SuZhou Teligene Ltd.

4月24日，浙江同源康医药（股票代码：02410.HK）宣布向中国药监局药品审评中心（CDE）提交了其自主研发的1类新药甲磺酸艾多替尼片（TY-9591）的Pre-NDA申请。这款药物作为第三代EGFR-TKI（表皮生长因子受体酪氨酸激酶抑制剂），瞄准了非小细胞肺癌（NSCLC）脑转移这一临床需求高度未满足的领域，并有望成为全球首个针对该适应症的第三代EGFR-TKI药物。根据公开信息，该药物的关键注册性研究TYKM1601202（ESAONA）是一项多中心、随机、活性对照的II期临床试验，由中国医学科学院肿瘤医院石远凯教授牵头，覆盖53家研究中心，共入组224例EGFR敏感突变的NSCLC脑转移患者。研究结果显示，甲磺酸艾多替尼片在主要终点，颅内客观缓解率（iORR）上显著优于当前标准治疗药物奥希替尼（阿斯利康的第三代EGFR-TKI，商品名泰瑞沙）。具体而言，甲磺酸艾多替尼片组的iORR达到“显著优效”，尤其是在脑转移患者中展现出近乎“天花板”的疗效，例如I期研究曾报道其针对脑转移患者的iORR高达100%。此外，亚组分析显示，无论是19号外显子缺失还是21号外显子L858R突变的患者，甲磺酸艾多替尼片的疗效均优于奥希替尼，且在不同基线特征（如颅内病灶数量、ECOG评分）的患者中表现一致。甲磺酸艾多替尼片的II期“头对头”试验直接挑战奥希替尼，并取得统计学显著优效结果，这在国产创新药中并不多见。此前，康方生物的依沃西单抗曾在III期临床试验中击败默沙东的“药王”K药（帕博利珠单抗），引发市场轰动。安全性方面，甲磺酸艾多替尼片通过优化药物代谢特性，显著减少了毒性代谢产物AZD5104的生成，仅为奥希替尼的50%左右，从而降低了皮疹、腹泻、甲沟炎等典型EGFR-TKI不良反应的发生率。III级及以上不良反应发生率为24.8%，严重不良事件（SAE）发生率仅为6.7%，且未观察到奥希替尼常见的间质性肺病、心肌病等特殊风险。肺癌是脑转移发生率最高的恶性肿瘤，约25%-44%的晚期NSCLC患者在初诊时已存在脑转移，而EGFR突变患者的3年累积脑转移率可达29.4%-60.3%。但现有EGFR-TKI药物（包括奥希替尼）虽能一定程度穿透血脑屏障，但其适应症并未专门针对脑转移，临床疗效有限，患者中位生存期仅为7-12个月。甲磺酸艾多替尼片的设计重点提升了入脑能力，临床前数据显示其血脑屏障穿透效率显著优于同类药物，这为其在脑转移适应症上的优势奠定了基础。目前，全球范围内尚未有第三代EGFR-TKI获批用于NSCLC脑转移的专属适应症。甲磺酸艾多替尼片若成功上市，不仅将填补这一空白，还可能重新定义脑转移患者的治疗标准。中国药监局（NMPA）已将其纳入附条件上市品种，加速审批流程，进一步凸显了其临床价值。尽管甲磺酸艾多替尼片在疗效上表现亮眼，但其面临的竞争环境复杂。奥希替尼作为第三代EGFR-TKI的标杆，2024年全球销售额达65.8亿美元，在中国市场占据主导地位，且其适应症已涵盖EGFR突变NSCLC的广泛人群。然而，奥希替尼在脑转移领域的疗效存在局限性，这为甲磺酸艾多替尼片提供了差异化竞争的空间。同源康医药的策略是聚焦“小而专”的细分市场，EGFR突变NSCLC脑转移患者，这一群体在中国每年新增约16.6万例，预计2033年将增至21.8万例。尽管患者基数相对较小，但甲磺酸艾多替尼片若能凭借专属适应症和更优的疗效数据抢占先机，可能快速建立市场优势。此外，国内其他药企也在布局同类赛道。艾力斯的伏美替尼（国产第三代EGFR-TKI）已通过适应症扩展实现年销售额超35亿元，并正在开展与奥希替尼的“头对头”III期临床试验，目标同样包括脑转移患者。苏州韬略生物的克耐替尼虽进展较慢，但也是潜在竞争者。因此，甲磺酸艾多替尼片需在上市后迅速巩固临床优势，并通过适应症扩展（如针对EGFR L858R突变的III期临床）扩大市场覆盖。同源康医药在商业化布局上似乎采取了两条路径：一是自建销售团队，专注于学术推广；二是与国内头部药企合作，借助成熟渠道加速市场渗透。这样一来，创新药在中国的商业化成功往往依赖高效的渠道管理和医生教育，而头部药企的资源和经验可弥补Biotech公司的短板，艾力斯的伏美替尼通过与正大天晴合作，迅速打开了市场，若甲磺酸艾多替尼片能复制这一模式，那么上市后的放量速度值得期待。从定价策略看，甲磺酸艾多替尼片作为“Me-Better”药物，可能采取与奥希替尼接近的定价，但凭借更优的疗效和安全性，仍具备竞争力。此外，附条件上市政策允许其在完成III期临床试验前先行商业化，这将为其赢得宝贵的市场先机。甲磺酸艾多替尼片的Pre-NDA申请标志着同源康医药在肺癌靶向治疗领域迈出了关键一步。尽管面临奥希替尼等强敌的竞争，但凭借差异化的适应症定位、附条件上市的政策红利以及合理的商业化策略，甲磺酸艾多替尼片有望在细分市场中快速崛起，为更多聚焦未满足临床需求的小众赛道药物提供了参考路径。信息来源：同源康医药官微药事纵横投稿须知：稿费已上调，欢迎投稿

