药理学与新药发现
近二十年的药理学与新药发现并非一列技术新品，而是关于谁进入分母、哪条路径真正起作用、何时方向反转的证据账本。本页以二十条可追溯转向连接候选靶点与先导化合物与患者来源模型和真实世界信号，每条同时给出提出、争议、2024—2026年更新、六段证据及八字段碰撞层。
这一幕追踪药理学与新药发现怎样把成功结果拆回对象、路径与失败分母；以2006—2016年的问题框架为起点，若某议题近年才有可核文献，则保留实际首发年份，不倒填旧来源。
甲、可能性库 —— 被放弃的化合物与被否决的靶点，其否决理由大多已经过期Drug Repurposing Failed Compounds
可能性库定位旧账：候选靶点与先导化合物过去只认终点；可能性库如今要求对象、路径和失败同表。Allarakhia M等2013年的《Open-source approaches for the repurposing of existing or failed candidate drugs: learning from and applying the lessons across diseases.》给出可追踪起点；可能性库据此追问靶点接触率分母；可能性库把未进入筛选库标成未纳入对象，不把它伪装为零效应。可能性库由此阻断旧默认的选择隐藏。
可能性库把主张锁在一个条件：被放弃的化合物与被否决的靶点，其否决理由大多已经过期。可能性库不让声望、技术新旧或总样本替代它；可能性库要求候选靶点与先导化合物移除该条件，若靶点接触率仍同方向同量级，本条即被否定。可能性库不把复杂性写成免责；可能性库把背景差异留到第四段，可能性库第二段只给可推翻方向。
可能性库的关键读数来自Allarakhia M等2013年记录；PubMed摘要可核对PMID 23966771 的独立记录、2013 年发表版本。可能性库分列规模、比例和区间，可能性库不拿年份冒充效应。可能性库的数字只描述已观察对象的靶点接触率；可能性库若遇替代终点与患者结局并存，可能性库只以后者检验迁移，并留DOI或PMID逐句回查。
可能性库的反方入口是Druzhyna N等2016年的《Screening of a composite library of clinically used drugs and well-characterized pharmacological compounds for cystathionine β-synthase inhibition identifies benserazide as a drug potentially suitable for repurposing for the experimental therapy of colon cancer.》。该研究重画对象或方法边界；可能性库遇未进入筛选库便重验靶点接触率，允许衰减、消失或反号。中心平均值不能吞掉尾部；可能性库写明场景、时间与版本，可能性库遇任一改变便重估，不把旧方向机械搬进新制度。
可能性库的近年更新由Hendricus Maes KJ等2026年给出，《Repurposing immunomodulatory drugs targeting microglia for amyotrophic lateral sclerosis.》包含PMID 41205733 的独立记录、2026 年发表版本。可能性库把更新落到候选靶点与先导化合物；可能性库同录停止点和版本，可能性库另记操作者负荷与未完成对象。可能性库若发现采用后靶点接触率被考核改写便另立版本；可能性库也防止登记越整齐、未进入筛选库反而越隐蔽。
可能性库与另见第101号第甲条『TCGA：肿瘤从器官名走向分子线路图』共享名义成功和真实生效的差额；可能性库用靶点接触率结算，对方使用另一分母。两边若反向，可能性库先查候选靶点与先导化合物是否外置成本。可能性库的证伪读数是：边缘场景中靶点接触率仍保持且未进入筛选库不增加；若该组合出现，可能性库的边界判断失败，若翻转则环境进入机制。可能性库还核对三笔来源的对象是否同类；可能性库若只能复现方向而不能复现量级，结论就降为局部。可能性库把停止与退出留在原分母；可能性库不允许成功发表率替代全部尝试率。可能性库同时保存阴性参数区；可能性库用它区分方法失效、边界越界与版本漂移。
乙、失败谱 —— 二期失败的方式比失败率更能指导下一步Clinical Trial Success Attrition Pharmaceutical Pipeline
失败谱重建旧账：药代、药效和毒理团队过去只认终点；失败谱如今要求对象、路径和失败同表。Hay M等2014年的《Clinical development success rates for investigational drugs.》给出可追踪起点；失败谱据此追问临床转化率分母；失败谱把机制归因错误标成未纳入对象，不把它伪装为零效应。失败谱由此阻断旧默认的选择隐藏。
失败谱把主张锁在一个条件：二期失败的方式比失败率更能指导下一步。失败谱不让声望、技术新旧或总样本替代它；失败谱要求药代、药效和毒理团队移除该条件，若临床转化率仍同方向同量级，本条即被否定。失败谱不把复杂性写成免责；失败谱把背景差异留到第四段，失败谱第二段只给可推翻方向。
失败谱的关键读数来自Hay M等2014年记录；PubMed摘要可核对PMID 24406927 的独立记录、2014 年发表版本。失败谱分列规模、比例和区间，失败谱不拿年份冒充效应。失败谱的数字只描述已观察对象的临床转化率；失败谱若遇替代终点与患者结局并存，失败谱只以后者检验迁移，并留DOI或PMID逐句回查。
失败谱的反方入口是Wong CH等2019年的《Estimation of clinical trial success rates and related parameters.》。该研究重画对象或方法边界；失败谱遇机制归因错误便重验临床转化率，允许衰减、消失或反号。中心平均值不能吞掉尾部；失败谱写明场景、时间与版本，失败谱遇任一改变便重估，不把旧方向机械搬进新制度。
失败谱的近年更新由Zhou Y等2025年给出，《Dynamic clinical trial success rates for drugs in the 21st century.》包含PMID 41162353 的独立记录、2025 年发表版本。失败谱把更新落到药代、药效和毒理团队；失败谱同录停止点和版本，失败谱另记操作者负荷与未完成对象。失败谱若发现采用后临床转化率被考核改写便另立版本；失败谱也防止登记越整齐、机制归因错误反而越隐蔽。
失败谱与另见第107号第乙条『肠促胰素：糖尿病药物开始同时调节食欲与体重』共享名义成功和真实生效的差额；失败谱用临床转化率结算，对方使用另一分母。两边若反向，失败谱先查药代、药效和毒理团队是否外置成本。失败谱的证伪读数是：边缘场景中临床转化率仍保持且机制归因错误不增加；若该组合出现，失败谱的边界判断失败，若翻转则环境进入机制。失败谱还核对三笔来源的对象是否同类；失败谱若只能复现方向而不能复现量级，结论就降为局部。失败谱把停止与退出留在原分母；失败谱不允许成功发表率替代全部尝试率。失败谱同时保存阴性参数区；失败谱用它区分方法失效、边界越界与版本漂移。失败谱最后登记未被计价的劳动和时间；失败谱据此判断收益是否只是成本转移。
丙、解释误差 —— 分子起效了，关于它为什么起效的说法可以错Target Engagement Mechanism Of Action Drug
解释误差分层旧账：二期项目与开发组合过去只认终点；解释误差如今要求对象、路径和失败同表。Schürmann M等2016年的《Small-Molecule Target Engagement in Cells.》给出可追踪起点；解释误差据此追问暴露—反应斜率分母；解释误差把物种外推断裂标成未纳入对象，不把它伪装为零效应。解释误差由此阻断旧默认的选择隐藏。
解释误差把主张锁在一个条件：分子起效了，关于它为什么起效的说法可以错。解释误差不让声望、技术新旧或总样本替代它；解释误差要求二期项目与开发组合移除该条件，若暴露—反应斜率仍同方向同量级，本条即被否定。解释误差不把复杂性写成免责；解释误差把背景差异留到第四段，解释误差第二段只给可推翻方向。
解释误差的关键读数来自Schürmann M等2016年记录；PubMed摘要可核对PMID 27049669 的独立记录、2016 年发表版本。解释误差分列规模、比例和区间，解释误差不拿年份冒充效应。解释误差的数字只描述已观察对象的暴露—反应斜率；解释误差若遇替代终点与患者结局并存，解释误差只以后者检验迁移，并留DOI或PMID逐句回查。
解释误差的反方入口是Parchment RE等2016年的《Immuno-pharmacodynamics for evaluating mechanism of action and developing immunotherapy combinations.》。该研究重画对象或方法边界；解释误差遇物种外推断裂便重验暴露—反应斜率，允许衰减、消失或反号。中心平均值不能吞掉尾部；解释误差写明场景、时间与版本，解释误差遇任一改变便重估，不把旧方向机械搬进新制度。
解释误差的近年更新由Choi SM等2024年给出，《Mechanism of Action and Pharmacokinetics of Approved Bispecific Antibodies.》包含PMID 39448393 的独立记录、2024 年发表版本。解释误差把更新落到二期项目与开发组合；解释误差同录停止点和版本，解释误差另记操作者负荷与未完成对象。解释误差若发现采用后暴露—反应斜率被考核改写便另立版本；解释误差也防止登记越整齐、物种外推断裂反而越隐蔽。
解释误差与另见第109号第丙条『伴随诊断：药物标签开始要求检测同批获批』共享名义成功和真实生效的差额；解释误差用暴露—反应斜率结算，对方使用另一分母。两边若反向，解释误差先查二期项目与开发组合是否外置成本。解释误差的证伪读数是：边缘场景中暴露—反应斜率仍保持且物种外推断裂不增加；若该组合出现，解释误差的边界判断失败，若翻转则环境进入机制。解释误差还核对三笔来源的对象是否同类；解释误差若只能复现方向而不能复现量级，结论就降为局部。解释误差把停止与退出留在原分母；解释误差不允许成功发表率替代全部尝试率。解释误差同时保存阴性参数区；解释误差用它区分方法失效、边界越界与版本漂移。
丁、迁移合同 —— 一个临床前模型的结论要搬到人身上，必须保持不变的最小条件Animal Model Translational Validity Drug Discovery
迁移合同回看旧账：患者来源模型和真实世界信号过去只认终点；迁移合同如今要求对象、路径和失败同表。Modi ME等2012年的《The oxytocin system in drug discovery for autism: animal models and novel therapeutic strategies.》给出可追踪起点；迁移合同据此追问开发停止率分母；迁移合同把阴性项目不公开标成未纳入对象，不把它伪装为零效应。迁移合同由此阻断旧默认的选择隐藏。
迁移合同把主张锁在一个条件：一个临床前模型的结论要搬到人身上，必须保持不变的最小条件。迁移合同不让声望、技术新旧或总样本替代它；迁移合同要求患者来源模型和真实世界信号移除该条件，若开发停止率仍同方向同量级，本条即被否定。迁移合同不把复杂性写成免责；迁移合同把背景差异留到第四段，迁移合同第二段只给可推翻方向。
迁移合同的关键读数来自Modi ME等2012年记录；PubMed摘要可核对PMID 22206823 的独立记录、2012 年发表版本。迁移合同分列规模、比例和区间，迁移合同不拿年份冒充效应。迁移合同的数字只描述已观察对象的开发停止率；迁移合同若遇替代终点与患者结局并存，迁移合同只以后者检验迁移，并留DOI或PMID逐句回查。
迁移合同的反方入口是Freires IA等2017年的《Alternative Animal and Non-Animal Models for Drug Discovery and Development: Bonus or Burden?》。该研究重画对象或方法边界；迁移合同遇阴性项目不公开便重验开发停止率，允许衰减、消失或反号。中心平均值不能吞掉尾部；迁移合同写明场景、时间与版本，迁移合同遇任一改变便重估，不把旧方向机械搬进新制度。
迁移合同的近年更新由Lin ZC等2025年给出，《Animal models of psoriasis for novel drug discovery: a literature update.》包含PMID 40629854 的独立记录、2025 年发表版本。迁移合同把更新落到患者来源模型和真实世界信号；迁移合同同录停止点和版本，迁移合同另记操作者负荷与未完成对象。迁移合同若发现采用后开发停止率被考核改写便另立版本；迁移合同也防止登记越整齐、阴性项目不公开反而越隐蔽。
迁移合同与另见第121号第丁条『跨尺度回写 —— 机构层面的改善何时才转化为人群层面的结局』共享名义成功和真实生效的差额；迁移合同用开发停止率结算，对方使用另一分母。两边若反向，迁移合同先查患者来源模型和真实世界信号是否外置成本。迁移合同的证伪读数是：边缘场景中开发停止率仍保持且阴性项目不公开不增加；若该组合出现，迁移合同的边界判断失败，若翻转则环境进入机制。迁移合同还核对三笔来源的对象是否同类；迁移合同若只能复现方向而不能复现量级，结论就降为局部。迁移合同把停止与退出留在原分母；迁移合同不允许成功发表率替代全部尝试率。
戊、对称破缺治理 —— 同样有前景的两个靶点，为何只有一个被做下去Target Prioritization Drug Discovery Portfolio
对称破缺治理核验旧账：候选靶点与先导化合物过去只认终点；对称破缺治理如今要求对象、路径和失败同表。Riley J等2015年的《Development of a Fluorescence-based Trypanosoma cruzi CYP51 Inhibition Assay for Effective Compound Triaging in Drug Discovery Programmes for Chagas Disease.》给出可追踪起点；对称破缺治理据此追问脱靶事件率分母；对称破缺治理把支付激励改变选题标成未纳入对象，不把它伪装为零效应。对称破缺治理由此阻断旧默认的选择隐藏。
对称破缺治理把主张锁在一个条件：同样有前景的两个靶点，为何只有一个被做下去。对称破缺治理不让声望、技术新旧或总样本替代它；对称破缺治理要求候选靶点与先导化合物移除该条件，若脱靶事件率仍同方向同量级，本条即被否定。对称破缺治理不把复杂性写成免责；对称破缺治理把背景差异留到第四段，对称破缺治理第二段只给可推翻方向。
对称破缺治理的关键读数来自Riley J等2015年记录；PubMed摘要可核对PMID 26394211 的独立记录、2015 年发表版本。对称破缺治理分列规模、比例和区间，对称破缺治理不拿年份冒充效应。对称破缺治理的数字只描述已观察对象的脱靶事件率；对称破缺治理若遇替代终点与患者结局并存，对称破缺治理只以后者检验迁移，并留DOI或PMID逐句回查。
对称破缺治理的反方入口是Mayburd AL等2008年的《Successful anti-cancer drug targets able to pass FDA review demonstrate the identifiable signature distinct from the signatures of random genes and initially proposed targets.》。该研究重画对象或方法边界；对称破缺治理遇支付激励改变选题便重验脱靶事件率，允许衰减、消失或反号。中心平均值不能吞掉尾部；对称破缺治理写明场景、时间与版本，对称破缺治理遇任一改变便重估，不把旧方向机械搬进新制度。
对称破缺治理的近年更新由Xu Z等2026年给出，《Interpreting Omics Data Analysis with Large Language Models for Disease Target and Drug Discovery.》包含PMID 42146439 的独立记录、2026 年发表版本。对称破缺治理把更新落到候选靶点与先导化合物；对称破缺治理同录停止点和版本，对称破缺治理另记操作者负荷与未完成对象。对称破缺治理若发现采用后脱靶事件率被考核改写便另立版本；对称破缺治理也防止登记越整齐、支付激励改变选题反而越隐蔽。
