现代药物发现全景：历史、范式转变与核心挑战

药物发现是人类与疾病斗争中最具挑战性的智力 endeavor 之一。它既是一门科学，也是一门艺术，融合了生物学洞察、化学创造、临床智慧与商业战略。在现代医药产业中，一个新药从概念到上市，平均需要10-15年和超过20亿美元的投入，而成功率不足十分之一。这一严峻现实，使得药物发现过程被形容为“炼金术”——既充满神秘与机遇，又需要严谨的系统工程。本章将带领读者全景式回顾药物发现的历史演变，剖析从偶然发现到理性设计的范式转变，深度解读当前主导的“反向药理学”与“表型筛选”两大范式，并直面高失败率、成本攀升与未满足医疗需求等核心挑战。通过解读研发管线漏斗与时间-成本曲线，我们将为理解后续各章节的具体技术策略奠定战略视角。

1.1 从偶然发现到理性设计：药物发现的历史演进

药物发现的历史是一部人类从经验摸索走向分子理解、从偶然观察走向理性设计的进化史。这一演进并非线性替代，而是不同范式在不同历史阶段和疾病领域的共存与融合。回顾这段历史，不仅是为了怀旧，更是为了理解当今范式形成的深层逻辑，并从中汲取应对未来挑战的智慧。

1.1.1 前科学时代：经验、天然产物与偶然发现

在19世纪以前，药物发现几乎完全依赖于经验观察和偶然性。古代文明通过试错法积累了丰富的天然药物知识：古埃及人使用鸦片镇痛，印第安人用金鸡纳树皮治疗疟疾（含奎宁），中国人用柳树皮退热（含水杨酸）。这些发现往往源于对动物行为或疾病症状的朴素观察，缺乏理论指导，重复性低，剂量与安全性难以控制。

19世纪有机化学的兴起带来了第一个转折点。科学家开始能够分离、纯化天然活性成分，并进行化学修饰。1804年，德国药剂师泽尔蒂纳从鸦片中分离出吗啡，标志着第一个植物碱的诞生。1897年，拜耳公司的费利克斯·霍夫曼合成乙酰水杨酸（阿司匹林），成为首个大规模合成的现代药物。然而，这些成就仍以“一种化合物，一种疾病”的经验模式为主，机制探索刚刚起步。

真正的偶然发现黄金时代出现在20世纪上半叶。1928年，亚历山大·弗莱明观察到青霉菌抑制葡萄球菌生长的现象，开启了抗生素时代，但青霉素的提纯与量产直到二战期间才由弗洛里、钱恩团队完成。1935，格哈德·多马克发现磺胺类药物的抗菌作用，首次证明化学合成药物可系统治疗感染。最富传奇色彩的是保罗·埃尔利希的“砷凡纳明”（606号化合物），他通过系统性筛选数百种砷化合物，最终发现治疗梅毒的 Salvarsan，这被视为“魔法子弹”概念和现代化学疗法奠基之作，尽管其筛选仍带有试错性质。

这一阶段的特征可归纳为：观察驱动、天然产物主导、低通量、机制黑箱。成功高度依赖敏锐观察力和运气，研发周期虽短但可重复性差，且常伴随严重毒性（如砷凡纳明本身有毒）。

1.1.2 现代药理学奠基：从器官水平到分子水平

20世纪中期，生理学、生物化学和药理学的学科交叉为药物发现注入了理性基础。研究者不再仅满足于“是否有效”，而是追问“如何起作用”。受体理论和酶学的发展使药物作用机制研究进入分子层面。

1922年，班廷和贝斯特成功提取胰岛素，开创了激素替代疗法，其纯化与剂量控制体现了早期质量控制思想。二战期间青霉素的大规模

1.1 从偶然发现到理性设计：药物发现的历史演进（续）

1.1.3 分子生物学革命：从器官水平到基因水平

20世纪50年代DNA双螺旋结构的发现，开启了分子生物学时代，也为药物发现提供了前所未有的精确靶标。研究者不再局限于器官或组织水平观察药物效应，而是深入到基因、蛋白质和信号通路层面。这一革命性转变的核心是机制驱动——先理解疾病分子机制，再设计干预手段。

