一、实验简介

先导化合物筛选与优化是药物研发早期的核心环节，通过 “高通量筛选 + 理性设计” 相结合的策略，从海量化合物库中筛选出具有潜在生物活性（如抑制疾病靶点、调节生理通路）的候选分子（先导化合物），并通过结构改造优化其活性、选择性、药代动力学（ADMET）及安全性，最终获得符合临床前研究标准的候选药物（Preclinical Candidate, PCC）。其核心原理基于 “结构 - 活性 - 性质” 关联：筛选阶段依赖分子对接、体外实验（如酶活性抑制实验）等技术快速识别活性分子；优化阶段则通过定量构效关系（QSAR）、分子动力学模拟、结合能计算等方法，分析分子结构与活性 / 性质的内在联系，针对性改造结构（如增加氢键供体、优化疏水基团），平衡 “高活性” 与 “成药性”（如口服吸收性、低毒性）。

该技术突破了传统 “随机筛选 + 盲目改造” 效率低、成本高的局限，可在数周至数月内完成从 “化合物库” 到 “候选药物” 的转化，是连接药物发现与临床前研究的关键桥梁，广泛应用于小分子化学药、生物药（如抗体、多肽）及核酸药物的研发，为肿瘤、心血管疾病、神经退行性疾病等重大疾病的治疗提供核心候选分子。

二、核心应用场景

（一）小分子药物先导化合物发现与优化

靶点导向的虚拟筛选：针对明确的疾病靶点（如肿瘤 EGFR 激酶、新冠病毒 3CL 蛋白酶），基于靶点三维结构（实验解析或同源建模结构），通过分子对接（如 AutoDock Vina）从百万级化合物库（如 ZINC 数据库、自定义合成库）中筛选潜在活性分子；结合 ADMET 性质预测（如溶解度、肝代谢稳定性），初步排除成药性差的分子，获得 100-500 个 “高活性 + 良好 ADMET” 的候选分子；通过体外实验（如酶活性抑制实验、细胞水平活性检测）验证，最终确定 10-20 个先导化合物。

结构优化与构效关系（SAR）分析：对先导化合物进行结构改造（如替换芳香环、增加侧链、引入氢键供体 / 受体），通过体外活性实验（如 IC50 测定）与结合能计算（如 MM-GBSA）评估改造效果；构建 “结构片段 - 活性” 关联模型（如苯环替换为吡啶环后活性提升 10 倍），识别关键药效团特征（如必需氢键位点、疏水核心区域）；同时优化 ADMET 性质（如降低 CYP3A4 酶抑制率、提升口服生物利用度），最终获得 1-3 个活性强（IC50＜100 nM）、选择性高（对同源靶点抑制率＜10%）、成药性好（生物利用度≥30%）的候选药物。

（二）生物药先导分子筛选与优化

抗体药物先导候选物筛选：针对疾病相关抗原（如 PD-1、HER2），通过噬菌体展示库、酵母展示库筛选特异性结合的抗体片段（如 scFv、Fab）；采用表面等离子体共振（SPR）测定结合亲和力（优先选择 KD＜10 nM 的分子），通过细胞实验（如抗体依赖的细胞毒性 ADCC、补体依赖的细胞毒性 CDC 实验）验证功能活性；筛选出 10-20 个先导抗体，进一步通过人源化改造（降低免疫原性）、亲和力成熟（如突变 CDR 区氨基酸提升结合活性），获得符合临床前标准的全人源抗体候选物。

多肽 / 核酸药物优化：对具有活性的多肽分子（如 GLP-1 受体激动剂），通过缩短序列、替换非天然氨基酸（如 D - 型氨基酸）优化稳定性（延长体内半衰期）与生物利用度（如口服吸收性）；对小干扰 RNA（siRNA）、反义寡核苷酸（ASO）等核酸药物，通过化学修饰（如 2'-O - 甲基修饰、硫代磷酸酯修饰）降低核酸酶降解风险，结合靶向递送系统（如脂质纳米颗粒 LNP）提升组织靶向性，筛选出活性强、毒性低的先导核酸分子。

