YM说多肽|智能多肽|大环肽的“变色龙”奇迹：AI攻克不可成药靶点|南京肽业

大环肽的“变色龙”奇迹：AI攻克不可成药靶点

摘要

约85%的疾病相关蛋白因缺乏合适结合口袋或具有平坦表面，长期被视为“不可成药”靶点。大环肽——一类由氨基酸通过环状结构连接的分子——正以其独特的“变色龙”属性打破这一僵局。这种介于小分子与生物大分子之间的化合物，既能穿透细胞膜靶向胞内靶点，又能以高亲和力结合传统小分子难以触及的蛋白相互作用界面。近年来，人工智能技术的深度融合正在彻底改变大环肽的设计范式：从传统的高通量筛选到基于深度学习的精确从头设计，AI驱动的扩散模型、结构预测网络和偏好学习算法使得高亲和力、高透膜性大环肽的理性设计成为现实。本文系统梳理大环肽药物研发的理论基础与前沿进展，剖析“变色龙”属性背后的分子机制，追踪AI驱动大环肽设计的最新突破，聚焦针对KRAS、MYC等经典不可成药靶点的攻坚案例，并展望这一领域未来的商业化前景与临床转化路径。

关键词：大环肽；不可成药靶点；变色龙属性；人工智能；膜通透性；口服生物利用度

一、引言：从药物研发的“痛点”到大环肽的“解药”

现代药物研发面临一个根本性的矛盾。传统小分子药物拥有极佳的口服生物利用度和细胞膜穿透性，但面对接触面积大、表面平坦的蛋白-蛋白相互作用界面，往往缺乏足够的亲和力与特异性。生物大分子抗体恰恰相反，它们能够提供极高的靶向精度，却受限于庞大的分子量，几乎只能通过注射给药，难以触达细胞内靶点。传统的线性多肽则由于末端游离氨基酸极易被胃肠道蛋白酶降解，体内半衰期极短，临床应用同样受限-5。

这一困境的直接后果是：大量与疾病密切相关的蛋白质靶点，长期以来被认为是“不可成药的”。据估计，约85%的疾病相关蛋白因缺乏合适结合口袋或具有平坦表面，被排除在传统药物开发的视野之外-63。这些靶点包括转录因子、肿瘤抑制蛋白、RAS家族蛋白等——它们恰恰是许多致命性疾病的核心驱动因素。

大环肽的出现，本质上是在小分子和生物大分子之间开辟了第三条道路。通过头尾成环或侧链交联等化学约束手段，大环肽形成了一个高度刚性的闭环结构-5。这种构象锁定带来了两个决定性的优势：其一，环化消除了线性肽的酶切位点，赋予分子极高的蛋白酶稳定性；其二，通过精巧的化学修饰（如N-甲基化掩盖极性基团），特定的大环肽不仅能穿透肠壁实现口服给药，甚至能够进入细胞内部靶向胞内蛋白-5。

而大环肽最令人惊叹的特性，当属其“变色龙”般的构象自适应能力。面对极性环境（如血液或细胞质）时，大环肽将可成氢键的原子暴露在外，与溶剂分子形成氢键，呈现良好的水溶性；而当环境转变为非极性条件（如穿越细胞膜脂质双层内部）时，分子会通过形成分子内氢键“自我折叠”，将极性基团包裹在内部，而非极性结构暴露在表面——这种构象转换使其得以像“变色龙变色”一样适应环境变化，实现高效的跨膜转运-1。环孢素A便是“变色龙”肽的典型代表，它含有7种肽键顺反构象异构体，正是这种多构象特性赋予了它在极性与非极性环境之间无缝切换的能力-3。

