药物开发中,药物分子与靶点结合力是不是越强越好?

所属分类: 技术干货

发布时间: 2026-08-11

概要: 药靶结合亲和力由什么决定?亲和力过低、过高分别会导致哪些问题?


 


 


 

在药物研发的早期阶段,结合亲和力几乎是衡量一个候选化合物潜力的“硬通货”。

用平衡解离常数(Kd)来表征,数值越小代表亲和力越强。体外实验中,纳摩尔(nM)甚至皮摩尔(pM)级别的亲和力往往被视为筛选先导化合物的核心指标。

但问题是——到了体内,这套逻辑还成立吗?

点击文末阅读原文,

获取谱度众合专属分子动力学模拟相关实验方案~


 

01 亲和力到底是什么?


 

亲和力 Kd 由两个参数决定:

结合速率常数(kon):药物找到靶点并与之结合的速度

解离速率常数(koff):药物从靶点上脱落的速度

Kd = koff / kon

换句话说,一个高亲和力的药物,可能是结合特别快,也可能是解离特别慢,或者两者兼有。

问题在于:Kd 只是一个静态的热力学平衡值,而人体是一个动态的开放系统。

血流在冲刷、药物在代谢、靶点在不断更新。只盯着 Kd 看,信息严重不足。

02 亲和力过小:药效不够,毒性来凑


 

先说说低亲和力为什么被嫌弃。


 

低亲和力 → 高剂量 → 脱靶毒性


 

如果药物和靶点结合能力太弱,为了在体内达到有效治疗浓度,就必须大幅提高给药剂量。随着血液中游离药物浓度升高,药物很容易与结构相似的非靶点蛋白发生“脱靶”相互作用。

在激酶抑制剂的开发中有一个经典逻辑:当脱靶激酶的半数抑制浓度(IC50)低于治疗性最高血药浓度(Cmax)时,化合物通常会表现出明显的心脏毒性。


 

低亲和力 → 解离太快 → 药效短暂


 

在活体这个动态系统中,药物-靶点复合物解离后,游离药物会迅速被肝肾代谢清除。如果亲和力太低,解离过快,药效持续时间就会极短。

在ADC药物开发中,如果抗体部分亲和力过低,尤其是在肿瘤表面抗原表达量不高的情况下(比如每细胞低于10,000个受体),单个细胞内吞的细胞毒性载荷总量可能低于致死阈值,肿瘤细胞就有了逃逸的机会。

03 亲和力过大:三大陷阱等着你


 

体外实验中表现优异的超高亲和力分子,进入体内后可能面临截然不同的命运。


 

陷阱一:结合位点屏障


 

实体瘤内部高度致密,缺乏正常的淋巴回流,间质液压显著升高。对于单克隆抗体、ADC这类大分子药物,扩散是它们向肿瘤深层运输的主要方式。

超高亲和力药物进入肿瘤后,会立刻与血管周围第一批遇到的肿瘤细胞表面受体发生极强且几乎不可逆的结合。结果就是:血管周围的肿瘤细胞被“过度饱和”,而距离血管稍远的深层肿瘤组织却形成了无药区。

这种空间分布的不均匀不仅让深层肿瘤细胞逃脱治疗,还会在边缘低浓度区域诱导耐药性克隆的产生。


 


 

一个反直觉的发现

在一项针对前列腺特异性膜抗原(PSMA)的单域抗体ADC研究中,体外细胞杀伤效力较低的ADC分子,反而在体内展现出了更高的抗肿瘤功效。较低的亲和力让药物能够摆脱表层细胞的“束缚”,穿透至肿瘤更深处。

后来的研究也印证了这一观点:过高的亲和力/亲合力反而会损害肿瘤的积累和穿透,最高亲和力的构建体表现出最差的肿瘤暴露。


 

陷阱二:“中靶脱瘤”毒性


 