作为一门深度融汇生物学、医学、数学、统计学、计算机科学、物理、化学等学科的新兴交叉学科，计算生物学正引领生命科学研究范式实现从定性实验观察到定量预测创造的革命性跃迁，使得人们能够更全面深入地对生命系统进行探究，从而更好地去理解生命运行的本质规律。 近年来计算生物学在多组学、结构生物学、制药、合成生物学等领域已取得了诸多亮眼的成果，特别是在大数据技术与人工智能算法的双重赋能下，计算生物学正加速突破传统实验科学的时间与空间限制，未来将会在生命科学更多领域大放异彩。本文立足当下计算生物学的发展前沿，从基础研究、应用转化及产业发展几个维度进行了梳理，旨在为关注计算生物学的读者提供参考。 一 计算生物学 （一）什么是计算生物学 计算生物学（computational biology）是一门多学科交叉的新兴学科，参考《计算生物学》（张岩主编，北京：科学出版社）的定义，计算生物学是指“开发和应用数据分析及理论的方法、数学建模和计算机仿真技术等，用于生物学、行为学和社会群体系统研究的一门学科”。计算生物学涉及的学科包括生物学、医学、数学、统计学、计算机科学、物理学、化学等，区别于传统生物学主要基于实验的研究方法，计算生物学研究方法则主要基于数据及计算，尤其是在当下大数据（big data）、人工智能（artificial intelligence，AI）高速发展的浪潮中，计算生物学的优势及价值更引发了大众的关注。 计算生物学之学科高度交叉性的特征，使得其在大众的印象中常常与系统生物学（systematic biology）、数学生物学（mathematical biology）、生物信息学（bioinformatics）等另一些与生物息息相关的交叉学科混淆在一起，特别是生物信息学。计算生物学与生物信息学两者的研究内容往往相互交织，难有一个清晰的界限。不过学界认为两者的侧重点有所不同，参考复旦大学校长金力院士、美国Harvard University生物信息学领域Ming Tommy Tang教授等学者的观点，计算生物学侧重于利用计算方法来探索生物学问题，要点在于发现（it’s about discovery）（图1），而生物信息学则更侧重于生物学信息的采集、存储、分析、可视化等方面的新方法及新工具，要点在于问题解决方案（it’s about engineering）。 图1. 计算生物学示意图 图片来源：www.differencebetween.com （二）计算生物学之于生物学的意义 计算生物学近年来发展迅猛，基因测序深度挖掘、单细胞组学及空间组学、AlphaFold预测蛋白质折叠结构等领域取得了突破性进展，推动了基础生物学研究的发展，在医学、药物研发等领域也产生了深远影响。类似于计量经济学之于经济学，笔者认为计算生物学之于生物学的重大意义在于突破了生物学的研究范式，在哲学角度将生物学从定性描述推动到定量预测、从部分（局部）还原推动到整体（系统）整合，在工具角度将生物学从传统的“观察-假设-验证”的线性模式推向高效的“数据驱动-理论建模-实验验证”的迭代模式。 传统的生物学实验主要依赖实验室试错（e.g. 逐一敲除基因来验证基因功能），周期长成本高，难以研究复杂系统（e.g. 信号网络）；而计算生物学则可利用数学模型及算法来模拟生物过程，实现提前预测实验结果（e.g. AlphaFold，弥合“干实验”与“湿实验”的鸿沟）、虚拟实验（e.g. 模拟药物与靶点相互作用实现虚拟药物筛选）以及逆向工程（reverse engineering, e.g. 基于单细胞测序数据重建细胞分化路径）。 另外，诸多生命现象是跨尺度（cross-scale）、多层级（multi-level）、动态演化（dynamic evolution）的复杂系统，例如脑功能、免疫应答、分化发育等，是“more is different”的典型体现。计算生物学不仅基于传统生物学长期依赖“拆分-分析”的还原论（reductionism）思想，也整合了整体论（holism）思想，更擅长揭示“整体大于部分之和”涌现现象（emergence）的生命本质。 二 计算生物学的研究及应用 计算生物学作为一门融合生物学、计算机科学、数学等学科的交叉学科，其研究与应用方向广泛覆盖了从分子到生态系统的多层次生命科学问题（图2）。 图2 计算生物学的研究及应用 图片来源：康橙投资 （一）基础研究方向 1. 基因组学与生物信息学 在该方向上计算生物学与生物信息学的研究内容有较多重叠，主要包括基因序列分析（e.g. 基因组学的算法开发）、变异检测与功能预测（e.g. 单核苷酸多态性、结构变异及其与疾病的关联）、进化分析（e.g. 系统发育树构建、物种演化解析）等研究领域。 例如，计算生物学可以通过组学分析揭示肿瘤发生机制。北京大学肿瘤医院解云涛教授团队于2021年在Cancer Research期刊上报道了他们基于单细胞转录组测序、全外显子组测序的基础研究，他们对多例BRCA1突变乳腺癌患者的肿瘤样本、癌旁正常样本、对侧预防性切除样本进行了测序及分析，发现BRCA1突变乳腺癌的起源细胞，并表明这类起源细胞在肿瘤发生前的异常可能是促进肿瘤发生的关键因素。 另外，计算生物学在基因组学与生物信息学方向的成果经常会开发成为算法平台或分析软件工具。西南华大生命科学研究院的科研团队于2025年2月在Cell Systems期刊上报道了他们开发的新算法SpaTrack，该算法可以推断细胞时空分化轨迹，为揭示组织发育、器官再生和疾病进展的动态研究提供了有效的方法支持（图3）。 图3. 新算法SpaTrack 图片来源：Cell Syst., 2025, doi: 10.1016/j.cels.2025.101194 2. 蛋白质结构与功能预测 在蛋白质结构与功能预测方向上计算生物学目前已大放异彩。 在蛋白质结构预测领域，基于深度学习（deep learning）（e.g. AlphaFold、RFdiffusion、RoseTTAFold）预测蛋白质折叠结构于2024年荣获诺贝尔化学奖，一半授予大卫·贝克（David Baker），“以表彰他在计算蛋白质设计方面的贡献”；另一半则共同授予德米斯·哈萨比斯（Demis Hassabis）和约翰·M·詹珀（John M. Jumper），“以表彰他们在蛋白质结构预测方面的成就”（图4）。 图4. 