基于片段的药物发现中命中推进的进展与挑战

将微小化学片段变成未来药物

现代药物常通过从庞大分子库中筛选发现，这一过程既缓慢又昂贵，且效率日益下降。本文探讨了一种较新的方法——基于片段的药物发现，它从非常小的化学片段出发，逐步构建成有前景的药物候选分子。对于读者而言，这提供了一个视角，展示更智能的设计、自动化和人工智能如何让未来的疗法更快被发现并更广泛可及。

为何从小处入手而非筛查一切

传统药物发现通常依赖测试数百万个相对较大的分子，观察哪些能与疾病相关的蛋白结合。基于片段的方法采取相反路径：它筛选规模更小的一组微小分子或“片段”，每个片段代表一种简单的化学形状。片段的结合通常很弱，但由于体积小且多样性高，它们能更高效地探索化学空间。挑战在于弱信号难以检测和解读，因此研究者需要非常灵敏的实验和严格的交叉验证以确认片段是真正结合，而非实验假象。结构学技术如X射线晶体学和冷冻电子显微镜能揭示片段在蛋白口袋中的精确位置，而溶液方法如核磁共振、量热法和表面等离子体共振则测量结合的强度和动力学。

从首次命中到有前景的先导

一旦发现有用的片段，真正的工作就开始了：将这些微弱的“命中”转化为强效且选择性好的“先导”化合物。文章把这一过程描述为反复的“设计、合成、测试”循环。在设计阶段，化学家和计算工具提出通过生长、连接或融合片段来更好地填充蛋白口袋、避免不良反应性并保持良好的物理性质（如溶解度）的方法。在合成阶段，这些设计被实际制备出来，越来越多地借助机器人、高通量化学和智能路线规划软件。在测试阶段，则评估新分子是否确实提高了结合力、是否在目标生物功能上起作用，以及是否避免了诸如在多种测定中产生误导性信号的广谱干扰化合物等常见陷阱。由于片段起始结合弱，通常需要多轮循环，才能让化合物增强到类似真实药物候选的水平。

新工具：自动化、人工智能与智能库

综述强调，新一代工具正在重塑该循环的每个阶段。片段库如今不仅追求多样性，还注重“合成友好”，即它们可以通过稳健反应向多方向方便扩展。专门的片段集合针对特定蛋白家族、含金属位点，或甚至与特定氨基酸形成共价键，帮助攻克之前被认为“难以成药”的靶点。在数字化方面，人工智能模型与基于物理的模拟共同建议哪些化学改动可能改善结合或降低毒性，并能在极大规模的虚拟分子空间（数十亿个可能分子）中筛选。这些预测越来越多地与主动学习循环相结合，在该循环中，少量昂贵的模拟或实验用于训练更快的模型，从而指导下一波设计。

大规模合成与测试而不拖慢速度

药物发现中的一个主要瓶颈是合成和纯化足够用于测试的化合物量。文章描述了高通量合成机器人、流动化学和新的提取方法如何围绕片段命中快速制备数百到数千个相关分子。有些方法甚至在初期跳过彻底纯化：将粗反应混合物直接用于晶体学、动力学测定或核磁等敏感测定——这种做法有时被称为“直接入生物学”。同时并行使用质谱等质控手段跟踪哪些混合物实际含有预期产物。尽管数据可能嘈杂，但将这些快速测试与智能分析和后续的纯合成相结合，能比传统逐一合成更快地勾勒出结构-活性关系。

这对未来药物意味着什么

总体而言，文章得出结论：基于片段的药物发现已发展为一种强大且灵活的策略，尤其在与现代自动化和人工智能配合时，寻找新药具有明显优势。从微小且高效的构件出发可以让科学家更有针对性地探索化学空间，但也要求谨慎验证，因为初始信号非常微弱。作者认为，最大收益将来自将设计、合成与测试紧密整合到半自动化、数据驱动的工作流中，同时开放共享片段数据与方法，从而使资源有限的团队也能受益。如果这些发展持续推进，基于片段的方法可能有助于扭转研究生产率的长期下滑，加速更安全、更有效药物在多种疾病领域的到来。

引用: Grosjean, H., Biggin, P.C. Developments and challenges in hit progression within fragment-based drug discovery. Nat Commun 17, 2226 (2026). https://doi.org/10.1038/s41467-026-68941-z

关键词: 基于片段的药物发现, 命中到先导的优化, 设计-合成-测试 循环, 高通量筛选, 计算药物设计