（三）耐药突变靶点的先导化合物开发

耐药靶点结合模式分析：针对肿瘤耐药突变靶点（如 EGFR T790M、KRAS G12D），通过同源建模构建突变型靶点结构，结合分子动力学模拟分析活性口袋变化（如 T790M 突变导致口袋体积缩小、关键氢键位点消失）；对比野生型与突变型靶点的结合差异，明确原有药物耐药机制（如空间位阻、结合能升高）。

耐药逆转先导化合物筛选：设计适配突变口袋的化合物库（如引入柔性侧链、优化疏水基团），通过分子对接与结合能计算筛选潜在活性分子；通过体外耐药细胞株实验（如 EGFR T790M 突变细胞的增殖抑制实验）验证活性，筛选出可有效抑制耐药靶点的先导化合物；进一步优化结构以提升对突变靶点的选择性（如对突变靶点 IC50＜50 nM，对野生型靶点 IC50＞1000 nM），避免脱靶效应。

（四）天然产物来源的先导化合物挖掘

天然产物活性成分筛选：从中药、植物提取物、微生物代谢产物等天然产物库中，通过体外活性导向筛选（如抗炎活性、抗肿瘤活性检测）或虚拟筛选（如分子对接天然产物数据库 TCMSP），发现具有潜在活性的天然产物（如黄芩苷、青蒿素类似物）；通过分离纯化获得单体化合物，测定其体外活性（如 IC50）与 ADMET 性质（如肝代谢稳定性），确定为先导化合物。

结构修饰与成药性提升：针对天然产物活性强但成药性差的问题（如溶解度低、生物利用度低），进行结构修饰（如甲基化、糖基化、成盐修饰）；例如将青蒿素的内酯环改造为稳定衍生物（如蒿甲醚），提升体内稳定性与口服生物利用度；通过 SAR 分析与体外实验验证，获得成药性符合要求的候选药物。

三、实验流程与周期

（一）完整实验流程

筛选前准备：靶点与化合物库构建

靶点验证与模型构建：明确疾病靶点（如酶、受体、离子通道），获取靶点三维结构（实验结构优先，如 PDB ID；无实验结构则通过同源建模构建）；通过体外实验（如酶活性检测、靶点蛋白表达纯化）验证靶点功能，确保其可药性（如靶点敲除后疾病表型改善）。

化合物库准备：

虚拟库：收集商业化合物库（如 ZINC、ChemDiv）或自定义合成库（如基于药效团的虚拟库），确保库规模（如 10 万 - 100 万化合物）与多样性（覆盖不同化学骨架）；

实体库：合成或采购候选化合物（如虚拟筛选后的 1000 个分子），建立实体化合物库（需保证纯度≥95%、结构准确）。

先导化合物筛选

虚拟筛选阶段：

分子对接：使用 AutoDock Vina、Schrodinger Glide 等工具，将化合物库与靶点活性口袋对接，通过结合能排序（优先选择结合能≤-8 kcal/mol 的分子）筛选潜在活性分子；

ADMET 初筛：使用 ADMETlab、PreADMET 等工具预测化合物的关键 ADMET 性质（如溶解度、CYP450 酶抑制率、hERG 毒性），排除成药性差的分子（如溶解度＜1 μg/mL、hERG 抑制率＞50%）；

虚拟筛选结果：获得 1000-5000 个候选分子，通过聚类分析（如基于化学结构相似性）选择 500 个代表性分子进行实体实验验证。

体外实验验证阶段：

分子水平实验：如酶活性抑制实验（测定 IC50）、受体结合实验（如 SPR 测定 KD）、荧光偏振实验（FP），筛选活性分子（优先选择 IC50＜1 μM 的分子）；

细胞水平实验：如细胞增殖抑制实验（CCK-8、MTT）、细胞凋亡实验（流式细胞术）、信号通路检测（如 Western blot 检测磷酸化蛋白水平），验证化合物在细胞内的活性（如 IC50＜10 μM）；

初步选择性实验：检测化合物对同源靶点（如 EGFR 与 HER2）、无关靶点的抑制率，筛选选择性高的分子（对同源靶点抑制率＜10%）；

筛选结果：确定 10-20 个先导化合物，明确其活性（IC50）、选择性、初步 ADMET 性质。

先导化合物优化

结构改造设计：基于 SAR 分析（如关键药效团识别）与 ADMET 缺陷（如低溶解度、高肝清除率），设计结构改造方案（如增加极性基团提升溶解度、替换芳香环降低 CYP 抑制率）；

