企业官网建设流程全解析

做神经髓鞘修复这条线的人，几乎绕不开 LINGO1。这个单次跨膜的富亮氨酸重复蛋白，在神经髓鞘修复和轴突再生的语境里被叫作“刹车”分子，已经快二十年了。它的逻辑很朴素：中枢神经系统里，少突胶质前体细胞明明还在，裸露的轴突明明还在，可髓鞘就是包不回去；而 LINGO1 恰好站在这条“包不回去”的路径上，把再生的信号往下压。围绕它的靶点研究，走过体外筛选、动物模型、抗体工程，也走过让整个领域都沉默了一阵的临床阶段。这篇文章不讲新闻，讲的是我理解的这套体系——LINGO1 到底是个什么东西，它在分子层面怎么踩刹车，做靶点验证时哪些环节最容易翻车，公开数据能怎么用起来，以及一个从实验室走到临床的靶点，卡在了哪几个具体的位置上。适合做神经药理、生物药早期研发、髓鞘相关疾病机制研究的人看，也适合刚进组、需要快速搭起知识框架的硕博生。有些细节我加了“基于常见实践的补充”这样的说明，方便你区分哪些是文献共识，哪些是我自己的推断。

1. 先把 LINGO1 这个“刹车”说清楚

1.1 从基因到蛋白：614 个氨基酸里藏着什么

人 LINGO1 编码的蛋白是 614 个氨基酸，结构上属于富亮氨酸重复（LRR）超家族，同时带一个免疫球蛋白样结构域。把它从头到尾拆开，大致是这样几段：N 端信号肽、LRRNT 帽区、一段串联的 LRR（常见注释是 10 个左右）、LRRCT 帽区、一个 Ig-like 域、一个跨膜螺旋，最后是胞内那段不长的尾巴。这个排列方式决定了很多事情——胞外部分负责“认人”，跨膜部分把它锚在膜上，胞内尾巴负责把信号往下传，但它自己的尾巴太短，不足以独立完成信号转导，必须拉帮结派。

这个结构特征非常关键。很多人一开始会把 LINGO1 当成一个“受体”，其实更准确的定位是共受体或者信号调节亚基。它本身结合配体的能力有限，但一旦和 NgR1、p75 或者 TROY 凑到一起，整个复合物对髓鞘抑制因子（Nogo-A、MAG、OMgp 这一类）的响应强度就上了一个台阶。换句话说，它不是刹车踏板本身，而是让踏板变得更灵敏的那个连杆。少了它，刹车还在，但踩下去没那么狠。

还有个实操层面的细节：LINGO1 是高度糖基化的膜蛋白，理论骨架分子量七十多 kDa，跑 Western 经常在 83 到 100 kDa 之间出现一条弥散的带。新手看到这个弥散带第一反应是“降解了”或者“抗体不特异”，其实大概率是 N-糖基化造成的异质性。做之前用 PNGase F 处理一下对照泳道，能省掉很多自我怀疑的时间。这个坑我在不同实验室见过至少三次，每次都有人重新买抗体。

1.2 髓鞘再生为什么会卡住

要理解 LINGO1 的价值，得先接受一个事实：中枢神经系统的髓鞘再生失败，主要不是因为少突胶质前体细胞（OPC）不够。在多发性硬化患者的病灶里，OPC 数量往往是够的，甚至在某些慢性病灶里是堆积的，真正的问题是它们分化不下去。OPC 停在 NG2 阳性、PDGFRα 阳性的状态，能迁移、能增殖，就是不往下走那一步，成熟少突胶质细胞的数量上不去，髓鞘自然包不上。

这中间有一整套“分化闸门”在起作用。抑制性细胞外基质、炎症因子、轴突表面的抑制分子、表观遗传层面的染色质关闭、转录因子网络的失衡，每一条都能把 OPC 卡住。LINGO1 属于其中最“上游”也最“干净”的一类——它的表达在 OPC 阶段很高，随着分化成熟逐渐下调，而人为阻断它，能在多个模型里观察到分化推进和髓鞘再形成。这种“表达谱对得上、功能实验对得上”的组合，是它当年被看好的核心原因。