重组DNA技术与治疗性蛋白的诞生 1970年代，重组DNA技术取得突破。1978年，Genentech公司成功将人类胰岛素基因植入大肠杆菌，生产出首批重组人胰岛素（商品名Humulin），1982年获FDA批准。这不仅是技术里程碑，更标志着药物生产从动物提取（猪/牛胰岛素）转向精确的生物合成，彻底解决了免疫原性问题。随后，重组人生长激素（r-hGH）、促红细胞生成素（EPO）、干扰素等相继上市，形成“生物药”新类别。

单克隆抗体技术的革命 1975年，科勒和米尔斯坦发明杂交瘤技术，实现了抗体的无限供应。1986年，第一个治疗性单抗OKT3（抗CD3）获批用于器官移植排斥反应。然而，早期鼠源抗体引发人抗鼠抗体反应（HAMA），限制了应用。1988年， Gregory Winter和 colleagues 提出“人源化”抗体技术，通过CDR移植将鼠源抗体可变区嫁接到人抗体框架上，大幅降低免疫原性。1997年，第一个全人源抗体阿达木单抗（adalimumab）诞生，标志着抗体药物进入黄金时代。如今，单抗类药物占全球处方药销售额的约20%，涵盖肿瘤（利妥昔单抗、曲妥珠单抗）、自身免疫病（TNF-α抑制剂）、感染（RSV预防）等多个领域。

基于机制的设计案例：ACE抑制剂与他汀类药物

• **卡托普利（Captopril）**：1970年代，巴西科学家Sérgio Henrique Ferreira发现巴西蝮蛇毒中的肽类（bradykinin potentiating factors, BPFs）能降低血压。Bayer团队据此分离出替普罗肽，并进一步设计出口服小分子ACE抑制剂卡托普利，1981年上市。这是首个基于酶抑制机制设计的成功药物，开创了降压药新类别。
• **他汀类药物**：1970年代，日本科学家远藤明在真菌中筛选胆固醇合成抑制剂，发现美伐他汀。随后，默克公司基于HMG-CoA还原酶晶体结构，设计出更安全的洛伐他汀（1987年上市）。他汀类的发现体现了“天然产物→机制阐明→理性优化”的经典路径，至今仍是心血管疾病基石用药。

这一阶段的核心特征是机制阐明与技术赋能的协同：分子生物学提供了靶点，重组技术和抗体工程提供了生产手段，结构生物学（X射线晶体学、NMR）为理性设计奠定基础。药物发现从“试错”转向“靶向”，但靶点选择仍依赖表型观察（如降压、降脂），尚未进入全基因组驱动的时代。

---

1.1.4 组合化学与高通量筛选时代：从“一个化合物，一个疾病”到“百万库，自动化”

1980年代末至1990年代，组合化学和高通量筛选（HTS）的兴起，试图解决天然产物来源有限、合成效率低的问题。其理念是：通过自动化合成和筛选，快速产生并评估海量化合物，提高发现概率。

组合化学的革命 传统药物化学一次合成一个化合物，而组合化学通过“混合-分割”策略，在固相载体上并行合成成千上万甚至百万级的化合物库。例如，使用10种氨基酸和10种酸，可生成100种二肽；若扩展到三联体，则可达1000种。1990年代，制药公司纷纷建立“多样性库”或“靶向库”，化合物数量从万级跃升至百万级。

高通量筛选的自动化 HTS依赖机器人系统、微孔板（96/384/1536孔）和灵敏检测方法（荧光、发光），每天可测试数万至数十万化合物。例如，1990年代初期，辉瑞的HTS设施每天可筛选5万个化合物；到2000年，大型药企的年度筛选能力达百万级。筛选模型从 whole animal 转向细胞和生化水平（酶、受体），提高了通量和可重复性。