二、“变色龙”的奥秘：大环肽的分子基础

2.1 从环孢素A到大环肽的启蒙

大环肽口服递送的探索，早在20世纪80年代就通过环孢素A实现了历史性突破。这个天然多肽可以实现较高的口服生物利用度，因此被成功开发为口服制剂-1。环孢素A含有11个氨基酸，其中7个氨基酸的酰胺基团被N-甲基化。N-甲基化降低了极性基团的溶剂暴露程度，增加了环肽的稳定构象数目，有利于透膜-3。

环孢素A的成功并未简单地将口服多肽的大门完全打开，但它第一次向药物化学界揭示了一个重要事实：多肽可以口服。突破的关键不在于分子的大小，而在于构象的巧妙编排。

2.2 构象切换的物理化学机制

大环肽的“变色龙”属性根植于其分子内氢键网络的动态重构。在极性环境（血液或细胞质）中，环肽处于所谓的“开放”构象——可成氢键的原子暴露在外，与溶剂分子形成氢键，保证分子具有良好的水溶性。当环境变成非极性条件（如穿越细胞膜内部）时，环肽转而采取“闭合”构象，通过形成分子内氢键将极性基团包裹在分子内部，而非极性结构暴露在分子表面，从而减小极性表面积，降低去溶剂化能-1。

通常认为闭合状态是环肽的主要渗透状态。但这是一个动态过程，受序列、分子大小、疏水表面积等多种因素共同控制。研究者通过分子动力学模拟，将环肽分子穿越细胞膜的被动渗透过程分解为四个步骤：第一步，特定的多肽侧链残基充当“分子锚”，在肽分子插入细胞膜之前建立与膜的初次接触；第二步，多肽分子插入细胞膜极性头部和非极性尾部区域之间的界面；第三步，开放构象向闭合构象转变，这是渗透的关键节点；第四步，闭合构象的环肽扩散通过非极性的脂质膜小叶，到达另一侧的极性/非极性界面，最终实现跨膜转运-1。

这一过程的精巧之处在于：不同的构象状态对应着不同的“锚定”残基暴露模式，这意味着表征环肽的构象行为对于合理设计透膜肽至关重要。了解多肽在进入细胞膜之前的主要构象以及相应的残基暴露，有助于优化膜渗透性环肽的设计-1。

2.3 N-甲基化与构象控制的化学工具箱

如何人为地赋予大环肽“变色龙”能力？化学家们已经发展出一系列精巧的策略。N-甲基化是最经典的手段之一——用甲基取代酰胺基团上的氢原子，可以降低酰胺氢的溶剂暴露程度，同时增加环肽的稳定构象数目。Baker团队曾利用这一策略，从头设计了一批6至12个氨基酸长度的环肽，使用经修改的genKIC关环算法生成环状聚甘氨酸支架后通过FastRelx模块进行序列设计，将不满足分子内氢键暴露的酰胺氢进行N-甲基化，成功获得了具有良好透膜性的环肽先导化合物-3。

除了N-甲基化，侧链化学修饰、非天然氨基酸的引入、主链构象约束等手段构成了调控环肽透膜性的化学工具箱。这些修饰的目标是一致的：在保持与靶点高亲和力结合的前提下，使分子能够在极性与非极性环境中自如切换构象。

2.4 水溶性与脂溶性的平衡艺术

一个优秀的药物分子，需要在多个相互矛盾的性质之间找到平衡。大环肽在这方面展现出独特的优势：它们既要有足够的水溶性以确保在血液中运输和分布，又要有足够的脂溶性以穿越细胞膜。传统分子往往难以兼顾，而“变色龙”环肽通过构象切换实现了动态平衡——在血液中采取水溶性的开放构象，在穿越膜时切换为脂溶性的闭合构象-1。

这种平衡的核心变量是分子的极性表面积（PSA）。开放构象下，极性基团暴露，PSA较大，水溶性好；闭合构象下，极性基团被分子内氢键包裹，PSA显著减小，脂溶性提升。通过精准调控分子内氢键网络，设计者可以在两个极端构象之间保留充分的构象自由度，使分子具备真正的“变色龙”特性。