改造与活性评估：合成改造后的化合物（每次合成 20-50 个），通过体外实验测定活性（IC50）、选择性，通过结合能计算（如 MM-GBSA）分析结合模式变化；淘汰活性下降或选择性变差的分子，保留改造效果好的分子（如活性提升 5-10 倍、选择性提升 20 倍）；

成药性优化：通过体外 ADMET 实验（如 Caco-2 渗透性、肝微粒体代谢稳定性、hERG 抑制实验）评估改造分子的成药性；结合 PBPK 模型预测体内药代动力学参数（如生物利用度、半衰期），优先选择成药性符合临床前标准的分子（生物利用度≥30%、半衰期≥4 h、无明显毒性）；

优化结果：获得 1-3 个候选药物（PCC），其活性（IC50＜100 nM）、选择性（对无关靶点抑制率＜5%）、成药性（ADMET 性质良好）均满足临床前研究要求。

候选药物验证与报告撰写：通过体内动物实验（如小鼠肿瘤模型抑瘤率、药代动力学实验）验证候选药物的体内活性与安全性；整理筛选与优化流程、实验数据、结构 - 活性 - 性质关联结果，撰写完整报告，明确候选药物的优势、潜在风险及后续临床前研究建议。

（二）实验周期

先导化合物筛选（虚拟筛选 + 体外验证）：8-12 个工作日（虚拟筛选 3-5 天，分子水平实验 3-5 天，细胞水平实验 5-7 天，结果统计与分析 2-3 天）；

先导化合物优化（结构改造 + 多轮验证）：12-20 个工作日（每轮改造与实验 5-7 天，通常需 2-3 轮优化，含 SAR 分析、ADMET 实验、成药性评估）；

候选药物体内验证（可选）：20-30 个工作日（动物模型构建 7-10 天，体内活性实验 10-15 天，药代动力学实验 7-10 天）；

复杂项目（如耐药靶点、天然产物优化）：额外增加 5-10 个工作日（需额外分析耐药机制、天然产物分离纯化）。

四、客户需提供的样本信息

（一）核心信息与数据

疾病靶点相关信息

靶点基础信息：靶点名称、物种来源（如人源 EGFR、小鼠 PD-1）、功能类型（如酶、受体、离子通道、抗原蛋白）；若为突变型靶点，需明确突变位点与类型（如 KRAS G12D、EGFR T790M）。

靶点结构与功能数据：优先提供实验解析的三维结构（如 PDB ID，如 EGFR 的 PDB ID: 1M17）；若无可提供同源建模模型（PDB 格式）或氨基酸序列（FASTA 格式，需说明是否需先进行同源建模）；提供靶点功能验证数据（如酶活性检测方法、受体激活 / 抑制的检测指标），便于设计体外活性实验。

化合物库相关信息

化合物库来源与规模：若使用客户自有化合物库，需提供化合物结构文件（如 SDF、MOL2、SMILES 格式）、库规模（如 1000 个、10 万个化合物）、化合物纯度（需≥90%）；若使用商业库，需说明库类型（如类药化合物库、天然产物库、片段库）、筛选范围（如分子量范围 200-500 Da）。

先导化合物背景（若已有）：若客户已获得初步先导化合物，需提供化合物结构、体外活性数据（如 IC50、KD 值）、ADMET 性质数据（如溶解度、渗透性）及已知缺陷（如活性不足、溶解度低），便于针对性优化。

筛选与优化需求

明确研究目标：如从小分子库中筛选先导化合物、对现有先导化合物进行活性 / 成药性优化、开发耐药突变靶点的先导分子；

活性与成药性指标：指定关键评估标准（如体外活性 IC50＜1 μM、选择性对同源靶点抑制率＜10%、口服生物利用度≥20%、hERG 抑制率＜30%）；

特殊要求：如优先选择特定结构类型的化合物（如含苯并咪唑环）、需排除有毒性结构片段（如芳香胺）、针对特定给药途径优化（如口服、注射）；若为生物药，需说明抗体类型（如 IgG1、双特异性抗体）、多肽 / 核酸药物的修饰需求（如非天然氨基酸替换、化学修饰类型）。

