首个全人源化单抗阿达木单抗（Adalimumab，商品名修美乐）用于类风湿关节炎治疗，标志着生物药正式进入商业化阶段。此后，生物药的技术路线逐步分化：

• 单抗赛道：以PD-1/PD-L1抑制剂为代表，通过阻断免疫检查点通路激活抗肿瘤免疫反应，2023年全球PD-1抑制剂市场规模超过400亿美元，默沙东的帕博利珠单抗（Pembrolizumab，商品名Keytruda，简称K药）2023年销售额达到275亿美元，成为全球销售额最高的药物；
• ADC赛道：通过抗体靶向递送细胞毒药物，实现肿瘤的精准杀伤，2023年FDA批准了3款ADC药物，第一三共的德曲妥珠单抗（Trastuzumab Deruxtecan，T-DXd）针对HER2低表达乳腺癌的客观缓解率达到79%，打破了HER2阳性乳腺癌的治疗边界；
• 细胞治疗赛道：以CAR-T细胞疗法为代表，通过基因工程改造T细胞表达嵌合抗原受体（CAR），特异性识别并杀伤肿瘤细胞，2017年FDA批准全球首款CAR-T产品 tisagenlecleucel 用于儿童急性淋巴细胞白血病治疗，完全缓解率达到80%以上，为血液肿瘤的治愈提供了可能。

根据IQVIA 2024年发布的全球药物市场报告，2023年生物药占全球药品市场的比重已经达到32%，其中肿瘤、自身免疫、罕见病领域的生物药占比超过50%。生物药的研发逻辑与小分子存在本质差异：小分子药物的研发核心是化学结构的优化，通过调整官能团提升靶点结合力、成药性与选择性；生物药的核心是抗体/细胞的功能优化，通过人源化改造降低免疫原性、通过Fc段修饰提升半衰期、通过偶联技术提升递送效率。生物药的研发成功率是小分子的2-3倍，但平均研发成本也达到30-40亿美元，约为小分子的1.5-2倍，且生产工艺复杂度高，产能建设周期超过2年，是典型的“高投入、高风险、高回报”赛道。

1.5 前沿治疗模态的爆发：突破不可成药靶点的技术探索（2010s-至今）

尽管生物药大幅拓展了可成药靶点的范围，但仍存在大量无法通过小分子或生物药解决的靶点，比如胞内转录因子、蛋白互作界面、无明确结合口袋的致病蛋白等。2010年后，蛋白降解靶向嵌合体（Proteolysis Targeting Chimera, PROTAC）、分子胶（Molecular Glue）、RNA疗法、基因编辑等前沿治疗模态的成熟，进一步突破了不可成药靶点的限制，药物发现进入“多模态并进”的阶段。 PROTAC技术的核心逻辑是利用泛素-蛋白酶体系统诱导致病蛋白降解，而非传统的靶点抑制，其分子结构由靶点结合配体、连接子（Linker）、E3泛素连接酶结合配体三部分组成，可同时结合靶点蛋白与E3连接酶，诱导靶点蛋白泛素化后被蛋白酶体降解。相比小分子抑制剂，PROTAC的优势在于：① 可靶向传统抑制剂无法结合的无活性构象靶点，解决了靶点耐药问题；② 催化型的降解机制，极低浓度的PROTAC即可实现靶点的完全清除，药效更持久；③ 可降解传统不可成药的转录因子、蛋白互作复合物等靶点。2023年，Arvinas公司开发的ARV-110（靶向雄激素受体的PROTAC）治疗转移性去势抵抗性前列腺癌的三期临床达到主要终点，客观缓解率达到48%，成为全球首个进入三期临床的PROTAC药物，预计2025年获批上市。分子胶则是PROTAC的简化版本，通过小分子直接稳定靶点与E3连接酶的相互作用，无需额外的连接子，分子量更小，成药性更好，代表药物来那度胺（Lenalidomide）通过招募CRBN E3连接酶降解IKZF1/3蛋白，治疗多发性骨髓瘤的完全缓解率达到30%以上，2023年销售额超过100亿美元。 RNA疗法与基因编辑技术则从基因层面解决疾病的根源问题：2020年，Moderna与辉瑞/BioNTech开发的mRNA新冠疫苗获批上市，将疫苗的研发周期从传统的5-10年缩短至11个月，验证了RNA疗法的技术可行性；2023年，诺华的siRNA降脂药Leqvio获批上市，每年仅需注射2次即可将低密度脂蛋白胆固醇（LDL-C）降低50%以上，解决了小分子他汀类药物依从性差的问题。基因编辑技术方面，2023年FDA批准全球首款CRISPR基因编辑疗法exa-cel用于治疗镰状细胞病，通过编辑患者造血干细胞的BCL11A基因，重新启动胎儿血红蛋白的表达，治愈率超过90%，标志着基因编辑从实验室走向临床。 前沿治疗模态的研发逻辑与传统小分子、生物药存在本质差异：小分子和生物药的核心是“靶点功能调控”（抑制、激活、阻断），而PROTAC、基因编辑的核心是“靶点清除或修正”，可解决传统药物无法治愈的遗传病、肿瘤等复杂疾病。但这类技术仍处于早期阶段，核心痛点包括：PROTAC的口服生物利用度普遍低于10%，递送效率低；RNA疗法和基因编辑的递送依赖病毒载体或脂质纳米颗粒（LNP），免疫原性高，脱靶效应风险大；生产工艺复杂度高，生产成本是传统小分子的10-100倍。

