1.3 治疗策略分类

1.3 治疗策略分类

本节摘要：SOURCE 1.3：而针对中枢神经系统的亨廷顿病，ASO需经鞘内注射，穿透血脑屏障后，还需在纹状体神经元内维持足够浓度——这解释了为何tominersen（靶向HTT的ASO）在III期临床中因疗效信号微弱而折戟，而新一代构象锁定的ASO（如WVE003）正尝试通过增强RNA结合亲和力与核内滞留时间来破局。

三大治疗策略的临床矩阵

基因治疗的干预策略可以从"干预发生在哪一层"来分类，这也是本节建立框架的出发点：

• 基因替代（Gene Replacement）：向缺失或失活的基因补送一份健康拷贝，适用于隐性遗传病。例如脊髓性肌萎缩症（SMA）患者缺失 SMN1 功能，Zolgensma 用 AAV9 递送 SMN1 基因；RPE65 相关视网膜营养不良患者，用 AAV2 递送 RPE65 基因（Luxturna）。这类策略不修改基因组序列，外源基因以附加体形式表达，效果取决于表达持续性与宿主免疫状态。
• 基因沉默（Gene Silencing）：抑制过度表达或错误折叠蛋白的致病基因，适用于显性遗传病。ASO 与 RNAi 是两大代表：ASO 通过沃森-克里克碱基配对结合靶 mRNA，招募 RNase H 切割降解；RNAi（siRNA）则进入 RNA 诱导沉默复合物（RISC），在转录后水平降解 mRNA。GalNAc 偶联的 siRNA（如 vutrisiran、inclisiran）通过肝细胞表面 ASGPR 受体高效入胞，用于 ATTR 淀粉样变性等高频肝源疾病。
• 基因编辑（Gene Editing）：直接修改基因组序列，实现永久性修复。代表产品是 Casgevy（体外编辑造血干细胞）与 NTLA-2001（体内 CRISPR 敲除肝脏 TTR 基因）。适用于需要永久性改变细胞命运的适应症，代价是脱靶风险与插入重排的不确定性。

三条策略并非互斥。例如镰状细胞病既可以通过慢病毒基因替代回补正常 β-珠蛋白，也可以通过 CRISPR 编辑 BCL11A 增强子重新激活胎儿血红蛋白表达——前者是"补一份新的"，后者是"唤醒沉睡的备用方案"。

策略选择的决策框架

选哪种策略，取决于疾病的遗传模式、致病机制、靶组织细胞分裂特性与可及性。下表给出五类典型场景的判断逻辑：

判断时有一个关键提示：细胞分裂速度决定载体选择。非分裂细胞（神经元、肝细胞、肌肉细胞）适合 AAV 附加体长期表达；快速分裂细胞（造血干细胞、T 细胞）的附加体随分裂被稀释，必须依赖整合型载体或基因组编辑，否则治疗基因会在扩增过程中丢失。

RNA 层面的干预细节

ASO 与 siRNA 常被混为一谈，但机制差异显著，直接决定递送方式与给药频率：

• ASO 为单链寡核苷酸，通过碱基互补结合靶 mRNA 后，可依赖 RNase H 切割、空间位阻或剪接调节发挥作用；组织分布取决于化学修饰骨架（如 2′-MOE、LNA、PS 修饰），多数需皮下或鞘内注射。
• siRNA 为双链小 RNA，正义链被降解，反义链进入 RISC，通过内切切割降解互补 mRNA；GalNAc-siRNA 依靠 ASGPR 实现肝脏高效摄取，vutrisiran 已实现每季度一次皮下注射。

亨廷顿病案例最能说明 RNA 疗法的边界：HTT 基因在神经元中广泛表达，ASO 需经鞘内注射穿透血脑屏障，并在纹状体神经元内维持足够浓度。tominersen 在 III 期临床中因疗效信号微弱而折戟，部分原因正是暴露不足；新一代构象锁定的 ASO（如 WVE003）通过增强 RNA 结合亲和力与核内滞留时间尝试破局。这个案例说明，策略选择不仅取决于分子机制，还取决于药代动力学能否在靶组织达标。