2024年诺贝尔化学奖获得者 图片来源：www.nobelprize.org 在蛋白质功能预测领域，计算生物学可以预测酶活性，设计人工蛋白质；另外，还可以利用分子动力学方法模拟研究蛋白质构象变化，特别合适用于解析药物靶点的动态行为，加速新靶点的筛选进程。2024年3月推出的RFdiffusion和RoseTTAFold2网络，通过计算机模拟和实验验证，成功设计出了全新的单域抗体（variable heavy-chain of heavy-chain antibodies，VHH），该研究是将人工智能蛋白质设计工具应用于制造新抗体的标志性事件。 3. 单细胞与空间组学 近年来，单细胞和空间组学（single-cell and spatial genomics）技术的发展及应用刷新了人们对复杂生物系统中细胞状态和细胞异质性（cell heterogeneity）的认识，为单细胞的功能基因组学及其在组织内空间环境的检查提供了全新的解决方案，这些发展及进步的背后均离不开计算生物学的贡献。在该方向，计算生物学的研究内容主要包括单细胞转录组分析（e.g. Seurat、Scanpy等解析工具）、空间转录组整合（e.g. 结合基因表达与组织定位信息）、多组学数据融合（e.g. 整合基因组学、表观遗传学组学、蛋白质组学）等领域。 例如研究者们基于计算生物学工具可以针对细胞亚群开展动态相互作用研究、针对胚胎发育过程构建细胞命运决定的时空图谱。上海交通大学医学院附属仁济医院心内科卜军课题组于2025年1月在Nature Immunology期刊上报道了他们基于全生命周期队列和单细胞与多组学技术的最新成果。在该研究中，他们基于上海浦东队列人群（NCT05206643）绘制了人类从出生到衰老的免疫细胞图谱，揭示了人类免疫细胞在发育、成熟和衰老的不同年龄阶段的功能特征（图5）。其中，T细胞功能受年龄影响最为显著，其不同亚群中呈现出不同的衰老模式，并因此开发了基于人工智能的全生命周期siAge免疫年龄预测模型，为免疫相关慢病临床诊断和个性化治疗提供工具。 图5. 人类从出生到衰老的免疫细胞图谱 图片来源：Nat. Immunol., 2025, 26, 308-322 4. 系统生物学与网络建模 简单来讲，系统生物学是一个使用整体论研究范式探索生物系统如何行使功能的学术领域。目前计算生物学在该方向的研究主要包括基因调控网络分析（e.g. 构建转录因子与靶基因的相互作用模型）、代谢网络分析（e.g. 预测代谢通量分布用于优化微生物生产）、信号通路模拟（e.g. 研究细胞信号通路的动态响应）等，在癌症耐药性机制解析方面、合成生物学中人工基因回路的设计等方面有较多应用。 例如，爱丁堡大学Ramon Grima课题组于2024年在Nature Communications期刊上报道了他们利用计算生物学解决随机基因网络动态问题的探索，他们使用了一种高阶线性映射近似（high-order linear-mapping approximation，Holimap）方法，通过一个更简单反应体系的分布来近似揭示复杂基因调控网络中蛋白质或mRNA的分布问题（图6）。在该方向上计算生物学的模型虽然未必完全正确，但对相关问题的理解及进一步探索仍有许多启发及参考意义。 图6. Holimap新方法与随机模拟算法的对比示意图 图片来源：Nat. Commun., 2024, 15: 6557 5. 生态系统与进化生物学 目前计算生物学在该方向的代表研究包括通过种族遗传模拟（e.g. 研究自然选择及基因流）、生态系统建模（e.g. 气候变化对物种分布的影响、农业病虫害的进化预测、濒危物种的保护策略优化）、微生物组分析（e.g. 肠道菌群与宿主健康的关联）等。 肠道微生物组与多种疾病的潜在联系近年来受到广泛关注，结合机器学习技术能够帮助研究者更好地发现有价值的信息。克罗恩病（Crohn's disease，CD）是一种影响数百万人的慢性、反复发作的炎症性肠病（inflammatory bowel disease，IBD），同济大学朱瑞新团队、中山大学附属第六医院朱立新团队和郅敏团队于2024年在Cell Reports Medicine期刊上报道了他们关于CD疾病的研究成果，在该研究中研究了148名缓解期CD患者（CD in remission，CD-R）、活跃期CD患者（active CD，CD-A）、其对应健康一级亲属（healthy first-degree relatives，HFDR）及非相关对照的粪便宏基因组、靶向短链脂肪酸和炎症血清标志物数据，并纳入了8个队列的克罗恩病粪便微生物全宏基因组测序（whole metagenome sequencing，WMS）数据及5个队列的多疾病粪便微生物全宏基因组测序数据，基于数据分析确定了与CD复发相关的肠道短链脂肪酸相关微生物，揭示了CD的微生物学变化情况，并在此基础上，进一步利用机器学习方法筛选了CD临床诊断的新标志物组合（图7）。 图7. 计算生物学在克罗恩病研究中的应用 图片来源：Cell Rep. Med., 2024, 5(7): 101624 6. 其他新兴交叉领域 计算生物学在其他新兴交叉领域也在探索中，例如在神经科学与脑连接组学领域，基于深度学习模拟大脑认知功能、基于脑影像数据解析阿尔兹海默症生物标记物、帕金森病深部脑刺激疗法开发是较为典型的例子。 （二）应用转化方向 1. 药物研发与精准医疗 药物研发与精准医疗是计算生物学在实际应用中进度最快的应用转化方向，包括从计算辅助药物设计（computer-aided drug design，CADD）到人工智能驱动药物发现（artificial intelligence-driven drug discovery，AIDD）、从虚拟筛选（virtual screening）到药代动力学建模以及从新型疗法到个性化治疗等方向。 