很多癌症靶点(如EGFR、HER2、MET)其实是肿瘤相关抗原 —— 在肿瘤上高表达,但在正常组织中也存在基础水平的表达。

如果药物亲和力过高,它就失去了区分“高表达肿瘤”与“低表达正常组织”的能力。

CAR-T细胞疗法中这个问题尤为致命。早期靶向HER2的高亲和力CAR-T细胞曾导致患者因正常的肺部组织受到攻击而出现致死性毒性反应。

解决方案是什么?把亲和力降下来。

研究表明,通过突变技术将CAR-T细胞表面的scFv亲和力从纳摩尔级别降低至微摩尔级别,可以赋予T细胞极其敏锐的 “抗原密度识别”能力。低亲和力受体只有在靶细胞表面抗原密度极高时,才能通过多价协同作用越过激活阈值。

ADC药物方面同样如此。一项针对抗MET-ADC的研究对比了高亲和力与低亲和力版本,结果显示:高亲和力ADC在正常肝脏组织中大量积累,导致严重肝毒性;而降低亲和力后的版本大大减少了正常组织中的非特异性摄取,同时依靠肿瘤部位的高表达维持了同等抗肿瘤效力,治疗指数至少扩大了三倍。


 

陷阱三:靶点介导的药物处置(TMDD)


 

靶点介导的药物处置是一个高度非线性的药代动力学现象 —— 化合物与靶点的高亲和力结合,会显著改变药物自身的分布和清除规律。

对于单抗、ADC这类生物大分子,当它们以极高亲和力结合到细胞表面靶点后,往往会被受体介导内吞并转移至溶酶体中降解。身体内广泛分布的靶点实质上充当了药物的“清除漏斗”。

如果药物亲和力过高,且全身靶点库巨大,绝大部分注射入体内的药物在到达肿瘤病灶前,就已经在血液循环或正常组织中被TMDD消耗殆尽。结果是半衰期急剧缩短,迫使提高给药剂量或频率,进而诱发更广泛的毒性。

2025年的一项研究对TMDD模型进行了重新审视,提出了基于药物亲和力和系统清除率的新型TMDD动力学分类方案。另一项针对抗GD2抗体的研究则直接证实:亲和力通过TMDD显著影响抗体的功能效力 —— 亲和力越高,TMDD效应越强,功能性效力反而可能受损。

04 范式转移:从“多强”到“多久”


 

既然高亲和力不是万能的,那什么才是更靠谱的指标?

答案是“停留时间”(Residence Time, RT) —— 药物分子与靶点受体形成复合物后,在发生解离前该复合物存续的平均物理时间:RT = 1 / koff

两个具有完全相同Kd值的药物,如果kon和koff不同,其药效表现可能有天壤之别。


 


 

经典案例:噻托溴铵

噻托溴铵(Tiotropium)和异丙托溴铵(Ipratropium)都是毒蕈碱型乙酰胆碱受体(mAChR)的拮抗剂。理想目标是阻断气道平滑肌上的M3受体(产生疗效),同时避免阻断心脏上的M2受体(避免心血管副作用)。

从传统亲和力测试来看,噻托溴铵对M3R和M2R的结合亲和力极为相似 —— 这似乎预示着它无法在疗效与毒性之间取得好的选择性。

但临床数据给出了完全相反的答案:噻托溴铵具有惊人的安全性及长达24小时的药效。

秘密藏在动力学参数里:

噻托溴铵在M3受体上停留时间极长(34.7小时),但在M2受体上解离很快。这种不依赖绝对亲和力、而是依靠不同亚型上解离速率差异获得的选择性,被称为“动力学选择性”。

研究揭示,这种长停留时间源于M3受体结合口袋上方特定酪氨酸残基组成的机械屏障 —— 药物结合后,受体构象改变,将药物紧紧“锁”在口袋里。

同样,抗癌药物伊马替尼(Imatinib)对Abl激酶的抑制也利用了类似的“构象诱捕”机制,使其在同源性极高的激酶家族中脱颖而出。

此外,2025年一篇系统综述明确指出,配体-受体复合物的时间稳定性已成为影响药效和药效动力学的关键因素。停留时间在药物发现中的重要性正日益被认可。

05 体外 vs 体内:两套逻辑


 

