提示、检索、微调分别改变了什么
2026/10/23 10:30:45
表达量的两个陷阱：公共库里"不存在"的靶点做出了镇痛药，TPM 打平的靶点血浆池差百倍
摘要：本文通过两个真实案例揭示靶点表达量数据解读的两大陷阱。其一，Nav1.8 在公共数据库（GTEx/HPA）中几乎全部显示"Not detected"，但真相是这些数据库根本不采集 DRG（背根神经节）——而 DRG 恰是伤害性感受神经元胞体所在，Nav1.8 在那里高表达，最终 suzetrigine 成为三十年来首个新型口服镇痛药。其二，PCSK9 与 Lp(a) 的肝 TPM 仅差 1.5 倍，看似打平，但半衰期、分泌速率与遗传多态把血浆池拉开百倍（约 2 nM vs 30–250 nM），直接改写药物开发路线——池越大越要往合成端打。共同教训是：表达量数据的价值不在数字本身，而在你知不知道怎么解读它的缺口——评估靶点前必须问三个问题：数据库采了哪些组织？mRNA 到蛋白的换算里半衰期和周转是什么角色？个体差异有多大？
2025 年 1 月，Vertex 的 suzetrigine 获 FDA 批准，成为几十年来第一个全新机制的口服镇痛药。它靶向 Nav1.8，一个有趣的事实是：如果你打开最权威的人体组织表达数据库查这个靶点，它几乎在所有 51 个组织里都显示"Not detected"——转录本低到检测仪器的下限以下。一个"数据库里不存在的靶点"，为什么能成为三十年来镇痛领域最大的胜利？
答案藏在表达量数据的两个经典陷阱里。这篇文章讲两个真实案例：Nav1.8 教会我怀疑数据库的采样盲区，Lp(a) 教会我别信 TPM 要信摩尔池。它们共同的教训是——靶点表达量不是查出来的一个数字，而是数据源覆盖度、转录-蛋白换算、个体差异三层修正后的判断。
先弄明白 TPM：一个份额，不是浓度
两个案例都会反复用到 TPM 这个单位，值得先花一分钟把它看透。TPM = Transcripts Per Million，每百万转录本数。测序仪测出来的原始数据其实只是"比对到某基因的 reads 条数"，这个计数被两个因素污染：测序深度（同一库跑 5000 万 reads 和 1 亿 reads，所有基因计数差一倍）和基因长度（同样丰度下，3000 bp 基因捕获的 reads 天然是 300 bp 基因的 10 倍）。TPM 就是洗掉这两个污染后的标准归一化：先把 reads 数除以基因长度，再归一化成每百万总转录本中的份额。
打个比方：奶茶店今天共卖出 100 万杯饮品（全细胞转录本），珍珠奶茶卖了 5000 杯，它的 TPM 就是 5000——占 0.5% 市场份额。但要注意"杯"其实大小不等，得先把销量换算成标准杯再算份额，不然大杯装天然显得卖得多，这就是第一步除基因长度干的事。
主流数据库选 TPM 而不是老前辈 FPKM，原因很实际：TPM 让每个样本的总和恒等于 100 万，跨样本、跨基因都能直接比；FPKM 的总和因样本而异，跨样本比较会误导。GTEx、HPA 全用 TPM，HPA 页面里的 nTPM/nCPM 则是在 TPM 上再加一层样本间归一化去批次效应。
量级锚点感受一下：GTEx 里肝脏 ALB（白蛋白）TPM 可达数万，而 SCN10A 在 HPA 全库 51 个组织的最高值只有 0.1 nTPM——份额差五六个数量级。粗略换算，一个哺乳动物细胞总 mRNA 约 10⁵–10⁶ 个分子，所以 1 TPM ≈ 0.1–1 个 mRNA 分子/细胞。