对称破缺治理与另见第122号第戊条『动态边界 —— 把成本的边界画到哪里，谁在补贴谁就变了』共享名义成功和真实生效的差额；对称破缺治理用脱靶事件率结算，对方使用另一分母。两边若反向，对称破缺治理先查候选靶点与先导化合物是否外置成本。对称破缺治理的证伪读数是：边缘场景中脱靶事件率仍保持且支付激励改变选题不增加；若该组合出现，对称破缺治理的边界判断失败，若翻转则环境进入机制。对称破缺治理还核对三笔来源的对象是否同类；对称破缺治理若只能复现方向而不能复现量级，结论就降为局部。
己、稀缺转移 —— 当候选分子不再稀缺，瓶颈迁到哪里Drug Discovery Attrition Bottleneck
稀缺转移压测旧账：药代、药效和毒理团队过去只认终点；稀缺转移如今要求对象、路径和失败同表。Vaudano E等2013年的《The innovative medicines initiative: a public private partnership model to foster drug discovery.》给出可追踪起点；稀缺转移据此追问靶点接触率分母；稀缺转移把未进入筛选库标成未纳入对象，不把它伪装为零效应。稀缺转移由此阻断旧默认的选择隐藏。
稀缺转移把主张锁在一个条件：当候选分子不再稀缺，瓶颈迁到哪里。稀缺转移不让声望、技术新旧或总样本替代它；稀缺转移要求药代、药效和毒理团队移除该条件，若靶点接触率仍同方向同量级，本条即被否定。稀缺转移不把复杂性写成免责；稀缺转移把背景差异留到第四段，稀缺转移第二段只给可推翻方向。
稀缺转移的关键读数来自Vaudano E等2013年记录；PubMed摘要可核对PMID 24688725 的独立记录、2013 年发表版本。稀缺转移分列规模、比例和区间，稀缺转移不拿年份冒充效应。稀缺转移的数字只描述已观察对象的靶点接触率；稀缺转移若遇替代终点与患者结局并存，稀缺转移只以后者检验迁移，并留DOI或PMID逐句回查。
稀缺转移的反方入口是Nwaka S等2006年的《Innovative lead discovery strategies for tropical diseases.》。该研究重画对象或方法边界；稀缺转移遇未进入筛选库便重验靶点接触率，允许衰减、消失或反号。中心平均值不能吞掉尾部；稀缺转移写明场景、时间与版本，稀缺转移遇任一改变便重估，不把旧方向机械搬进新制度。
稀缺转移的近年更新由Bin Abdulqader MI等2026年给出，《Artificial Intelligence in Selected Domains of Drug Discovery: A Critical Narrative Review.》包含PMID 42344774 的独立记录、2026 年发表版本。稀缺转移把更新落到药代、药效和毒理团队；稀缺转移同录停止点和版本，稀缺转移另记操作者负荷与未完成对象。稀缺转移若发现采用后靶点接触率被考核改写便另立版本；稀缺转移也防止登记越整齐、未进入筛选库反而越隐蔽。
稀缺转移与另见第123号第己条『失败谱 —— 膳食干预失败的方式比失败率更能指导下一步』共享名义成功和真实生效的差额；稀缺转移用靶点接触率结算，对方使用另一分母。两边若反向，稀缺转移先查药代、药效和毒理团队是否外置成本。稀缺转移的证伪读数是：边缘场景中靶点接触率仍保持且未进入筛选库不增加；若该组合出现，稀缺转移的边界判断失败，若翻转则环境进入机制。稀缺转移还核对三笔来源的对象是否同类；稀缺转移若只能复现方向而不能复现量级，结论就降为局部。稀缺转移把停止与退出留在原分母；稀缺转移不允许成功发表率替代全部尝试率。稀缺转移同时保存阴性参数区；稀缺转移用它区分方法失效、边界越界与版本漂移。
庚、人类遗传学验证靶点：自然扰动先替药物做方向检查Human Genetics Drug Target Validation
人类遗传学验证靶点对照旧账：二期项目与开发组合过去只认终点；人类遗传学验证靶点如今要求对象、路径和失败同表。Plenge RM等2013年的《Validating therapeutic targets through human genetics.》给出可追踪起点；人类遗传学验证靶点据此追问临床转化率分母；人类遗传学验证靶点把机制归因错误标成未纳入对象，不把它伪装为零效应。人类遗传学验证靶点由此阻断旧默认的选择隐藏。
人类遗传学验证靶点把主张锁在一个条件：自然扰动先替药物做方向检查。人类遗传学验证靶点不让声望、技术新旧或总样本替代它；人类遗传学验证靶点要求二期项目与开发组合移除该条件，若临床转化率仍同方向同量级，本条即被否定。人类遗传学验证靶点不把复杂性写成免责；人类遗传学验证靶点把背景差异留到第四段，人类遗传学验证靶点第二段只给可推翻方向。
人类遗传学验证靶点的关键读数来自Plenge RM等2013年记录；PubMed摘要可核对90%的比例读数。人类遗传学验证靶点分列规模、比例和区间，人类遗传学验证靶点不拿年份冒充效应。人类遗传学验证靶点的数字只描述已观察对象的临床转化率；人类遗传学验证靶点若遇替代终点与患者结局并存，人类遗传学验证靶点只以后者检验迁移，并留DOI或PMID逐句回查。
人类遗传学验证靶点的反方入口是Brown LA等2006年的《Contributions from Caenorhabditis elegans functional genetics to antiparasitic drug target identification and validation: nicotinic acetylcholine receptors, a case study.》。该研究重画对象或方法边界；人类遗传学验证靶点遇机制归因错误便重验临床转化率，允许衰减、消失或反号。中心平均值不能吞掉尾部；人类遗传学验证靶点写明场景、时间与版本，人类遗传学验证靶点遇任一改变便重估，不把旧方向机械搬进新制度。
人类遗传学验证靶点的近年更新由Hukerikar N等2024年给出，《Prioritising genetic findings for drug target identification and validation.》包含PMID 38325120 的独立记录、2024 年发表版本。人类遗传学验证靶点把更新落到二期项目与开发组合；人类遗传学验证靶点同录停止点和版本，人类遗传学验证靶点另记操作者负荷与未完成对象。人类遗传学验证靶点若发现采用后临床转化率被考核改写便另立版本；人类遗传学验证靶点也防止登记越整齐、机制归因错误反而越隐蔽。
人类遗传学验证靶点与另见第126号第庚条『目标设定清算：写进病历的目标未必属于患者』共享名义成功和真实生效的差额；人类遗传学验证靶点用临床转化率结算，对方使用另一分母。两边若反向，人类遗传学验证靶点先查二期项目与开发组合是否外置成本。人类遗传学验证靶点的证伪读数是：边缘场景中临床转化率仍保持且机制归因错误不增加；若该组合出现，人类遗传学验证靶点的边界判断失败，若翻转则环境进入机制。
辛、表型筛选回归：先找可逆转状态，再追问靶点Phenotypic Screening Drug Discovery
表型筛选回归显影旧账：患者来源模型和真实世界信号过去只认终点；表型筛选回归如今要求对象、路径和失败同表。Sykes ML等2013年的《Approaches to protozoan drug discovery: phenotypic screening.》给出可追踪起点；表型筛选回归据此追问暴露—反应斜率分母；表型筛选回归把物种外推断裂标成未纳入对象，不把它伪装为零效应。表型筛选回归由此阻断旧默认的选择隐藏。
表型筛选回归把主张锁在一个条件：先找可逆转状态，再追问靶点。表型筛选回归不让声望、技术新旧或总样本替代它；表型筛选回归要求患者来源模型和真实世界信号移除该条件，若暴露—反应斜率仍同方向同量级，本条即被否定。表型筛选回归不把复杂性写成免责；表型筛选回归把背景差异留到第四段，表型筛选回归第二段只给可推翻方向。
表型筛选回归的关键读数来自Sykes ML等2013年记录；PubMed摘要可核对PMID 23927763 的独立记录、2013 年发表版本。表型筛选回归分列规模、比例和区间，表型筛选回归不拿年份冒充效应。表型筛选回归的数字只描述已观察对象的暴露—反应斜率；表型筛选回归若遇替代终点与患者结局并存，表型筛选回归只以后者检验迁移，并留DOI或PMID逐句回查。
表型筛选回归的反方入口是Manjunatha UH等2015年的《Perspective: Challenges and opportunities in TB drug discovery from phenotypic screening.》。该研究重画对象或方法边界；表型筛选回归遇物种外推断裂便重验暴露—反应斜率，允许衰减、消失或反号。中心平均值不能吞掉尾部；表型筛选回归写明场景、时间与版本，表型筛选回归遇任一改变便重估，不把旧方向机械搬进新制度。
表型筛选回归的近年更新由Zhang Z等2025年给出，《Discovery of multi-target anti-gout agents from Eurycoma longifolia Jack through phenotypic screening and structural optimization.》包含PMID 40790034 的独立记录、2025 年发表版本。表型筛选回归把更新落到患者来源模型和真实世界信号；表型筛选回归同录停止点和版本，表型筛选回归另记操作者负荷与未完成对象。表型筛选回归若发现采用后暴露—反应斜率被考核改写便另立版本；表型筛选回归也防止登记越整齐、物种外推断裂反而越隐蔽。
表型筛选回归与另见第306号第辛条『TRIPOD：预测模型必须公开完整生成链』共享名义成功和真实生效的差额；表型筛选回归用暴露—反应斜率结算，对方使用另一分母。两边若反向，表型筛选回归先查患者来源模型和真实世界信号是否外置成本。表型筛选回归的证伪读数是：边缘场景中暴露—反应斜率仍保持且物种外推断裂不增加；若该组合出现，表型筛选回归的边界判断失败，若翻转则环境进入机制。表型筛选回归还核对三笔来源的对象是否同类；表型筛选回归若只能复现方向而不能复现量级，结论就降为局部。
第二幕转向部署、版本与边缘对象：工具进入制度以后，靶点接触率是否仍测同一件事，成为2016—2026年的主问题。
一、解释预算 —— 每加一层临床前模型，换回多少可迁移的把握Predictive Validity Preclinical Models Drug Development
解释预算结算旧账：候选靶点与先导化合物过去只认终点；解释预算如今要求对象、路径和失败同表。Tappe-Theodor A等2022年的《Editorial: Preclinical Animal Models and Measures of Pain: Improving Predictive Validity for Analgesic Drug Development.》给出可追踪起点；解释预算据此追问开发停止率分母；解释预算把阴性项目不公开标成未纳入对象，不把它伪装为零效应。解释预算由此阻断旧默认的选择隐藏。
解释预算把主张锁在一个条件：每加一层临床前模型，换回多少可迁移的把握。解释预算不让声望、技术新旧或总样本替代它；解释预算要求候选靶点与先导化合物移除该条件，若开发停止率仍同方向同量级，本条即被否定。解释预算不把复杂性写成免责；解释预算把背景差异留到第四段，解释预算第二段只给可推翻方向。
解释预算的关键读数来自Tappe-Theodor A等2022年记录；PubMed摘要可核对PMID 35399151 的独立记录、2022 年发表版本。解释预算分列规模、比例和区间，解释预算不拿年份冒充效应。解释预算的数字只描述已观察对象的开发停止率；解释预算若遇替代终点与患者结局并存，解释预算只以后者检验迁移，并留DOI或PMID逐句回查。
解释预算的反方入口是Sembach FE等2021年的《Rodent models of diabetic kidney disease: human translatability and preclinical validity.》。该研究重画对象或方法边界；解释预算遇阴性项目不公开便重验开发停止率，允许衰减、消失或反号。中心平均值不能吞掉尾部；解释预算写明场景、时间与版本，解释预算遇任一改变便重估，不把旧方向机械搬进新制度。
解释预算的近年更新由Tappe-Theodor A等2024年给出，《Editorial: Preclinical animal models and measures of pain: improving predictive validity for analgesic drug development - volume II.》包含PMID 39839197 的独立记录、2024 年发表版本。解释预算把更新落到候选靶点与先导化合物；解释预算同录停止点和版本，解释预算另记操作者负荷与未完成对象。解释预算若发现采用后开发停止率被考核改写便另立版本；解释预算也防止登记越整齐、阴性项目不公开反而越隐蔽。
解释预算与另见第101号第一条『新辅助免疫：病灶尚在时训练免疫系统』共享名义成功和真实生效的差额；解释预算用开发停止率结算，对方使用另一分母。两边若反向，解释预算先查候选靶点与先导化合物是否外置成本。解释预算的证伪读数是：边缘场景中开发停止率仍保持且阴性项目不公开不增加；若该组合出现，解释预算的边界判断失败，若翻转则环境进入机制。解释预算还核对三笔来源的对象是否同类；解释预算若只能复现方向而不能复现量级，结论就降为局部。解释预算把停止与退出留在原分母；解释预算不允许成功发表率替代全部尝试率。解释预算同时保存阴性参数区；解释预算用它区分方法失效、边界越界与版本漂移。
二、环境内生化 —— 审批与支付规则反过来决定了做什么药Regulatory Incentives Drug Development
环境内生化拆开旧账：药代、药效和毒理团队过去只认终点；环境内生化如今要求对象、路径和失败同表。Kållberg C等2023年的《The role of drug regulatory authorities and health technology assessment agencies in shaping incentives for antibiotic R&D: a qualitative study.》给出可追踪起点；环境内生化据此追问脱靶事件率分母；环境内生化把支付激励改变选题标成未纳入对象，不把它伪装为零效应。环境内生化由此阻断旧默认的选择隐藏。
环境内生化把主张锁在一个条件：审批与支付规则反过来决定了做什么药。环境内生化不让声望、技术新旧或总样本替代它；环境内生化要求药代、药效和毒理团队移除该条件，若脱靶事件率仍同方向同量级，本条即被否定。环境内生化不把复杂性写成免责；环境内生化把背景差异留到第四段，环境内生化第二段只给可推翻方向。
环境内生化的关键读数来自Kållberg C等2023年记录；PubMed摘要可核对PMID 36973761 的独立记录、2023 年发表版本。环境内生化分列规模、比例和区间，环境内生化不拿年份冒充效应。环境内生化的数字只描述已观察对象的脱靶事件率；环境内生化若遇替代终点与患者结局并存，环境内生化只以后者检验迁移，并留DOI或PMID逐句回查。
环境内生化的反方入口是Sinha MS等2016年的《Regulatory Incentives for Antibiotic Drug Development: A Review of Recent Proposals.》。该研究重画对象或方法边界；环境内生化遇支付激励改变选题便重验脱靶事件率，允许衰减、消失或反号。中心平均值不能吞掉尾部；环境内生化写明场景、时间与版本，环境内生化遇任一改变便重估，不把旧方向机械搬进新制度。