（二）信息要求细则

靶点结构质量要求：实验结构需优先选择高分辨率（≥2.5Å）、无活性口袋缺失的 PDB 文件；若为同源建模模型，需提供模型评估报告（如 Ramachandran 图合理区域≥90%、ERRAT 得分≥80%），确保活性口袋区域结构可靠；避免使用低分辨率（＞3.5Å）或含大量柔性缺失区域的结构，以免影响分子对接准确性。

化合物库质量要求：化合物结构需完整（无缺失原子、不合理化学键）、手性构型明确（如 R/S 构型）；若为实体化合物，需提供纯度检测报告（如 HPLC 纯度≥95%），避免杂质影响体外活性实验结果；若为虚拟库，需确保结构格式兼容（如可导入 AutoDock Vina、Schrodinger 等软件）。

特殊场景说明：

若靶点为膜蛋白（如 GPCR、离子通道），需说明是否需构建膜环境模型（如磷脂双分子层）用于分子对接与动力学模拟；

若筛选天然产物，需提供提取物来源（如植物部位、微生物菌株）、分离纯化进度（如是否已获得单体化合物）；

若优化生物药，需提供抗体序列（如轻重链氨基酸序列）、多肽的原始序列、核酸药物的核苷酸序列及修饰位点信息。

五、交付内容及增值服务

（一）基础交付

完整筛选与优化报告

项目背景与目标：疾病靶点信息、研究意义、筛选 / 优化目标及评估标准；

实验流程与方法：

筛选阶段：虚拟筛选工具（如 AutoDock Vina）、对接参数（网格范围、评分函数）、化合物库信息（规模、结构特征）、体外实验方法（如酶活性检测的反应体系、细胞实验的细胞株与检测指标）；

优化阶段：结构改造方案（如改造位点、引入的结构片段）、SAR 分析方法（如 IC50 变化与结构关联）、ADMET 实验方法（如溶解度测定的 pH 条件、肝微粒体代谢的物种来源）；

结果与分析：

筛选结果：化合物库筛选统计（如筛选 1000 个化合物，获得 20 个活性分子）、先导化合物列表（含结构、IC50、KD 值、选择性数据）、活性验证实验原始数据（如酶活性曲线、SPR 传感器图）；

优化结果：改造化合物的结构与活性对比（如每轮改造的 IC50 变化）、SAR 分析图表（如结构 - 活性热图）、ADMET 性质优化结果（如溶解度提升倍数、CYP 抑制率降低比例）、候选药物的最终数据（活性、选择性、成药性参数）；

结论与建议：先导化合物 / 候选药物的优势（如活性强、选择性高）、潜在风险（如某 ADMET 参数接近阈值）、后续研究建议（如体内实验方案、剂型优化方向）。

核心数据文件

筛选相关文件：虚拟筛选的结合能排序表（Excel 格式，含化合物 ID、SMILES、结合能、关键相互作用）、体外实验原始数据（如酶活性检测的吸光度值、细胞活性的 OD 值）、活性化合物的结构文件（SDF/MOL2 格式）；

优化相关文件：改造化合物的结构对比图（如原始结构与优化结构的叠加图）、SAR 分析原始数据（如不同改造方案的 IC50 统计表）、ADMET 实验报告（如 Caco-2 渗透性数据、肝微粒体代谢半衰期）；

候选药物文件：候选药物的结构文件（PDB 格式，含与靶点的结合模式）、体外活性与成药性汇总表、体内实验数据（如动物抑瘤率、药代动力学参数）。

可视化图表

筛选结果图：化合物活性分布直方图（IC50 分布）、先导化合物与靶点的结合模式图（标注氢键、疏水作用）、活性化合物的结构聚类图；

优化结果图：SAR 分析曲线（如侧链长度与活性的关系）、ADMET 性质优化对比图（如改造前后溶解度、生物利用度对比柱状图）、候选药物的体外活性剂量效应曲线（IC50 拟合图）；