三、当AI遇见大环肽：范式革命

3.1 传统设计的困境：从经验筛选到理性设计

传统的大环肽开发依赖于两种主要途径：天然产物发现和高通量筛选。前者面临分离困难、合成复杂、稳定性差等问题；后者虽然强大，但耗时耗资，且只能覆盖大环化合物化学和结构多样性中的一小部分。更重要的是，这些方法往往无法同时优化靶点结合、选择性和膜通透性等多种生物物理特性-14。

结构导向设计为文库筛选提供了一种互补途径，可以在计算机中快速探索大量化学和结构多样性。然而，此前基于物理建模的方法在蛋白质结合大环设计方面成果有限，只获得了中等的结合亲和力，且在多种情形下实验测定的结构与设计模型并不一致-14。

核心瓶颈在于：大环肽的构象空间极其庞大。对于一个由10个氨基酸组成的环肽，其可能的主链构象数目远超当前任何物理计算方法的穷举能力。传统的分子动力学模拟和蒙特卡洛搜索在这种高维空间中往往陷入局部最优，难以系统性地探索整个构象景观。

3.2 AI框架全景：RFpeptides、CycDiff-DPO与C2PO

近年来，生成式深度学习方法的突破为这一困境提供了全新的解决方案。2025年6月，诺贝尔奖得主David Baker团队在《自然·化学生物学》上发表了RFpeptides——一个基于去噪扩散模型的大环肽从头设计框架。该研究的核心创新在于：在RoseTTAFold2结构预测网络和RFdiffusion蛋白质骨架生成框架中引入“循环相对位置编码”，使模型能够支持大环主链的建模和生成-14-12。

RFpeptides的工作流程如下：首先利用RFdiffusion生成多样化的大环主链结构，然后通过ProteinMPNN实现序列设计，最后使用Rosetta优化结合界面和整体结构质量。研究团队对四种不同蛋白靶点进行了测试，每个靶点合成了不超过20个设计分子，均获得了中到高亲和力的结合物。其中，针对Rhombotarget A的设计在仅依赖预测结构的前提下获得了Kd < 10 nM的高亲和力结合物。针对MCL1、GABARAP和RbtA的晶体结构与设计模型高度一致，主链均方根偏差小于1.5 Å-12。

与此同时，上海交通大学的研究团队开发了CycDiff-DPO——一种偏好对齐的扩散模型，专门用于设计透膜性优化的靶点结合大环肽。该框架将Caco-2细胞单层渗透性预测器整合到生成过程中，通过构建偏好对来引导生成分布向有利于透膜性的化学空间偏移。在56个蛋白靶点的基准测试中，CycDiff-DPO展现出优于现有方法的渗透性预测指标和结合能量表现。在Keap1-Nrf2和SPSB2-iNOS两个案例研究中，设计的大环肽成功复现了关键相互作用并展现出稳定的分子动力学行为-19。

第三个值得关注的工具是C2PO——一个基于机器学习的环肽膜透性优化器，利用深度回归模型预测环肽的膜透性，通过化学修饰实现对透膜性的定向优化-21。C2PO代表了从“预测”到“生成”的范式跃迁——它不仅告诉设计者哪些分子可能有高透膜性，更能直接生成结构修饰后的候选分子。

3.3 深度学习的突破：从结构预测到构象生成

上述AI框架的共同突破在于：它们不再是单纯的结构预测工具，而是真正的分子生成引擎。此前，深度学习在环肽领域的应用主要集中在结构预测——例如HighFold模型（基于AlphaFold的环肽三维结构预测模型）-。预测固然重要，但终究是被动的；生成才是主动的设计。

RFpeptides的扩散模型能够从随机初始化的氨基酸残基作为起点，生成多样化的大环主链结构，无需依赖D-氨基酸来稳定构象-12。这一能力意味着研究人员不再受限于已知的环肽结构空间，而是可以系统地探索天然环肽从未触及的化学区域。

