新藥研發提速新辦法！BMS經典案例解析：從合成到臨床只用了367天

在現代創新藥研發的漫長鏈條中，有一個至關重要卻常常被低估的節點：從化合物首次合成（First Synthesis, FS）到首次人體給藥（First Dose in Man, FIM）的過渡期。

如何在這段被稱為“死亡之谷”的區間內最大限度地縮短時間（FS-to-FIM），不僅考驗著研發團隊的科學智慧，更是決定藥企能否在紅海競爭中搶占先機的核心壁壘。本文將穿透歷史的周期，以百時美施貴寶（BMS）在20世紀90年代的經典戰略為藍本，結合當下高度復雜的分子實體與虛擬Biotech生態，全景拆解加速早期藥物開發的底層邏輯。

一、 歷史的倒影：從“順其自然”到“時間焦灼”

要洞察當下的戰略，我們必須先回溯行業的發展軌跡。在20世紀80年代以前，藥物發現與開發的界限相對模糊。

1. 早期研發的“古典時代”

在早期的施貴寶醫學研究所（Squibb Institute for Medical Research，后并入BMS），新藥研發主要依賴于體內表型篩選。

?化學家們更傾向于對熟悉的結構（如天然產物或“me-too”類化合物）進行修飾，而在合成之初甚至并不完全清楚其確切的生物作用機制。

?彼時，評價化合物潛力的核心在于其是否在動物模型（如原發性高血壓大鼠SHR模型、感染小鼠模型等）中展現出優于陽性對照藥的體內活性。

?在這一階段，“成藥性”并非核心痛點，因為那時的活性分子普遍具備低分子量（<500 Da）、含堿性胺基且易成水溶性鹽的特征。

經典降壓藥納多洛爾（康加爾多）的誕生便印證了這一模式：基于簡單的結構預測進行合成，在證實其體內活性后，便迅速以四種非對映體混合物的形式推向市場。

2. 監管收緊與“時間膨脹”

然而，隨著20世紀80年代制藥行業步入黃金期，藥物發現（專注構效關系SAR）與藥物開發（專注ADME與毒理）開始明確分工。進入90年代，新靶點的大量涌現、臨床驗證的缺乏以及監管政策的收緊，導致研發周期被不斷拉長。

一項塔夫茨基準研究（Tufts benchmarking study）揭示了令人警醒的數據，其報道了活性分子從首次進行藥理試驗到首次進行人體研究的時間（以月為單位）。

?20世紀60年代：首次人體給藥平均耗時 18個月。

?20世紀70年代：上升至 27個月。

?20世紀80-90年代：平均耗時已達 31~34個月。

與開發時間延長形成致命對沖的，是新藥市場獨占期的急劇縮水。第一代重磅藥物（如卡托普利）尚能享受4.7年的市場獨占期，而到了90年代末，神經氨酸酶抑制劑（如達菲、瑞樂砂）的首發優勢僅剩下短短的幾個月，甚至幾近于無。

卡托普利的化學結構

圖源：摩熵醫藥數據庫

在巨額研發投入與短暫回報期的雙重擠壓下，“提速”成為了關乎企業生死存亡的必答題。

二、 BMS的破局之戰：重構發現與開發的邊界

面對行業困局，BMS在90年代初啟動了激進的內部改革，核心目標直指壓縮開發時間。他們對過往推進最快的項目（如卡托普利、氨曲南等，平均FS-to-FIM時間僅為12.8個月）進行了深度復盤。

復盤結果顯示，決定項目速度的核心不在于運氣的加持，而在于極具前瞻性的管理機制。BMS最終提煉出了四大破局策略，這些策略在今天看來依然是教科書級別的操作 ：

1. 前置并行工程

針對導致延遲的第二大元兇——化合物供給斷裂，BMS徹底拋棄了后置的工藝放大邏輯。他們提出了“前瞻性工藝研究策略”：在先導化合物優化階段的最后6個月，工藝化學家就必須強行介入藥物發現流程。團隊組建了名為“確定我們的原材料”的特種小組，緊跟構效關系（SAR）的演進，在最終候選分子被鎖定之前，就提前評估并確立了適合百克級至公斤級放大的鹽型與多晶型物。這一舉措使得分子在正式立項進入開發階段時，用于限速的GLP毒理學研究的原料藥已經準備就緒，徹底消滅了長達數月的工藝摸索空窗期。