但 TPM 天生带着三个坑，正好预告了后面两个案例：它是份额不是浓度——同样的 TPM，在转录组总量不同的细胞里对应不同绝对拷贝数；它是相对值会互相挤占——红细胞里 HBB（血红蛋白）占转录组 30% 以上，其他基因的 TPM 全被压缩；它更是mRNA 不是蛋白——转录本丰度到蛋白浓度还隔着翻译效率和半衰期，后面 Lp(a) 会用百倍差距现身说法。记住这三条，再看表达量数据的眼光就不一样了。
表达量的生理格局：从高表达酶类到低表达通道
先建立一个坐标系。人体里表达量最高的靶点是什么概念？可溶性代谢酶和分泌蛋白，典型量级 nmol/mg 蛋白级到血浆 μM–mM 级；最低一档是离子通道和转录因子，只有 10²–10⁴ 拷贝/细胞。拿两端最极端的对比——红细胞里的 CA II 约 20 μM，折合每细胞 10⁶ 分子量级；DRG 神经元里的 Nav1.7 只有几百个通道——差三到四个数量级，药化含义完全不同。
高表达靶点类型一览
| 靶点类型 | 典型表达水平 | 代表靶点（实例） | 药化含义 |
|---|---|---|---|
| 代谢酶（可溶性） | nmol/mg 蛋白级，细胞内 μM 级 | CA II（碳酸酐酶 II，carbonic anhydrase II，红细胞 ~20 μM）、CA I、ACE（血管紧张素转换酶）、HMG-CoA 还原酶（他汀靶点） | 药物史上最丰收的一类；竞争性抑制剂只需对抗底物浓度 |
| 药物代谢酶（anti-target） | 肝 CYP（细胞色素 P450）总量 0.5–1 nmol/mg 微粒体蛋白 | CYP3A4、CYP2D6、UGT（UDP-葡萄糖醛酸转移酶） | 不是靶点是"雷区"——DDI 研究对象 |
| 蛋白酶 | 消化道/中性粒细胞高丰度 | 胰蛋白酶、弹性蛋白酶、凝血瀑布（纤维蛋白原 ~9 μM 血浆）、DPP-4（西格列汀靶点） | 经典可药靶点，口服小分子成功率高 |
| 细胞骨架/结构蛋白 | 占可溶性蛋白百分之几 | β-tubulin（β-微管蛋白，紫杉烷/长春碱靶点）、actin（肌动蛋白，血小板中 ~10⁶ 拷贝/细胞）、血红蛋白 | 化疗药 collateral toxicity 的来源 |
| 血清分泌蛋白 | 血浆 μM–mM 级 | 白蛋白（~600 μM）、IgG（免疫球蛋白 G，~65 μM）、TTR（转甲状腺素蛋白，~4 μM，tafamidis 靶点）、PCSK9（~2 nM） | 化学计量式耗竭需大剂量，siRNA/抗体占优 |
| 受体酪氨酸激酶（高表达档） | 肝细胞 15–30 万拷贝/细胞 | 胰岛素受体（大鼠脂肪细胞 ~10 万/细胞，BioNumbers 101361）、EGFR（肝细胞 15–30 万） | RTK 也有高表达档；信号放大级联下 10% 占位即可显效 |
| 离子通道的例外 | NMJ（神经肌肉接头）处 nAChR 密度 10⁴–10⁵/μm²；小鼠终板总量 ~3×10⁷ 受体/终板 | nAChR（尼古丁型乙酰胆碱受体，nicotinic acetylcholine receptor，肌松药靶点）、RyR1（1 型兰尼碱受体，ryanodine receptor 1，恶性高热靶点） | 离子通道整体低表达，但这两个解剖学位点局部极高 |
| 感光 GPCR 例外 | 视杆细胞外节 ~3–5 mM | 视紫红质（rhodopsin） | 人体单蛋白浓度最高的 GPCR（G 蛋白偶联受体），视觉级联放大之源 |
| 肿瘤过表达激酶 | 扩增后 10⁵–10⁶ 拷贝/细胞 | A431 细胞 EGFR（表皮生长因子受体，百万级）、HER2（人表皮生长因子受体 2）扩增乳腺癌（正常乳腺上皮 <1 万，肿瘤扩增 100 倍以上）、BCR-ABL（CML 治疗靶点） | 过表达本身是病理机制；选择性靠正常组织表达差 |