值得注意的是，这些生成模型并不完美。一个持续存在的挑战是训练数据的匮乏——环肽的透膜性实验数据数量有限，限制了基于AI的多参数优化-。此外，AI生成的分子结构有时会包含不熟悉的化学基团或存在构象不合理的问题，需要后处理工具进行校正-21。C2PO的研究团队正是针对这一困境，设计了一个基于化学参考库的分子自动修正工具来校准AI生成的不合理结构。

3.4 数据稀缺与应对策略

数据稀缺是环肽AI设计面临的最根本挑战。环肽透膜性实验的数据获取成本高、通量低，导致可用于训练的真实生物学数据极其有限-。相比之下，AI语言模型（如GPT系列）可以轻松获得数百亿token的训练数据，而环肽透膜性数据集的规模可能只有几千到数万条。

针对这一困境，学术界和工业界正在探索多条策略：其一，通过高通量实验平台生成大规模的环肽透膜性分类数据，虽然精度不如定量数据，但可用于构建初步的分类模型；其二，利用迁移学习将从其他领域（如小分子药代动力学预测）学到的知识迁移至环肽领域；其三，采用自监督学习和对比学习框架，最大化利用未标记的环肽结构数据。

2026年3月，Merck & Co.的研究团队推出了PepThink-R1——一个结合大型语言模型与思维链监督微调和强化学习的生成式框架，在环肽优化任务中展现出优于GPT-5等通用大模型的表现。这表明将大语言模型的能力适配到化学分子优化任务中是可行的，为克服数据稀缺提供了新的思路-。

四、攻克不可成药堡垒

4.1 不可成药靶点的界定与挑战

“不可成药”并不是一个绝对的概念，而是一个动态演进的边界。历史上，被认为“不可成药”的靶点主要有几类特征：缺乏传统小分子所需的深疏水结合口袋；表面平坦、无明显沟槽；以蛋白-蛋白相互作用为主要功能机制；或属于无序蛋白。

RAS是其中最典型的代表。致癌性RAS突变是人类癌症最常见的驱动因素之一，但由于突变RAS具有无特征的平坦表面且倾向于保持活性（开启）状态，历史上一直被认为是一个难以攻克的药物靶点-29。这个表面缺乏深口袋，传统小分子找不到着力点；但正是这个表面，驱动着超过30%的人类癌症。

除RAS外，MYC、TP53、WNT/β-catenin等致癌通路的关键节点同样长期被视为“不可成药”-26。这些靶点的共同特点是：以蛋白-蛋白相互作用而非酶活性发挥功能，因此缺乏传统抑制剂可以占据的活性位点。

4.2 KRAS/RAS：大环肽攻坚的前沿阵地

KRAS已成为大环肽攻坚不可成药靶点的核心战场。近年来，多项研究展示了环肽抑制KRAS的多种策略。

最直接的策略是开发能够与KRAS分子表面结合的环肽抑制剂。Chugai Pharmaceutical在2026年AACR年会上报告了AUBE00——一种新型环状肽pan-KRAS抑制剂，不仅能靶向KRAS突变型癌症，对野生型结直肠癌同样展现出抗肿瘤活性-35。

另一条极具原创性的策略来自DIRAS3衍生环肽的开发。研究者发现，DIRAS3蛋白能够结合RAS形成异源二聚体，从而破坏RAS簇集和下游MAPK信号传导。以此为起点，研究团队使用两种不同的环化策略开发了构象约束的DIRAS3衍生环肽，并通过核磁共振和生物层干涉仪对其进行了表征。这些环肽能够有效穿透细胞膜、抑制KRAS在内质网小叶的纳米簇集，并在细胞培养和异种移植模型中显著抑制胰腺导管腺癌和低级别浆液性卵巢癌的生长-36。