1.6 AI辅助药物研发的范式变革：从经验驱动到数据驱动（2015s-至今）

2015年后，以深度学习、大语言模型（LLM）为代表的人工智能技术逐步渗透到药物研发的全流程，开启了“数据驱动”的药物发现新范式，有望从根本上解决传统研发模式“高失败率、高成本、长周期”的痛点。AI在药物研发中的应用覆盖靶点发现、化合物设计、临床试验设计等全流程： 靶点发现环节，AI可通过自然语言处理（NLP）技术挖掘海量文献、专利、组学数据，识别传统方法无法发现的疾病相关靶点。2021年，英国AI制药公司Insilico Medicine利用AI平台挖掘特发性肺纤维化（IPF）的潜在靶点，仅用18个月就完成了从靶点发现到先导化合物优化的全流程，研发成本仅为传统模式的1/10，2023年该候选药物INS018_055进入二期临床，成为全球首个AI发现靶点、AI设计的进入二期临床的药物。 化合物设计环节，生成式AI（Generative AI）可根据靶点结构、成药性要求自动生成符合条件的新分子，效率较传统药物化学家提升10-100倍。2020年，英国AI制药公司Exscientia利用生成式AI设计的强迫症候选药物DSP-1181进入一期临床，成为全球首个AI设计进入临床的小分子药物。2021年，DeepMind发布的AlphaFold2可预测超过2亿个蛋白质的结构，准确率达到98.5%，解决了困扰生物学界50年的蛋白质结构预测难题，为基于结构的药物设计（Structure-Based Drug Design, SBDD）提供了核心工具。截至2024年，全球已有超过200款AI辅助研发的药物进入临床阶段，其中30%以上是针对肿瘤、罕见病等传统研发难度的疾病。 临床试验环节，AI可通过真实世界数据（RWD）优化患者入组标准、预测临床终点、降低试验失败率。2023年，辉瑞利用AI平台优化了其带状疱疹疫苗的临床试验设计，将入组时间从18个月缩短至8个月，试验成本降低了25%。 AI辅助研发的优势在于可大幅降低研发成本、缩短研发周期，但当前仍处于技术早期，核心局限性包括：① AlphaFold等蛋白结构预测工具仅能预测蛋白质的静态结构，无法准确模拟蛋白的构象变化、变构效应、蛋白-配体动态结合过程，对靶点结合的亲和力预测误差仍超过1 kcal/mol；② AI模型的训练数据多来自公开的文献与数据库，数据质量参差不齐，且对罕见病、 neglected disease等数据稀少的领域适用性差；③ AI生成的分子可解释性不足，研发人员难以判断分子的活性与毒性来源，监管层面也尚未建立AI药物的审批标准，截至2024年全球仅批准了2款AI辅助研发的药物。

1.7 全球药物研发的技术体系与核心痛点

经过近百年的演进，当前全球药物研发已形成覆盖“靶点发现-化合物筛选-先导优化-临床前研究-临床试验-上市后研究”全流程的技术体系，各环节的核心技术栈包括： 1. 靶点发现环节：多组学技术（基因组、转录组、蛋白组、代谢组）、生物信息学分析工具、功能基因组学筛选技术（CRISPR筛选、RNAi筛选）、类器官/动物模型验证技术； 2. 化合物筛选环节：高通量筛选（HTS）、DNA编码化合物库（DEL）、虚拟筛选、AI生成式分子设计、DNA合成与化合物库构建技术； 3. 先导化合物优化环节：计算机辅助药物设计（CADD）、药物化学合成、成药性评估（理化性质、代谢稳定性、毒性筛选）、晶型与制剂开发技术； 4. 临床前研究环节：类器官、器官芯片、人源化动物模型、安全性评价（GLP毒理试验）、药代动力学（PK）/药效动力学（PD）研究技术； 5. 临床试验环节：适应性设计、真实世界数据（RWD）应用、患者分层技术、数字化临床试验工具； 6. 上市后研究环节：药物警戒、真实世界疗效研究、适应症拓展研究。 尽管技术体系已相当成熟，当前全球药物研发仍面临五大核心痛点： 第一，靶点验证失败率超过60%，是临床失败的首要原因。多数靶点在细胞系中验证有效，但在人体中因组织特异性、代偿机制等问题失效，或出现不可预见的脱靶毒性，比如2010年后超过30款进入临床的KRAS抑制剂因靶点验证不充分失败。 第二，先导化合物成药性转化率不足1%，超过90%的活性化合物因理化性质差、代谢稳定性不足、毒性高等问题被淘汰，比如多数激酶抑制剂因肝脏毒性、心脏毒性无法进入临床。 第三，临床试验失败率居高不下，整体成功率仅约10%，肿瘤、神经退行性疾病等复杂疾病的临床成功率不足5%，主要源于患者分层不精准、临床终点设计不合理、疗效不及预期等问题。 第四，研发成本与周期持续攀升，2023年全球创新药物的平均研发成本达到26亿美元，平均研发周期超过10年，中小企业难以承担高额的研发投入，行业集中度持续提升。 第五，罕见病、被忽视疾病（Neglected Disease）的药物研发动力不足，全球超过7000种罕见病中仅不到5%有获批的治疗药物，热带病等被忽视疾病的药物研发投入不足全球总研发投入的1%，主要源于患者群体小、市场回报低。

1.8 本书的技术脉络与内容关联

本章系统梳理了药物发现从偶然发现到AI辅助研发的范式演进历程，每一次技术节点的突破都对应着研发效率的跃升：靶