2. 跨部門深度整合

為了根治部門墻帶來的協作阻力，BMS在發現后期組建了“開發協調團隊（DCT）”。這是一個由一線科研人員（通常是具有極強解決問題能力的化學、制造和控制（CMC）專家）全權領導的多學科矩陣式組織，其成員橫跨了ADME、藥物安全評估（DSE）以及臨床供應鏈部門。DCT被賦予了極高的戰術決策權，他們不受常規僵化管理制度的束縛，唯一的使命就是制定綜合時間線并積極調配所有關聯資源，以最小化FS-to-FIM周期。BMS甚至為這些未來領袖制定了為期兩天的密集閉門培訓，涵蓋矩陣團隊管理、基因毒性雜質控制以及同位素標記合成等硬核議程。

3. 極致的流程優化

魔鬼往往隱藏在細節之中。DCT在審查毒理學研究時間線時敏銳地捕捉到一個荒謬的現象：部分實驗室在等待原料藥合成完畢并運抵現場后，才開始著手訂購用于GLP測試的實驗動物，這導致了數周的無謂等待。通過引入適度的財務風險評估，BMS強制要求在原料藥預計可用的數周前提前預訂動物資源，將給藥動物的空窗期與API的交付期完美重疊。僅這一項看似微不足道的供應鏈調度優化，就為整個項目硬生生搶回了2周的寶貴時間。

4. 文化重塑與團隊狂熱

流程的物理改變必須輔以化學層面的文化催化。BMS極力在發現化學家、分析研究員與工藝藥師之間培養一種真誠的“主人翁意識”。這種熱情并非來源于強迫性的加班，而是基于解決前沿科學挑戰的成就感。在早期的 氨曲南（Aztreonam，單環β-內酰胺類抗生素）項目中，團隊成員甚至自發制作并佩戴印有“我喜歡單環菌素”的紅心紐扣。這種極具個人色彩的情感投射在枯燥的實驗室中產生了奇妙的共振，成為了跨越無數技術死胡同的強效心理潤滑劑。

氨曲南的化學結構

圖源：摩熵醫藥數據庫

通過這套近乎嚴苛的組合拳，BMS在計劃實施的第一年內就收到了令人震驚的回報。原本平均需要35個月的FS-to-FIM周期被大幅度腰斬，許多常規項目在不到兩年的時間內輕松完成，而最順利的明星項目，甚至在短短367天內就跑完了從首次合成到受試者體內給藥的全程。BMS在1990年代奠定的這套加速理論，至今仍被全球各大藥企奉為金科玉律。

三、 現代啟示錄：應對復雜分子的化學突圍

時至今日，隨著高通量篩選和靶向制劑平臺的普及，候選分子的結構復雜性呈指數級上升。在BMS看來，化學復雜性是一個動態的、隨時間變化的外部現象，它直接決定了工藝團隊能否在規定時間內交付高質量的化合物。

在向開發階段過渡的前6~9個月，新藥研發團隊必須做出第一個也是最重要的戰略決策：是繼續沿用發現階段的合成路線，還是投入資源開發全新的合成技術？

經典案例：JAK2抑制劑 BMS-911543 的極速突圍

BMS-911543 的開發完美詮釋了“磨刀不誤砍柴工”的現代工藝邏輯。

BMS-911543 的化學結構

圖源：摩熵醫藥數據庫

初始困境：發現團隊提供的原始合成路線長達19步，不僅效率極低，而且如果強行放大，將耗盡龐大的研發資源。

?果斷重構：BMS迅速集結高級化學家團隊，從市售原料出發，并行探索替代路線。

?驚艷交付：在短短7個月內，一條全新的10步線性合成路線（總收率11%）被成功確立。這不僅解決了工藝安全問題，更在概念提出后的1年內，奇跡般地交付了600g毒理學樣品和2.2kg的I期臨床樣品。