预期与现实的落差：贫化库与“筛选危机” 组合化学+HTS最初被寄予厚望，认为能显著缩短发现周期、降低早期成本。然而，问题很快显现：

• **化学空间贫乏**：组合化学库倾向于生成“类药性”相似的分子（如易成键的胺、酸），缺乏天然产物的结构复杂性和立体多样性。分析显示，组合库仅覆盖化学空间的极小部分，而天然产物库在三维性、手性中心数量上更丰富。
• **命中率低**：大量筛选仅产生微弱活性或假阳性，且化合物常存在ADME（吸收、分布、代谢、排泄）缺陷（如高极性、低代谢稳定性）。1990年代末，业界出现“筛选危机”——投入巨资建设HTS设施，但产出效率低下。
• **靶点验证滞后**：HTS产生大量“命中物”，但许多靶点本身与人类疾病关联不明确，导致后续开发失败。

应对策略：聚焦与融合 为应对危机，行业转向：

• **聚焦靶点库**：针对已验证靶点（如GPCRs、激酶）设计专门化合物库。
• **DNA编码库（DEL）**：2000年代发展出的新技术，每个化合物连接独特DNA标签，混合筛选后通过测序识别活性分子，实现万亿级库的虚拟筛选。
• **表型筛选回归**：意识到单纯靶点筛选的局限，部分企业重新重视细胞或动物水平表型筛选（见1.2节）。

组合化学与HTS虽未实现“药物发现工业化”的乌托邦，但极大扩展了化合物获取能力，并与后续技术（如结构生物学、计算化学）融合，成为现代药物发现基础设施的一部分。

---

1.1.5 基因组学与靶点驱动时代：从“一个靶点，一个药”到“靶点爆炸与临床荒漠”

1990年启动的人类基因组计划（HGP）承诺揭示全部人类基因，预计可提供数千个新药靶点。2003年HGP完成时，约2万个人类基因被注释，其中约3000-5000个被视为潜在药物靶点。这引发了“靶点爆炸”，制药公司竞相建立基因组学平台，期望通过靶点驱动快速产出药物。

靶点激增与发现效率悖论 基因组学确实大幅增加了可操作的靶点数量，但新靶点相关药物的研发成功率并未同步提升。分析显示，针对全新靶点（first-in-class）的药物获批率反而低于已知靶点（me-too）。原因包括：

• **生物学复杂性被低估**：基因与表型间存在多层调控（转录、翻译、修饰、网络互作），单一靶点干预可能因代偿机制而无效。
• **靶点验证不足**：基因组关联研究（GWAS）发现的疾病相关基因，未必是可药靶点（如转录因子）。许多靶点在动物模型中有效，但在人类疾病中作用不同。
• **“靶点大灭绝”现象**：2000年代初，多家药企（如GSK、AstraZeneca）的内部评估显示，大量基于基因组学发现的靶点在临床阶段失败，导致研发管线收缩。

案例：从基因组学 promise 到临床现实

• **PCSK9抑制剂**：成功案例。2003年，家族性高胆固醇血症研究发现PCSK9基因突变与低LDL相关。基于此，安进/赛诺菲开发出单抗类药物（evolocumab, alirocumab），2015年上市，验证了“遗传学驱动靶点发现”的有效性。
• **阿尔茨海默病β-分泌酶（BACE）抑制剂**：失败案例。基于淀粉样蛋白假说，多个BACE抑制剂进入临床，但因疗效不足或毒性于2010年代末纷纷失败，凸显靶点验证的难度。

当前格局：多组学与系统药理学 单一基因组学已显不足，当前趋势是整合转录组、蛋白组、代谢组等多组学数据，结合生物信息学网络分析，识别“关键节点”靶点。同时，系统药理学强调药物对生物网络的影响，而非单一靶点抑制，为复杂疾病（如癌症、神经精神疾病）提供新思路。

