靶点发现之后，还要回答哪些问题
发现某个蛋白与疾病有关，只是药物靶点研究的起点。GOT-IT（Guidelines On Target Assessment for Innovative Therapeutics）工作组在 2020 年发表的这篇观点文章，讨论如何判断干预该靶点是否可能让特定患者获益，以及研究项目下一步应该补充哪些证据。
这套建议由德国联邦教育与研究部（German Federal Ministry of Education and Research）资助的工作组组织，吸收了学术界、产业界等方面的经验。作者把靶点评估分为若干模块，允许团队根据疾病特点、项目目标和资源，安排评价的先后顺序；不同项目可以采用不同组合。
与人源 NAMs 直接相关的内容，集中在模型选择、细胞检测、药理学工具及数据质量。这些建议把实验结果与靶点的治疗意义对应起来，为是否继续药物开发提供依据。
人源模型要对应具体疾病和评价指标
作者优先考虑与疾病有明确联系的系统，例如患者来源原代细胞，或携带疾病相关变异的诱导多能干细胞（induced pluripotent stem cells，iPSCs）。与通用细胞系、单一蛋白过表达系统相比，这类模型往往更能保留疾病相关的细胞背景。
检测指标也要与研究目的相符。检测指标与所关心的临床终点越接近，越可能反映靶点干预对疾病过程的影响。若产生某种表型需要外加刺激，刺激条件就应有疾病机制依据；本身带有致病遗传因素的患者细胞，则可能减少对人工刺激的依赖。
人源身份本身仍不足以说明模型适合某一任务。文章以原代人肝细胞和 HepG2 细胞系为例，指出前者更接近肝脏组织特征；培养条件、疾病阶段和性别等，也会改变细胞对同一测试物的反应。
独立检测帮助区分疾病关联与靶点作用
靶点在疾病样本中表达异常，与调节靶点能够改善疾病，是两个不同的问题。作者建议从多个来源积累证据，区分疾病相关变化与干预带来的因果作用，避免把表达差异直接当作药物开发依据。
即使单项结果很稳定，也可能受到系统性偏差影响。建议至少采用两种、最好更多相互独立的实验途径，分别覆盖疾病的不同特征；再检查这些结果是否共同支持同一个治疗假设。
效应大小同样需要提前考虑。统计学显著并不说明改变足以产生治疗价值；作者建议先确定有意义的终点，再考虑观察到的效应若在患者中得到证实，是否具有治疗价值。
细胞检测既要相关，也要经得起重复
文章区分了以纯化蛋白为对象的生化检测，与观察完整细胞反应的检测。对于人源靶点，永生化细胞系中的发现，通常还需在原代人细胞中核对；三维培养和高内涵成像也可用于缩小体外系统与真实组织的差距。
检测质量涉及不同孔板、不同日期之间的重复性，以及阳性参照、溶剂兼容性和确认性检测的安排。作者还列出 Z′ 因子，用于描述信号范围与变异对筛选质量的影响。初筛得到活性信号后，还需通过后续检测和浓度–反应关系核对，再判断结果是否值得推进。
数据质量还包括细胞系身份、抗体与试剂的适用性、恰当对照，以及关键实验的随机化和盲法。作者强调，应在实验开始前明确主要终点和统计设计，再用独立重复与不同检测技术检查结果。
工具分子与基因敲除回答的问题不同
药理学工具可以是小分子、肽或抗体。它们未必具备候选药物所需的全部药代和安全性特征，但应有足够的活性、细胞内选择性，以及与靶点位置相符的可达性，使研究者能够判断靶点作用与观察到的表型之间的联系。
基因敲除会同时去除靶点的多种功能，例如催化与支架作用；药物通常难以完全复制这种改变。工具分子还可以在特定阶段加入或移除，因此，药物干预与基因敲除的结果要结合干预程度和时间理解。
对于依赖工具分子的靶点结论，作者建议用结构不同的探针交叉核对，并以结构相近但无活性的分子作阴性对照。这样有助于判断结果来自预期靶点，还是其他作用。
评价任务围绕项目决策安排
GOT-IT 用一组问题帮助团队找出关键缺口，选择本项目需要的评价模块，并决定哪些任务值得继续投入。部分实验也应具备否定治疗假设的能力，使停止项目同样成为有证据支持的决策。
这篇文章提供的是可调整的靶点评估建议。针对人源模型，重点是把疾病背景、功能指标、检测重复性和干预工具逐项对应起来，再判断现有证据是否足以支持下一步药物研发。