BMS-911543 項目從藥物發現階段向臨床開發階段過渡期的合成工藝進化全景對比

這一案例深刻表明：對基于首要原則的底層化學創新進行早期投資，是化解復雜性、跑贏時間差的最有效利器。

四、 虛擬化生存：CRO/CMO 生態下的并聯引擎

BMS-911543 的輝煌固然令人心潮澎湃，但這很大程度上是依賴于資金雄厚、人才濟濟、試錯底氣十足的大型跨國藥企（Big Pharma）的“巨艦邏輯”。然而，將目光投向當下醫藥創新的另一股絕對中堅力量——數以千計的中小型生物技術公司（Biotech），情況則呈現出另一番景象。

由于資本環境的嚴冬與資源聚焦的必然要求，現代的Biotech公司在組織架構上往往呈現出極其明顯的“虛擬化”特征。它們可能在人工智能靶點發現、單細胞測序或前沿空間轉錄組學等深水區擁有獨步天下的技術壁壘，但一旦涉及到需要耗資數億美元自建的CMC（化學、制造和控制）工藝實驗室、GMP標準的原料藥/制劑放大車間以及龐大的臨床運營團隊時，它們往往一籌莫展。對于這些與時間賽跑、與融資里程碑對賭的Biotech而言，如何能夠以輕資產的模式，完美復制甚至超越BMS當年那種極致的FS-to-FIM競速曲線？

通過與具備頂尖能力的合同研究組織（CRO）以及合同定制研發生產機構（CDMO）進行深度綁定，Biotech企業能夠實現跨空間的“并行活動”。例如，在優化含有多個復雜片段（ABCDE）的分子路線時：

① 委托一家CRO并行制備公斤級的A和B獨立片段。

② 同時調度第二家CRO的高級FTE（全時當量）團隊，攻克低收率的核心合成步驟。最終，將一條總收率僅為4.6%且嚴重依賴色譜分離的路線，蛻變優化為收率高達43%的商業化路線。

此外，一體化平臺的崛起正在進一步重塑時間線。例如，Quotient Clinical 推出的 Translational Pharmaceutics 平臺，能夠將制劑開發、cGMP生產與臨床研究無縫橋接 。該平臺甚至支持在給藥前實時生產藥品（如短效脂質口服膠囊），根據臨床實時數據動態調整劑量，徹底消滅了FIH（首次人體試驗）前冗長的臨床批次生產和等待時間。

五、未來已來——硅基算力、自動化與轉化科學的終極交響

縱觀全篇，我們已經詳盡地梳理了制藥工業為跨越“死亡之谷”所做出的種種卓絕努力。從1980年代以前閉門造車、依賴動物模型的“經驗試錯”，到1990年代BMS通過打破部門物理藩籬、強勢引入“并行介入”與“矩陣協調（DCT）”所引發的管理學流程革命；再到當代面對結構猶如迷宮般的復雜分子時，通過前置工藝介入與尖端金屬催化技術（如C-H鍵活化）實現降維打擊；直至今天，由Biotech與一體化CDMO構建的敏捷共生網絡。

然而，如果我們要為這張面向下一個十年的研發加速全景圖畫上最后的點睛之筆，就必須承認，僅僅依靠人類管理學層面的流程壓榨與頂尖化學家肉身在實驗室里的手工試錯，已經無可避免地觸及了碳基生命的效率天花板。立足當下的前沿，以生成式人工智能（Generative AI）和大語言模型（LLMs）為代表的硅基浪潮，正在以排山倒海之勢，為FS-to-FIM這一人類科學史上最艱難的征途注入屬于未來的狂暴加速度。

1. 生成式AI：重塑逆合成規劃的神級外腦

正如Li和Eastgate在其“當前復雜性”模型中所深刻指出的，分子的外在合成難度受制于人類已知的化學工具組合。在過去，要尋找類似于BMS-911543那條能夠將19步削減至10步的絕世工藝路線，高度依賴于全球屈指可數的頂尖工藝化學大拿們的靈光一現、深厚的直覺積淀以及無數個日夜在通風櫥前的繁重試錯。