这里有一个值得注意的矛盾:在体外实验中,超高亲和力往往是必需的。

在靶点鉴定中,基于亲和力的Pull-down技术严重依赖于小分子探针与靶蛋白之间的稳定结合。纯化过程中有大量洗涤步骤,如果复合物解离过快,靶蛋白会严重丢失。

以Strep-Tactin XT系统为例,其与Twin-Strep-tag的结合亲和力被推到了皮摩尔级别,几乎接近共价结合强度。这种极端强烈的亲和力使得在复杂细胞裂解液中纯化极低丰度靶蛋白成为可能。

体外测定需要人为创造极高亲和力来对抗洗脱;体内则需要精准调控亲和力以适应微环境。 两套逻辑,不能混淆。

结语


 

回到最初的问题:药物分子与靶点结合越强越好吗?答案是否定的。

亲和力过低:药效不足,高剂量导致脱靶毒性;

亲和力过高:结合位点屏障阻碍组织穿透、丧失抗原密度识别能力引发正常组织毒性、TMDD加速药物清除。

最理想的药物设计,应当遵循 “金发姑娘原则” —— 不强不弱,恰到好处。

这不仅要求适中的宏观亲和力,更要求在微观动力学上具备优化的解离速率和足够长的靶点停留时间。

然而,理论与现实之间横亘着一个核心难题:如何在分子层面精准预测和验证这一“恰到好处”的结合行为?

传统的静态对接(Docking)和SPR实验虽然能提供亲和力数值与基础动力学参数,却无法回答更深层的问题 —— 药物-靶点复合物在真实生理液相环境中的动态构象如何演变?结合自由能到底由哪些残基驱动?长达微秒级别的结合过程是否隐藏着决定药效的关键事件?

这些问题的答案,指向了分子动力学模拟这一技术路径:


 


 


 

推荐

谱度众合:分子动力学模拟解决方案


 

针对新药研发中动态构象验证与结合能定量的关键需求,谱度众合推出分子动力学模拟解决方案。 客户仅需提供靶标蛋白及小分子配体信息,即可获得生理环境下的全原子动态模拟(ns~μs级)、结合自由能精确计算及残基级热点分析,交付含高分辨率图表、中英文方法描述及轨迹动画的SCI即用报告。

核心优势速览:

✔ 结合稳定可验证:模拟液相动态构象变化,RMSD数据直观评估结合持久稳定性,优于传统静态对接。

✔ 残基级热点定位:MM‑PBSA将结合自由能分解至每个氨基酸残基,明确有利与不利位点,精准指导结构优化。

✔ 多维交叉验证:同步分析RMSD、RMSF、回转半径、SASA等参数,多维互证热力学平衡,避免单一指标误判。

✔ SCI即用交付:提供高清可编辑图表、中英文方法描述段落及PDB轨迹动画,可直接引用或微调用于论文。

✔ 数据真实可靠:全流程输入参数、运行日志、原始轨迹可追溯复现,独立存储与严格权限隔离,确保数据安全。

点击文末阅读原文,

获取谱度众合专属分子动力学模拟相关实验方案~

参考资料

1. Rao MS, Gupta R, Liguori MJ, et al. Novel computational approach to predict off-target interactions for small molecules. Front Big Data. 2019;2:25. doi:10.3389/fdata.2019.00025

2. Song Y, Jeong H, Kim SR, et al. Dissecting the impact of target-binding kinetics of protein binders on tumor localization. iScience. 2021;24(2):102104. doi:10.1016/j.isci.2021.102104

3. Nessler I, Khera E, Vance S, et al. Increased tumor penetration of single-domain antibody-drug conjugates improves in vivo efficacy in prostate cancer models. Cancer Res. 2020;80(6):1268-1278. doi:10.1158/0008-5472.CAN-19-2294

4. Singh AP, Guo L, Verma A, Wong GGL, Thurber GM, Shah DK. Antibody coadministration as a strategy to overcome binding-site barrier for ADCs: a quantitative investigation. AAPS J. 2020;22(2):28. doi:10.1208/s12248-019-0387-x

点击下方“阅读全文” 获取资料

关键词: 药物开发中,药物分子与靶点结合力是不是越强越好?