AIDD是近年来生物医药圈的热门词汇，英伟达创始人黄仁勋也多次提及“AI+医药”是下一个黄金赛道的观点，业务涉及AIDD的国内领跑企业晶泰控股（XtalPi）、英矽智能（Insilico Medicine）等的发展动态也是资本市场重点关注的话题。例如，英矽智能在自有生成式人工智能平台Pharma.AI的驱动下，2024年在早期药物发现、临床申报审批、临床阶段验证等不同环节实现了多点突破（图8）。 图8. 英矽智能研发管线 图片来源：英矽智能 计算生物学在临床疗效预测方面也有很多进展，例如基于肿瘤突变负荷（tumor mutation burden，TMB）的免疫治疗响应预测是这方向的一个研究热点。TMB是指特定基因组区域内每兆碱基对发生体细胞非同义突变的数量，其水平与肿瘤新抗原产生能力及DNA修复程度密切相关，因此也是评估免疫检查点抑制剂（immune checkpoint inhibitors，ICI）治疗反应的重要生物标志物。针对当前TMB尚未充分考虑肿瘤克隆异质性和多个治疗终点等因素影响的短板，南京航空航天大学宋晓峰、王以瑄团队联合西安交通大学王嘉寅团队、西安交通大学第二附属医院杨拴盈团队与世和基因合作，开发了一款灵活、高效、可扩展的统计模型肿瘤突变负荷异质性优化回归（THOR）模型，显著提高了基于TMB的免疫治疗疗效预测性能，相关研究结果发表于2025年Briefings in Bioinformatics期刊上（图9）。 图9. THOR方法示意图 图片来源：Brief. Bioinform., 2025, 26(1): bbae648 2. 合成生物学与生物工程 在计算生物学手段的帮助下，助推了合成生物学与生物工程中优化基因回路设计（e.g. 优化代谢通路）、优化微生物筛选等环节的开发进程。 合成酵母基因组项目（Sc2.0）是合成基因组学领域的标志性国际合作项目，包括了来自美国、英国、中国、日本、澳大利亚、新加坡等国家的国际团队。Sc2.0旨在通过从头设计和构建全新的酵母基因组合，为未来生物制造打开一扇新的大门。在多国团队的密切合作下，2023年11月8日同时上线10篇研究论文（2篇Cell，1篇Molecular Cell，7篇Cell Genomics），共同宣布完成了酵母全部16条染色体和一条特殊设计的tRNA全新染色体的设计与合成（图10）。在Sc2.0中，计算生物学发挥了核心设计和优化作用，不仅是“设计蓝图”的绘制者，更是“工程监理”和“质检员”，贯穿了从基因组设计到功能验证的全流程。例如，在基因组设计环节，利用计算工具移除冗余序列设计更紧凑的基因组结构；在合成过程优化环节，通过算法预测重叠DNA片段最佳长度、计算模拟DNA片段组装路径；在功能验证环节，通过机器学习预测潜在缺陷、评估合成基因组的表达稳定性。 图10. 多条合成型染色体整合至单个细胞的示意图 图片来源：Cell, 2023, 186(24): 5220-5236.e16 聚羟基脂肪酸（polyhydroxyalkanoates，PHA）是一类由微生物合成的天然高分子聚合物（图11），具有良好的生物相容性、生物可降解性。在合成生物学领域，PHA是一个代表产品。在PHA的设计及生产中离不开底盘细胞（e.g. 嗜盐单胞菌），计算生物学通过精准设计代谢网络、动态调控基因表达、智能优化发酵工艺，可将底盘细胞改造为高效的“细胞工厂”，推向PHA生产从实验室走向工业化。在这个过程中，计算生物学在代谢通路设计（e.g. 包括目标基因挖掘、代谢网络构建）、基因回路设计（e.g. 动态调控系统、适配性优化）、发酵过程模拟与放大（e.g. 机器学习优化发酵条件）、产物结构与性能预测（e.g. 链段分布、结晶度、降解速率）等环节都能发挥重要作用。 图11. 微生物合成所得PHA的代表性单体 图片来源：Microb. Biotechnol., 2013, 6: 621-636 三 计算生物学的产业发展 （一）发展现状及趋势 当前计算生物学仍主要停留在科研院所或实验室中，存在形式主要为计算平台/模型，科研合作为主，市场化付费采购的意愿有限。虽然计算生物学具有巨大的潜在价值，不过从商业化落地进度来看，其产业之路仍任重道远，当前还难以估算市场规模。 从行业长期趋势来看，计算生物学在生物医药领域产业化中将会扮演愈发重要的角色，预计将逐步从初阶的工具升级覆盖到高阶的生态，其核心逻辑一方面来自计算生物学助推研发效率提升，一方面也来自计算生物学能够启发人们对复杂生命体系本质的理解。 从短期产业化视角来看，计算生物学将率先以工具属性的角色产生价值，目前在生物医药创新链条的关键环节即将迎来突破。特别是在新型疗法开发领域，计算生物学通过软件即服务（software as a service，SaaS）、研发外包（contract research organization，CRO）等模式，在核酸药物的序列设计、细胞疗法嵌合中的抗原受体（chimeric antigen receptor，CAR）的结构设计、基因疗法基因编辑工具的优化、脑机接口复杂脑信号的分析解读、复杂递送系统的优化等关键环节贡献了重要作用。随着计算生物学的发展，基于其对复杂生命系统不同层次不同时空维度的深入系统的理解及其给人们带来的启发，计算生物学中期、长期的产业化预计将逐步走向“数据-计算-实验-产品”的平台模式，或更进一步的发展为开源或半开源的生命科学底层操作系统的生态模式。 （二）产业链及商业模式 目前计算生物学产业处于发展阶段，笔者此处按照底层支撑层及上层应用层的方式呈现产业链情况（图12）。