| 补体系统 | 血浆 μM 级级联蛋白 | C5（eculizumab/依库珠单抗靶点） | 抗体药成功但剂量需求大（pool 太大） |
低表达靶点类型一览
| 靶点类型 | 典型表达水平 | 代表靶点（实例） | 药化含义 |
|---|---|---|---|
| 离子通道 | 10²–10⁴ 拷贝/细胞（膜靶点最低档） | Nav1.7（电压门控钠通道 1.7，SCN9A，DRG 神经元几百拷贝）、Kv1.5（电压门控钾通道）、hERG（human ether-à-go-go 相关基因，心脏安全 anti-target） | 需 pM–nM 亲和力；过表达 assay 与 native 药理偏差大 |
| 转录因子 | 10³–10⁵ 分子/细胞 | p53（肿瘤抑制因子，细胞系实测 2.1×10⁴–1.96×10⁵ 分子/细胞，正常细胞更低且被 MDM2 泛素化降解维持）、MYC（原癌基因转录因子，正常成纤维细胞峰值 3–6 千分子/细胞）、STAT3（信号转导与转录激活因子 3） | 低丰度 + 不可成药双重困难，传统小分子禁区 |
| 细胞因子受体 | 10²–10³ 拷贝/细胞 | IL-2Rα（白介素 2 受体 α 链，长臂猿实测 150 拷贝/细胞，BioNumbers 109885）、IFNAR（干扰素受体） | 小分子极难覆盖，基本是生物药地盘 |
| 孤儿/低丰度 GPCR | 0.01–1 pmol/mg；血小板蛋白质组实测 α2A 肾上腺素受体仅 140±60 拷贝/血小板 | 大量 GPRxx 孤儿受体（约 120–130 个非化学感应孤儿 GPCR 配体未知） | 放射配体结合实验都难做，配体未知更无从筛 |
| 部分非受体激酶（NRTK，non-receptor tyrosine kinase，非受体酪氨酸激酶） | 数百–数千拷贝/细胞 | JAK1/2/3（Janus 激酶 1/2/3，TYK2 亦是；JAK3 主要在造血细胞，JAK1/2/TYK2 广泛表达但拷贝低）、SYK（脾酪氨酸激酶）、BTK（布鲁顿酪氨酸激酶，B 细胞）、ZAP70（ζ 链相关蛋白激酶 70kDa，T 细胞） | U2OS 细胞系绝对定量蛋白质组（Mol Syst Biol 2011）显示激酶整体落在"低–极低丰度"档（500–5000 与 <500 拷贝/细胞）；血小板蛋白质组实测 Akt1（丝苏氨酸激酶）500 拷贝、Fyn（Src 家族酪氨酸激酶）3400 拷贝/细胞——蛋白组学常在检测限附近；但催化级联下低拷贝不等于低药效，选择性抑制剂 10–30% 占位即可切断通路，这就是 JAK/BTK/SYK 抑制剂能成为口服小分子重镇的原因 |
| 孤儿核受体 | 低–中 | 多数 NR（核受体）亚型 | 部分成员表达局限在特定组织 |
| 肿瘤新抗原/突变蛋白 | 极低且仅肿瘤组织 | p53 突变体、KRAS G12D（KRAS 基因甘氨酸 12 位突变为天冬氨酸） | 表达低但选择性极好，靶向性的来源 |
激酶是个特殊的分裂带，值得单独看一眼。经典药化教材把激酶笼统归为"中低表达"，但定量蛋白质组揭示的是分裂图景：受体型激酶（RTK）靠基因扩增能上到 10⁵–10⁶（见高表达表 EGFR/HER2），胞质内的非受体激酶却被压在数百到数千拷贝的窄带里。这带来三个实际后果：生化 assay 的酶量要精打细算（10 nM 酶与 500 拷贝/细胞的生理浓度差 1–2 个数量级，体外 IC50 到细胞里经常"变弱"）；选择性窗口没有表达量红利可挥霍，只能靠家族保守 ATP 口袋的细微差别；降解剂（PROTAC）反而受益——催化式降解不需要化学计量覆盖，几百拷贝的靶点一个降解剂分子就能循环清除，E3 泛素连接酶底物受体 CRBN（cereblon）配体家族的成功部分源于此。
