针对特定靶点，识别和验证可与之作用的药物分子是新药发现的最关键步骤之一。为此，研究人员们开发出了多种筛选方式来识别与目标蛋白结合的配体。传统的高通量筛选（HTS）方法需要独立合成和测试数十万种化学化合物，这需要消耗大量资源和时间，实验周期通常需要几天到几周的时间。随着待筛选分子库的大小、以及并行筛选的靶点数量的增加，总体实验时间还可能会进一步增长。仅仅依赖传统的HTS策略从大型化合物分子库中识别出与靶点结合的高质量配体分子颇具挑战性。

DEL由大量小分子化合物组成，它们被共价连接到DNA序列上，作为每个小分子的标识符。这些小分子能够以分子集的形式与目标蛋白孵育，与目标蛋白结合的分子随后被捕获，研究人员可以通过PCR扩增和测序来识别这些分子携带的DNA条形码，从而识别出与目标蛋白结合的相应小分子。

这种策略为小分子药物的发现提供了若干优势。首先，DEL策略能够以高效和具有成本效益的方式筛选大型小分子库。由于小分子带有DNA条形码作为区分，多个小分子可以在一个试管中进行筛选，而不需要进行额外的纯化或特征分析，这大大减少了传统高通量筛选所需的材料和时间；第二，DEL技术能够鉴定出那些难以用传统方法研究的靶标的相应配体，比如蛋白-蛋白相互作用的抑制剂；第三，DEL技术还可用于识别具有理想药理特性的配体，如具有高效力、高选择性和细胞渗透性的配体。总之，DEL技术有望提供一种快速和有效的手段来识别苗头化合物，从而加速药物的发现过程。

DEL已渗透至药物分子发现过程的方方面面：

1. 分子筛选过程：DEL可以针对特定的目标蛋白筛选大量不同的小分子库。目标蛋白通常被固定在一个固体支架上，如微孔板或磁珠。然后将由DNA标记的小分子组成的DEL与固定的蛋白质进行孵化。

2. 靶标结合和分子鉴定：经过洗脱、纯化后，苗头化合物由于与固载靶标蛋白的相互作用被捕获。通过对连接到这些被捕获分子上的DNA条形码进行扩增、测序，研究人员可以对其进行识别和追踪——每个条形码对应于与目标蛋白结合的不同小分子。基于这种策略，研究人员无需分离出与靶标结合的分子就可以对它们进行鉴定，这些苗头化合物代表了潜在的生物活性配体。

3. 化合物的优化：一旦确定了潜在的候选分子，研究人员可以采用药物化学技术来优化其特性，如效力、选择性和药代动力学特性。通过反复的合成、筛选和优化来提高化合物分子的药物特性。

4. 验证和表征：一旦从DEL筛选中确定了一个苗头化合物，研究人员便可以对该分子进行进一步验证和表征，以确定其生物活性和选择性。此外，还可以测试命中化合物的药代动力学特性，如其稳定性、可溶性和生物利用度，以确定它们是否适合作为候选药物进一步开发。

DEL技术使得研究人员能够快速识别具有理想特性的苗头化合物，这些化合物有潜力进一步发展成为候选药物，从而加速了药物发现过程，扩大了治疗干预的可能性。利用DEL，研究人员已经成功发现了多种靶标蛋白的生物活性配体。根据该综述，在其发表时已有3个候选药物分子经过美国FDA的评估和准许，进入临床试验阶段。

上述第一个临床候选药物分子是一种可溶性环氧化物水解酶（sEH）抑制剂，经过优化后最终产生了临床候选药物分子GSK2256294。sEH将环氧二十碳三烯酸（EET）转化为二羟二十碳三烯酸(DHET)，前者是一种抗炎代谢产物，因此抑制这种酶可以潜在地治疗炎症相关疾病。目前GSK2256294已在临床研究阶段，初步数据显示，在EET介导的内皮功能和缓激肽血管扩张受损的慢性阻塞性肺病患者或超重吸烟者中，该分子成功增加了EET介导的血管扩张。在蛛网膜下腔出血的患者中，与安慰剂相比，接受GSK2256294治疗的患者血清中EET与DHET的比率大幅增加，并且住院时间显著缩短。