底层支撑层由涉及计算生物学的技术及基础设施构成，主要包括实验数据获取、生物信息软件、开源软件+平台算法、计算硬件+加速引擎、生物数据库、智能实验室等支撑点，当前主要参与方是科研机构及企业研发部门。上层应用层主要由利用计算生物学工具在某个具体应用场景进行开拓的企业构成，当前主要形式包括组学服务公司、精准医疗公司、AI制药公司及合成生物学公司。 图12. 计算生物学产业链（底层支撑层+上层应用层） 图片来源：康橙投资 基于交付的产品或服务的不同，计算生物学产业化目前呈现软件工具服务类（表1）及生物资产交付类（表2）两种商业模式。 表1. 软件工具服务类商业模式 资料来源：康橙投资 表2. 生物资产交付类商业模式 资料来源：康橙投资 四 小结和展望 计算生物学是一门涉及生物学、医学、数学、统计学、计算机学、物理学、化学等多学科交叉的新兴学科，其发展不仅是生命科学研究的“加速器”，更是生命科学研究的“范式颠覆者”。虽然在数据质量及数据安全、高效可靠算法及模型复杂度、实验验证、多学科交叉复合人才以及伦理和社会问题等方面仍存在诸多挑战，我们相信随着跨学科合作的深化、技术创新的推进、伦理规范的完善，有望逐一突破相关掣肘，同时得益于算法的持续优化及算力的持续提升，计算生物学将在生命科学的更多研究及应用领域实现突破。 参考文献 1. Florian Markowetz. All biology is computational biology. PLoS Biol., 2017, 15(3): e2002050. 2. 徐书华, 金力. 计算生物学. 科学, 2009, (4): 4. 3. 《计算生物学-深度产业报告》. 4. Ming Tommy Tang, From zero to hero: six steps to learn comutational biology. (https://divingintogeneticsandgenomics.kit.com/6steps) 5. Dhrithi Deshpande, Karishma Chhugani, Tejasvene Ramesh, et al. The evolution of computational research in a data-centric world. Cell, 2024, 187(17):4449-4457. 6. Xunan Shen, Lulu Zuo, Zhongfei Ye, et al. Inferring cell trajectories of spatial transcriptomics via optimal transport analysis. Cell Syst., 2025, doi: 10.1016/j.cels.2025.101194. 7. Li Hu, Liming Su, Hainan Cheng, et al. Single-cell rna sequencing reveals the cellular origin and evolution of breast cancer in BRCA1 mutation carriers. Cancer Res., 2021, 81(10): 2600-2611. 8. Yufei Wang, Ronghong Li, Renyang Tong, et al. Integrating single-cell RNA and T cell/B cell receptor sequencing with mass cytometry reveals dynamic trajectories of human peripheral immune cells from birth to old age. Nat. Immunol., 2025, 26, 308-322. 9. Jingjing Wang, Fang Ye, Haoxi Chai, et al. Advances and applications in single-cell and spatial genomics. Sci. China Life Sci., 2024, doi: 10.1007/s11427-024-2770-x.  10. Chen Jia, Ramon Grima. Holimap: an accurate and efficient method for solving stochastic gene network dynamics. Nat. Commun., 2024, 15: 6557. 11. Wanning Chen, Yichen Li, Wenxia Wang, et al. Enhanced microbiota profiling in patients with quiescent Crohn's disease through comparison with paired healthy first-degree relatives. Cell Rep. Med., 2024, 5(7): 101624. 12. Yixuan Wang, Yanfang Guan, Xin Lai, et al. THOR: a TMB heterogeneity-adaptive optimization model predicts immunotherapy response using clonal genomic features in group-structured data. Brief. Bioinform., 2025, 26(1): bbae648. 