小核酸药物正在成为新药研发的热门赛道，但它的非临床评价逻辑，与化药、单抗截然不同。过去一年，我们预审过数项小核酸（ASO/siRNA/aptamer）方向的非临床方案。一个很明显的规律是：小核酸的发补，很少因为"做得少"，而更多因为"评错了方向"。化药看代谢稳定性，单抗看免疫原性，而小核酸的核心在于序列特异性、递送系统安全性、种属同源性和组织暴露水平——这是三套完全不同的评价语言。
以下6个雷区，是IND申报前最容易被CDE追问的地方。MD Pharma依托CMA&CNAS双认证平台，在小核酸药物临床前评价领域积累了丰富的项目经验，以下逐一拆解。
siRNA / ASO 通过seed 区（约7–8 nt）与同源序列结合，一旦与非靶mRNA 部分互补，就可能产生脱靶敲低。
♣项目实例：某siRNA项目在预审时发现，客户仅验证了设计靶点的敲低效率，未进行全基因组seed同源扫描。MD Pharma团队通过生物信息学分析，发现该序列与非靶基因存在7nt连续配对，存在潜在脱靶风险。我们建议客户补充了体外脱靶验证实验，并在申报资料中主动披露该风险及控制策略，最终该问题未成为审评发补点。
GalNAc相对安全，但不是零风险；LNP更要警惕先天免疫刺激（TLR7/8、RIG-I通路）与补体激活（CARPA）。很多方案把递送毒性一笔带过。
小核酸的脱靶和药效都高度依赖序列与人源的同源度，种属选错＝整个非临床相关性被质疑。
♣项目实例： 某ASO项目在小鼠毒理试验中未观察到明显毒性，但客户计划直接推进至灵长类试验。MD Pharma团队在种属同源性分析中发现，该ASO序列在小鼠与人之间的靶基因同源度仅为78%，而在食蟹猴中为96%。这意味着小鼠模型中的安全性数据可能无法充分支持人用外推。客户据此调整了非临床策略，将食蟹猴作为关键毒理种属，避免了申报资料中的逻辑漏洞。
杂交法、qPCR测核酸极易受基质效应与酶降解干扰，方法学验证滞后会直接卡住毒理报告。
♣项目实例： 某siRNA项目在GLP毒理启动前6周才委托MD Pharma进行生物分析方法开发。由于该分子在血浆中稳定性较差，初期建立的LC-MS/MS方法回收率仅60%。MD Pharma团队通过优化固相萃取条件与内标选择，最终将回收率提升至85%以上，并完成了全套方法学验证。客户GLP毒理试验按时启动，未因分析方法问题延误进度。
小核酸半衰期长、易在组织（尤其肝肾、性腺）蓄积，4 周给药往往看不到蓄积与延迟毒性。
小核酸的核心不在血浆，而在肝（GalNAc）或靶组织的摄取与停留。
小核酸药物（ASO/siRNA）的非临床评价，本质上是一套严密的“证据链”逻辑。其核心在于序列特异性、递送安全性、种属相关性、生物分析、毒理设计及组织分布。这六个环节环环相扣，任何一个环节的方向性偏差，都会在IND申报时被放大为发补风险。
避开雷区的最优解，是找到懂“药”也懂“审评”的合作伙伴。MD Pharma致力于成为您新药研发路上的可靠伙伴，我们不仅提供标准化的检测数据，更提供基于监管视角的申报策略，助您的候选药物稳扎稳打，顺利走向临床。
以真实数据构筑证据链，MD Pharma护航您的每一次IND申报。
北京迈迪智药科技有限公司（MD Pharma）是一家聚焦生物医药与医疗器械行业的研发服务企业，试验基地面积3.3万余平方米。
MD Pharma围绕“源头创新—产品孵化—产业化—商业化”构建药械研发赋能体系，整合药物发现、药学研究、临床前CRO、及医疗器械安全性评价等能力，为创新药企、科研机构及AI制药企业提供从早期发现、成药性评价到IND申报的一站式研发服务。
依托专业研发团队和综合实验平台，MD Pharma帮助客户分散新药研发资金投入与项目风险，降低研发成本、缩短研发周期，推动候选药物及创新医疗器械从实验室研究走向临床申报和产业化。
MD Pharma采用7×24小时工作模式，项目进展实时同步、实验数据真实完整，可满足客户对研发效率、过程透明和数据质量的要求。
针对AI制药项目，MD Pharma定位为连接算法预测与生物验证的“湿实验验证中枢”。AI智药企业可利用人工智能高效完成靶点发现、分子设计、虚拟筛选和成药性预测，但候选靶点与候选分子最终仍需进入细胞、动物、组织样本等真实场景，完成活性、选择性、药效、药代和安全性验证。
MD Pharma可将AI输出的靶点和分子转化为标准化、可追溯的实验数据，并反馈至模型训练与分子优化流程，形成“AI预测—实验验证—数据回传—模型迭代”的研发闭环，帮助客户减少无效分子进入高成本研发阶段。
【核心验证服务】
AI靶点发现与验证：开展基因表达分析、蛋白互作、信号通路、细胞功能及疾病模型研究，验证AI预测靶点与疾病表型之间的相关性和因果关系。
AI候选分子初筛：提供细胞活性与细胞毒性评价、靶点结合及作用机制研究、选择性分析、浓度依赖性和初步量效关系评价，以及体外代谢稳定性和初步成药性评价。
药效学评价：建立或提供肿瘤、免疫、神经、代谢、心血管等疾病相关细胞模型及小动物模型，开展体内外药效、作用机制和剂量—疗效关系评价。
药代动力学与安全性评价：开展药代动力学、组织分布、代谢及non-GLP安全性评价，为候选分子进入正式毒理研究或IND申报提供数据支持。
AI模型迭代与研发决策：对细胞、动物、病理及药代动力学数据进行结构化整理，帮助客户识别模型预测偏差、优化分子筛选规则，并判断项目应继续推进、结构调整还是及时终止。
MD Pharma致力于成为AI制药企业可信赖的湿实验验证与临床前研发合作伙伴，以真实生物系统检验AI预测，以标准化实验数据推动候选药物快速进入下一研发阶段。