验证结果图：候选药物的体内抑瘤曲线（肿瘤体积 - 时间曲线）、药代动力学曲线（血药浓度 - 时间曲线）。

（二）增值服务

高级筛选与优化分析

药效团建模与虚拟筛选：基于先导化合物的结构与活性数据，构建药效团模型（如含 2 个氢键供体、1 个疏水核心）；使用药效团模型从更大规模化合物库（如 ZINC15 数据库）中搜索匹配分子，扩大候选化合物范围；

分子动力学模拟验证：对候选药物与靶点的复合物进行 10-50 ns 分子动力学模拟，分析复合物稳定性（如 RMSD、氢键 occupancy）、结合模式动态变化，验证活性的可靠性；

耐药突变适应性分析：对候选药物进行耐药突变靶点对接与结合能计算，预测其对常见耐药突变的抑制效果（如是否对 EGFR T790M/L858R 双突变有效），评估临床应用潜力。

候选药物开发支持

合成路线设计：为候选药物提供化学合成路线（如关键中间体、反应条件、纯化方法），确保可规模化合成；对复杂结构分子，提供多路线对比与优化建议（如缩短步骤、降低成本）；

剂型优化建议：基于候选药物的理化性质（如溶解度、渗透性），推荐合适的剂型（如口服片剂、注射剂、纳米制剂），提供剂型设计参数（如辅料选择、制剂工艺）；

临床前研究方案设计：提供候选药物的临床前研究方案，包括动物模型选择（如肿瘤模型用 PDX 模型）、体内活性检测指标（如抑瘤率、生存期）、安全性评估项目（如急性毒性、长期毒性实验）。

技术支持与后续服务

实验技术培训：提供体外活性实验（如酶活性检测、SPR 操作）、分子对接软件（如 AutoDock Vina、Schrodinger）的使用培训，包括实验操作、参数设置、结果分析等实操步骤；

学术论文与专利支持：按期刊要求优化图表格式（分辨率 300 dpi、标注统计学差异），撰写筛选与优化相关的方法学部分与结果解读；协助撰写专利申请文件（如权利要求书、说明书中的实验数据整理）；

长期研发合作：为客户提供后续临床前研究（如药物代谢产物分析、毒理学实验）的技术咨询，跟踪候选药物的研发进展，及时调整优化策略（如针对体内实验结果进一步优化结构）。

六、技术优势

（一）高效筛选与精准优化，缩短研发周期

通过 “虚拟筛选 + 体外实验” 的高通量策略，可快速从百万级化合物库中筛选先导化合物，筛选效率比传统单一实验方法提升 10-100 倍；优化阶段基于 SAR 分析与 ADMET 预测的理性设计，避免盲目改造，每轮优化可使活性 / 成药性提升 5-10 倍，整体研发周期比传统方法缩短 30%-50%。

（二）多维度评估，平衡活性与成药性

突破传统筛选仅关注活性的局限，将 “活性 - 选择性 - ADMET - 安全性” 纳入全流程评估：筛选阶段通过 ADMET 初筛排除成药性差的分子，优化阶段同步提升活性与成药性（如在提升活性的同时降低 CYP 抑制率）；结合分子动力学模拟与 PBPK 建模，确保候选药物不仅体外活性强，还具备良好的体内药代行为与安全性，显著降低临床前失败风险。

（三）灵活适配多样化药物类型与靶点

可针对小分子化学药、抗体、多肽、核酸等不同类型药物设计筛选与优化方案：① 小分子药物侧重结构改造与 SAR 分析；② 生物药侧重亲和力成熟与稳定性优化；③ 核酸药物侧重化学修饰与递送系统匹配；同时适配不同靶点类型（酶、受体、抗原、耐药突变靶点），通过定制化对接模型、实验方法满足个性化需求（如膜蛋白靶点的膜环境模拟、天然产物的特殊分离策略）。

（四）专业团队与技术平台支撑，结果可靠

拥有跨学科团队（涵盖药物化学、分子生物学、生物信息学、药理学），熟练运用主流筛选工具（如 AutoDock Vina、Schrodinger）与实验技术（如 SPR、高内涵筛选）；建立标准化实验流程与质控体系（如体外实验设置阳性对照、阴性对照，确保数据重复性 RSD＜15%）；结合海量药物研发数据库（如 PDB、ZINC、ADMETlab），为筛选与优化提供数据支撑，确保结果的科学性与可靠性。