13. Yu Zhao, Camila Coelho, Amanda L. Hughes, et al. Debugging and consolidating multiple synthetic chromosomes reveals combinatorial genetic interactions. Cell, 2023, 186(24): 5220-5236.e16. 14. Jung Eun Yang, So Young Choi, Jae Ho Shin, et al. Microbial production of lactate-containing polyesters. Microb. Biotechnol., 2013, 6: 621-636. ☆ END ☆ 作者简介 何垚 博士 复旦大学高分子化学与物理专业理学博士。现任康橙投资董事、投资总监，主导或参与圣美生物、丽凡达、韬略生物、赛箔生物、长泰药业、汇伦医药、诺源医疗、康富德药业、血源生物等项目的股权投资；曾担任复旦大学博士后研究员，负责并参与骨科、心血管介入生物医用材料等方面的基础研究，并作为项目负责人承担一项国家自然科学基金项目（项目批准号21604011）。 作者简介 李心悦 博士 中国科学院分子细胞科学卓越创新中心博士，现任以慈生物首席科学家，主导以慈生物的 CAR-NK 细胞创新生物药的研发、产品管线和市场策略的制定。在细胞治疗领域具有丰富的基础研究和工艺转化工作经验。 公司简介 上海康橙投资管理股份有限公司（简称“康橙投资”）成立于2014年，是私募新规实施后第一批在中国证券投资基金业协会完成基金管理人登记的私募股权投资机构，管理人登记编号为P1008717。  自2016年以来，公司逐步聚焦于生命健康领域的战略投资，成功组建了以多位医学博士为核心的投资团队并建立了首席科学家制度，创始团队成员具备平均15年以上产业或资本市场从业经验。公司致力于打造涵盖产业研究、股权投资、并购基金、上市公司战略投资的“康橙生命健康精品投资机构”。

近年来，靶向和免疫药物势如破竹的研发和上市，让肺癌的治疗步入了黄金时代，在刚刚过去的2024年，22款肺癌明星药物纷纷获批，其中中国上市16款肺癌新药，美国上市7款，这意味着一些幸运的病友等来了新的选择和希望！ 好消息是，目前国外上市的以及中国自主研发的几款针对肺癌EGFR,ALK,ROS1,RET,MET,NTRK靶点的抗肿瘤新药，开始招募国内患者了！这意味着，国内的患者也终于有机会免费用上这些效果更好，堪称天价的抗癌新疗法！全球肿瘤医生网将2025年肺癌病友们可以申请的17款新药临床试验信息整理如下，想申请的患者可以提交病历至全球肿瘤医生网将医学部进行初步评估！ 2025非小细胞肺癌17款“续命”新药 01 EGFR EGFR(epidermal growth factor receptor，ErbB-1或HER1)表皮生长因子受体主要在肺腺癌、亚裔、非吸烟及女性患者中，大约有 15% 的白种人和 30-50% 的亚洲人中有 EGFR 基因突变。无吸烟史者，比例高达 50-60%，常见的突变位点是外显子19和21，占90%，称为经典型突变，其余10%为外显子18和20的突变。目前多款国内和国际的明星新药正在招募。 01 Ifebemtinib（IN10018） 药品名称： 甲磺酸哆希替尼片 作用靶点： EGFR 研发公司： 应世生物 药物介绍： 是一种高效、高选择性的FAK抑制剂。IN10018早期临床数据显示了其良好的安全性和多癌种有效性。最新研究成果表明IN10018有望通过克服肿瘤基质纤维化屏障和调节肿瘤免疫抑制性微环境，实现突破肿瘤防御机制，有效克服耐药和转移，成为多种治疗方案的基石分子。 适应症： EGFR突变肺癌 入组条件（部分）： 1.有EGFR-TKI敏感性相关的EGFR突变，包括Ex19del或L858R。除外EGFR-TKI敏感突变，可合并其他EGFR突变类型如T790M等。 2.既往经三代EGFR-TKI治疗进展，并接受过1-2线化疗（需至少包括 1线含铂化疗），且化疗进展或不耐受的NSCLC受试者. 02 SKB264 药品名称： SKB264 作用靶点： EGFR 研发公司： 科伦博泰生物 药物介绍： 注射用SKB264是靶向人滋养层细胞表面抗原2（TROP-2，在多种上皮来源肿瘤中高表达）的抗体偶联药物（ADC）药物，其偶联方式和毒素小分子具有自主知识产权，拟用于恶性实体瘤的治疗。早期临床研究结果显示了SKB264在转移性实体瘤患者中良好的耐受性、安全性和令人鼓舞的抗肿瘤活性。 适应症： EGFR突变肺癌 入组条件（部分）： 1.经肿瘤组织学或细胞学或血液学证实存在EGFR敏感突变；2.既往接受过EGFR-TKI治疗且治疗失败；3.既往接受过针对局部晚期或转移性NSCLC的至少一种含铂化疗失败。 03 JMT-101 药品名称： JMT-101 作用靶点： EGFR20 ins 研发公司： 津曼特 药物介绍： JMT101为人源化抗EGFR单克隆抗体，具有自主知识产权，该产品相较于国内外已上市同类产品西妥昔单抗、帕尼单抗等具有亲和力更高、免疫原性低、药效更优的特点。该产品已于2016年5月获得CFDA临床批件，现已进入I期临床研究，拟用于治疗非小细胞肺癌，结直肠癌等实体瘤。疾病控制率100%，我国自主研发广谱新药重磅登场！临床招募进行中 适应症： 一线或二线治疗EGFR突变20ins阳性肺癌 招募信息（部分）： ⅢB或Ⅳ期非小细胞肺癌，不适合进行根治性手术或放疗，且证实具有EGFR 20号外显子插入突变（包括重复突变），初治或一线治疗失败后的患者。 04 伏美替尼 药品名称： 伏美替尼 (AST2818，艾弗沙) 作用靶点： EGFR 20ins 研发公司： 艾力斯 药物介绍： 第三代EGFR抑制剂。