目标产品特征 TPP：项目一开始就要回答的问题

目标产品特征（Target Product Profile, TPP）描述你想做出一个什么样的药：给谁用、治什么、怎么给药、要达到什么效果、安全性要求是什么。它是项目所有技术决策的锚点——没有 TPP，就没有判断「够好了没有」的标准。

TPP 的核心内容

项目	需要回答
适应症	治疗什么疾病？哪个亚群？一线还是后线？
目标人群	有生物标志物筛选吗？患者规模多大？
给药途径	口服？注射？吸入？局部？
给药频率	每日一次？每周？每月？
疗效目标	相对标准治疗要好多少？终点是什么？
安全性要求	可接受的不良反应谱？需要监测吗？
联合用药	单药还是联用？与什么联用？
差异化	相对竞品的优势是什么？
商业考量	市场规模、定价、报销

从 TPP 反推技术标准

# TPP 的价值在于它能反向定义每个技术参数的要求

# 例：TPP 要求「口服，每日一次，慢性给药」
#
# → 给药途径「口服」意味着：
#     需要足够的溶解度与通透性
#     生物利用度 F > 20~30%
#     首过代谢不能太强
#
# → 频率「每日一次」意味着：
#     人体半衰期 t½ > 8~12 小时
#     → 反推清除率上限
#     → 反推所需的代谢稳定性
#
# → 「慢性给药」意味着：
#     安全窗口要求更宽（比急性用药严格）
#     不能有蓄积
#     药物相互作用风险要低（患者常合并用药）
#     成本要可接受
#
# → 综合得出具体的筛选标准：
#     人肝微粒体 CLint < X
#     Caco-2 Papp > Y
#     溶解度 > Z
#     hERG 安全边际 > N 倍
#     CYP 抑制 IC50 > M

# 这就是 TPP 如何变成 DMTA 的具体判据

这个反推过程是 TPP 最实际的用途：它把商业与临床目标翻译成化学家每天要看的数字。

剂量预测：TPP 的关键检验

# TPP 中的「每日一次口服」隐含了剂量约束
#
# 片剂大小的现实限制：
#   单片通常 < 500 mg 原料药（加辅料后片重更大）
#   患者依从性：最好每次 1~2 片
#   → 实际的每日剂量上限常在 200~1000 mg
#
# 因此在先导优化阶段就应该做剂量预测（见 407）：
#   如果预测需要每天 2 克，TPP 就无法满足
#   → 要么改善分子，要么修改 TPP（如改为每日两次或注射给药）
#
# 这个检验越早做越好 —— 它能避免在注定无法满足 TPP 的
# 分子上继续投入

「最低可接受」与「理想」两档

# 好的 TPP 应该给出两档标准

TPP = {
    "indication": {
        "ideal": "一线治疗，全人群",
        "minimum": "二线治疗，标志物阳性亚群",
    },
    "route_frequency": {
        "ideal": "口服，每日一次",
        "minimum": "口服，每日两次",
    },
    "efficacy": {
        "ideal": "相对标准治疗改善 > 50%",
        "minimum": "相对标准治疗改善 > 25%",
    },
    "safety": {
        "ideal": "无需特殊监测",
        "minimum": "需要常规肝功能监测",
    },
}

# 「最低可接受」定义了项目的生死线：
#   达不到就应该终止
#
# 「理想」定义了努力方向：
#   但不必为了追求理想而无限延后
#
# 这两档的区分能避免两种错误：
#   1) 标准太高 → 永远达不到，项目无限拖延
#   2) 标准太低 → 做出没有竞争力的产品

常见的编写误区

• 写得太晚：最常见的问题。等到候选提名阶段才写 TPP，那时技术路线已经锁定，TPP 只是事后描述而非指导。TPP 应该在项目立项时就有初稿。
• 写得太模糊：「安全有效的口服药物」不构成 TPP。必须有可检验的具体标准。
• 只有理想没有底线：没定义「最低可接受」，就没有终止标准，容易陷入沉没成本；
• 不考虑竞争格局：TPP 应该基于「产品上市时的标准治疗」而非「今天的标准治疗」——竞品也在进步；
• 忽略商业可行性：技术上可行但市场太小、定价无法覆盖成本的产品，技术成功也是商业失败；
• 从不更新：TPP 应该随着数据积累与竞争格局变化定期回顾更新，但更新要有明确理由，不能为了迁就数据而降低标准。

TPP 与 AI/计算的关系

• TPP 定义了 MPO 的目标函数：多参数优化的每个参数的目标范围，都应该来自 TPP 的反推（见 415《化合物优先级排序》）；
• TPP 定义了模型的评估标准：模型要预测的是「能否满足 TPP」，而不是抽象的指标最优；
• TPP 定义了终止标准：什么时候该停止优化、什么时候该终止项目；
• 没有 TPP 的 AI 优化容易跑偏：模型会优化你写下的目标函数，而目标函数如果不是从真实需求推出来的，优化得再好也没有意义。

与监管的关系

• TPP 的很多内容会成为未来产品说明书的基础；
• 与监管机构的早期沟通（如 pre-IND 会议）应该基于 TPP 讨论开发计划；
• 临床终点的选择需要监管认可——在 TPP 阶段就应该确认所选终点是否被接受，而不是等到 II 期设计时；
• 某些监管路径（如加速批准）有特定要求，会影响 TPP 的制定。

延伸资源

• MPO：415《化合物优先级排序》；候选提名：411《Clinical Candidate Nomination》；
• PK/PD 与剂量预测：407《PK/PD 关系》。