---

1.2 核心范式剖析：反向药理学与表型筛选

现代药物发现主要围绕两种核心范式展开：反向药理学（Reverse Pharmacology），又称靶点导向（Target-based）；表型筛选（Phenotypic Screening），又称表型导向（Phenotype-based）。二者并非完全对立，而是互补的策略选择，其适用性取决于疾病机制认知度、技术平台和风险偏好。

1.2.1 反向药理学：从靶点到药物

定义与流程 反向药理学始于对疾病分子机制的深入理解，首先识别并验证一个与疾病密切相关的生物靶点（通常是蛋白质，如酶、受体、离子通道），然后设计或筛选能够调节该靶点活性的化合物，最终通过表型验证其治疗效应。其逻辑链为： `疾病机制 → 靶点识别与验证 → 化合物筛选/设计 → 临床前/临床评估 → 上市`

关键步骤详解 1. 靶点识别：通过遗传学（GWAS、孟德尔疾病）、组学、生物信息学等方法，找到与疾病显著相关的分子。例如，慢性髓性白血病（CML）中发现的BCR-ABL融合基因。 2. 靶点验证：在细胞和动物模型中确认调节该靶点可产生预期治疗效应。常用工具包括基因敲除/敲入、RNA干扰、CRISPR编辑、特异性抑制剂/激动剂。验证需证明“靶点-表型”因果性，而非相关性。 3. 筛选与设计：

• **高通量筛选**：针对靶点生化活性（如酶抑制）建立 assay，筛选大型化合物库。
• **结构生物学指导设计**：若靶点结构已知（X射线、Cryo-EM），可进行基于结构的药物设计（SBDD）。例如，格列卫的开发中，研究者利用ABL激酶结构，优化2-苯胺嘧啶类化合物的选择性和效力。
• **计算机辅助设计**：分子对接、虚拟筛选、机器学习预测活性分子。

4. 先导化合物优化：对命中物进行化学修饰，改善 potency、选择性、ADME 性质和安全性。此阶段需反复迭代，常涉及数百至数千个类似物。 5. 临床转化：在动物模型验证药效和毒理，进入临床试验。

经典案例：格列卫（伊马替尼）——靶向治疗的里程碑

• **靶点发现**：1960年代，彼得·诺威尔发现费城染色体（Ph染色体）与CML相关；1980年代，布莱恩·德鲁金等克隆出BCR-ABL融合基因，证实其 constitutively 激活的酪氨酸激酶驱动白血病。
• **靶点验证**：德鲁金团队证明抑制BCR-ABL可杀死CML细胞。
• **药物设计**：Ciba-Geigy（现诺华）团队从2-苯胺嘧啶库中筛选，发现化合物“STI571”能选择性抑制ABL激酶。通过结构优化，提高选择性和口服生物利用度。
• **临床成功**：2001年FDA加速批准，CML患者五年生存率从30%提升至90%以上，成为“精准医疗”先驱。

优势与局限 | 优势 | 局限 | |------|------| | 机制清晰，易于理解作用原理 | 靶点验证困难，动物模型与人类疾病存在差异 | | 可设计高选择性化合物，减少脱靶效应 | 可能忽略网络补偿，导致临床疗效不足 | | 利于生物标志物开发，指导患者分层 | 对复杂多因素疾病（如神经退行性疾病）效果有限 | | 专利保护较强（结构新颖） | 研发周期长，前期投入大 |

适用场景：单基因遗传病、信号通路明确的癌症、感染性疾病（如HIV蛋白酶抑制剂）、机制清晰的心血管疾病。

---

1.2.2 表型筛选：从表见到靶点

定义与流程 表型筛选不预设特定靶点，而是在细胞、组织或整体动物水平上，观察化合物对疾病相关表型（如细胞增殖、形态变化、行为改善）的影响。活性化合物（hit）随后通过“靶点反卷积”（target deconvolution）鉴定其作用机制。其逻辑链为： `疾病模型 → 表型筛选 → 活性化合物 → 靶点鉴定 → 机制研究 → 优化开发`