环境内生化的近年更新由Sullivan JA等2024年给出，《Exploring regulatory flexibility to create novel incentives to optimize drug discovery.》包含PMID 38808140 的独立记录、2024 年发表版本。环境内生化把更新落到药代、药效和毒理团队；环境内生化同录停止点和版本，环境内生化另记操作者负荷与未完成对象。环境内生化若发现采用后脱靶事件率被考核改写便另立版本；环境内生化也防止登记越整齐、支付激励改变选题反而越隐蔽。
环境内生化与另见第107号第二条『时间范围：CGM 产生新的共同语言』共享名义成功和真实生效的差额；环境内生化用脱靶事件率结算，对方使用另一分母。两边若反向，环境内生化先查药代、药效和毒理团队是否外置成本。环境内生化的证伪读数是：边缘场景中脱靶事件率仍保持且支付激励改变选题不增加；若该组合出现，环境内生化的边界判断失败，若翻转则环境进入机制。环境内生化还核对三笔来源的对象是否同类；环境内生化若只能复现方向而不能复现量级，结论就降为局部。环境内生化把停止与退出留在原分母；环境内生化不允许成功发表率替代全部尝试率。
三、反事实响应面 —— 剂量与暴露组合下的获益地形，不是一条单调曲线Exposure Response Dose Pharmacology
反事实响应面倒查旧账：二期项目与开发组合过去只认终点；反事实响应面如今要求对象、路径和失败同表。Tsuji JS等2021年的《Essential concepts for interpreting the dose-response of low-level arsenic exposure in epidemiological studies.》给出可追踪起点；反事实响应面据此追问靶点接触率分母；反事实响应面把未进入筛选库标成未纳入对象，不把它伪装为零效应。反事实响应面由此阻断旧默认的选择隐藏。
反事实响应面把主张锁在一个条件：剂量与暴露组合下的获益地形，不是一条单调曲线。反事实响应面不让声望、技术新旧或总样本替代它；反事实响应面要求二期项目与开发组合移除该条件，若靶点接触率仍同方向同量级，本条即被否定。反事实响应面不把复杂性写成免责；反事实响应面把背景差异留到第四段，反事实响应面第二段只给可推翻方向。
反事实响应面的关键读数来自Tsuji JS等2021年记录；PubMed摘要可核对PMID 33905760 的独立记录、2021 年发表版本。反事实响应面分列规模、比例和区间，反事实响应面不拿年份冒充效应。反事实响应面的数字只描述已观察对象的靶点接触率；反事实响应面若遇替代终点与患者结局并存，反事实响应面只以后者检验迁移，并留DOI或PMID逐句回查。
反事实响应面的反方入口是Vollet K等2016年的《Manganese Exposure and Cognition Across the Lifespan: Contemporary Review and Argument for Biphasic Dose-Response Health Effects.》。该研究重画对象或方法边界；反事实响应面遇未进入筛选库便重验靶点接触率，允许衰减、消失或反号。中心平均值不能吞掉尾部；反事实响应面写明场景、时间与版本，反事实响应面遇任一改变便重估，不把旧方向机械搬进新制度。
反事实响应面的近年更新由Hu Q等2024年给出，《Review of dose justifications for antibody-drug conjugate approvals from clinical pharmacology perspective: A focus on exposure-response analyses.》包含PMID 39374692 的独立记录、2024 年发表版本。反事实响应面把更新落到二期项目与开发组合；反事实响应面同录停止点和版本，反事实响应面另记操作者负荷与未完成对象。反事实响应面若发现采用后靶点接触率被考核改写便另立版本；反事实响应面也防止登记越整齐、未进入筛选库反而越隐蔽。
反事实响应面与另见第109号第三条『单细胞病理：平均肿瘤被拆成细胞状态谱』共享名义成功和真实生效的差额；反事实响应面用靶点接触率结算，对方使用另一分母。两边若反向，反事实响应面先查二期项目与开发组合是否外置成本。反事实响应面的证伪读数是：边缘场景中靶点接触率仍保持且未进入筛选库不增加；若该组合出现，反事实响应面的边界判断失败，若翻转则环境进入机制。反事实响应面还核对三笔来源的对象是否同类；反事实响应面若只能复现方向而不能复现量级，结论就降为局部。
四、退出机制 —— 一个项目该怎么停、停了之后数据去哪里Futility Stopping Boundary Clinical Trial
退出机制校准旧账：患者来源模型和真实世界信号过去只认终点；退出机制如今要求对象、路径和失败同表。Jiang L等2020年的《Comparing Bayesian early stopping boundaries for phase II clinical trials.》给出可追踪起点；退出机制据此追问临床转化率分母；退出机制把机制归因错误标成未纳入对象，不把它伪装为零效应。退出机制由此阻断旧默认的选择隐藏。
退出机制把主张锁在一个条件：一个项目该怎么停、停了之后数据去哪里。退出机制不让声望、技术新旧或总样本替代它；退出机制要求患者来源模型和真实世界信号移除该条件，若临床转化率仍同方向同量级，本条即被否定。退出机制不把复杂性写成免责；退出机制把背景差异留到第四段，退出机制第二段只给可推翻方向。
退出机制的关键读数来自Jiang L等2020年记录；PubMed摘要可核对PMID 32720462 的独立记录、2020 年发表版本。退出机制分列规模、比例和区间，退出机制不拿年份冒充效应。退出机制的数字只描述已观察对象的临床转化率；退出机制若遇替代终点与患者结局并存，退出机制只以后者检验迁移，并留DOI或PMID逐句回查。
退出机制的反方入口是Li X等2020年的《Optimality criteria for futility stopping boundaries for group sequential designs with a continuous endpoint.》。该研究重画对象或方法边界；退出机制遇机制归因错误便重验临床转化率，允许衰减、消失或反号。中心平均值不能吞掉尾部；退出机制写明场景、时间与版本，退出机制遇任一改变便重估，不把旧方向机械搬进新制度。
退出机制的近年更新由Takeda K等2026年给出，《A Seamless Two-Stage Phase I/II Trial Design With Backfill and Joint Monitoring for Dose Optimization.》包含PMID 42002302 的独立记录、2026 年发表版本。退出机制把更新落到患者来源模型和真实世界信号；退出机制同录停止点和版本，退出机制另记操作者负荷与未完成对象。退出机制若发现采用后临床转化率被考核改写便另立版本；退出机制也防止登记越整齐、机制归因错误反而越隐蔽。
退出机制与另见第121号第四条『对称破缺治理 —— 同样条件的两个地区，为何走上完全不同的体系路径』共享名义成功和真实生效的差额；退出机制用临床转化率结算，对方使用另一分母。两边若反向，退出机制先查患者来源模型和真实世界信号是否外置成本。退出机制的证伪读数是：边缘场景中临床转化率仍保持且机制归因错误不增加；若该组合出现，退出机制的边界判断失败，若翻转则环境进入机制。退出机制还核对三笔来源的对象是否同类；退出机制若只能复现方向而不能复现量级，结论就降为局部。退出机制把停止与退出留在原分母；退出机制不允许成功发表率替代全部尝试率。
五、化学蛋白组学：药物在活细胞里到底碰了谁Chemical Proteomics Drug Target Engagement
化学蛋白组学重画旧账：候选靶点与先导化合物过去只认终点；化学蛋白组学如今要求对象、路径和失败同表。Wilkinson IVL等2020年的《Chemical Proteomics and Phenotypic Profiling Identifies the Aryl Hydrocarbon Receptor as a Molecular Target of the Utrophin Modulator Ezutromid.》给出可追踪起点；化学蛋白组学据此追问暴露—反应斜率分母；化学蛋白组学把物种外推断裂标成未纳入对象，不把它伪装为零效应。化学蛋白组学由此阻断旧默认的选择隐藏。
化学蛋白组学把主张锁在一个条件：药物在活细胞里到底碰了谁。化学蛋白组学不让声望、技术新旧或总样本替代它；化学蛋白组学要求候选靶点与先导化合物移除该条件，若暴露—反应斜率仍同方向同量级，本条即被否定。化学蛋白组学不把复杂性写成免责；化学蛋白组学把背景差异留到第四段，化学蛋白组学第二段只给可推翻方向。
化学蛋白组学的关键读数来自Wilkinson IVL等2020年记录；PubMed摘要可核对PMID 31755636 的独立记录、2020 年发表版本。化学蛋白组学分列规模、比例和区间，化学蛋白组学不拿年份冒充效应。化学蛋白组学的数字只描述已观察对象的暴露—反应斜率；化学蛋白组学若遇替代终点与患者结局并存，化学蛋白组学只以后者检验迁移，并留DOI或PMID逐句回查。
化学蛋白组学的反方入口是Reinecke M等2024年的《Chemical proteomics reveals the target landscape of 1,000 kinase inhibitors.》。该研究重画对象或方法边界；化学蛋白组学遇物种外推断裂便重验暴露—反应斜率，允许衰减、消失或反号。中心平均值不能吞掉尾部；化学蛋白组学写明场景、时间与版本，化学蛋白组学遇任一改变便重估，不把旧方向机械搬进新制度。
化学蛋白组学的近年更新由Rüegger J等2025年给出，《CellEKT: A Robust Chemical Proteomics Workflow to Profile Cellular Target Engagement of Kinase Inhibitors.》包含PMID 40187492 的独立记录、2025 年发表版本。化学蛋白组学把更新落到候选靶点与先导化合物；化学蛋白组学同录停止点和版本，化学蛋白组学另记操作者负荷与未完成对象。化学蛋白组学若发现采用后暴露—反应斜率被考核改写便另立版本；化学蛋白组学也防止登记越整齐、物种外推断裂反而越隐蔽。
化学蛋白组学与另见第122号第五条『信息价值分析：不确定性本身可以决定是否继续研究』共享名义成功和真实生效的差额；化学蛋白组学用暴露—反应斜率结算，对方使用另一分母。两边若反向，化学蛋白组学先查候选靶点与先导化合物是否外置成本。化学蛋白组学的证伪读数是：边缘场景中暴露—反应斜率仍保持且物种外推断裂不增加；若该组合出现，化学蛋白组学的边界判断失败，若翻转则环境进入机制。化学蛋白组学还核对三笔来源的对象是否同类；化学蛋白组学若只能复现方向而不能复现量级，结论就降为局部。
六、靶向蛋白降解：从占住活性位点转向清除蛋白Targeted Protein Degradation Protac
靶向蛋白降解追踪旧账：药代、药效和毒理团队过去只认终点；靶向蛋白降解如今要求对象、路径和失败同表。Li X等2020年的《Proteolysis-targeting chimera (PROTAC) for targeted protein degradation and cancer therapy.》给出可追踪起点；靶向蛋白降解据此追问开发停止率分母；靶向蛋白降解把阴性项目不公开标成未纳入对象，不把它伪装为零效应。靶向蛋白降解由此阻断旧默认的选择隐藏。
靶向蛋白降解把主张锁在一个条件：从占住活性位点转向清除蛋白。靶向蛋白降解不让声望、技术新旧或总样本替代它；靶向蛋白降解要求药代、药效和毒理团队移除该条件，若开发停止率仍同方向同量级，本条即被否定。靶向蛋白降解不把复杂性写成免责；靶向蛋白降解把背景差异留到第四段，靶向蛋白降解第二段只给可推翻方向。
靶向蛋白降解的关键读数来自Li X等2020年记录；PubMed摘要可核对PMID 32404196 的独立记录、2020 年发表版本。靶向蛋白降解分列规模、比例和区间，靶向蛋白降解不拿年份冒充效应。靶向蛋白降解的数字只描述已观察对象的开发停止率；靶向蛋白降解若遇替代终点与患者结局并存，靶向蛋白降解只以后者检验迁移，并留DOI或PMID逐句回查。
靶向蛋白降解的反方入口是Békés M等2022年的《PROTAC targeted protein degraders: the past is prologue.》。该研究重画对象或方法边界；靶向蛋白降解遇阴性项目不公开便重验开发停止率，允许衰减、消失或反号。中心平均值不能吞掉尾部；靶向蛋白降解写明场景、时间与版本，靶向蛋白降解遇任一改变便重估，不把旧方向机械搬进新制度。
靶向蛋白降解的近年更新由Li Y等2025年给出，《Design of PROTACs utilizing the E3 ligase GID4 for targeted protein degradation.》包含PMID 40295770 的独立记录、2025 年发表版本。靶向蛋白降解把更新落到药代、药效和毒理团队；靶向蛋白降解同录停止点和版本，靶向蛋白降解另记操作者负荷与未完成对象。靶向蛋白降解若发现采用后开发停止率被考核改写便另立版本；靶向蛋白降解也防止登记越整齐、阴性项目不公开反而越隐蔽。
靶向蛋白降解与另见第123号第六条『肠道微生物组：可预测不等于可稳定干预』共享名义成功和真实生效的差额；靶向蛋白降解用开发停止率结算，对方使用另一分母。两边若反向，靶向蛋白降解先查药代、药效和毒理团队是否外置成本。靶向蛋白降解的证伪读数是：边缘场景中开发停止率仍保持且阴性项目不公开不增加；若该组合出现，靶向蛋白降解的边界判断失败，若翻转则环境进入机制。靶向蛋白降解还核对三笔来源的对象是否同类；靶向蛋白降解若只能复现方向而不能复现量级，结论就降为局部。
七、器官类与患者来源模型：临床前模型开始保留人类异质性Patient Derived Organoid Drug Screening
器官类与患者来源模型揭开旧账：二期项目与开发组合过去只认终点；器官类与患者来源模型如今要求对象、路径和失败同表。Driehuis E等2020年的《Establishment of patient-derived cancer organoids for drug-screening applications.》给出可追踪起点；器官类与患者来源模型据此追问脱靶事件率分母；器官类与患者来源模型把支付激励改变选题标成未纳入对象，不把它伪装为零效应。器官类与患者来源模型由此阻断旧默认的选择隐藏。
器官类与患者来源模型把主张锁在一个条件：临床前模型开始保留人类异质性。器官类与患者来源模型不让声望、技术新旧或总样本替代它；器官类与患者来源模型要求二期项目与开发组合移除该条件，若脱靶事件率仍同方向同量级，本条即被否定。器官类与患者来源模型不把复杂性写成免责；器官类与患者来源模型把背景差异留到第四段，器官类与患者来源模型第二段只给可推翻方向。
器官类与患者来源模型的关键读数来自Driehuis E等2020年记录；PubMed摘要可核对PMID 32929210 的独立记录、2020 年发表版本。器官类与患者来源模型分列规模、比例和区间，器官类与患者来源模型不拿年份冒充效应。器官类与患者来源模型的数字只描述已观察对象的脱靶事件率；器官类与患者来源模型若遇替代终点与患者结局并存，器官类与患者来源模型只以后者检验迁移，并留DOI或PMID逐句回查。
器官类与患者来源模型的反方入口是Yang R等2023年的《Patient-derived organoids in translational oncology and drug screening.》。该研究重画对象或方法边界；器官类与患者来源模型遇支付激励改变选题便重验脱靶事件率，允许衰减、消失或反号。中心平均值不能吞掉尾部；器官类与患者来源模型写明场景、时间与版本，器官类与患者来源模型遇任一改变便重估，不把旧方向机械搬进新制度。
