选择性面板 Selectivity Panel：避免脱靶风险的基础工作

选择性是安全性的第一道防线。一个高活性但选择性差的化合物，其毒性风险来自大量未预期的脱靶作用。系统的选择性评估应该在先导优化阶段就开始，而非等到候选提名前。

选择性的三个层次

层次	范围	时点
家族内选择性	同一蛋白家族的近缘成员	先导优化早期
安全药理面板	已知与毒性相关的高风险靶点	先导优化中后期
广谱脱靶筛查	全蛋白组或大规模面板	候选提名前

安全药理面板的核心靶点

类别	关键靶点	脱靶后果
离子通道	hERG	QT 延长、心律失常（见 057《hERG 风险》）
	Nav1.5	心脏传导异常
	Cav1.2	心血管效应
GPCR	5-HT2B	心脏瓣膜病
	多巴胺 D2	锥体外系反应、催乳素升高
	毒蕈碱 M1-M5	抗胆碱副作用
	肾上腺素能受体	心血管效应
转运体	hSERT、DAT、NET	中枢神经系统效应
核受体	PXR、CAR、AR、ER	DDI、内分泌效应
酶	MAO、COX、PDE、AChE	各类药理效应

5-HT_2B 值得特别注意：它的激动与心脏瓣膜病相关，历史上有药物因此撤市。激动剂活性尤其危险——因此面板中应同时测激动与拮抗模式。

判读标准

# 核心判据：脱靶活性与治疗浓度的比值
#
#   选择性倍数 = 脱靶 IC50 / 靶点 IC50
#   安全边际  = 脱靶 IC50 / 治疗游离浓度
#
# 经验参考：
#   安全边际 > 100 倍   通常可接受
#   30~100 倍           需要评估该脱靶的后果
#   < 30 倍             需要优化或充分论证
#   < 10 倍             高风险
#
# 关键提醒：
#   1) 必须用游离浓度（见 062），不是总浓度
#   2) 不同脱靶的可接受边际不同 ——
#      hERG、5-HT2B 要求更严
#   3) 「脱靶活性」的后果取决于该靶点的生理功能
#      → 需要逐个评估，而非只看数字

def selectivity_assessment(target_ic50_nm, offtarget_results,
                           free_cmax_nm, critical_targets=None):
    critical = critical_targets or ["hERG", "5-HT2B", "Nav1.5"]
    flags = []
    for name, ic50 in offtarget_results.items():
        margin = ic50 / free_cmax_nm
        threshold = 100 if name in critical else 30
        if margin < threshold:
            flags.append({"target": name, "margin": round(margin, 1),
                          "threshold": threshold,
                          "severity": "高" if name in critical else "中"})
    return sorted(flags, key=lambda x: x["margin"])

提高选择性的策略

• 利用序列差异：找出靶点与脱靶在结合位点上的非保守残基，设计与之特异作用的基团。这是最根本的策略；
• 利用构象差异：某些靶点有独特的构象状态（如激酶的 DFG-out），针对它设计可获得选择性；
• 利用口袋大小差异：如果靶点口袋比脱靶大，可以加大基团让脱靶容纳不下；
• 共价策略：利用靶点中非保守的半胱氨酸（见 379《共价抑制剂设计》）；
• 变构位点：变构位点的保守性通常远低于正构位点（见 381《变构位点发现 Allosteric Site》）——这是变构调节剂最有说服力的理由；
• 降低脂溶性：非特异性疏水结合是脱靶的常见来源，降 logP 通常同时改善多个脱靶；
• 动力学选择性：利用驻留时间差异（见 074《SPR 实验》）。

计算辅助的选择性设计

# 1) 序列比对找差异残基
from Bio import Align

# 比对靶点与主要脱靶的结合位点序列
# 找出非保守位置 → 选择性机会点

# 2) 结构叠合分析
# 把靶点与脱靶的结构叠合，
# 观察口袋形状、静电分布的差异

# 3) 对同源蛋白建模并对接
# 如果脱靶没有实验结构，用同源建模或 AlphaFold（见 343）
# 然后对接同一化合物，比较结合模式

# 4) 选择性的 FEP 计算
# 计算同一改造在靶点与脱靶上的 ΔΔG 差异
# → 直接预测选择性的变化
# 这是 FEP 的一个高价值应用场景（见 201）

# 5) 多靶点 QSAR
# 对靶点与脱靶分别建模，
# 用「靶点预测活性 - 脱靶预测活性」作为选择性代理指标
# → 可用于虚拟筛选与生成模型的打分

什么时候可以接受较低的选择性

• 脱靶的生理后果不严重：需要逐个评估，而非一刀切；
• 脱靶在目标组织不表达：组织特异性提供了实际的选择性；
• 多靶点是设计意图：某些疾病（如某些肿瘤、精神疾病）中，适度的多靶点作用可能有益——但这需要明确的机制论证，不能作为选择性差的事后辩解；
• 适应症可接受：晚期肿瘤的获益/风险平衡与慢性病预防用药不同；
• 可通过监测管理：某些脱靶效应可通过临床监测发现并处理。

延伸资源

• 激酶选择性谱：081《Kinome Profiling》；hERG：057《hERG 风险》；
• 共价与变构：379《共价抑制剂设计》、381《变构位点发现 Allosteric Site》；毒理窗口：409《毒理窗口 Toxicology Window》。