另一种通过DEL发现的分子GSK2982772正处于针对三种适应症（斑块型银屑病、类风湿性关节炎和溃疡性结肠炎）的2期临床试验阶段。GSK2982772不仅具有良好的安全性和耐受性，还显著缓解了主要病症：在轻至中度斑块型银屑病患者中，GSK2982772治疗减少了患者表皮厚度和炎症免疫细胞的浸润；中至重度类风湿性关节炎患者在接受治疗后骨侵蚀减弱。不过，GSK2982772对于溃疡性结肠炎患者尚无明显治疗效果。

最后，针对自分泌运动因子（autotaxin）的抑制剂X-165已被美国FDA批准进行1期临床试验。自分泌运动因子是一种与肺纤维化和特发性肺纤维化有关的分泌型磷酸二酯酶，是血液中溶血磷脂酸（LPA）的主要来源。在动物实验中，X-165降低了小鼠血浆中的LPA水平并表现出抗纤维化活性。

总的来说，这三个例子说明DEL技术可以发现、并推动新的小分子药物进入临床试验。随着DEL技术的进一步发展，我们相信未来会有更多的经DEL发现的候选药物走向临床。

DEL技术在小分子发现领域具有巨大的潜力，其未来发展将可能进一步推动这一领域的进步。具体的优化方向可能包括优化DEL架构、提升分子筛选效能、提高数据处理和分析能力、以及与其他筛选方法的整合。

开发并优化新的DEL架构：随着DEL合成方法的不断进步，我们有望构建更大、更具多样性的DEL库，以扩大DEL分子的化学空间并改善筛选过程，进而提高发现新型生物活性化合物的可能性。

提升分子筛选效能：优化候选分子的选择方法能够提高我们识别具有理想特性的分子配体的效率和准确性。这可能包括开发新的选择策略，比如进行多重选择或在活细胞上进行分子筛选，这样不仅能扩大筛选靶标的范围，还能提升苗头化合物质量。

提高数据处理和分析能力：数据分析算法和计算工具的改进有助于更有效地处理和解析由DEL实验产生的大规模测序数据。这能够帮助研究人员更精确地识别、优化具有潜力的化合物分子。

除了测序数据之外，蛋白质与小分子的相互作用信息，是药物结构改良和成药的关键，也是机器学习等基于计算的方法所需要的“原材料”（原始信息）。近期，药明康德生物学业务平台研发生物部推出的新一代DEL技术生态圈中，便包含了一项全新服务DELvision——蛋白质-DEL信息库，它连接了小分子化学空间和蛋白质组，通过高质量实验信息的持续积累，有望解析更多蛋白质-小分子相互作用，为药物发现带来全新的可能。

整合其他筛选方法：将DEL技术与其他筛选策略相结合，例如基于片段的筛选或虚拟组合化学分子库，可以提供互补的信息。研究人员能够利用每种方法的优势来加速药物发现过程，提高对高质量苗头化合物识别和优化的效率和准确性。

DEL技术以其快速和高效的特点变革了药物开发人员识别及优化苗头化合物的方式，从而在药物发现领域产生了深远的影响。相较于传统的筛选方法，DEL展现出了一系列的优势：它可以对大规模且多样化的小分子库进行特定目标蛋白的筛选；它支持针对多靶标和多个分子库的多重选择；它极大地降低了评估整个DEL所需的成本，而且其化合物库的规模之大也前所未有。DEL技术现已广泛应用于新型临床候选药物的发现，成功识别出了大量针对不同靶标、具有生物活性的配体。DEL的未来发展前景十分广阔，我们有理由期待，DEL技术将推动药物发现流程的加速，为医学科学中一些最具挑战性的问题提供一种强大而有效的解决策略。随着DEL技术的进一步发展，我们相信，它将在未来治疗药物的发现和开发中起到更为关键的作用。