器官类与患者来源模型的近年更新由Ma H等2026年给出，《Generation of patient-derived sarcoma organoids for personalized drug screening and precision cancer immunotherapy.》包含PMID 40652802 的独立记录、2026 年发表版本。器官类与患者来源模型把更新落到二期项目与开发组合；器官类与患者来源模型同录停止点和版本，器官类与患者来源模型另记操作者负荷与未完成对象。器官类与患者来源模型若发现采用后脱靶事件率被考核改写便另立版本；器官类与患者来源模型也防止登记越整齐、支付激励改变选题反而越隐蔽。
器官类与患者来源模型与另见第126号第七条『外骨骼步行：设备内会走，不等于设备外恢复』共享名义成功和真实生效的差额；器官类与患者来源模型用脱靶事件率结算，对方使用另一分母。两边若反向，器官类与患者来源模型先查二期项目与开发组合是否外置成本。器官类与患者来源模型的证伪读数是：边缘场景中脱靶事件率仍保持且支付激励改变选题不增加；若该组合出现，器官类与患者来源模型的边界判断失败，若翻转则环境进入机制。
八、结构预测进入先导发现：命中率提高不等于成药率提高Alphafold Structure Based Drug Discovery
结构预测进入先导发现重算旧账：患者来源模型和真实世界信号过去只认终点；结构预测进入先导发现如今要求对象、路径和失败同表。Kim Y等2023年的《Target Discovery Using Deep Learning-Based Molecular Docking and Predicted Protein Structures With AlphaFold for Novel Antipsychotics.》给出可追踪起点；结构预测进入先导发现据此追问靶点接触率分母；结构预测进入先导发现把未进入筛选库标成未纳入对象，不把它伪装为零效应。结构预测进入先导发现由此阻断旧默认的选择隐藏。
结构预测进入先导发现把主张锁在一个条件：命中率提高不等于成药率提高。结构预测进入先导发现不让声望、技术新旧或总样本替代它；结构预测进入先导发现要求患者来源模型和真实世界信号移除该条件，若靶点接触率仍同方向同量级，本条即被否定。结构预测进入先导发现不把复杂性写成免责；结构预测进入先导发现把背景差异留到第四段，结构预测进入先导发现第二段只给可推翻方向。
结构预测进入先导发现的关键读数来自Kim Y等2023年记录；PubMed摘要可核对PMID 37248690 的独立记录、2023 年发表版本。结构预测进入先导发现分列规模、比例和区间，结构预测进入先导发现不拿年份冒充效应。结构预测进入先导发现的数字只描述已观察对象的靶点接触率；结构预测进入先导发现若遇替代终点与患者结局并存，结构预测进入先导发现只以后者检验迁移，并留DOI或PMID逐句回查。
结构预测进入先导发现的反方入口是Baselious F等2023年的《Utilization of AlphaFold models for drug discovery: Feasibility and challenges. Histone deacetylase 11 as a case study.》。该研究重画对象或方法边界；结构预测进入先导发现遇未进入筛选库便重验靶点接触率，允许衰减、消失或反号。中心平均值不能吞掉尾部；结构预测进入先导发现写明场景、时间与版本，结构预测进入先导发现遇任一改变便重估，不把旧方向机械搬进新制度。
结构预测进入先导发现的近年更新由Chung J等2025年给出，《Artificial Intelligence: A New Tool for Structure-Based G Protein-Coupled Receptor Drug Discovery.》包含PMID 40149959 的独立记录、2025 年发表版本。结构预测进入先导发现把更新落到患者来源模型和真实世界信号；结构预测进入先导发现同录停止点和版本，结构预测进入先导发现另记操作者负荷与未完成对象。结构预测进入先导发现若发现采用后靶点接触率被考核改写便另立版本；结构预测进入先导发现也防止登记越整齐、未进入筛选库反而越隐蔽。
结构预测进入先导发现与另见第306号第八条『预测模型样本量不再用“每变量十事件”』共享名义成功和真实生效的差额；结构预测进入先导发现用靶点接触率结算，对方使用另一分母。两边若反向，结构预测进入先导发现先查患者来源模型和真实世界信号是否外置成本。结构预测进入先导发现的证伪读数是：边缘场景中靶点接触率仍保持且未进入筛选库不增加；若该组合出现，结构预测进入先导发现的边界判断失败，若翻转则环境进入机制。
九、DNA 编码化合物库：十亿级搜索把验证瓶颈推到下游Dna Encoded Library Drug Discovery
DNA编码化合物库复核旧账：候选靶点与先导化合物过去只认终点；DNA编码化合物库如今要求对象、路径和失败同表。Song M等2020年的《DNA-Encoded Library Screening as Core Platform Technology in Drug Discovery: Its Synthetic Method Development and Applications in DEL Synthesis.》给出可追踪起点；DNA编码化合物库据此追问临床转化率分母；DNA编码化合物库把机制归因错误标成未纳入对象，不把它伪装为零效应。DNA编码化合物库由此阻断旧默认的选择隐藏。
DNA编码化合物库把主张锁在一个条件：十亿级搜索把验证瓶颈推到下游。DNA编码化合物库不让声望、技术新旧或总样本替代它；DNA编码化合物库要求候选靶点与先导化合物移除该条件，若临床转化率仍同方向同量级，本条即被否定。DNA编码化合物库不把复杂性写成免责；DNA编码化合物库把背景差异留到第四段，DNA编码化合物库第二段只给可推翻方向。
DNA编码化合物库的关键读数来自Song M等2020年记录；PubMed摘要可核对PMID 32039601 的独立记录、2020 年发表版本。DNA编码化合物库分列规模、比例和区间，DNA编码化合物库不拿年份冒充效应。DNA编码化合物库的数字只描述已观察对象的临床转化率；DNA编码化合物库若遇替代终点与患者结局并存，DNA编码化合物库只以后者检验迁移，并留DOI或PMID逐句回查。
DNA编码化合物库的反方入口是Keller M等2022年的《Impact of DNA-Encoded Chemical Library Technology on Drug Discovery.》。该研究重画对象或方法边界；DNA编码化合物库遇机制归因错误便重验临床转化率，允许衰减、消失或反号。中心平均值不能吞掉尾部；DNA编码化合物库写明场景、时间与版本，DNA编码化合物库遇任一改变便重估，不把旧方向机械搬进新制度。
DNA编码化合物库的近年更新由Georgiev T等2026年给出，《Discovery of high-affinity ligands for prostatic acid phosphatase via DNA-encoded library screening enables targeted cancer therapy.》包含PMID 40571760 的独立记录、2026 年发表版本。DNA编码化合物库把更新落到候选靶点与先导化合物；DNA编码化合物库同录停止点和版本，DNA编码化合物库另记操作者负荷与未完成对象。DNA编码化合物库若发现采用后临床转化率被考核改写便另立版本；DNA编码化合物库也防止登记越整齐、机制归因错误反而越隐蔽。
DNA编码化合物库与另见第101号第九条『双特异抗体：在体内搭起免疫突触』共享名义成功和真实生效的差额；DNA编码化合物库用临床转化率结算，对方使用另一分母。两边若反向，DNA编码化合物库先查候选靶点与先导化合物是否外置成本。DNA编码化合物库的证伪读数是：边缘场景中临床转化率仍保持且机制归因错误不增加；若该组合出现，DNA编码化合物库的边界判断失败，若翻转则环境进入机制。DNA编码化合物库还核对三笔来源的对象是否同类；DNA编码化合物库若只能复现方向而不能复现量级，结论就降为局部。
十、模型引导剂量：把暴露—反应写进开发主线Model Informed Drug Development Dose
模型引导剂量翻转旧账：药代、药效和毒理团队过去只认终点；模型引导剂量如今要求对象、路径和失败同表。Bi Y等2021年的《Model-Informed Drug Development in Pediatric Dose Selection.》给出可追踪起点；模型引导剂量据此追问暴露—反应斜率分母；模型引导剂量把物种外推断裂标成未纳入对象，不把它伪装为零效应。模型引导剂量由此阻断旧默认的选择隐藏。
模型引导剂量把主张锁在一个条件：把暴露—反应写进开发主线。模型引导剂量不让声望、技术新旧或总样本替代它；模型引导剂量要求药代、药效和毒理团队移除该条件，若暴露—反应斜率仍同方向同量级，本条即被否定。模型引导剂量不把复杂性写成免责；模型引导剂量把背景差异留到第四段，模型引导剂量第二段只给可推翻方向。
模型引导剂量的关键读数来自Bi Y等2021年记录；PubMed摘要可核对PMID 34185906 的独立记录、2021 年发表版本。模型引导剂量分列规模、比例和区间，模型引导剂量不拿年份冒充效应。模型引导剂量的数字只描述已观察对象的暴露—反应斜率；模型引导剂量若遇替代终点与患者结局并存，模型引导剂量只以后者检验迁移，并留DOI或PMID逐句回查。
模型引导剂量的反方入口是Madabushi R等2022年的《Review: Role of Model-Informed Drug Development Approaches in the Lifecycle of Drug Development and Regulatory Decision-Making.》。该研究重画对象或方法边界；模型引导剂量遇物种外推断裂便重验暴露—反应斜率，允许衰减、消失或反号。中心平均值不能吞掉尾部；模型引导剂量写明场景、时间与版本，模型引导剂量遇任一改变便重估，不把旧方向机械搬进新制度。
模型引导剂量的近年更新由Yuan Y等2024年给出，《Application of Model-Informed Drug Development in Dose Selection and Optimization for siRNA Therapies.》包含PMID 38426370 的独立记录、2024 年发表版本。模型引导剂量把更新落到药代、药效和毒理团队；模型引导剂量同录停止点和版本，模型引导剂量另记操作者负荷与未完成对象。模型引导剂量若发现采用后暴露—反应斜率被考核改写便另立版本；模型引导剂量也防止登记越整齐、物种外推断裂反而越隐蔽。
模型引导剂量与另见第107号第十条『干细胞来源胰岛：1 型糖尿病接近细胞替代』共享名义成功和真实生效的差额；模型引导剂量用暴露—反应斜率结算，对方使用另一分母。两边若反向，模型引导剂量先查药代、药效和毒理团队是否外置成本。模型引导剂量的证伪读数是：边缘场景中暴露—反应斜率仍保持且物种外推断裂不增加；若该组合出现，模型引导剂量的边界判断失败，若翻转则环境进入机制。模型引导剂量还核对三笔来源的对象是否同类；模型引导剂量若只能复现方向而不能复现量级，结论就降为局部。
十一、单细胞药理学：平均响应被拆成细胞状态转换Single Cell Pharmacology Drug Response
单细胞药理学约束旧账：二期项目与开发组合过去只认终点；单细胞药理学如今要求对象、路径和失败同表。Wu Z等2020年的《Single-Cell Techniques and Deep Learning in Predicting Drug Response.》给出可追踪起点；单细胞药理学据此追问开发停止率分母；单细胞药理学把阴性项目不公开标成未纳入对象，不把它伪装为零效应。单细胞药理学由此阻断旧默认的选择隐藏。
单细胞药理学把主张锁在一个条件：平均响应被拆成细胞状态转换。单细胞药理学不让声望、技术新旧或总样本替代它；单细胞药理学要求二期项目与开发组合移除该条件，若开发停止率仍同方向同量级，本条即被否定。单细胞药理学不把复杂性写成免责；单细胞药理学把背景差异留到第四段，单细胞药理学第二段只给可推翻方向。
单细胞药理学的关键读数来自Wu Z等2020年记录；PubMed摘要可核对PMID 33153777 的独立记录、2020 年发表版本。单细胞药理学分列规模、比例和区间，单细胞药理学不拿年份冒充效应。单细胞药理学的数字只描述已观察对象的开发停止率；单细胞药理学若遇替代终点与患者结局并存，单细胞药理学只以后者检验迁移，并留DOI或PMID逐句回查。
单细胞药理学的反方入口是Cui A等2024年的《Dictionary of immune responses to cytokines at single-cell resolution.》。该研究重画对象或方法边界；单细胞药理学遇阴性项目不公开便重验开发停止率，允许衰减、消失或反号。中心平均值不能吞掉尾部；单细胞药理学写明场景、时间与版本，单细胞药理学遇任一改变便重估，不把旧方向机械搬进新制度。
单细胞药理学的近年更新由Chen Y等2024年给出，《Spatiotemporal single-cell analysis decodes cellular dynamics underlying different responses to immunotherapy in colorectal cancer.》包含22名对象。单细胞药理学把更新落到二期项目与开发组合；单细胞药理学同录停止点和版本，单细胞药理学另记操作者负荷与未完成对象。单细胞药理学若发现采用后开发停止率被考核改写便另立版本；单细胞药理学也防止登记越整齐、阴性项目不公开反而越隐蔽。
单细胞药理学与另见第109号第十一条『质量保证：诊断不一致成为可追踪系统信号』共享名义成功和真实生效的差额；单细胞药理学用开发停止率结算，对方使用另一分母。两边若反向，单细胞药理学先查二期项目与开发组合是否外置成本。单细胞药理学的证伪读数是：边缘场景中开发停止率仍保持且阴性项目不公开不增加；若该组合出现，单细胞药理学的边界判断失败，若翻转则环境进入机制。单细胞药理学还核对三笔来源的对象是否同类；单细胞药理学若只能复现方向而不能复现量级，结论就降为局部。
十二、主动药物警戒：从自发报告转向多源连续信号Pharmacovigilance Electronic Health Record Adverse Event
主动药物警戒穿透旧账：患者来源模型和真实世界信号过去只认终点；主动药物警戒如今要求对象、路径和失败同表。Duan R等2020年的《On the evidence consistency of pharmacovigilance outcomes between Food and Drug Administration Adverse Event Reporting System and electronic medical record data for acute mania patients.》给出可追踪起点；主动药物警戒据此追问脱靶事件率分母；主动药物警戒把支付激励改变选题标成未纳入对象，不把它伪装为零效应。主动药物警戒由此阻断旧默认的选择隐藏。
主动药物警戒把主张锁在一个条件：从自发报告转向多源连续信号。主动药物警戒不让声望、技术新旧或总样本替代它；主动药物警戒要求患者来源模型和真实世界信号移除该条件，若脱靶事件率仍同方向同量级，本条即被否定。主动药物警戒不把复杂性写成免责；主动药物警戒把背景差异留到第四段，主动药物警戒第二段只给可推翻方向。
主动药物警戒的关键读数来自Duan R等2020年记录；PubMed摘要可核对PMID 30887861 的独立记录、2020 年发表版本。主动药物警戒分列规模、比例和区间，主动药物警戒不拿年份冒充效应。主动药物警戒的数字只描述已观察对象的脱靶事件率；主动药物警戒若遇替代终点与患者结局并存，主动药物警戒只以后者检验迁移，并留DOI或PMID逐句回查。
主动药物警戒的反方入口是Liu F等2019年的《Towards Drug Safety Surveillance and Pharmacovigilance: Current Progress in Detecting Medication and Adverse Drug Events from Electronic Health Records.》。该研究重画对象或方法边界；主动药物警戒遇支付激励改变选题便重验脱靶事件率，允许衰减、消失或反号。中心平均值不能吞掉尾部；主动药物警戒写明场景、时间与版本，主动药物警戒遇任一改变便重估，不把旧方向机械搬进新制度。