值得注意的是，KRAS突变驱动了88%的胰腺导管腺癌和高达40%的低级别浆液性卵巢癌-36。这一数据意味着：即使是针对一个KRAS亚型的环肽抑制剂，也可能覆盖数以百万计的癌症患者。

第三条路线是靶向RAS与其效应蛋白的相互作用界面。一项2025年的研究鉴定出能够破坏RAS/SOS1复合物的环肽抑制剂，这代表了另一种干预RAS信号传导的策略——通过阻断RAS被SOS1激活的过程，而非直接结合RAS表面-。

与此同时，肽抑制剂靶向野生型Ras蛋白的领域也在快速发展。一篇2025年的综述系统总结了该领域的进展，指出肽抑制剂因其广泛的结合界面在靶向Ras蛋白方面具有独特优势，而Ras蛋白的光滑表面传统上是小分子的弱点，对更大尺寸的肽分子来说反而可能成为可以利用的空间-。

4.3 胞内靶点与PPI界面：大环肽的天然优势

大环肽之所以在不可成药靶点领域具有先天优势，与其分子尺寸和构象约束直接相关。蛋白-蛋白相互作用界面的典型特征是接触面积大（通常1500-3000 Ų）、表面平坦、缺乏深口袋。小分子（分子量<500 Da）难以占据足够大的界面来有效阻断相互作用；而抗体虽然能够覆盖大面积的界面，却因分子量过大无法穿透细胞膜进入细胞质。

大环肽（分子量500-2000 Da）恰恰位于两者之间-67。它们足够大，能够结合PPI界面上的多个热点残基；又足够小，在适当设计下可以穿越细胞膜。更重要的是，环化带来的构象约束降低了结合过程中的熵损失，使结合亲和力可以提升到纳摩尔甚至皮摩尔级别。

Baker团队RFpeptides的工作验证了这一潜力。针对抗凋亡蛋白MCL1（一种经典的PPI靶点），RFpeptides设计了约1万个大环主链，筛选后合成了14种设计，其中3种表现出与MCL1的结合能力，最佳设计的结合常数为2 μM，晶体结构与设计模型的主链r.m.s.d.仅0.7 Å。针对GABARAP的挑战更大——该蛋白缺乏典型的α螺旋结合口袋，但RFpeptides仍成功设计了结合物GAB_D8和GAB_D23，亲和力分别达到6 nM和36 nM，其中GAB_D8是已知亲和力最高的GABARAP大环结合物-12。

更令人振奋的是，RFpeptides还在仅基于AlphaFold2/RF2预测结构（即无实验结构信息）的前提下，设计了针对RbtA的高亲和力结合物-12。这意味着AI大环肽设计已具备在缺乏实验结构数据的情况下探索新靶点的能力——这对于众多结构尚未解析的疾病相关蛋白来说至关重要。

4.4 中国学者的贡献：类天然大环构建策略

在大环肽攻克不可成药靶点的国际版图上，中国科学家的贡献日益显著。2025年9月，中国科学院上海药物研究所杨伟波团队受邀在《Accounts of Chemical Research》上发表综述论文，系统总结了其在类天然大环化合物设计与合成方面的进展-63。

该团队提出的核心策略是“模块化仿生组装”：通过拆解天然产物的合成逻辑，发展新型大环化反应，以手性氨基酸替代天然产物中复杂的手性片段，从而实现多类类天然大环的快速构建。他们开发了多组分双C-H活化、sp3 C-H活化螺环化、双C-H/O₂活化等创新大环化方法，并已建立了一个涵盖1700余个化合物的类天然大环库。功能研究显示，这些大环分子在抗流感病毒、帕金森病治疗以及克服肿瘤多药耐药方面展现出显著潜力-63。

这一研究的独特价值在于：它不仅拓展了大环化合物的化学空间，更重要的是提供了“类天然”的设计哲学——通过模拟天然产物的结构和功能逻辑，以更高效的方式合成具有生物活性的大环分子。随着人工智能与大环化反应设计的结合，这一方向有望加速解决约85%“不可成药”靶点的问题-63。

