Drug Target Review在AACR 2026会议上与药物发现领导者进行了交流，探讨了现代药物发现不再由单一创新定义，而是由连接AI、生物学和转化执行的集成系统定义。
在美国癌症研究协会(AACR) 2026年年会上，Drug Target Review与药物发现领导者、平台开发者和转化科学家探讨了肿瘤学研发如何从孤立的技术突破转向更加集成的发现系统。
在这些讨论中，很明显现代肿瘤学不再由孤立的单一创新定义，而是由组织如何有效地连接生物学、计算和转化执行来定义。从AI设计的分子和分子胶到空间生物学和细胞疗法，各公司都专注于构建缩短假设与临床结果之间距离的系统。
AI正在提高药物设计的速度和质量
AACR上最突出的主题之一是AI驱动药物发现的日益成熟——它不仅是一个加速设计周期的工具，更是提高分子质量和临床成功率的机制。
在英矡智能(Insilico Medicine)，全球临床开发副总裁(肿瘤学产品线)张海乐博士强调了AI如何现在贯穿靶点选择和分子优化过程，特别是针对具有挑战性的肿瘤学靶点。
"AI不仅仅关乎速度；它还关乎提高候选药物的质量，"她解释道。
英矡智能的泛KRAS抑制剂项目ISM-6166展示了这种方法。通过同时靶向活跃和非活跃的KRAS构象，该分子旨在克服肿瘤学中最持久的挑战之一：由动态蛋白质转换驱动的适应性耐药。
"KRAS是一种非常动态的蛋白质，肿瘤通常通过改变KRAS构象状态来产生耐药性，这些状态未被有效靶向，从而逃避治疗，"张博士说。
除了KRAS，英矡智能还将其平台应用于历史上困难的靶点，如Casitas B系淋巴瘤-b (CBLB)，这是一种具有复杂结构动态和有限可药用口袋的E3连接酶。在这里，AI被用来识别以前"看不见"的瞬时结合位点，并并行而非顺序地设计最佳的效价、选择性和ADME（吸收、分布、代谢、排泄）特性。张强调，这种集成优化已经转化为生物学活性，包括T细胞激活和临床前模型中的肿瘤生长抑制。
"AI平台使我们能够应对历史上非常困难的靶点，并并行优化分子，"她说。
她还指出早期临床转化的势头，多个项目正在进入I期临床试验，并计划到2027年推进到II期开发。
从发现速度到临床差异化
虽然AI平台正在加速早期发现，但各公司强调临床价值不仅仅取决于快速重复。
"要实现影响，我们需要稳健的生物标志物和精心设计的临床研究来证明明确的益处，"张博士说。
这反映了整个行业更广泛的发展方向，AI越来越多地不仅用于生成候选药物，还用于确定这些候选药物在异质患者群体中将取得成功的领域。
AI赋能的生物学与转化紧迫性相遇
除了计算机模拟设计方法外，LabGenius Therapeutics等公司正在闭环实验系统中应用AI，将机器学习与自动化实验室测试相结合，直接在生物相关的测定中优化多特异性和多价治疗分子。这种方法允许使用基于人细胞的系统并行生成和测试数千种抗体设计，有助于确保计算预测不断与真实的生物反应进行验证。
正如首席科学官安格斯·辛克莱尔(Angus Sinclair)所解释的，早期整合与人类相关的系统对转化至关重要。
"我们使用基于原代人细胞的测定，尽可能接近临床情况下将要使用的情况，"他解释道。
通过将设计、构建、测试和学习周期整合到一个工作流程中，LabGenius也在改善跨越多达200万种独特抗体结构的大分子设计空间的迭代。
"我们使用基于原代人细胞的测定，尽可能接近临床情况下将要使用的情况"
"这是我见过的分子开发最快的速度，"辛克莱尔说。
一个例子是LGTX-101，LabGenius的选择性增强Nectin-4 × CD3 T细胞衔接剂，用于实体瘤，旨在杀死表达Nectin-4的肿瘤细胞，同时降低对也表达该靶点的健康组织造成损伤的风险。作为LabGenius闭环AI引导发现平台的产品，它说明了这些系统如何旨在发现非直观但临床可行的候选药物，这些候选药物很可能无法通过传统的假设驱动或理性设计方法获得。
分子胶扩展了可药用生物学的边界
AACR上的另一个主要主题是靶向蛋白质降解和分子胶技术继续扩展到以前无法触及的生物学领域。
在Neomorph，总裁兼首席执行官菲利普·张伯伦博士(Dr. Philip Chamberlain)描述了公司主导项目NEO-811的披露，该项目靶向转录因子HIF-1β（也称为ARNT）——一种被认为使用传统方法无法药用的蛋白质。
"这是第一次有人将其描述为可药用的蛋白质，"张伯伦说。
对Neomorph而言，分子胶发现不仅仅是识别新的降解剂，而是扩展可药用蛋白质组可以包含的边界。
然而，张伯伦承认，将早期分子胶发现转化为临床可行的分子仍然是整个领域的主要挑战。
"找到靶点是一回事，但将它们优化为有用的临床分子仍然是一项前沿工作，"他指出。
这种双重关注——平台创新与管线执行并行——是Neomorph的战略。该公司现在正在将NEO-811推进到透明细胞肾细胞癌的临床试验中，这是一种基因定义的疾病，其中通路抑制已被强烈验证但在治疗上仍未得到充分利用。
平衡平台创新与临床执行
张伯伦继续强调，分子胶开发需要同时在发现基础设施和转化学科方面进行投资。
"我们将平台和管线视为相辅相成，"他说。
虽然平台扩展使识别以前无法触及的靶点成为可能，但临床成功取决于选择明确定义的疾病环境，并在分子进入临床后保持严格的执行标准。
"我们将平台和管线视为相辅相成"
Neomorph也继续扩展其管线，预计将披露更多项目，所有这些项目都基于通过靶向蛋白质降解扩展可药用基因组的相同原则。
AI赋能的生物学与转化紧迫性相遇
英矡智能和Neomorph的共同点是计算设计和生物学驱动验证的融合。虽然AI和分子设计平台正在加速发现，但两家公司都强调生物学背景和临床相关性仍然是决定性因素。
最终目标不仅是识别新靶点，还要确保这些靶点转化为对治疗选择有限的患者有意义的临床结果。
"关键要点是AI使我们更快、更精简，但更重要的是，它帮助我们设计出更好的分子，"张博士说。
将发现创新与临床现实连接起来
在AACR 2026上的这些讨论中，很明显肿瘤学创新正在由集成定义：AI与生物学、平台与管线、发现与临床设计的集成。
无论是通过AI生成的KRAS抑制剂、转录因子降解剂还是生物标志物引导的开发策略，各公司都在努力缩小分子洞察与患者获益之间的差距。
在第二部分中，我们将探讨这种转变如何在空间生物学、细胞疗法制造、抗体药物偶联物(ADC)设计和转化基础设施中展开，其中的挑战不再仅仅是发现新的生物学，还包括使其能够大规模应用。
【全文结束】