主动药物警戒的近年更新由Golder S等2025年给出，《Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review.》包含PMID 39786481 的独立记录、2025 年发表版本。主动药物警戒把更新落到患者来源模型和真实世界信号；主动药物警戒同录停止点和版本，主动药物警戒另记操作者负荷与未完成对象。主动药物警戒若发现采用后脱靶事件率被考核改写便另立版本；主动药物警戒也防止登记越整齐、支付激励改变选题反而越隐蔽。
主动药物警戒与另见第121号第十二条『健康公平影响评估：平均获益之外先报告分布』共享名义成功和真实生效的差额；主动药物警戒用脱靶事件率结算，对方使用另一分母。两边若反向，主动药物警戒先查患者来源模型和真实世界信号是否外置成本。主动药物警戒的证伪读数是：边缘场景中脱靶事件率仍保持且支付激励改变选题不增加；若该组合出现，主动药物警戒的边界判断失败，若翻转则环境进入机制。主动药物警戒还核对三笔来源的对象是否同类；主动药物警戒若只能复现方向而不能复现量级，结论就降为局部。
◎ 二十年连起来看
药理学与新药发现最深的变化，是把一个结果拆回对象、路径和条件。从“可能性库 —— 被放弃的化合物与被否决的靶点，其否决理由大多已经过期”到“化学蛋白组学：药物在活细胞里到底碰了谁”，二十条共同拒绝只报平均成功率；每条都要求保留失败分母、版本与时间窗口。
第二条贯穿线是测量会回写实践。靶点接触率一旦进入指南、采购或绩效，操作者便会围绕它调整，于是原本的观察量成为制度变量。
第三条线是边缘对象获得本体位置。未进入筛选库不再被写成噪声；它与阴性项目不公开一起进入可复算账本，决定外推是否成立。
◎ 三个常见误解
误解一是把新工具等同于新思想。工具只有在改变临床转化率的分母、阈值或失败解释时才构成转向；设备更快而对象边界不变，只是效率升级。
误解二是样本越大偏倚越小。若机制归因错误发生，大样本会把错误方向估得更精确；正确表述是同时报告覆盖、选择机制与不确定性。
误解三是最新文献天然强于旧证据。本页有20/20条“最新”来自2024—2026年，但年份只表明时效，决定证据等级的仍是设计、分母、读数和独立复算。
◎ 与相邻领域的接口
与卫生政策的分工是：本页判断暴露—反应斜率怎样由机制与流程形成，第121号面板判断规则怎样改变采纳和覆盖；两边用同一分母时才能合并。
与生物统计学的接口落在估计量。第306号面板负责识别、误差与校准，本页负责二期项目与开发组合是否遵守这些条件；统计显著不能替代对象有效。
与康复、护理或全球卫生的接口则是部署。实验室里成立的开发停止率，只有在第126号等面板所强调的真实使用、照护负荷和退出对象中仍成立，才算完成迁移。
◎ 争议现场
第一场争论是平均效应能否代表尾部对象。收敛需要预注册未进入筛选库相关亚组，并报告交互区间，而不是事后挑出阳性人群。
第二场争论围绕替代终点。只有当靶点接触率对患者或系统结局的样本外预测在独立队列保持，替代才可成立；单中心相关性不能结案。
第三场争论是制度采用后的漂移。要用版本化队列比较采用前后脱靶事件率，同时记录操作者、供应与支付变化，方能区分机制变化和行为适应。
◎ 往下五年看什么
看2027—2031年的独立复算率：二十条中有多少能由非原团队按公开协议复现方向与量级，分母必须是全部尝试，而不是成功发表者。
看边缘覆盖：因物种外推断裂而退出的人占全部适用对象多少，以及把他们纳入后临床转化率是否反号。
看版本漂移：同一工具连续三次更新后，灵敏度、收益与伤害的变化区间能否保持；若每次更新都重置分母，长期比较便失去意义。
◎ 可与哪些领域对撞
另见第101号第甲条『TCGA：肿瘤从器官名走向分子线路图』与“可能性库 —— 被放弃的化合物与被否决的靶点，其否决理由大多已经过期”共享谁进入分母的预设；一边认为登记即可代表服务，另一边要求真实生效。若两边都对，第三变量只能是被外置的实施条件。
另见第306号第辛条『TRIPOD：预测模型必须公开完整生成链』与“表型筛选回归：先找可逆转状态，再追问靶点”共享测量不改变对象的预设；两边在采用后是否漂移上方向相反。若同时成立，必须把制度回写作为独立机制建模。
另见第123号第六条『肠道微生物组：可预测不等于可稳定干预』与“靶向蛋白降解：从占住活性位点转向清除蛋白”共享局部最优可加总的预设；技术指标改善而长期结局不动时，聚合次序或隐形成本成为候选第三项。
◎ 十条可做的研究命题
- 命题1：在候选靶点与先导化合物中纳入“未进入筛选库”后，靶点接触率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题2：在药代、药效和毒理团队中纳入“机制归因错误”后，临床转化率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题3：在二期项目与开发组合中纳入“物种外推断裂”后，暴露—反应斜率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题4：在患者来源模型和真实世界信号中纳入“阴性项目不公开”后，开发停止率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题5：在候选靶点与先导化合物中纳入“支付激励改变选题”后，脱靶事件率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题6：在药代、药效和毒理团队中纳入“未进入筛选库”后，靶点接触率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题7：在二期项目与开发组合中纳入“机制归因错误”后，临床转化率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题8：在患者来源模型和真实世界信号中纳入“物种外推断裂”后，暴露—反应斜率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题9：在候选靶点与先导化合物中纳入“阴性项目不公开”后，开发停止率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
- 命题10：在药代、药效和毒理团队中纳入“支付激励改变选题”后，脱靶事件率的方向将改变；按版本化队列或随机策略比较，若方向与区间均不变则证伪。
◎ 资料核验
以下文献逐条由PubMed题名、作者、期刊、年份与DOI／PMID反查；源行共60笔互异记录。
- Allarakhia M，2013 年《Open-source approaches for the repurposing of existing or failed candidate drugs: learning from and applying the lessons across diseases.》，Drug Des Devel Ther 7:753-66，DOI 10.2147/DDDT.S46289。
- Druzhyna N、Szczesny B、Olah G等，2016 年《Screening of a composite library of clinically used drugs and well-characterized pharmacological compounds for cystathionine β-synthase inhibition identifies benserazide as a drug potentially suitable for repurposing for the experimental therapy of colon cancer.》，Pharmacol Res 113(Pt A):18-37，DOI 10.1016/j.phrs.2016.08.016。
- Hendricus Maes KJ、Briedé JJ，2026 年《Repurposing immunomodulatory drugs targeting microglia for amyotrophic lateral sclerosis.》，Brain Res 1870:150032，DOI 10.1016/j.brainres.2025.150032。
- Hay M、Thomas DW、Craighead JL等，2014 年《Clinical development success rates for investigational drugs.》，Nat Biotechnol 32(1):40-51，DOI 10.1038/nbt.2786。
- Wong CH、Siah KW、Lo AW，2019 年《Estimation of clinical trial success rates and related parameters.》，Biostatistics 20(2):273-286，DOI 10.1093/biostatistics/kxx069。
- Zhou Y、Zhang Y、Xu H等，2025 年《Dynamic clinical trial success rates for drugs in the 21st century.》，Nat Commun 16(1):9537，DOI 10.1038/s41467-025-64552-2。
- Schürmann M、Janning P、Ziegler S等，2016 年《Small-Molecule Target Engagement in Cells.》，Cell Chem Biol 23(4):435-41，DOI 10.1016/j.chembiol.2016.03.008。
- Parchment RE、Voth AR、Doroshow JH等，2016 年《Immuno-pharmacodynamics for evaluating mechanism of action and developing immunotherapy combinations.》，Semin Oncol 43(4):501-13，DOI 10.1053/j.seminoncol.2016.06.008。
- Choi SM、Lee JH、Ko S等，2024 年《Mechanism of Action and Pharmacokinetics of Approved Bispecific Antibodies.》，Biomol Ther (Seoul) 32(6):708-722，DOI 10.4062/biomolther.2024.146。
- Modi ME、Young LJ，2012 年《The oxytocin system in drug discovery for autism: animal models and novel therapeutic strategies.》，Horm Behav 61(3):340-50，DOI 10.1016/j.yhbeh.2011.12.010。
- Freires IA、Sardi JC、de Castro RD等，2017 年《Alternative Animal and Non-Animal Models for Drug Discovery and Development: Bonus or Burden?》，Pharm Res 34(4):681-686，DOI 10.1007/s11095-016-2069-z。
- Lin ZC、Yang SC、Tran TTP等，2025 年《Animal models of psoriasis for novel drug discovery: a literature update.》，Expert Opin Drug Discov 20(9):1193-1208，DOI 10.1080/17460441.2025.2528959。
- Riley J、Brand S、Voice M等，2015 年《Development of a Fluorescence-based Trypanosoma cruzi CYP51 Inhibition Assay for Effective Compound Triaging in Drug Discovery Programmes for Chagas Disease.》，PLoS Negl Trop Dis 9(9):e0004014，DOI 10.1371/journal.pntd.0004014。
- Mayburd AL、Golovchikova I、Mulshine JL，2008 年《Successful anti-cancer drug targets able to pass FDA review demonstrate the identifiable signature distinct from the signatures of random genes and initially proposed targets.》，Bioinformatics 24(3):389-95，DOI 10.1093/bioinformatics/btm447。
- Xu Z、Chen W、Ren W等，2026 年《Interpreting Omics Data Analysis with Large Language Models for Disease Target and Drug Discovery.》，bioRxiv，DOI 10.64898/2026.04.30.721768。
- Vaudano E，2013 年《The innovative medicines initiative: a public private partnership model to foster drug discovery.》，Comput Struct Biotechnol J 6:e201303017，DOI 10.5936/csbj.201303017。
- Nwaka S、Hudson A，2006 年《Innovative lead discovery strategies for tropical diseases.》，Nat Rev Drug Discov 5(11):941-55，DOI 10.1038/nrd2144。
- Bin Abdulqader MI、Alsaqabi AA、Mohammed AE等，2026 年《Artificial Intelligence in Selected Domains of Drug Discovery: A Critical Narrative Review.》，Drug Des Devel Ther 20:607228，DOI 10.2147/DDDT.S607228。
- Plenge RM、Scolnick EM、Altshuler D，2013 年《Validating therapeutic targets through human genetics.》，Nat Rev Drug Discov 12(8):581-94，DOI 10.1038/nrd4051。
- Brown LA、Jones AK、Buckingham SD等，2006 年《Contributions from Caenorhabditis elegans functional genetics to antiparasitic drug target identification and validation: nicotinic acetylcholine receptors, a case study.》，Int J Parasitol 36(6):617-24，DOI 10.1016/j.ijpara.2006.01.016。
- Hukerikar N、Hingorani AD、Asselbergs FW等，2024 年《Prioritising genetic findings for drug target identification and validation.》，Atherosclerosis 390:117462，DOI 10.1016/j.atherosclerosis.2024.117462。
