藥物靶點發現是轉譯醫學的核心環節，系統生物學和大規模組學技術的成熟正在根本性地改變靶點鑑定和驗證的範式。
基因組驅動的靶點發現
GWAS 為靶點發現提供了無假說偏見的人類遺傳學證據。然而 GWAS 的挑戰在於：（1）大多數 risk variants 位於非編碼區域，因果基因鑑定（causal gene prioritization）需要整合 eQTL、chromatin accessibility（ATAC-seq）和 3D 基因組（Hi-C）數據；（2）effect size 通常很小。Mountjoy et al.（2021, Nature Genetics）開發的 Open Targets Genetics 平台整合了 GWAS、eQTL、pQTL 和染色質互動數據進行系統性的因果基因推斷。
Nelson et al.（2015, Nature Genetics）的里程碑研究分析了 FDA 批准藥物和 Phase III 試驗藥物，發現有人類遺傳學證據支持的靶點-適應症組合，臨床開發成功機率提高約 2 倍。Ochoa et al.（2022, Nature Reviews Drug Discovery）更新了此分析，利用 UK Biobank 和 FinnGen 的大規模 GWAS 數據確認了此發現的穩健性。
功能基因組學篩選
CRISPR 技術革命使全基因組功能篩選成為常規。主要策略包括：
- CRISPR knockout（CRISPRko）篩選：使用 Cas9 切割 DNA 產生 indel 導致 frameshift。Brunello 和 Gecko v2 等 sgRNA library 覆蓋 ~20,000 基因。Depmap/Cancer Dependency Map（Tsherniak et al., 2017, Cell）系統性篩選了超過 1,000 個癌細胞株的基因依賴性，揭示了腫瘤類型特異性的脆弱點（vulnerability）。
- CRISPRi/CRISPRa：使用 catalytically dead Cas9（dCas9）融合轉錄抑制子或活化子，提供可逆的基因調控。
- CRISPR base editing 和 prime editing 篩選：可以系統性地引入特定的點突變，模擬 GWAS 發現的 coding variants 效應（Hanna et al., 2021, Nature Biotechnology）。
- Perturb-seq：結合 CRISPR 擾動和單細胞 RNA-seq，在單次實驗中獲得基因擾動對轉錄組的全局效應（Dixit et al., 2016, Cell）。
- Proximity labeling（BioID, TurboID, APEX）：標記目標蛋白質鄰近的互動夥伴，建立空間特異性的 interactome（Roux et al., 2012, JCB）。
- Thermal proteome profiling（TPP）/ Cellular thermal shift assay（CETSA）：Molina et al.（2013, Science）開發的 TPP 方法利用蛋白質熱穩定性的變化來鑑定藥物的直接結合靶點和脫靶（off-target），無需化學修飾藥物分子。
- Activity-based protein profiling（ABPP）：Cravatt 實驗室開發的化學蛋白質體學策略，使用活性探針選擇性標記特定酵素家族的活性位點，鑑定可成藥的功能性蛋白質（Niphakis & Cravatt, 2014, Annual Review of Biochemistry）。
網路藥理學與 AI 驅動的靶點預測
Barabási et al.（2011, Nature Reviews Genetics）提出的網路醫學（network medicine）框架將疾病視為分子網路的擾動。靶點的「網路位置」決定其藥理學價值：位於疾病模組（disease module）中心的蛋白質干擾效應最大但毒性風險也高，模組邊緣的蛋白質則可能更安全。
AI/ML 方法在靶點發現中的應用包括：
- 知識圖譜（Knowledge Graph）嵌入：整合多源生物醫學數據（文獻、組學、臨床）建立知識圖譜，用圖神經網路預測新的靶點-疾病關聯。Zitnik et al.（2018, Bioinformatics）的 Decagon 模型預測藥物-藥物交互作用。
- 因果推斷整合：將 MR（Mendelian Randomization）、colocalization 分析和 PheWAS（Phenome-wide association study）整合為系統性靶點驗證管線。
靶點可成藥性評估（Druggability Assessment）
鑑定靶點後需評估其可成藥性。Hopkins & Groom（2002, Nature Reviews Drug Discovery）提出 druggable genome 的概念。現代評估包括：結構分析（是否有可結合小分子的口袋，FPocket/SiteMap）、化學空間覆蓋（是否已有已知配體，ChEMBL 數據庫）、和臨床安全性預測（靶點在正常組織的表現和功能，GTEx 數據）。