通过商业PROTAC势头推动E3连接酶发现
靶向蛋白降解嵌合体（PROTACs）是通过将目标蛋白与E3泛素连接酶结合来驱动蛋白降解的小分子。目前已有80余种PROTAC药物处于研发管线，100余家商业机构参与研究。根据全球最大的人工整理科学信息库CAS内容合集TM数据显示，PROTAC相关出版物在不足十年内激增，证明其治疗潜力。癌症是PROTAC研究的主要疾病方向，但神经退行性、传染性和自身免疫性疾病也有涉及。
尽管E3泛素连接酶种类多样，目前设计的PROTAC药物主要作用于4种连接酶：cereblon、VHL、MDM2和IAP。当前研究正致力于发现新连接酶，并利用已知的DCAF16、DCAF15、DCAF11、KEAP1和FEM1B等非主流连接酶。对不同连接酶结构和功能的新认知，可能实现此前难以触及蛋白的靶向治疗，并减少脱靶效应。预计随着E3连接酶工具库扩展，新型PROTAC药物将进入临床前研发管线。
将益生菌应用扩展至系统性疾病的肠道外治疗
人体微生物组——居住在体内外的细菌、病毒、真菌及其他微生物的庞大群落——在维持健康中发挥关键作用。这些微生物生态系统绝非被动存在，它们影响消化、免疫、心理健康甚至慢性病风险。研究人员正利用肠道菌群治疗耐药感染、代谢障碍和精神疾病。
例如，粪便微生物群移植（FMT）已获FDA批准治疗复发性艰难梭菌感染。截至2025年，已有180余种微生物靶向疗法在研发中。对微生物组在慢性病中作用的深入理解，或催生低成本、长期性的早期干预措施和饮食建议，全面提升人类健康。
通过放射性药物偶联实现精准肿瘤治疗
药物偶联技术是将靶向单元（如抗体、肽或小分子）与高效治疗载荷（如化疗剂、毒素或放射性核素）结合的创新分子，可实现对病变细胞的精准投递同时保护健康组织。继抗体药物偶联物之后，放射性药物偶联物研究取得突破性进展。
这种核医学形式将靶向分子与放射性同位素结合用于成像或治疗。该技术具有双重优势：实时监测药物分布和精准放射治疗。癌症治疗中，放射性药物偶联物可通过靶向特定细胞减少脱靶效应和毒性，同时通过精确输送致命载荷提高疗效。随着多款放射性药物进入临床后期或获得监管认证，这类诊疗一体化方法预计将迎来应用增长。
通过下一代平台规模化CAR-T治疗实体瘤
免疫治疗已成为继手术、化疗和放疗后的癌症治疗支柱。CAR-T疗法利用患者自身基因工程改造的T细胞攻击癌细胞，其疗效尤为显著。但其成本和个体化治疗的开发时间限制了普及。同种异体和"装甲"CAR-T细胞的技术进步正在解决成本、规模化及药物有效性问题：
- 同种异体CAR-T：来自供体或基因编辑的细胞，相比自体CAR-T更快速经济。这种现成疗法可扩大患者可及性。
- 双靶向与装甲CAR-T：双靶向CAR-T识别两种抗原，装甲CAR-T经工程设计可分泌细胞因子或抵抗免疫抑制。例如AUTO1/22、CD19/CD22双靶向CAR-T（针对胰腺癌和实体瘤的临床试验），以及能克服肿瘤逃逸的ATA3271装甲CAR-T。这些创新旨在降低高抗原变异或免疫抑制环境癌症的复发率。
通过生物标志物实现神经退行性疾病的早期诊断
生物标志物是血液、组织或体液中可测量的生物学指标，能反映正常或病理过程，在疾病最早可治疗阶段的检测中发挥关键作用。例如，BRCA1/2基因突变是乳腺癌和卵巢癌预防性护理的重要指标。
现在，血液和影像学生物标志物正在开发中，可在阿尔茨海默症和帕金森病临床症状出现前检测早期迹象。近期研究验证了与早期阿尔茨海默症病理相关的血浆生物标志物（如磷酸化tau蛋白），可实现更早诊断和临床试验入组。早期检测将允许及时干预，改进临床试验设计，并推动治疗重点从症状管理转向疾病预防。
通过AI驱动的试验模拟革新药物开发
AI在医疗领域不断突破技术边界，不仅可设计新型药物和预测蛋白质结构，更在加速临床试验进程。定量系统药理学（QSP）模型和"虚拟患者"平台可模拟数千例疾病轨迹，使团队在首例患者给药前就能测试给药方案并优化入组标准。AI驱动的数字孪生技术正在变革临床开发和转化研究。例如，Unlearn.ai在阿尔茨海默症试验中验证了数字孪生对照组，证明AI增强的虚拟队列可显著减少安慰剂组规模，在保证统计效力的同时实现更快试验周期。
通过个性化CRISPR疗法启动快速响应基因编辑
2025年，一名7个月大瓜氨酸血症I型缺陷患儿接受了仅用6个月开发的个性化CRISPR碱基编辑疗法。该疗法通过脂质纳米颗粒递送修正致命突变，标志着首例针对单个患者的CRISPR定制治疗。
这种突破证明了即使针对危及生命的罕见病，快速个体化基因编辑的可行性。除个性化医学外，体内CRISPR疗法可能成为心血管和代谢疾病治疗的下一阶段。例如，CRISPR Therapeutics的CTX310在1期试验中将低密度脂蛋白降低86%，Intellia的NTLA-2002遗传性血管性水肿疗法已进入3期临床并展现早期疗效。
通过AI加速抗病毒研发应对未来大流行
抗病毒药物通过干扰病毒的感染和复制过程发挥作用，传统上针对特定病毒。现在正演变为广谱抗病毒和宿主导向治疗——针对病毒共性机制或宿主细胞通路。研究人员正利用AI和机器学习加速识别和设计候选化合物，往往在新病毒出现前就启动研发：
- 广谱抗病毒药（BSAs）：靶向多种病毒家族共有的保守元件或宿主通路，单一药物可对抗多样病原体，为未来疫情提供早期防御。
- 宿主源性抗病毒药（HDAs）：靶向病毒依赖的宿主人类蛋白或通路而非病毒本身，可能提供更持久的抗病毒保护。
- 机器学习：正在筛选化合物库、预测病毒蛋白结构并识别宿主-病毒互作网络，全球计划如欧盟PANVIPREP和美国大流行抗病毒计划正投资AI平台，提前识别抗病毒候选药物，实现从被动应对到主动预防的转变。
此外，2025年8月麻省理工学院（MIT）报告利用生成式AI开发出针对耐药淋病奈瑟菌和金黄色葡萄球菌的抗生素。虽仍处早期阶段，但为抗生素研究带来新希望。
药物发现领域永不停歇，随着AI工具的应用和个性化医学的兴起，2025年及未来将见证更多突破。CAS将持续追踪药物发现领域创新，您可通过订阅获取最新研究动态。
【全文结束】