2021年3月在国内获批上市，治疗EGFR T790M突变型非小细胞肺癌。国研第三代EGFR抑制剂，上市！新适应症临床试验开启！ 适应症： EGFR突变20ins阳性肺癌 招募信息（部分）： ⅢB或Ⅳ期非小细胞肺癌，不适合进行根治性手术或放疗，且证实具有EGFR 20号外显子插入突变（包括重复突变）。 05 PLB1004 药品名称： 安达替尼（PLB1004） 作用靶点： EGFR 20ins 研发公司： 鞍石生物 适应症： EGFR突变20ins阳性肺癌 药物介绍： 中国原研、具有全球知识产权的新型单苯胺基嘧啶小分子EGFR抑制剂，可有效且不可逆地靶向外显子20插入突变，同时还有效针对经典 EGFR 突变 ExDel19、L858R 和 T790M，与野生型 EGFR 相比具有高度选择性。这款药物是在保持第三代EGFR TKI药效优势的前提下，针对EGFR Ex20插入设计的全新一代EGFR TKI。 招募信息（部分）： ⅢB或Ⅳ期非小细胞肺癌，且证实具有EGFR 20号外显子插入突变（包括重复突变）。 02 ALK 对于确定为ALK阳性的患者是幸运的，因为针对ALK的靶向药有效率超高，副作用不大，一不注意肿瘤就给“吃没了”。因此，ALK突变被称为“钻石突变”，虽然仅有5%，但可用的靶向药却很多，显着增加了治疗机会，ALK最常见的融合伴侣是ALK-EML4（棘皮类微管相关样蛋白4）。它更容易出现在既往少量 / 无吸烟史和年轻的患者身上。 01 TL139 作用靶点： ALK/ROS1/NTRK融合 研发公司： 苏州韬略 药物介绍： TL139是一款新一代NTRK/ROS1/ALK多靶点抑制剂。 适应症： 二线治疗ALK/ROS1/NTRK阳性实体瘤 招募信息（部分）： ALK阳性，既往接受过≤2种ALK抑制剂的治疗（用过化疗没用过ALK抑制剂的也可以） ROS1阳性，既往接受过≤1种ROS1抑制剂的治疗 NTRK阳性，接受一代NTRK抑制剂后进展（拉罗，恩曲，TL118） 03 ROS1 ROS1 全称 c-ros 原癌基因，是一种跨膜的受体酪氨酸激酶基因。出现ROS1突变的患者，更多的是年轻的、非吸烟的肺癌患者，其中肺腺癌居多。突变者约占 NSCLC 总数的 3%。 01 瑞普替尼 药品名称： TPX-0005（Repotrectinib，瑞普替尼） 作用靶点： ALK/ROS1/NTRK突变 研发公司： TurningPoint/再鼎医药 药物介绍： 第二代ALK/ROS1/NTRK抑制剂。这款全新一代的ROS1，pan-TRK和ALK抑制剂，是一种经过特殊设计的低分子量大环TKI，具有高度选择性，对ROS1，TRKA-C和ALK具有很高的效力。临床证实其抗ROS1能力可以达到克唑替尼和恩曲替尼（Entrectinib，Etreso）的90倍以上！在ROS1融合的患者中，接受克唑替尼治疗后三分之一的患者出现现 ROS1 G2032R ，还有5%的患者会出现 ROS1 D2033N 。TPX-0005 能够克服临床中出现的所有已知ALK,ROS1和NTRK耐药问题。 适应症： ROS1突变阳性肺癌 招募信息（部分）： 1、年龄：18~75，男性或女性; 2、ECOG评分0~1分，预期寿命≥3个月; 3、未经治疗的ROS1阳性肺癌 02 他雷替尼 药品名称： Taletrectinib（DS-6051b / AB-106） 作用靶点： ROS1/NTRK突变 研发公司： TurningPoint/再鼎医药 药物介绍： 第二代ROS1/NTRK抑制剂。Talectrectinib代号为DS-6051b/AB-106，是一款新型、有效、选择性高的下一代ROS1和NTRK双靶点小分子抑制剂，可穿越血脑屏障。 适应症： 二线治疗ROS1突变阳性肺癌 招募信息（部分）： 1、年龄：18~75，男性或女性; 2、ECOG评分0~1分，预期寿命≥3个月; 3、标准治疗失败的ROS1+非小细胞肺癌患者 03 ICP-723 药品名称： ICP-723 作用靶点： ROS1突变 研发公司： 诺诚建华 药物介绍： ICP-723是一种国内研发的第二代泛酪氨酸受体激酶（泛TRK）小分子抑制剂，用于治疗不同肿瘤类型的神经营养性酪氨酸激酶（NTRK）阳性的肿瘤患者以及由于抗性TRK基因突变而对第一代酪氨酸激酶（TRK）抑制剂产生耐药性的患者。2021年8 月 31 日，获得美国食品药品监督管理局（FDA）的研究性新药批准在美国开始 I 期临床试验。 适应症： 1.ROS1阳性非小细胞肺癌； 2.克唑替尼或化疗后进展。 04 TL139 药品名称： TL139 作用靶点： ALK/ROS1/NTRK融合 研发公司： 苏州韬略 药物介绍： TL139是一款新一代NTRK/ROS1/ALK多靶点抑制剂。 适应症： 二线治疗ALK/ROS1/NTRK阳性实体瘤 招募信息（部分）： ALK阳性，既往接受过≤2种ALK抑制剂的治疗（用过化疗没用过ALK抑制剂的也可以） ROS1阳性，既往接受过≤1种ROS1抑制剂的治疗 NTRK阳性，接受一代NTRK抑制剂后进展（拉罗，恩曲，TL118） 05 HG030 药品名称： HG030 作用靶点： ALK/ROS1重排 研发公司： 成都先导 药物介绍： HG030是新一代NTRK /ROS1双靶点酪氨酸激酶抑制剂。 适应症： 治疗NTRK/ROS1重排非小细胞肺癌 招募信息（部分）： Ⅲ期或Ⅳ期非小细胞肺癌，存在ROS1重排； 04 RET RET激酶的基因组改变包括融合和点突变，从而导致RET信号过度活细胞生长不受控制。RET融合和突变发生在多种肿瘤类型中，且发生频率不同。