- Sykes ML、Avery VM，2013 年《Approaches to protozoan drug discovery: phenotypic screening.》，J Med Chem 56(20):7727-40，DOI 10.1021/jm4004279。
- Manjunatha UH、Smith PW，2015 年《Perspective: Challenges and opportunities in TB drug discovery from phenotypic screening.》，Bioorg Med Chem 23(16):5087-97，DOI 10.1016/j.bmc.2014.12.031。
- Zhang Z、Shi X、Wu T等，2025 年《Discovery of multi-target anti-gout agents from Eurycoma longifolia Jack through phenotypic screening and structural optimization.》，Nat Commun 16(1):7430，DOI 10.1038/s41467-025-62645-6。
- Tappe-Theodor A、Negus SS、Martin TJ，2022 年《Editorial: Preclinical Animal Models and Measures of Pain: Improving Predictive Validity for Analgesic Drug Development.》，Front Pain Res (Lausanne) 3:867786，DOI 10.3389/fpain.2022.867786。
- Sembach FE、Østergaard MV、Vrang N等，2021 年《Rodent models of diabetic kidney disease: human translatability and preclinical validity.》，Drug Discov Today 26(1):200-217，DOI 10.1016/j.drudis.2020.05.004。
- Tappe-Theodor A、Martin TJ、Negus SS，2024 年《Editorial: Preclinical animal models and measures of pain: improving predictive validity for analgesic drug development - volume II.》，Front Pain Res (Lausanne) 5:1523938，DOI 10.3389/fpain.2024.1523938。
- Kållberg C、Mathiesen L、Gopinathan U等，2023 年《The role of drug regulatory authorities and health technology assessment agencies in shaping incentives for antibiotic R&D: a qualitative study.》，J Pharm Policy Pract 16(1):53，DOI 10.1186/s40545-023-00556-x。
- Sinha MS、Kesselheim AS，2016 年《Regulatory Incentives for Antibiotic Drug Development: A Review of Recent Proposals.》，Bioorg Med Chem 24(24):6446-6451，DOI 10.1016/j.bmc.2016.08.033。
- Sullivan JA、Gold ER，2024 年《Exploring regulatory flexibility to create novel incentives to optimize drug discovery.》，Front Med (Lausanne) 11:1379966，DOI 10.3389/fmed.2024.1379966。
- Tsuji JS、Lennox KP、Watson HN等，2021 年《Essential concepts for interpreting the dose-response of low-level arsenic exposure in epidemiological studies.》，Toxicology 457:152801，DOI 10.1016/j.tox.2021.152801。
- Vollet K、Haynes EN、Dietrich KN，2016 年《Manganese Exposure and Cognition Across the Lifespan: Contemporary Review and Argument for Biphasic Dose-Response Health Effects.》，Curr Environ Health Rep 3(4):392-404，DOI 10.1007/s40572-016-0108-x。
- Hu Q、Wang L、Yang Y等，2024 年《Review of dose justifications for antibody-drug conjugate approvals from clinical pharmacology perspective: A focus on exposure-response analyses.》，J Pharm Sci 113(12):3434-3446，DOI 10.1016/j.xphs.2024.10.002。
- Jiang L、Yan F、Thall PF等，2020 年《Comparing Bayesian early stopping boundaries for phase II clinical trials.》，Pharm Stat 19(6):928-939，DOI 10.1002/pst.2046。
- Li X、Herrmann C、Rauch G，2020 年《Optimality criteria for futility stopping boundaries for group sequential designs with a continuous endpoint.》，BMC Med Res Methodol 20(1):274，DOI 10.1186/s12874-020-01141-5。
- Takeda K、Zhu J、Yimer BB等，2026 年《A Seamless Two-Stage Phase I/II Trial Design With Backfill and Joint Monitoring for Dose Optimization.》，Pharm Stat 25(3):e70092，DOI 10.1002/pst.70092。
- Wilkinson IVL、Perkins KJ、Dugdale H等，2020 年《Chemical Proteomics and Phenotypic Profiling Identifies the Aryl Hydrocarbon Receptor as a Molecular Target of the Utrophin Modulator Ezutromid.》，Angew Chem Int Ed Engl 59(6):2420-2428，DOI 10.1002/anie.201912392。
- Reinecke M、Brear P、Vornholz L等，2024 年《Chemical proteomics reveals the target landscape of 1,000 kinase inhibitors.》，Nat Chem Biol 20(5):577-585，DOI 10.1038/s41589-023-01459-3。
- Rüegger J、Gagestein B、Janssen APA等，2025 年《CellEKT: A Robust Chemical Proteomics Workflow to Profile Cellular Target Engagement of Kinase Inhibitors.》，Mol Cell Proteomics 24(6):100961，DOI 10.1016/j.mcpro.2025.100961。
- Li X、Song Y，2020 年《Proteolysis-targeting chimera (PROTAC) for targeted protein degradation and cancer therapy.》，J Hematol Oncol 13(1):50，DOI 10.1186/s13045-020-00885-3。
- Békés M、Langley DR、Crews CM，2022 年《PROTAC targeted protein degraders: the past is prologue.》，Nat Rev Drug Discov 21(3):181-200，DOI 10.1038/s41573-021-00371-6。
- Li Y、Bao K、Sun J等，2025 年《Design of PROTACs utilizing the E3 ligase GID4 for targeted protein degradation.》，Nat Struct Mol Biol 32(9):1825-1837，DOI 10.1038/s41594-025-01537-1。
- Driehuis E、Kretzschmar K、Clevers H，2020 年《Establishment of patient-derived cancer organoids for drug-screening applications.》，Nat Protoc 15(10):3380-3409，DOI 10.1038/s41596-020-0379-4。
- Yang R、Yu Y，2023 年《Patient-derived organoids in translational oncology and drug screening.》，Cancer Lett 562:216180，DOI 10.1016/j.canlet.2023.216180。
- Ma H、Li X、Li J等，2026 年《Generation of patient-derived sarcoma organoids for personalized drug screening and precision cancer immunotherapy.》，Biomaterials 324:123546，DOI 10.1016/j.biomaterials.2025.123546。
- Kim Y、Kim S，2023 年《Target Discovery Using Deep Learning-Based Molecular Docking and Predicted Protein Structures With AlphaFold for Novel Antipsychotics.》，Psychiatry Investig 20(6):504-514，DOI 10.30773/pi.2022.0343。
- Baselious F、Robaa D、Sippl W，2023 年《Utilization of AlphaFold models for drug discovery: Feasibility and challenges. Histone deacetylase 11 as a case study.》，Comput Biol Med 167:107700，DOI 10.1016/j.compbiomed.2023.107700。
- Chung J、Hahn H、Flores-Espinoza E等，2025 年《Artificial Intelligence: A New Tool for Structure-Based G Protein-Coupled Receptor Drug Discovery.》，Biomolecules 15(3)，DOI 10.3390/biom15030423。
- Song M、Hwang GT，2020 年《DNA-Encoded Library Screening as Core Platform Technology in Drug Discovery: Its Synthetic Method Development and Applications in DEL Synthesis.》，J Med Chem 63(13):6578-6599，DOI 10.1021/acs.jmedchem.9b01782。
- Keller M、Schira K、Scheuermann J，2022 年《Impact of DNA-Encoded Chemical Library Technology on Drug Discovery.》，Chimia (Aarau) 76(5):388-395，DOI 10.2533/chimia.2022.388。
- Georgiev T、Migliorini F、Ciamarone A等，2026 年《Discovery of high-affinity ligands for prostatic acid phosphatase via DNA-encoded library screening enables targeted cancer therapy.》，Nat Biomed Eng 10(1):178-191，DOI 10.1038/s41551-025-01432-6。
- Bi Y、Liu J、Li F等，2021 年《Model-Informed Drug Development in Pediatric Dose Selection.》，J Clin Pharmacol 61 Suppl 1:S60-S69，DOI 10.1002/jcph.1848。
- Madabushi R、Seo P、Zhao L等，2022 年《Review: Role of Model-Informed Drug Development Approaches in the Lifecycle of Drug Development and Regulatory Decision-Making.》，Pharm Res 39(8):1669-1680，DOI 10.1007/s11095-022-03288-w。
- Yuan Y、Li L、Earp J等，2024 年《Application of Model-Informed Drug Development in Dose Selection and Optimization for siRNA Therapies.》，J Clin Pharmacol 64(7):799-809，DOI 10.1002/jcph.2418。
- Wu Z、Lawrence PJ、Ma A等，2020 年《Single-Cell Techniques and Deep Learning in Predicting Drug Response.》，Trends Pharmacol Sci 41(12):1050-1065，DOI 10.1016/j.tips.2020.10.004。
- Cui A、Huang T、Li S等，2024 年《Dictionary of immune responses to cytokines at single-cell resolution.》，Nature 625(7994):377-384，DOI 10.1038/s41586-023-06816-9。