如今，生成式AI與計算機輔助合成規劃（Computer-Assisted Synthesis Planning, CASP）正在無情地顛覆這一陳舊的知識傳承模式。通過深度學習人類歷史上數以億計的化學反應數據庫，結合量子化學底層規則，當代最先進的AI大模型能夠在區區幾分鐘內，窮舉并并行評估數萬條潛在的逆合成裂解路線。它們不僅能夠預測一個分子的理論可合成性，更能在圖紙階段就主動識別并規避那些可能導致微量重金屬殘留、極高廢液排放或易爆風險的危險轉化步驟。

機器學習工具及其在藥物發現中的應用（doi：10.1038/s41573-019-0024-5）

這意味著，在極早期的靶點鎖定與先導化合物設計階段，AI就如同擁有了未卜先知的能力。它能提前將那些“在計算機屏幕上親和力無敵，但在工廠反應釜里根本無法量產”的廢柴分子剔除出局，從而將前瞻性工藝的防線向極度前端再次推進，徹底消滅了進入開發期后才發現路線走不通的災難性回溯。

利用預測性生物標志物支持藥物發現和開發

2. 18個月的硅基奇跡：數字化時代的“極速沖刺”

在這場硅基革命中，以英矽智能（Insilico Medicine）為代表的AI驅動型先鋒藥企，已經向整個守舊的制藥工業展示了算法帶來的恐怖破壞力。在一項旨在攻克特發性肺纖維化（IPF）的創新藥攻堅戰中，該公司利用其自研的AI引擎生成對抗網絡，不僅獨立發現了未見經傳的全新致病靶點，更是從零開始由AI親手設計出了代號為ISM001-055的全新小分子實體。

Insilico Medicine公布利用生成式人工智能發現的新型療法的研發候選藥物基準和時間表

更為驚世駭俗的是，從AI系統正式啟動靶點運算，到完成臨床前候選藥物（PCC）的所有驗證，并最終將該藥物推向首次人體試驗（FIH），整個跨度僅僅耗時約18個月，且總資金消耗控制在令人難以置信的數百萬美元級別。回想一下前文A.D. Little報告中記載的，1990年代傳統藥企平均需要31個月以上才能走完的FS-to-FIM泥濘之路 ，在AI大語言模型與干濕實驗室融合的加持下，時間仿佛被折疊了。

3. 自動化武裝的“未來實驗室”與數字終點

算力狂飆的終極載體，是徹底消除實驗室人力執行瓶頸的硬件革命。根據德勤（Deloitte）2024年的高階洞察報告，受制于全球宏觀經濟的通脹壓力、臨床試驗極度復雜的招募環境以及新一輪高價值資產專利到期的懸崖逼近，大型藥企正面臨前所未有的提升研發投資回報率（IRR）的生存壓力。

在這一背景下，不惜重金打造高度自動化的“未來實驗室”已成為巨頭們的共同選擇。通過部署超高通量化學反應篩選陣列（HTE）、24小時無人值守的全自動結晶篩選機械臂以及貫穿全局的云計算數據管理中臺，企業能夠在幾天之內自動跑完上萬個反應條件，瞬間收集以往需要大批人工耗費數月才能積累的溶解度曲線、多晶型相圖及工藝穩健性海量數據。

數字化復利可重塑研發深度與速度

不僅如此，結合塔夫茨中心（Tufts CSDD）2024年披露的最新數字型終點（Digital endpoints）臨床策略，通過可穿戴設備實時捕獲一期臨床受試者的生理參數，研發團隊甚至可以在IND申報正式獲批前，就憑借無懈可擊的全維度CMC數據包與數字孿生（Digital twin）模擬器，建立起必勝的信心。這種軟硬件的極致結合，徹底夯實了早期開發協調團隊（DCT）的火力底座，令新藥駛入臨床的每一個環節都嚴絲合縫。

結語

回顧半個世紀的研發史，藥物發現向開發的過渡，已經從簡單粗暴的“把化合物扔過墻”演變為了高度精密的跨學科系統工程。

無論是在BMS這樣的大型跨國藥企，還是在依靠CRO驅動的初創Biotech，并行前置、跨界整合、底層工藝創新始終是壓縮 FS-to-FIM 時間線的核心法則。在新藥研發這場與時間的慘烈賽跑中，只有那些能夠將“化學復雜性”轉化為“工程執行力”的團隊，才能真正跨越死亡之谷，將前沿的分子科學轉化為造福患者的臨床曙光。