据统计，在非小细胞肺癌里面，大约1%-2%的患者有RET基因融合，在甲状腺髓样癌中超过60%的患者有RET基因突变，在乳头状甲状腺癌中10%的患者有RET基因融合. 01 HS-10365 药品名称： HS-10365 作用靶点： RET 研发公司： 豪森药业 药物介绍： HS-10365是具有自主知识产权的1类创新药，它专门针对RET基因改变的实体瘤进行治疗。这款药物通过抑制RET酪氨酸激酶的活性，阻断肿瘤细胞的信号传导通路，从而有效抑制肿瘤细胞的生长和增殖，为患者带来新的治疗选择和希望。 适应症： 二线治疗RET融合阳性肺癌 招募信息（部分）： 经组织病理学或细胞学证实的复发、不可切除的局部晚期或转移的RET阳性非小细胞肺癌。 05 MET MET 是一种络氨酸激酶受体，它的过度激活与肿瘤发生、发展、预后与转归密切相关。它在肺腺癌中发生率为3%，其最常见的变异类型是外显子14的供体位点剪接突变。近年来，MET抑制剂的研究层出不穷，其中沃利替尼、Tepotinib和Capmatinib（卡马替尼，又名INC280）是目前研究数据相对较多的3个药物。 01 伯瑞替尼 药品名称： 安达替尼（PLB1004）+伯瑞替尼 作用靶点： c-Met过表达 研发公司： 鞍石生物 适应症： EGFR-TKI治疗失败后伴c-Met过表达或c-Met扩增 招募信息（部分）： 经组织学或细胞学确诊的，经临床诊断为不能手术治疗且不能接受根治性同步放化疗的局部晚期（ⅢB/ⅢC期）、转移性或复发性（IV期）NSCLC的患者； 既往未接受过针对晚期/转移性疾病的任何系统性抗肿瘤治疗； 携带与EGFR-TKI敏感性相关的EGFR突变（包括外显子19缺失和外显子21 L858R突变）； 经中心实验室确认c-Met过表达：通过IHC检测，组织样本≥50%肿瘤细胞的染色强度3+； 02 谷美替尼 药品名称： 谷美替尼 作用靶点： MET蛋白过表达 研发公司： 海和 药物介绍：谷美替尼（SCC244） 是一种国研高选择性 MET 抑制剂，够选择性抑制c-Met激酶活性，进而抑制肿瘤细胞的增殖、迁移和侵袭。在携带 MET 外显子 14 跳跃突变的非小细胞肺癌患者中表现出持久疗效。这款药物的上市为具有间质-上皮转化因子（MET）外显子14跳变的局部晚期或转移性非小细胞肺癌患者提供了新的治疗选择。 适应症： 一线治疗MET蛋白过表达的非小细胞肺癌。 招募信息（部分）： c-Met+ NSCLC或是存在已证实的MET 基因过表达。 06 KRAS RAS家族中的NRAS，HRAS和KRAS突变引起的癌症占所有人类癌症的近四分之一，使其成为与癌症相关的最常见基因突变之一。其中，KRAS是最常见的致癌基因（所有RAS突变的85％），存在于 90%的胰腺癌中，30-40%的结肠癌中，15-20%的肺癌中 （大多为非小细胞肺癌）。遗憾的是从发现这一靶点至今的30年里，没有任何一款直接针对KRAS突变的靶向药物获批。因此，人们一直认为KRAS是一种“坚不可摧”蛋白质。 01 GH21 药品名称： GH21 作用靶点： Kras G12c突变 研发公司： 勤浩医药 药物介绍： GH21具有低脱靶风险、口服生物利用率高，并展现出较大的安全性窗口，是一种具有广阔开发前景的小分子抗肿瘤药物。临床前的数据表明，GH21与D-1553的联合使用在携带KRASG12C突变的肿瘤动物模型中展现出强大的药物效果，并且动物的耐受性良好，没有观察到增加的毒性。 适应症： 二线治疗KRAS突变阳性非小细胞肺癌 招募信息（部分）： 1、年龄≥18岁，男性或女性; 2、ECOG评分0~1分，预期寿命≥3个月; 3、标准治疗失败的KRAS+实体瘤 02 HRS-4642 药品名称： HRS-4642 作用靶点： Kras G12d突变 研发公司： 恒瑞医药 药物介绍： HRS-4642是第一个具有良好临床疗效的KRASG12D抑制剂且耐受性良好，没有新的安全性信号。 适应症： 二线治疗KRAS阳性实体瘤 招募信息（部分）： 1、年龄：18~75，男性或女性; 2、ECOG评分0~1分，预期寿命≥3个月; 3、标准治疗失败的KRASG12D实体瘤 07 BRAF BRAF突变是人类致癌的关键驱动因素之一。据报道， BRAF突变存在于多种常见类型癌症中，包括 黑色素瘤（40-50%） 、 甲状腺癌（29-83%） 、 结直肠癌 (CRC；10-20%) 和 非小细胞肺癌 (NSCLC；2-4%) ， 最常见的BRAF突变亚型是BRAF V600。 01 HL-085 药品名称： HL-085胶囊联合维莫非尼 作用靶点： BRAF V600E 研发公司： 科州生物 适应症：BRAF V600E 阳性肺癌 药物介绍： 科露平（妥拉美替尼/HL-085）是我国自主研发的首款高选择性的MEK抑制剂，2024年3月获批上市，成为全球首个且唯一获批针对NRAS突变晚期黑色素瘤适应症的MEK抑制剂，可与RAS-RAF-MEK-ERK信号通路中的MEK1/2结合，阻断下游信号通路的传导，从而抑制肿瘤的生长。 招募信息（部分）： 1.经病理组织学/细胞学确认的手术无法切除，局部晚期或转移性的 IIIb、IIIc、IV 期 NSCLC； 2.未经系统治疗或经过系统治疗的人群均可纳入； 3.基线时能够提供 BRAF V600E 突变的基因检测报告 未完待续！期待更多新药开花结果 过去十年，肺癌的靶向免疫治疗已经取得了长足的进展，逆转了晚期患者的生存期，除了上面正在招募的药物，还有更多的新药正在研发中，下一期我们将为病友们系统整理肺癌各靶点的全球研发进展，想接受治疗的患者可以申请专家会诊评估用药方案或参加方舟计划获得免费用药的机会。让我们拭目以待，期待更多新药早日上市，造福大众！ 本文为全球肿瘤医生网原创，未经授权严禁转载