热点关注:  
放射性同位素 粒子加速器 辐照杀菌 无损检测 高新核材 辐射成像 放射诊疗 辐射育种 食品辐照保鲜 废水辐照 X射线 中广核技 中国同辐

核药研发新突破:首款sstR2靶向一体化诊疗分子临床前性能优异

2026-04-10 09:26          核医学核医药PET/CT

国际核药研发领域取得重要进展。近日,期刊《npj Imaging》上发表了一项研究,成功开发了一种名为rhTATE4的新型放射性杂合分子,旨在解决神经内分泌肿瘤诊疗中诊断与治疗药物不匹配的长期难题。

目前临床标准方案中,用于PET成像的⁶⁸Ga-DOTA-TATE与用于治疗的¹⁷⁷Lu-DOTA-TATE因核心金属离子(Ga³⁺与Lu³⁺)不同,导致两种药物在体内的代谢行为存在差异,使得诊断影像无法精确预测治疗效果。rhTATE4采用了创新的“放射性杂合”设计策略,在同一分子骨架上整合了两个独立的核素结合位点,可分别标记¹⁸F用于PET成像,或标记¹⁷⁷Lu用于β⁻射线治疗,从而实现了诊断版与治疗版药物的化学结构完全相同,确保了其体内行为的高度一致性。

在临床前研究中,该分子展现出卓越的综合性能。体外实验表明,其受体亲和力与血浆稳定性与现有临床金标准药物相当。在荷瘤小鼠模型中,其诊断版本¹⁸F-rhTATE4表现出创纪录的高肿瘤摄取,达到53.58% ID/g,约为当前基准药物的3倍,且肿瘤与背景对比鲜明。其治疗版本¹⁷⁷Lu-rhTATE4在肿瘤中的24小时滞留率(10.32% ID/g)与金标准药物相当,关键在于显著降低了在肺、胰腺、肾上腺、肾脏等正常器官中的非特异性蓄积,意味着其潜在的治疗窗口更大,对正常组织的损伤风险更低。此前类似设计的分子曾因肾脏摄取过高而无法用于治疗,本研究通过引入新型亲水性模块成功解决了这一瓶颈。

该研究的成功标志着放射性杂合药物开发在sstR2靶点上的重大突破。rhTATE4是首个在该靶点上同时实现超高肿瘤摄取和更低正常器官蓄积的一体化诊疗分子。这一设计范式不仅有望推动神经内分泌肿瘤诊疗的精准化,也为针对其他肿瘤靶点的放射性杂合诊疗药物开发提供了可借鉴的通用平台,具有重要的临床转化潜力。


推荐阅读

英派药业新一代PARP1抑制剂获里程碑进展 触发500万美元付款

英派药业于2026年4月9日宣布,其自主研发的新一代高选择性PARP1抑制剂IMP1734已成功推进至临床II期研究阶段,并因此触发合作伙伴Eikon Therapeutics支付的500万美元里程碑付款。该款项源于双方在2023年5月达成的合作协议,Eikon Therapeutics获得了该产品在大中华区以外全球范围内的开发、生产和商业化独家权利。此举标志着双方合作取得重要进展,也体现了国际市场对中国原研创新药的认可。IMP1734是一种对PARP1具有高度选择性的抑制剂,其选... 2026-04-10

泸州市委常委、组织部部长米亮一行到访中国同辐

4月9日,中共泸州市委常委、组织部部长、泸州市医药健康(含核医疗)产业链链长米亮一行莅临中国同辐,与中国同辐党委书记、董事长肖亚飞座谈交流。米亮一行首先参观了中国同辐展厅,全面了解了中国同辐的发展历程、核技术应用领域的产业布局及取得的创新成果。在随后的交流会上,双方回顾了中核集团、中国同辐在川产业布局和投资情况,介绍了泸州市在推进建设核医疗健康产业发展方面的布局和有关政策。围绕中国同辐核医疗健康产业落地泸州展开... 2026-04-10

广东核学会核医疗产业链(核医疗创新与产业化)专业委员会正式成立

2026年4月8日,广东核学会核医疗产业链(核医疗创新与产业化)专业委员会成立大会在广药集团召开。来自政府部门、科研机构及核医疗产业链上下游企业的代表共同出席大会。该专委会旨在搭建核医疗基础研究—技术攻关—产业化落地全链条协同平台,覆盖医用同位素原料、放射性药物、高端装备、临床应用及市场流通等关键环节,推动构建装—药—医—服一体化协同体系。会议审议通过了专委会选举办法及第一届委员单位名单,选举产生第一届主任委员单... 2026-04-10

韩国釜山机张郡A医院发生异常辐射暴露事件 韩核安委介入调查

9日下午3点30分,韩国釜山机张郡A医院报告发生异常辐射暴露事件,韩国核安全保卫委员会随即宣布立即展开调查。据A医院向核安全委员会报告,当天上午8点36分左右,一名消防部门员工身处加速器室,而另一名员工在不知情的情况下于控制室操作了加速器。事故发生时,一名消防员正打开出口门准备离开,此时联锁装置启动,辐射暴露随即停止。经估算,此次辐射暴露持续时间约为11分钟,从上午8点36分持续至8点47分。事件发生后,国家核安全委员会立即要求韩国核... 2026-04-10

可解释AI新方法破解阿尔茨海默病“淀粉样悖论” PET影像分析实现认知衰退精准评估

华中科技大学同济医学院兰晓莉教授团队近期联合国际多中心研究团队,在《Radiology》上发表了一项利用可解释人工智能解决阿尔茨海默病诊断难题的研究。该研究针对传统PET影像定量分析依赖单一标量指标,忽视了阿尔茨海默病病理异质性,常导致影像结果与临床表现不符的淀粉样悖论问题,开发了一种名为对抗分解学习的可解释深度学习框架。该框架能够实现体素级别的病理异常与生理性背景信号分离,生成个体化的病理概率图和新型AI衍生评分,为疾病... 2026-04-09

阅读排行榜