著名的画家梵高曾经说过："伟大的事物都是由一系列小事积累而来的"，这句话形容基于片段筛选的药物设计和开发(Fragment-based Drug Design, FBDD)恰到好处。
早期的药物研发主要基于天然活性产物和已有的化合物库，从中随机筛选来发现新药，当真可谓是 "大海捞针"。为了提高新药研发的效率，药物化学家们不断寻找新的药物设计和药物筛选方法，随之便有了高通量筛选(High-throughput Screening, HTS)等方法。HTS红极一时，不少药物借此被开发并投入市场。然而当科学家们开始探索更复杂靶标以及全新靶标时，HTS便显得"江郎才尽"，不但筛选成功率低、而且存在假阳性、投资昂贵等问题。
2016年，Nature Reviews Drug Discovery期刊刊载了一篇综述：Twenty years on: the impact of fragments on drug discovery [1]，详细介绍了20年来FBDD方法的发展及展望。与HTS相比，基于片段的筛选不再从数百万的化合物数据库中寻找药物尺寸大小 (drug-size) 的分子，而是仅从几千个小化合物中通过检测分子结合作用寻找命中Hits。
如今，FBDD在制药领域的普及度甚至超过HTS，其背后的逻辑究竟是什么呢？
1. 小分子可以更好地匹配目标
2001年，Hann和其同事提出一个理论：由于空间阻碍的原因，化合物分子越大，与蛋白结合的机率越低 [2]。反之，小分子结构简单，更容易与靶蛋白热区结合，而且可以结合一个蛋白的多个位点和多个蛋白。因此基于片段筛选的命中率高于HTS。
2. 片段筛选依靠分子结合的多样性，而非强弱
报道中，Hann等人还首次提出”分子复杂性(molecular complexity)”的概念：分子结构越复杂，其特征越丰富，与蛋白的相互作用的可能性就越多。因此更容易发掘潜在药物分子。
HTS寻找的目标是紧密结合的分子，而FBDD的逻辑更符合”分子复杂性“概念。小片段与蛋白的相互作用虽然很弱，但是若通过片段连接(fragment-linking)、片段合并(fragment-merging)和片段生长(fragment-growing)等方法来优化和连接这些命中片段，组成一个药物尺寸的复杂大分子则更容易与靶标蛋白结合，成为候选药物。
正如梵高所说：伟大的事物都是由一系列小事积累而来的。
3. 片段筛选的化合物库更小、更高效
据估计，HTS化合物库中符合药物尺寸的分子数量超过了10的63次方个。面对这样的天文数字，高昂的资金投入，大量人力物力消耗难以避免。即使是大型药企的化合物库也不过几百万，不过触及了茫茫化学宇宙中的表面。而基于片段的筛选仅从几百到几千个化合物开始，而且可以创造更浩瀚的化学宇宙空间。
4. FBDD借助高灵敏的生物物理技术
并非所有HTS的检测技术都适用于FBDD。HTS通常借助生物化学手段进行筛选。而对于FBDD，由于小片段与靶标蛋白的结合力非常弱 (亲和力可从毫摩尔级至微摩尔级)，因此需要更高灵敏度的检测方法——这正是生物物理方法的点亮所在。这类方法不但具有更高的筛选通量和灵敏度，而且大大降低了假阳性几率和样品消耗量。
1
核磁共振技术
(Nuclear Magnetic Resonance, NMR)
2
温度依赖的荧光强度变化技术
(Temperature Related Intensity Change, TRIC)
3
表面等离子共振技术
(Surface Plasmon Resonance, SPR)
4
X射线单晶衍射技术
(X-ray Crystallography, X-ray)
5
热漂移检测技术
(Thermal Shift Assay, TSA)
五种技术对照表
基于片段的筛选既要确保片段浓度足够高，又要满足检测技术的超高灵敏度，对生物物理方法提出了独特的挑战。由于每种技术具有各自的优点和局限性，单一的方法很难保证能达到100%确定无误。因此，最佳的方法则是结合使用第二种技术来验证结果，排查假阳性，避免浪费宝贵的时间和资源。
FBDD确实是一个很好的策略。事实上，凭借这种极简主义的方法，研究人员发现了几十种目前处于临床测试阶段的分子和两种FDA批准的药物。此外，它还使药物发现从一个更小的角度开始向前发展。让我们一起期待接下来FBDD会给我带来什么新的惊喜。
1. Erlanson D A , Fesik S W , Hubbard R E , et al. Twenty years on: the impact of fragments on drug discovery [J]. Nature Reviews Drug Discovery, 2016.
2. Hann M M , Leach A R , Harper G . Molecular Complexity and Its Impact on the Probability of Finding Leads for Drug Discovery [J]. Journal of Chemical Information and Computer Sciences, 2001.
更多FBDD应用及技术对比，请
首页