五、从实验室到临床：口服大环肽的突破

5.1 口服递送的技术壁垒

口服给药是所有药物剂型中最受患者欢迎的形式，但对于大环肽而言，口服递送长期以来近乎“魔障”。大环肽需要克服三重屏障：在胃酸中的化学稳定性、对胃肠道蛋白酶的酶解耐受性、以及穿越肠上皮细胞的渗透能力。

口服生物利用度是衡量这些挑战的最终指标——指口服给药后进入体循环的药量比例。目前，大环肽口服生物利用度普遍低于5%，成为制约商业化的最大痛点-48。过低的生物利用度会带来多重问题：大部分药物被浪费，给生产成本带来巨大压力；为了补偿低吸收率而提高剂量，可能引发更严重的胃肠道副作用；极低的生物利用度往往伴随着高药代动力学变异性，使血药浓度难以稳定控制-46。

然而，行业在过去几年取得了关键认知突破：极低生物利用度（甚至<1%）的环肽，只要靶点足够敏感且半衰期足够长，依然可以在临床中产生显著疗效。这一发现降低了口服环肽的商业化心理门槛-48。

5.2 MK-0616（Enlicitide）：从III期到上市倒计时

口服大环肽领域最令人瞩目的临床进展来自默沙东的MK-0616（Enlicitide）。作为全球首个口服PCSK9抑制剂，Enlicitide是一种设计用于结合PCSK9蛋白的大环肽，旨在降低低密度脂蛋白胆固醇（LDL-C）水平-67。

2025-2026年公布的III期CORALreef AddOn试验数据令人振奋：口服PCSK9抑制剂Enlicitide在降低高危患者LDL胆固醇方面显著优于其他非他汀类联合疗法，降幅高达近65%。研究显示，与其他非他汀类药物相比，MK-0616不仅能大幅降低多种脂质指标，还使近80%患者在8周内成功达到了低于55 mg/dL的严格LDL治疗目标，且各组间的不良事件发生率无显著差异-5。

在此之前，Enlicitide已在杂合子家族性高胆固醇血症患者中实现58.2%的LDL-C降幅，在更广泛的心血管疾病高危人群中达成57.1%的降幅-46。在药代动力学层面，早期临床试验提供了直接证据：在健康受试者中，口服10至300 mg的MK-0616能使血浆游离PCSK9水平降低超过93%-。

用每日一次的口服药丸，打平甚至超越了需要皮下注射的单抗降脂药物，这直接切中了数千万他汀不耐受或不达标的动脉粥样硬化性心血管疾病患者的刚需。默沙东已计划于2026年初提交FDA审批，有望成为全球首个上市的口服PCSK9抑制剂-。

5.3 JNJ-2113：强生口服银屑病环肽的突破

另一个值得关注的临床里程碑来自强生的ICOTYDE（icotrokinra）——一种口服IL-23R环肽拮抗剂，用于治疗中度至重度斑块状银屑病。2026年3月18日，FDA已正式批准该药物用于体重至少40公斤且适合接受全身治疗或光疗的12岁及以上成人和儿童患者-46。

III期ICONIC-LEAD试验中，24周时实现了74%的患者皮损几乎清除，近半数（46%）皮损完全清除-5。更为关键的是战略意义：强生已启动了ICONIC-ASCEND研究，直接将该口服药与年销售额近百亿美元的重磅炸弹乌司奴单抗进行头对头比较-5。这种在企业内部进行“自我革命”的底气，充分说明大型制药公司对口服大环肽确立新一代标准治疗方案的绝对信心。

5.4 环肽作为药物递送载体的拓展应用

大环肽的价值不仅限于作为药物分子本身，其作为药物递送载体的潜力同样值得关注。环肽相对刚性的三维构象使其能够与多种分子进行特异性偶联，拓展了其在靶向递送领域的应用空间。