关键步骤详解 1. 建立表型模型：

• **细胞水平**：癌细胞增殖抑制、神经元突起生长、脂肪细胞分化等。
• **模式动物**：斑马鱼（透明胚胎，易观察发育）、线虫（神经行为）、小鼠（疾病模型如肿瘤移植、行为学测试）。

2. 高通量表型筛选：利用自动化成像、流式细胞术、行为记录等，大规模测试化合物库。例如，利用荧光标记的癌细胞，筛选抑制迁移的化合物。 3. 命中物确认与优化：排除假阳性（如荧光干扰、细胞毒性），对活性化合物进行结构优化，改善药代性质。 4. 靶点反卷积：

• **亲和层析**：用化合物作“诱饵”，钓取结合蛋白，质谱鉴定。
• **基因组学方法**：CRISPR筛选，敲除每个基因后观察化合物敏感性变化。
• **化学蛋白质组学**：基于活性的蛋白分析（ABPP）。
• **生物信息学预测**：比较化合物处理与已知药物处理的基因表达谱（如Connectivity Map）。

5. 机制研究与开发：阐明靶点与表型关系，推进临床开发。

经典案例

• **青蒿素**：1970年代，中国“523项目”从古籍获得灵感，用乙醚提取青蒿，在疟疾小鼠模型上验证活性。后续研究揭示其作用机制为产生活性氧（ROS）和抑制疟原虫PfATP6，但靶点鉴定滞后数十年。青蒿素的发现是“表型筛选→机制阐明”的典范，拯救数百万生命。
• **二甲双胍**：1920年代发现胍类降糖，1950年代法国Jean Sterne系统筛选，发现二甲双胍。其作用机制（激活AMPK）直到2000年才被阐明，成为2型糖尿病一线用药。
• **锂盐**：19世纪用于痛风，1949年John Cade偶然发现其治疗躁郁症，机制（抑制肌醇单磷酸酶、调节GSK3β）数十年后才逐渐清晰。

优势与局限 | 优势 | 局限 | |------|------| | 不依赖先验机制，可能发现全新靶点 | 靶点鉴定困难，耗时且技术挑战大 | | 在复杂系统（细胞、动物）中评估，更贴近整体疗效 | 优化阶段可能因机制不明而盲目 | | 适合多因素疾病（如神经精神疾病） | 生物标志物开发滞后，临床患者分层难 | | 可发现多靶点药物（polypharmacology） | 专利保护可能较弱（若为已知化合物新用途） |

适用场景：机制不明的疾病（神经退行性疾病、抑郁症）、需要整体评估的复杂表型（组织再生、代谢重编程）、天然产物活性筛选。

---

1.2.3 范式融合与策略选择

实践中，两种范式常交替或并行使用。例如，先通过表型筛选发现活性化合物，再反向寻找靶点；或基于靶点设计化合物，在表型模型中验证。当前趋势是“表型-first”策略的复兴，尤其得益于类器官、器官芯片、人工智能等新技术。

选择范式的决策框架 1. 疾病机制认知度：

• 高（如CML、HIV）→ 反向药理学
• 低（如阿尔茨海默病、抑郁症）→ 表型筛选

2. 可用模型：

• 可靠细胞靶点 assay → 反向药理学
• 成熟动物模型或类器官 → 表型筛选

3. 技术平台：

• 拥有结构生物学/计算化学团队 → 反向药理学
• 拥有成像/行为学平台 → 表型筛选

4. 风险偏好：

• 追求快速转化、专利保护 → 反向药理学
• 容忍长期探索、追求突破性创新 → 表型筛选

案例：索马杜林（Somatuline®）的发现——从表型到靶点 1980年代，Ipsen公司筛选生长抑素类似物时，在动物模型上观察到抑制生长激素释放的表型，随后鉴定出对生长抑素受体5（SSTR5）的高选择性，最终开发为治疗肢端肥大症的药物。这体现了“表型筛选→靶点确认→优化”的路径。

---

1.3 当代药物发现的核心挑战

尽管技术不断进步，药物发现仍面临三大核心挑战：高失败率（a