查看“酪氨酸激酶”的源代码

{{Infobox
| bodystyle    = width: 300px; float: right; clear: right; margin: 0 0 1em 1em; border: 1px solid #a2a9b1; background: #f9f9f9;
| abovestyle   = background: #e0e0e0; font-size: 110%; font-weight: bold; text-align: center;
| headerstyle  = background: #eeeeee; font-weight: bold;

| above        = 酪氨酸激酶<br><small>Tyrosine Kinase</small>
| image        = [Image of Receptor Tyrosine Kinase activation mechanism]

| label1       = 英文缩写
| data1        = '''TK''' / PTK

| label2       = 酶学分类
| data2        = 转移酶 (EC 2.7.10.x)

| label3       = 生物学功能
| data3        = 细胞信号转导的“开关”<br>(磷酸化)

| label4       = 核心底物
| data4        = ATP + 蛋白质(酪氨酸残基)

| label5       = 主要类型
| data5        = 受体型 (RTK)、<br>非受体型 (NRTK)

| label6       = 对应药物
| data6        = '''TKI''' (酪氨酸激酶抑制剂)

| label7       = 对AI价值
| data7        = 靶向药研发(AIDD)的<br>头号预测对象
}}

'''酪氨酸激酶'''（{{lang-en|Tyrosine Kinase}}），是一类能够将磷酸基团从 [[ATP]] 转移到蛋白质的酪氨酸（Tyrosine）残基上的酶。

如果把细胞比作一台复杂的机器，酪氨酸激酶就是控制这台机器“生长”、“分裂”或“死亡”的'''开关'''。在正常细胞中，这个开关受到严格调控；而在癌细胞中，由于基因突变（如 EGFR 突变），这个开关被卡在“开启”位置（Constitutive Activation），导致细胞无限制地疯长。因此，抑制这种酶的药物（TKI）构成了现代肿瘤内科的基石。<ref name="Nature_TK" />

== 生化反应原理 ==
它的核心生化反应如下：
$$ \text{ATP} + \text{Protein-Tyrosine} \xrightarrow{\text{TK}} \text{ADP} + \text{Protein-Tyrosine-Phosphate} $$
磷酸化（Phosphorylation）会导致底物蛋白的结构发生改变，从而激活下游的信号通路（如 MAPK, PI3K/Akt）。

== 核心分类 (两大家族) ==
您的“智慧医生”系统在构建知识图谱时，必须严格区分这两类，因为对应的药物设计逻辑不同：

=== 1. 受体酪氨酸激酶 (RTK) ===
* '''位置'''：跨膜蛋白（一头在细胞外，一头在细胞内）。
* '''机制'''：细胞外的“天线”接收到生长因子（Ligand）后，二聚化并激活细胞内的激酶活性。
* '''著名靶点'''：
** '''[[EGFR]]''' (HER1)：肺癌之王。对应药物：吉非替尼、奥希替尼。
** '''HER2''' (ERBB2)：乳腺癌关键靶点。对应药物：曲妥珠单抗（单抗）、拉帕替尼（小分子）。
** '''VEGFR'''：血管内皮生长因子受体。抗血管生成的核心。

=== 2. 非受体酪氨酸激酶 (NRTK) ===
* '''位置'''：位于细胞质或细胞核内。
* '''著名靶点'''：
** '''BCR-ABL'''：费城染色体易位产生。慢粒白血病（CML）的元凶。
** '''SRC'''：历史上发现的第一个致癌基因产物。
** '''BTK'''：B细胞淋巴瘤靶点。对应药物：伊布替尼。

== 酪氨酸激酶抑制剂 (TKI) ==
这是药企最赚钱的领域，也是您业务中需要重点关注的“产品库”。
* '''命名规则'''：小分子抑制剂通常以 '''-tinib''' (替尼) 结尾。
* '''作用机制'''：大多数 TKI 是'''ATP 竞争性抑制剂'''。它们抢占了激酶上的 ATP 结合口袋，导致酶无法获得能量进行磷酸化，从而“关掉”癌细胞的生长开关。[Image of small molecule inhibitor binding to kinase ATP pocket]
* '''耐药性'''：这是 AI 预测的重点。例如 EGFR T790M 突变会改变口袋结构，导致第一代药物失效，需要开发第三代药物。<ref name="TKI_Review" />

== AI 在 TK 领域的应用 ==
* '''结构预测'''：利用 AlphaFold 预测激酶突变后的三维结构变化。
* '''虚拟筛选'''：利用 [[BLAST]] 和分子对接（Docking）技术，从数亿个小分子中筛选出能完美嵌入激酶口袋的化合物。
* '''精准匹配'''：您的“智慧医生”读取患者 [[RefSeq]] 数据发现 `L858R` 突变 $\to$ 自动推荐“奥希替尼” $\to$ 生成治疗方案。

== 参见 ==
* [[精准医疗]]
* [[EGFR]] (表皮生长因子受体)
* [[靶向治疗]]
* [[RefSeq]] - 用于比对突变位点
* [[GenBank]]

== 参考资料 ==
<references>
<ref name="Nature_TK">Hunter, T. (2009). Tyrosine phosphorylation: thirty years and counting. ''Current Opinion in Cell Biology'', 21(2), 140-146.</ref>
<ref name="TKI_Review">Arora, A., & Scholar, E. M. (2005). Role of tyrosine kinase inhibitors in cancer therapy. ''Journal of Pharmacology and Experimental Therapeutics'', 315(3), 971-979.</ref>
</references>

[[Category:酶]]
[[Category:肿瘤生物学]]
[[Category:药物靶点]]