一个典型的应用是环肽RDC。环肽-放射性核素偶联药物利用环肽对肿瘤靶点的高亲和力实现放射性核素的精准递送，是当前核药研发的热门方向。在国内，晶核生物的JH04（FAP靶点RDC）和JH02（PSMA靶点RDC）均已进入临床阶段，其中JH02已推进至II期临床-48。环肽在RDC领域的优势在于：分子量适中，既可快速从血液中清除（降低背景噪声），又能通过多价效应增强肿瘤摄取。

环肽在抗体-前药设计中也发挥着独特作用。通过将环肽作为“遮蔽模块”偶联在抗体活性位点附近，可以暂时阻断抗体与正常组织中靶抗原的结合，降低“中靶脱瘤”毒性。药物到达肿瘤组织后，肿瘤微环境中的蛋白酶切割遮蔽模块，实现原位的选择性激活。CytomX Therapeutics的Probody技术平台是这一方向的先驱-3。

六、商业化生态与未来展望

6.1 重磅交易背后的资本逻辑

大环肽赛道在过去两年中迎来了资本和产业界的集体押注。从2025年到2026年初，多笔重磅交易印证了大环肽作为下一代药物模式的商业价值。

2025年7月，自身免疫疾病龙头企业Argenx与Unnatural Products达成总额高达15亿美元的多靶点研究合作协议，聚焦传统上被认为无法成药的靶点，共同开发口服大环肽药物-60。这标志着大环肽在免疫领域的应用潜力获得了顶级玩家的认可。

紧随其后，2026年2月，诺华与UNP签订了17亿美元（1亿美元首付款加最高17亿美元里程碑付款）的研发合作授权协议，用于心血管疾病治疗开发-54。诺华看重的是UNP的AI驱动平台——该平台能够解锁以往难以成药的靶点，设计出兼具生物制剂复杂靶点结合力和小分子细胞膜穿透性的合成大环肽-54。

更早之前，2025年3月，阿斯利康与国内企业元思生肽达成战略合作，共同开发针对慢性疾病的全球首创大环肽类药物。根据协议条款，阿斯利康支付7500万美元首付款及近期里程碑付款，获得Synova技术平台使用权-。

仅UNP一家公司就在两年内签下了三笔重磅合作（默沙东、Argenx、诺华），这说明大环肽技术正在成为大型制药公司布局下一代产品线的“标配”。资本逻辑很清晰：大环肽在慢病管理领域展现出的口服替代效应极为显著——对心血管疾病、自身免疫性疾病等需要长期甚至终身用药的疾病，口服剂型带来的患者依从性提升是革命性的-5。

6.2 技术瓶颈与突破方向

尽管取得了显著突破，大环肽药物研发仍然面临多个技术瓶颈。

口服生物利用度仍是“天堑”。如前所述，目前大环肽的口服生物利用度普遍低于5%，虽然默沙东的Icotyde以0.1%-0.3%的极低生物利用度仍然获得了FDA批准，但这高度依赖于靶点的极度敏感性和药物的特殊分布特征，不具备普遍推广性-46。行业共识是：谁能把环肽的口服利用度稳定做到5%以上，谁才算真正拿到了入场券-46。

透膜性预测与设计的“数据鸿沟”是另一个瓶颈。如C2PO论文所指出的，基于AI的环肽膜透性多参数优化受到真实生物学数据可用性有限的阻碍-21。解决这一问题的方向包括：开发高通量环肽透膜性筛选平台以积累训练数据、利用主动学习策略在实验与计算之间形成闭环反馈、以及开发更优的无监督和自监督学习方法以充分利用未标记数据。

此外，大环肽的规模化生产也是一个不可忽视的挑战。默沙东化学总监David Thaisrivongs曾指出：“对于一种大环肽而言，其大小和复杂性是典型小分子的四到五倍，扩大生产规模是一项大胆的尝试”-46。好在国内外的合成生物学和无细胞合成技术正在快速发展，有望在未来几年内降低大环肽的生产成本和规模化门槛。