计算示例：三种策略的表达/效应时程对比

下面的 Python 脚本对三种策略在"分裂细胞"与"非分裂细胞"中的效应持续时间做简化建模，用数值直观呈现为何编辑是唯一能在分裂细胞中持久的策略。

# 三种策略的效应时程对比
# 假设：非分裂细胞 AAV 附加体稀释率 d=0；分裂细胞每日分裂导致附加体减半

def effect_timecourse(strategy, dividing, days=30):
    """
    strategy: replacement / silencing / editing
    dividing: True 表示靶细胞在持续分裂
    返回每日相对效应水平的列表。
    """
    levels = []
    # 初始效应：基因替代与沉默为 1.0，编辑修复也为 1.0
    eff = 1.0
    for day in range(days):
        levels.append(eff)
        if strategy == "editing":
            pass  # 基因组编辑一旦完成，效应不随分裂衰减
        elif dividing:
            eff *= 0.5  # 附加体/外源 RNA 随分裂被稀释
    return levels

# 在分裂细胞（如造血干细胞）中比较
for name, strat in [("基因替代", "replacement"), ("基因沉默", "silencing"), ("基因编辑", "editing")]:
    lv = effect_timecourse(strat, dividing=True)
    print(f"{name}：第 30 天相对效应 = {lv[-1]:.3f}")
​

输出显示，基因替代与基因沉默在持续分裂的细胞中 30 天后效应趋近于零，而基因编辑保持恒定。这直接解释了为何造血干细胞类适应症（如镰状细胞病、β-地中海贫血）必须采用整合或编辑路线，而不是依赖 AAV 附加体。

递送方式与策略的匹配

策略选定之后，递送方式仍需二次决策，这决定了策略能否真正落地。下表按靶组织与给药途径梳理常见组合：

注意两个容易混淆的点：其一，同样面向肝脏的 ATTR 淀粉样变性，既可以用 GalNAc-siRNA 做基因沉默，也可以用 AAV 递送 CRISPR 做基因编辑（NTLA-2001），二者疗效与持久性不同，选择取决于临床对"永久敲除"与"可逆抑制"的价值判断；其二，视网膜下腔注射是局部递送，全身暴露低，因此 Luxturna 的免疫风险远低于全身给药的 Zolgensma，临床风险-获益评估也因此更宽松。

计算示例：策略-载体匹配速查

# 根据疾病特征返回推荐的策略与载体组合
def recommend(genetic_mode, dividing_target, protein_toxin=False):
    """
    genetic_mode: 隐性缺失 / 显性毒性
    dividing_target: 靶细胞是否持续分裂
    protein_toxin: 是否为毒性蛋白致病（显性错义）
    """
    if protein_toxin:
        return "基因沉默（ASO / siRNA）"
    if genetic_mode == "隐性缺失":
        if dividing_target:
            return "基因替代（整合型载体）或基因编辑"
        return "基因替代（AAV 附加体）"
    if dividing_target:
        return "基因编辑（永久修复）"
    return "基因替代或编辑（按可及性决定）"

# 三个典型疾病示例
cases = [
    ("SMA（SMN1 缺失）", "隐性缺失", False, False),
    ("镰状细胞病（HBB 点突变）", "隐性缺失", True, False),
    ("亨廷顿病（HTT 毒性蛋白）", "显性毒性", False, True),
]
for name, mode, dividing, toxic in cases:
    print(f"{name} → {recommend(mode, dividing, toxic)}")
​

这个速查表与脚本把本节的核心决策逻辑压缩为三条规则：毒性蛋白走沉默、非分裂靶点走替代、分裂靶点走编辑或整合。记住这三条，遇到新疾病时就能快速定位应去第二章还是第三章寻找工具。

⚠️ 常见坑：只记结论不记适用边界——超出 SOURCE 所述浓度、尺度或版本范围，规律可能失效。

💡 关键直觉：1.3 治疗策略分类 应能对应至少一项可复现实验或算例。

本节速览

• 主干：1.3 治疗策略分类 连接「输入—过程—输出」
• 边界：对照 SOURCE 中的参数与版本条件
• 方法：用表格对齐假设与观测