这个格局为什么重要？高表达靶点常有受体储备（receptor reserve），10–30% 占位即可显效，生化实验好做、共晶好长；低表达靶点没有储备，需要 90% 以上占位、游离药物浓度冲到 Kd 的 10 倍以上，且过表达 assay 会扭曲真实药理——Nav1.7 镇痛药三十年临床失败，靶占位压不上去是公认主因之一。高表达也有代价：靶点本身成为药物清除途径（TMDD），还会带来镜像 on-target 毒性（CA 抑制剂压住红细胞 CA 导致代谢性酸中毒就是典型）。
陷阱一：数据库里没有的组织，靶点可能在那里高表达
回到 Nav1.8。为了验证数据库里的"Not detected"，我从 Ensembl 解析出 SCN9A（Nav1.7）和 SCN10A（Nav1.8）的 ENSG ID，去 Human Protein Atlas 拉全量数据——HPA 的 consensus 数据集本身就是 HPA + GTEx 合并的 51 组织转录组，一次查询等于看了两个权威库。
| 指标 | SCN9A / Nav1.7 | SCN10A / Nav1.8 |
|---|---|---|
| HPA 分类 | Tissue enhanced (Brain) | Not detected（全库） |
| 最高组织 | 下丘脑 5.7 nTPM | 睾丸 0.1 nTPM |
| 脑区 | 下丘脑 5.7、中脑 1.2、脊髓 0.6 | 全部 0.0 |
| 单细胞最高 | Sertoli 810 / OPC 300 / 神经元大类 286 nCPM | Late spermatids 4.6 nCPM |
如果只看这张表，你会得出"Nav1.8 在人体几乎不表达，别碰"的结论——而这恰恰是错的。真相是GTEx 和 HPA 都不采集 DRG（背根神经节），而 DRG 恰恰是伤害性感受神经元的胞体所在、这两个通道的主表达地。文献里人 DRG 单细胞测序显示：Nav1.8 是 nociceptor 中最丰富的 α 亚基之一（TPM 数百级），Nav1.7 广泛表达但量级低于 Nav1.8。GTEx 的 Nerve-Tibial 也救不了场：胫神经是远端神经干，胞体在 DRG，神经干里 SCN10A 转录本本就趋零。
临床结局反过来验证了这一点。投入更早更重的 Nav1.7 赛道至今没有成药；而 Nav1.8 的 suzetrigine 成了三十年来首个新型口服镇痛药。Nav1.8"公共库不可见 + 真实组织 DRG 特异"的组合，反而是它组织选择性的来源——药物打在 DRG nociceptor 上，心脏、平滑肌、骨骼肌里的 Nav 同族亚型几乎不接触，安全性天然好。
这个陷阱的普遍规律值得记住：公共库查不到 ≠ 不表达。神经、肠神经系统、肌肉深部、关节软骨、视网膜等采样薄弱的组织，靶点的真实表达必须用文献单细胞数据补。评估报告里应该显式写一节"数据源覆盖缺口"——哪些组织数据库没有采、这些组织对靶点是否关键。
陷阱二：TPM 打平的两个靶点，血浆池能差百倍
第二个案例是一对看似平起平坐的肝源分泌蛋白：PCSK9 和 Lp(a)。两者都是肝细胞合成的血浆蛋白，Lp(a) 的蛋白本体 apo(a) 由 LPA 基因编码。同样从 HPA 拉数据：
| 维度 | PCSK9 | LPA (apo(a)) |
|---|---|---|
| 肝 nTPM | 47.5 | 71.8（仅 1.5 倍） |
| 肝外信号 | 小脑 10.3、肺 7.4 | 48/51 组织 < 1，近乎肝专属 |
| 肝细胞单细胞 nCPM | 21.9 | 82.0 |