6.3 未来10年赛道展望

展望未来5-10年，大环肽药物研发将沿着几个方向深入演进。

在靶点拓展方面，大环肽的应用边界将从目前的PCSK9、IL-23R等少数已验证靶点，扩展至更多经典不可成药靶点。已有多个针对KRAS、MYC、TP53、WNT/β-catenin的环肽项目进入临床前或早期临床阶段-26。随着AI设计能力的提升，大环肽将有能力挑战越来越多的“无口袋”靶点。

在技术融合方面，大环肽正在与PROTAC、分子胶等新型药物模式交叉融合。例如，KRAS导向的PROTAC已进入首次人体试验阶段-26。大环肽可以作为PROTAC中的“弹头”部分提供高亲和力结合，也可以作为分子胶的骨架来诱导新的蛋白-蛋白相互作用。

在给药途径方面，除口服外，大环肽在吸入给药、局部给药、透皮给药等领域的应用也值得关注。环肽因具有良好的代谢稳定性和低免疫原性，在这些给药途径中具有天然优势。

在AI能力提升方面，下一代环肽设计AI将朝着“多参数协同优化”的方向发展——不仅考虑靶点结合和透膜性，还将同时优化代谢稳定性、清除率、分布容积、脱靶毒性等全部药代动力学和药效学参数。这可能需要在更强大的生成模型（如扩散模型、流匹配模型）中嵌入多目标优化模块。

在国内市场，中国环肽赛道已形成“三足鼎立”的格局：以元思生肽、博瑞医药为代表的治疗型公司主攻口服/注射环肽药物；以晶核生物、中晟全肽为代表的核药型公司主攻环肽RDC；以康码生物、修实生物、成都先导为代表的平台/生产型公司提供底层工具和技术服务-48。这一格局表明，中国在大环肽领域已不再是单纯的“跟跑者”，而是在部分细分方向（如环肽RDC）处于国际第一梯队。

七、结语

大环肽的“变色龙”奇迹，本质上是分子设计逻辑的一场革命。传统药物设计的思路建立在“锁-钥匙”模型之上——药物分子和靶点各有一个相对固定的构象，匹配方式如同钥匙插入锁孔。这种模式的局限在于：当靶点缺乏深口袋（即“锁”没有可供钥匙插入的凹槽）时，小分子便无从着落。

大环肽的“变色龙”属性打破了这一范式。这些分子的精巧之处在于，它们没有单一的、固定的“钥匙”构象，而是在不同环境中展示不同面相——在血液中是可溶的，在穿越膜时是脂溶的，在与靶点结合时又呈现特定的互补构象。这是一种动态的、适应性的分子智能。

人工智能正在将这种智能推向新的高度。从RFpeptides到CycDiff-DPO再到PepThink-R1，AI不再是大环肽研发中的辅助工具，而是从根本上改变了设计的方法论——从“从已知中筛选”到“为未知而生成”。当AI学会在数以万亿计的环肽化学空间中航行，被长期搁置的85%“不可成药”靶点正在被逐一重新审视。

当然，挑战依然艰巨。口服生物利用度之“墙”尚未真正跨越，数据稀缺之困仍需破解，规模化生产之成本仍需降低。但宏观趋势已然明朗：2026年的今天，大环肽已经走过了“能不能口服”的验证阶段，正在迈向“口服哪些适应症”的临床扩展阶段。

最终，大环肽的“奇迹”不只在分子层面，更在它所触及的生命问题本身。当一个分子的设计权从自然之手部分转移到人类之手，当那些曾被判定为“不可成药”的靶点纷纷被攻克，现代药物发现所面临的最大障碍正在被一寸寸地破除。大环肽的“变色龙”奇迹仍在继续，而在AI的助力下，这个故事才刚刚翻开最精彩的章节。