在小分子药物研究领域，许多经典信号通路（如PI3K/AKT/mTOR、MAPK、JAK/STAT、NF-κB等）确实已被深度挖掘和靶向，但这并不意味着所有通路都已被“发现完毕”。

事实上，生物系统的复杂性远超想象：新的通路或靶点仍在不断涌现，尤其在**疾病特异性微环境**、**细胞类型特异性调控**、**非经典调控机制**（如非编码RNA调控、代谢-信号耦合、翻译后修饰网络、细胞间通讯等）中。

当前（2025-2026年）科学家突破瓶颈的主要策略已从“找新蛋白”转向**系统性、多维度、数据驱动的“网络重构 + 功能验证”**，核心思路是：**不假设已知通路，而是从高维数据中重构未知网络**，再用小分子探针或遗传工具验证因果关系。下面是目前最前沿且有效的几类突破路径：

1. 多组学整合 + 单细胞/空间分辨组学重构信号网络

通过整合转录组、蛋白质组、磷酸化蛋白质组、代谢组、空间转录组（spatial transcriptomics）、单细胞多组学等，构建**细胞类型/状态特异性信号网络**。许多“新通路”其实是已知通路的**亚型特异性分支、旁路激活或条件依赖性重连**。     例如，2025年出现的Incytr方法通过多模态数据整合（transcriptomics + proteomics + phosphoproteomics + kinomics），能高效重构细胞信号通路，并在COVID-19、阿尔茨海默病、癌症中发现已知子通路和新假设，支持后续小分子靶点挖掘。

2. 人工智能/机器学习驱动的靶点与通路预测  

AI已成为发现新靶点的主力军，尤其是**生成式AI + 多组学融合**模型，能从海量患者/模型数据中预测新型药物-靶点-通路关联。     - AlphaFold3及其后续版本极大扩展了结构预测范围（包括DNA/RNA/配体复合物），使“无结构靶点”变得可药。     - 网络药理学 + 深度学习（如GNN、Transformer）用于预测未知蛋白-小分子互作，或从疾病签名中挖掘新节点。     - 代表性应用：从肿瘤微环境或免疫代谢重编程中发现新型免疫检查点下游小分子靶点（如IDO1/TDO、A2AR、TGF-β相关新节点）。     AI还能模拟“数字孪生”细胞/患者，预测小分子干预后的通路重塑。

3. 基于小分子探针的化学蛋白质组学与无偏靶点发现 

使用活性基探针（ABPP）、光亲和探针、热稳定性蛋白质组学（TPP/CETSA）、DARTS、PROTAC-based降解谱等方法，在活细胞或组织水平无偏地捕获小分子真实结合靶点，常能发现已知药物/天然产物的全新靶点，从而揭示隐藏通路。     例如，天然产物celastrol通过这些方法被发现靶向PRDX、HMGB1、PKM2等多节点，揭示ROS-铁死亡、糖酵解重编程等新机制。

4. 功能基因组学筛选 + 化学遗传学

CRISPR全基因组敲除/激活/干扰库筛选（尤其in vivo筛选），结合小分子处理，找出药物敏感/耐药的遗传修饰基因，从而反推新通路或新节点。     结合单细胞CRISPR筛查，能在异质性肿瘤或免疫细胞中发现微环境依赖的新信号轴。

5. **新兴靶点类别与调控模式**    

- RNA靶向小分子（RNA-targeting small molecules）：针对非编码RNA、mRNA结构、RNA-蛋白互作。    

- 分子胶、PROTAC、lysosome-targeting chimeras等扩展了“不可药靶点”的范畴。    

- 细胞命运决定相关的新信号（如再生医学中的信号语言模型）。    

- 代谢-表观-信号耦合网络中的新节点。

总结来说，当今突破瓶颈的核心转变是：  从“单靶点线性通路” → **“多靶点网络重编程 + 上下文依赖性调控”**  从“假设驱动” → **“数据驱动 + AI假设生成 + 实验闭环验证”** 真正的新发现往往发生在**疾病特异性、细胞亚群特异性、应激/微环境特异性**条件下。未来几年，最有前景的方向很可能出现在：  - 单细胞/空间多组学 + AI的深度整合  - 天然产物/已上市药物靶点再挖掘（polypharmacology）  - 免疫-代谢-信号交叉领域的全新轴 如果您有特定疾病领域（如肿瘤、神经退行性疾病、自身免疫等），可以进一步讨论该领域最热的“新通路”机会。