- Chen Y、Wang D、Li Y等，2024 年《Spatiotemporal single-cell analysis decodes cellular dynamics underlying different responses to immunotherapy in colorectal cancer.》，Cancer Cell 42(7):1268-1285.e7，DOI 10.1016/j.ccell.2024.06.009。
- Duan R、Zhang X、Du J等，2020 年《On the evidence consistency of pharmacovigilance outcomes between Food and Drug Administration Adverse Event Reporting System and electronic medical record data for acute mania patients.》，Health Informatics J 26(2):753-764，DOI 10.1177/1460458219833093。
- Liu F、Jagannatha A、Yu H，2019 年《Towards Drug Safety Surveillance and Pharmacovigilance: Current Progress in Detecting Medication and Adverse Drug Events from Electronic Health Records.》，Drug Saf 42(1):95-97，DOI 10.1007/s40264-018-0766-8。
- Golder S、Xu D、O'Connor K等，2025 年《Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review.》，Drug Saf 48(4):321-337，DOI 10.1007/s40264-024-01505-6。
以下二十条是药理学与新药发现在 1950 至 2006 年之间立起来的经典思想，与上文近二十年的二十条合成一块面板的两层。它们回答的是另一个问题：上面每一条新做法所替换的，究竟是哪一条老前提，而那条老前提当年又是被谁、用什么材料立起来的。经典层不做名人榜，只收至今仍被现代二十条正面使用或正面反对的命题；每条末尾点名它在上文哪一条里继续活着。每条包含一行来源（提出／流变／今用／关键）、两段正文与一行五栏碰撞行：第一段交代当年的默认前提是被谁、用什么材料换掉的，第二段交代它的边界、后来被修正之处，以及它今天在上文哪一条里继续活着。
经一、受体占据理论：效应正比于被占住的位点Receptor Occupancy: Effect Proportional to Sites Occupied
（一）1950 年代初，药物为什么起效只有定性的说法：它和受体结合。Ariëns 1954 年把这句话拆成两个可以分别测量的量——亲和力决定有多少受体被占住，内在活性决定被占住之后能引出多强的反应。同一族化合物里，有的亲和力高而活性低，因此能占住位点却不激活，拮抗剂由此有了理论位置。药理学第一次有了自己的定量语汇。
（二）占据与效应的线性关系随后被逐条打破：部分激动剂占满也只给出部分反应，反向激动剂把基础活性压到零以下，偏向性配体在同一受体上激活一条通路而不激活另一条。受体状态模型在 1980 年代取而代之。本块三「反事实响应面：剂量与暴露组合下的获益地形，不是一条单调曲线」正是对这条线性直觉的整体修订。
经二、拮抗代谢物：照着底物的样子造抑制剂Antimetabolites: Building an Inhibitor in the Shape of the Substrate
（一）1940 年代末，找新药主要靠从天然产物里筛。Elion 与 Hitchings 换了一条路：既然细胞增殖必须合成核酸，那就照着天然嘌呤的样子造出结构相近而功能不同的类似物，让酶把它当底物接过去，通路随即被堵住。6-巯基嘌呤 1952 年成药，白血病儿童第一次获得缓解。设计取代了筛选。
（二）这条路线此后产出硫唑嘌呤、别嘌醇与阿昔洛韦等至今仍在用的药，而其中多个化合物的最终适应证与当初设想不同——别嘌醇本为增强抗癌药效而设计，成了痛风的一线用药。本块甲「可能性库：被放弃的化合物与被否决的靶点，其否决理由大多已经过期」的最佳正面样本就是这批老分子。
经三、反应停：动物试验没事不等于人没事Thalidomide: Safe in Animals Is Not Safe in People
（一）反应停自 1957 年上市，作为镇静与止吐药广泛用于孕妇，动物试验未见异常。1961 年，澳大利亚的 McBride 与德国的 Lenz 几乎同时把新生儿海豹肢畸形的激增与该药联系起来。Lenz 用系统的病例询问把关联坐实，药物随即撤市。全球约一万余名婴儿受累，而在此之前，没有任何制度要求药物在上市前检验致畸性。
（二）这次事件催生了各国的审批与不良反应监测制度，动物繁殖毒性试验成为强制项。但被强制的那件事本身并没有被解决：种属差异依旧，同样的化合物在大鼠身上无害而在人身上致畸，这条鸿沟至今存在。本块十二「主动药物警戒：从自发报告转向多源连续信号」的整套制度，源头是这次未能及时被发现的灾难。
经四、有效性成为上市条件Efficacy Becomes a Condition of Approval
（一）1962 年以前，美国的新药审批只要求证明安全，有效与否交给市场与医生判断，因此货架上充斥着从未被检验的适应证。反应停事件推动的修正案顺带改了这一条：新药须提交充分且良好对照的有效性证据。审批的判据由此从「不害人」变成「有用」，而有用必须被证明。
（二）已上市药物随后被回溯评价，数千个适应证被撤销。「充分且良好对照」这句话的解释权成为此后六十年监管与企业博弈的焦点——要几项试验、什么终点、能不能用替代指标，每一次让步都改变整个行业做什么药。本块二「环境内生化：审批与支付规则反过来决定了做什么药」讲的正是这条规则的长期后果。
经五、细胞色素 P450：药物会改变身体处理药物的能力Cytochrome P450: Drugs Change How the Body Handles Drugs
（一）1950 年代，药物在肝里被代谢是常识，负责的是什么却不清楚。大村恒雄与佐藤了在肝微粒体中发现一种与一氧化碳结合后在 450 纳米处有特征吸收峰的血红素色素，1964 年确定了它的性质。这族酶后来被证明负责多数药物的氧化代谢，而且能被药物本身诱导或抑制——身体处理药物的能力，会被正在服用的药改变。
（二）P450 亚型与其诱导抑制在 1980 年代后被逐一鉴定，药物相互作用从此成为审批必查项：一种药能不能与另一种同服，取决于它们在这族酶上的交集。本块五「化学蛋白组学：药物在活细胞里到底碰了谁」把这条追问从代谢酶扩展到全蛋白组——不只问它被谁代谢，而问它还碰了谁。
经六、从受体出发设计一个药Designing a Drug from the Receptor Outward
（一）1950 年代找新药靠改造已知分子再看动物反应。Black 反过来做：先确定要作用的受体亚型，再针对它设计选择性配体。他从心绞痛出发，认为该阻断的是心脏对儿茶酚胺的应答而不是扩张血管，据此做出 β 受体阻滞剂；随后又用同样的方法从组胺受体的另一个亚型出发做出西咪替丁。同一套方法在两个器官系统上各成一药。
（二）靶点驱动的设计在此后四十年成为主流，也带来了对靶点选择的过度依赖：靶点选错，后面每一步做得再漂亮也是白做，而靶点是否正确往往到临床才知道。表型筛选在 2010 年之后重新被重视。本块辛「表型筛选回归：先找可逆转状态，再追问靶点」正是对这条路线的正面反动。
经七、黄卡：让医生自己报上来The Yellow Card: Letting Doctors Report It Themselves
（一）反应停之前，上市后的不良反应没有收集通道，一种药害了多少人只能靠个别医生撞见并写信给杂志。英国药品安全委员会 1964 年建立黄卡制度：印好的卡片发给医生与药师，怀疑就填，寄回中央汇总。它不要求确证因果，只要求怀疑——把发现罕见损害的门槛降到一次疑虑。
（二）自发报告的漏报率长期估计在九成以上，报告量还随媒体关注度剧烈波动：一则新闻能让某个药的报告数翻几倍，与实际发生率无关。信号的检出因此靠统计方法而不是靠总量。本块十二「主动药物警戒：从自发报告转向多源连续信号」正是要绕开这条被动通道。
经八、药代动力学：把体内过程写成方程Pharmacokinetics: Writing the Body as Equations
（一）1960 年代之前，给药方案靠经验：一日三次、饭后服用，剂量与间隔说不出理由。Wagner 等把体内过程写成微分方程，Gibaldi 与 Perrier 1975 年的教科书把这套语言定型——把身体简化成一到三个房室，用吸收速率、分布容积与清除率几个参数描述药物的进出，血药浓度因此可以预测而不必逐次实测。
（二）房室模型使剂量设计从经验走向计算，代价是那几个房室在解剖上并不存在，外推到与原人群不同的对象时缺乏依据。生理药代模型在 2000 年之后逐步取代它，用真实的器官血流与体积做骨架，才能外推到儿童与器官功能不全者。本块十「模型引导剂量：把暴露—反应写进开发主线」是这条路线的当代形态。
经九、从结构出发：卡托普利那条路From Structure Outward: The Captopril Route
（一）1970 年代，抑制剂的设计需要靶酶的晶体结构，而血管紧张素转换酶当时拿不到结构。Ondetti、Rubin 与 Cushman 用一个替代：这个酶与已有结构的羧肽酶功能相近，据此推测活性位点的形状，再按推测逐步改造蛇毒肽片段，最后做出可口服的小分子。1977 年报告的卡托普利证明，凭一个推测的模型也能设计出高效抑制剂。
（二）基于结构的设计此后成为主流，晶体结构与对接计算持续提高命中率。但命中不是成药：从一个能结合靶点的分子到一个能在人身上安全有效的药，中间那些步骤并没有因结构清楚而变短，转化率四十年来没有同步提高。本块八「结构预测进入先导发现：命中率提高不等于成药率提高」正是这条落差的当代版本。
经十、群体药代：从稀疏采样反推个体参数Population Pharmacokinetics: Individual Parameters from Sparse Sampling
（一）传统药代研究要密集采血：一个受试者在一天里抽十几次，因此只能在少数健康志愿者身上做，而真正要用药的患者从不被测。Sheiner 与 Beal 1977 年提出非线性混合效应模型：从大量患者各自的一两个采血点里，同时估计群体的典型值与个体之间的变异。稀疏的、临床顺带采的数据变得可用。
（二）这套方法成为监管审评的标准工具，剂量推荐从此可以建立在真实患者身上。个体化预测的精度仍受协变量选择限制——模型只能用你想到要记录的那些变量来解释差异，没记的部分全进残差。本块十「模型引导剂量」把它从一个分析工具提升为开发主线。
经十一、药物基因组：同样的剂量，不同的命Pharmacogenomics: Same Dose, Different Fate
（一）同一剂量在不同人身上产生不同反应，长期被归入个体差异这个不解释任何东西的词。Weinshilboum 与 Sladek 1980 年测量人群中硫嘌呤甲基转移酶的活性，发现它不是连续分布而是三态的——高、中、低各占一定比例，符合单基因的孟德尔遗传。活性极低的人按常规剂量服用硫嘌呤类药会发生致命的骨髓抑制。
（二）这个基因型检测最早被写入药品标签，成为药物基因组学的样板。样板却难以复制：多数其他位点的效应量小、临床效用不足以支持常规检测，二十年下来真正改变处方的位点屈指可数。本块庚「人类遗传学验证靶点：自然扰动先替药物做方向检查」把同一条逻辑从代谢酶推到靶点选择。
经十二、孤儿药法案：用制度把无人做的药做出来The Orphan Drug Act: Making Unmade Drugs by Statute
（一）罕见病的药在商业上不可能成立：开发成本与常见病相同，市场只有几千人。1983 年的孤儿药法案不去劝说企业，而是改变账本——税收抵免、审评费减免、七年市场独占，把小市场的收益补到可行线以上。此后罕见病新药数量大幅增加，一条被判定为不可能的路被制度打开。
（二）激励也被反向利用：把一个常见病按分子标志切成若干亚型，每个亚型都够小，高销量药物因此获得孤儿资格，定价与独占期的争议持续至今。本块戊「对称破缺治理：同样有前景的两个靶点，为何只有一个被做下去」的答案多半在这类激励结构里，而不在两个靶点的科学差别里。
经十三、生物等效：仿制药凭什么算同一个药Bioequivalence: Why a Generic Counts as the Same Drug
（一）专利到期后，仿制药若要重做全套临床试验，成本高到无人愿做，药价也就降不下来。1984 年的法案给出一条捷径：只要证明仿制药的血药浓度曲线与原研药在规定范围内等效，就免做临床试验直接批准——把「同一个药」的判据从疗效换成暴露。
（二）仿制药份额在三十年内升至处方量的九成，这条捷径是主要原因。它的例外始终存在：窄治疗窗药物、缓释与吸入等复杂制剂，暴露等效不足以保证疗效等效，至今另设条款。本块己「稀缺转移：当候选分子不再稀缺，瓶颈迁到哪里」讨论的正是这类结构性变化——判据一换，整个产业的形状就换了。
经十四、组合化学与高通量筛选：让分子多起来Combinatorial Chemistry and High-Throughput Screening
（一）1980 年代末，先导化合物的来源是瓶颈：合成一个分子要几天，筛一个要几小时。Furka 等 1991 年报告分割–混合合成——把载体分成几份各接一种单体，混合后再分割再接，几轮之后得到指数增长的化合物库；高通量筛选平台同期成型，用机械手与微孔板把测试也自动化。分子第一次不再稀缺。
（二）化合物库规模十年内增长数个数量级，而新分子实体的年批准数并未上升。批评集中在库的类药性上：组合合成偏好某几类骨架，做出来的分子平均更大更脂溶，命中之后走不远。本块九「DNA 编码化合物库：十亿级搜索把验证瓶颈推到下游」是同一条路线的又一次放大，也要回答同一个问题。
经十五、非阿尿苷：临床前全绿，人体出人命Fialuridine: All Green Preclinically, Fatal in Humans
（一）非阿尿苷在多种动物中做完毒理，均未见异常，二期试验给乙肝患者长期给药。数周后患者陆续出现乳酸酸中毒与肝衰竭，McKenzie 等 1995 年报告十五名受试者中七人死亡或需要肝移植。事后查明毒性依赖一种人类线粒体核苷转运体，动物不表达该转运体，因此所有动物模型对这条通路结构性失明。
（二）这次事故改写了长期给药的临床前要求，但它真正的教训更一般：一个模型能不能替人回答问题，取决于人与模型之间哪些条件保持不变，而这些条件往往在事故之后才被辨认出来。本块丁「迁移合同：一个临床前模型的结论要搬到人身上，必须保持不变的最小条件」正是这条教训的一般化。
经十六、五规则：先划一块可成药的空间The Rule of Five: Fencing Off a Druggable Space
（一）1990 年代中期，组合化学做出了海量分子，其中多数在细胞实验里有活性而口服无效，原因说不清。Lipinski 等回头统计已上市口服药的分子性质，1997 年给出一组经验边界：分子量、脂水分配系数与氢键供受体数超出特定范围者，口服吸收多半不佳。它不是定律，是一份统计画像，却立刻成了筛子。
（二）这条规则成为化合物库设计的默认过滤器，也系统性地排除了不符合它的分子类别——大环肽、多肽与后来的降解剂都在被排除之列，而其中一部分后来被证明可以口服。新模态因此以突破它为卖点。本块八「结构预测进入先导发现」与本块六「靶向蛋白降解」分别在两个方向上越过这条边界。
经十七、可成药基因组：靶点的总数是有限的The Druggable Genome: The Number of Targets Is Finite
（一）人类基因组测完之后，一个直接的问题是：这两万多个基因里，有多少能被小分子调节。Hopkins 与 Groom 2002 年从已知药物的靶点出发，按结构域家族外推，估计可成药的蛋白只占其中一小部分，总数在数千量级。靶点从此被当作一个有限集合来管理，竞争也就落在同一小块地方。