| HPA 血浆浓度（免疫法） | 143 ng/mL | 78.8 μg/mL |
| 换算摩尔浓度 | 约 2–2.6 nM | 约 30–80 nM（高表达人群可达 250 nM） |
| 个体差异 | 3–5 倍 | 超过 100 倍（0–250 nmol/L） |
mRNA 层面几乎打平——LPA 只比 PCSK9 高 1.5 倍。但分泌速率、蛋白半衰期（游离 PCSK9 周转快，Lp(a) 颗粒清除极慢）和遗传调控（LPA 的 Kringle IV-2 重复拷贝数多态）把血浆池拉开了两个数量级。
池的大小直接改写药物的开发路线。PCSK9 约 2 nM 的小池，单抗化学计量中和完全可行——evolocumab、alirocumab 都已上市，siRNA 敲合成端的 inclisiran 也成药，三条路线通吃。Lp(a) 是 30–250 nM 的大池，中和这么大的池子需要极高剂量抗体（pelacarsen 80 mg/月，Ph3 进行中），敲合成端的 siRNA（olpasiran、zerlasiran）天然占优——池越大，越要往合成端打。小分子的机会同样在 Lp(a)：muvalaplin 不做中和，而是口服小分子阻断 apo(a) 与 apoB 的组装，绕开大池难题。大 pool 血浆蛋白的小分子策略 = 阻断组装/分泌，不是中和存量。
这里还藏着一个检测陷阱。HPA 数据里 LPA 免疫法 78.8 μg/mL vs 质谱 12 μg/mL，相差 6.5 倍。这是 Lp(a) 领域经典的异构体偏倚——抗体表位在 Kringle IV 重复区，大异构体表位多、免疫法系统性高估。临床 Lp(a) 检测必须用 isoform-independent 方法，否则跨研究数据不可比。
两个陷阱的共同教训
Nav1.8 和 Lp(a) 看似是两个独立的故事，其实是同一堂课的两个侧面：表达量数据的价值不在数字本身，而在你知不知道怎么解读它的缺口。
数据库告诉你 Nav1.8 “Not detected”，它没告诉你的是采样框里没有 DRG；数据库告诉你 PCSK9 和 LPA 的肝 TPM 只差 1.5 倍，它没告诉你的是半衰期和遗传多态会把血浆池拉开百倍。靶点评估的第一步不是查数字，而是问三个问题：这个库采了哪些组织？mRNA 到蛋白的换算里半衰期和周转是什么角色？个体差异有多大？——回答了这三个，表达量这个数字才真正有意义。
参考来源
- Human Protein Atlas: https://www.proteinatlas.org（SCN9A/SCN10A/PCSK9/LPA 表达数据，2026-08 查询）
- Ensembl REST API: https://rest.ensembl.org（ENSG ID 解析）
- U2OS 绝对定量蛋白质组：Nagaraj N, et al. Mol Syst Biol 7:512 (2011), doi:10.1038/msb.2011.82
- 血小板全谱拷贝数：Zeiler M, et al. Mol Cell Proteomics 13:3366 (2014)（Akt1 500、Fyn 3400 拷贝）
- p53 拷贝数：Ma L, et al. PNAS 102:14266 (2005)，PMID 16186499
- MYC 拷贝数：Waters CM, et al. (1991)，转引自 Genes Dev 17:1115 (2003)
- suzetrigine FDA 批准信息：Vertex Pharmaceuticals, 2025-01
- Lp(a) 临床阈值：125 nmol/L（约 50 mg/dL）为心血管风险增强因子阈值