（二）这条边界随后被反复推移：靶向蛋白降解不需要占住活性位点，共价抑制利用了一个可反应的残基，RNA 靶向绕过蛋白本身——每一种新模态都把一部分「不可成药」重新划进来。本块己「稀缺转移」与本块六「靶向蛋白降解」记录的正是这条边界的移动。
经十八、一个药要花多少钱：把失败摊进成本What a Drug Costs: Amortising Failure into the Price
（一）药价争论长期缺一个数：做出一个新药到底花多少钱。DiMasi 等 2003 年给出一套算法——把失败项目的支出摊到成功者头上，再按资本机会成本折现，得出的单药成本达数亿美元量级。这个数字此后被反复引用，成为定价论证的核心。
（二）批评同样反复：它纳入机会成本几乎使数字翻倍，依赖企业自报且原始样本不公开，不同方法算出的结果相差数倍。更根本的是把失败压成一个平均值，失败的原因与阶段就都看不见了。本块乙「失败谱：二期失败的方式比失败率更能指导下一步」要求把失败拆开看，而不是压成一个平均成本。
经十九、失败率剖面：在哪一期死、因为什么死Attrition Profiles: Where Projects Die and Why
（一）研发失败率高是共识，失败在哪一步、因为什么则各说各话。Kola 与 Landis 2004 年用行业数据把各阶段的淘汰率与淘汰原因并排列出：1990 年代药代原因导致的失败占相当比例，而在改进吸收性质与预测工具之后显著下降，接手的是疗效不足与安全性。解决了一类问题，主要死因就换成另一类。
（二）这份剖面此后基本未变，疗效不足始终是首位死因——它意味着靶点或适应证选错了，而这两件事在临床前几乎无法验证。本块乙「失败谱」正是要把这份剖面从行业统计变成项目级的决策依据：不是知道失败率多少，而是知道自己这一个可能怎么死。
经二十、罗非昔布：上市之后才被算清的心血管账Rofecoxib: A Cardiovascular Ledger Settled After Launch
（一）选择性环氧合酶抑制剂的卖点是减少胃肠道损害，罗非昔布上市后被广泛处方。APPROVe 试验本为验证它预防结肠息肉，Bresalier 等 2005 年报告的却是心血管事件在长期用药组显著增加，该药已于 2004 年撤市。事后分析显示，风险信号在更早的试验数据中已经可以辨认，只是当时没有被当作主要问题追下去。
（二）随后的立法强化了上市后研究与利益冲突披露。它留下的问题在时序上：一个需要长期用药才显现的风险，如何在只随访几个月的注册试验里被看见——答案不在试验设计里，只能靠上市之后持续地看。本块十二「主动药物警戒」要建的连续信号系统，正是为了不再依赖这种事后发现。
◎ 这一层怎么用
先按「今用」栏或碰撞行的「异名」栏找到上文对应的现代条，再把两条的对象、判据与失效条件并排读。两条若只共享名词而不共享失败情形，只登记为异名；量纲若能逐项换算，再判断现代条究竟继承、修正还是反转了这条老命题。本层二十条指向上文十四个不同位置，合起来构成一条可倒查的时间轴，而不是某一条的背景介绍。
三条使用纪律。其一，年份边界与两幕严格不重叠，提出年份落在 1950 至 2006 年之间，更早的奠基工作（Ehrlich 的侧链学说、Ahlquist 的受体分型）只在流变栏里被点名。其二，经典身份不提供豁免——反应停与非阿尿苷两次证明跨物种阴性不构成证据，组合化学扩大库规模并未提高新药产出，五规则划出的边界正被新模态整体越过，这些边界正是这一层最值钱的信息。其三，两层不比高下：只读现代层判断不出新在哪里，只读经典层看不出哪一条已经被换掉。
◎ 经典层资料核验
- Ariëns, E. J. Affinity and intrinsic activity in the theory of competitive inhibition. Archives Internationales de Pharmacodynamie et de Thérapie 99 (1954): 32–49。
- Kenakin, T. A Pharmacology Primer. Academic Press, 2004; 后续各版（专著）。
- Elion, G., Burgi, E. and Hitchings, G. Studies on condensed pyrimidine systems IX. Journal of the American Chemical Society 74 (1952): 411–414。
- Elion, G. The purine path to chemotherapy. Science 244 (1989): 41–47。
- McBride, W. Thalidomide and congenital abnormalities. Lancet 278 (1961): 1358。
- Lenz, W. Thalidomide and congenital abnormalities. Lancet 279 (1962): 45。
- Stephens, T. and Brynner, R. Dark Remedy: The Impact of Thalidomide. Perseus, 2001（专著）。
- United States Congress. Drug Amendments of 1962 (Kefauver–Harris Amendment), Public Law 87-781。
- Temin, P. Taking Your Medicine: Drug Regulation in the United States. Harvard University Press, 1980（专著）。
- 大村恒雄 and 佐藤了. The carbon monoxide-binding pigment of liver microsomes. Journal of Biological Chemistry 239 (1964): 2370–2378。
- Guengerich, F. P. Cytochrome P450 and chemical toxicology. Chemical Research in Toxicology 21 (2008): 70–83。
- Black, J. et al. A new adrenergic beta-receptor antagonist. Lancet 280 (1962): 311–314。
- Black, J. et al. Definition and antagonism of histamine H2-receptors. Nature 236 (1972): 385–390。
- Swinney, D. and Anthony, J. How were new medicines discovered? Nature Reviews Drug Discovery 10 (2011): 507–519。
- Committee on Safety of Drugs. The Yellow Card Scheme. United Kingdom, 自 1964 年起。
- Hazell, L. and Shakir, S. Under-reporting of adverse drug reactions: a systematic review. Drug Safety 29 (2006): 385–396。
- Gibaldi, M. and Perrier, D. Pharmacokinetics. Marcel Dekker, 1975; 2nd ed. 1982（专著）。
- Wagner, J. Fundamentals of Clinical Pharmacokinetics. Drug Intelligence Publications, 1975（专著）。
- Ondetti, M., Rubin, B. and Cushman, D. Design of specific inhibitors of angiotensin-converting enzyme. Science 196 (1977): 441–444。
- Cushman, D. and Ondetti, M. History of the design of captopril and related inhibitors. Hypertension 17 (1991): 589–592。
- Sheiner, L., Rosenberg, B. and Marathe, V. Estimation of population characteristics of pharmacokinetic parameters from routine clinical data. Journal of Pharmacokinetics and Biopharmaceutics 5 (1977): 445–479。
- Ette, E. and Williams, P. Pharmacometrics: The Science of Quantitative Pharmacology. Wiley, 2007（专著）。
- Weinshilboum, R. and Sladek, S. Mercaptopurine pharmacogenetics: monogenic inheritance of erythrocyte thiopurine methyltransferase activity. American Journal of Human Genetics 32 (1980): 651–662。
- Evans, W. and Relling, M. Pharmacogenomics: translating functional genomics into rational therapeutics. Science 286 (1999): 487–491。
- United States Congress. Orphan Drug Act of 1983, Public Law 97-414。
- Kesselheim, A. et al. Existing FDA pathways have potential to ensure early access to and appropriate use of specialty drugs. Health Affairs 33 (2014): 1770–1778。
- United States Congress. Drug Price Competition and Patent Term Restoration Act of 1984 (Hatch–Waxman), Public Law 98-417。
- Mossinghoff, G. Overview of the Hatch-Waxman Act and its impact on the drug development process. Food and Drug Law Journal 54 (1999): 187–194。
- Furka, Á. et al. General method for rapid synthesis of multicomponent peptide mixtures. International Journal of Peptide and Protein Research 37 (1991): 487–493。
- Macarron, R. et al. Impact of high-throughput screening in biomedical research. Nature Reviews Drug Discovery 10 (2011): 188–195。
- McKenzie, R. et al. Hepatic failure and lactic acidosis due to fialuridine, an investigational nucleoside analogue for chronic hepatitis B. NEJM 333 (1995): 1099–1105。
- Institute of Medicine. Review of the Fialuridine (FIAU) Clinical Trials. National Academy Press, 1995（专著）。
- Lipinski, C. et al. Experimental and computational approaches to estimate solubility and permeability in drug discovery. Advanced Drug Delivery Reviews 23 (1997): 3–25。
- Doak, B. et al. Oral druggable space beyond the rule of 5. Chemistry and Biology 21 (2014): 1115–1142。
- Hopkins, A. and Groom, C. The druggable genome. Nature Reviews Drug Discovery 1 (2002): 727–730。
- Overington, J., Al-Lazikani, B. and Hopkins, A. How many drug targets are there? Nature Reviews Drug Discovery 5 (2006): 993–996。
- DiMasi, J., Hansen, R. and Grabowski, H. The price of innovation: new estimates of drug development costs. Journal of Health Economics 22 (2003): 151–185。
- Light, D. and Warburton, R. Demythologizing the high costs of pharmaceutical research. BioSocieties 6 (2011): 34–50。
- Kola, I. and Landis, J. Can the pharmaceutical industry reduce attrition rates? Nature Reviews Drug Discovery 3 (2004): 711–715。
- Paul, S. et al. How to improve R&D productivity. Nature Reviews Drug Discovery 9 (2010): 203–214。
- Bresalier, R. et al. Cardiovascular events associated with rofecoxib in a colorectal adenoma chemoprevention trial. NEJM 352 (2005): 1092–1102。
- Topol, E. Failing the public health — rofecoxib, Merck, and the FDA. NEJM 351 (2004): 1707–1709。
- Institute of Medicine. The Future of Drug Safety. National Academies Press, 2007（专著）。
- Goodman, L. and Gilman, A. The Pharmacological Basis of Therapeutics. Macmillan, 1941; 后续各版（专著）。
- Sneader, W. Drug Discovery: A History. Wiley, 2005（专著）。
本表只列经典层（1950–2006）所依据的出处，不并入上文现代层的资料核验。专著、指南与机构文件按原始形态著录：这一段年代的正主本来就有相当比例不是期刊论文。2006 年之后的文献只用于说明流变，不改变经典条的入选年份。