但这里要把话说明白：髓鞘再生是一个多步骤耦合的过程，OPC 招募、分化、轴突包裹、髓鞘压实、郎飞结重塑，任何一步断了都不行。LINGO1 主要影响的是分化这一步，所以单靠它一个靶点，理论上就不可能解决所有患者的再生障碍。后面讲临床失败原因的时候，这一点会反复出现。

1.3 一句话概括它的定位

如果只能给 LINGO1 一个定位，我会说它是“再生抑制信号的放大器”和“OPC 分化的负调控节点”。这个双身份意味着两件事：第一，在神经元侧，阻断它能解除抑制、促进轴突生长；第二，在胶质侧，阻断它能推动 OPC 分化。同一个分子，两条功能线，这也是为什么它的靶点研究看起来证据特别多，实际上不同实验测的根本不是同一件事。做验证之前先想清楚你要测的是哪条线，否则容易拿轴突生长的数据去解释髓鞘再生，逻辑上会打架。

2. 机制拆解：LINGO1 踩刹车的三条路径

2.1 NgR1/p75/TROY 复合物与 RhoA-ROCK 这根轴

最经典的一条通路，讲的是神经元侧的轴突再生抑制。Nogo-A、MAG、OMgp 这些髓鞘来源的抑制分子结合到 NgR1 上，NgR1 本身没有胞内结构域，必须借助 p75 或者 TROY 来传信号，而 LINGO1 作为共受体参与其中，把这个复合物稳定住、放大信号输出。信号往下走，核心是 RhoA 被激活成 GTP 结合状态，接着 ROCK 被磷酸化激活，肌动蛋白骨架重排，生长锥塌陷，轴突回缩。

这条轴的“可操作性”很强：你可以在体外用固定化的 Nogo 或 MAG 底物做生长锥塌陷实验，加上抗 LINGO1 抗体，看塌陷率能不能降下来；也可以直接测 RhoA 活性（用 GST 融合的 RBD 拉下来做 pull-down，或者用商业化的活性检测试剂盒），看 GTP-RhoA 的比例变化。参数上我建议把时间点设在刺激后 5 到 30 分钟，这个窗口内 RhoA 的活性变化最明显，时间再长就容易回落到基线，做出“没效应”的假阴性。

这里有个容易被忽略的点：不同神经元类型的反应差异很大。海马神经元、DRG 神经元、皮层神经元对同一套抑制底物的敏感度完全不同，DRG 神经元在体外是经典模型，但它本身的再生能力就强，容易把效应“稀释”掉。我的经验是，先用 DRG 做初筛看方向，再用更接近中枢环境的皮层神经元或者 iPSC 来源神经元做确认，两边结论一致才往下推。只做 DRG 就下结论，是很多早期项目返工的原因。

2.2 少突胶质前体细胞的分化闸门

第二条路径在胶质侧，也是“髓鞘修复”这四个字真正的落点。LINGO1 在 OPC 上高表达，阻断之后可以看到几个变化：OPC 的形态从双极或多极向更复杂的网络转变，MBP、PLP 这类成熟标志物表达上升，髓鞘膜片形成增加。往下游看，被讨论最多的是 PI3K/Akt 和 MEK/ERK 这两条促分化通路，以及 Fyn 激酶相关的信号。

需要提醒的是，这块的机制文献在不同模型之间并不完全一致。有的报道强调 LINGO1 通过 EGFR 的稳定化来压制分化，有的报道强调它与 SHP-1/SHP-2 这类磷酸酶的相互作用，还有报道把它和 TrkB 的信号串起来。这些说法不必然互相排斥，但也谈不上已经收敛成一个统一模型。我在写项目立项书的时候，会把这块表述成“多条证据支持 LINGO1 阻断后促分化信号增强，具体节点存在模型依赖性”，这样写既准确，也给后续实验留了余地。

实操上最有价值的一个细节是分化时间窗。OPC 体外分化，24 小时看形态、72 小时看早期标志物、5 到 7 天看成熟标志物和膜片，这是一个比较稳的节奏。如果你在 24 小时就去看 MBP 的 Western，大概率什么都看不到，然后误判“抗体没有促分化作用”。我见过一个项目组在 48 小时的时间点上纠结了两个月，最后把时间拉到第 6 天，效应一下就出来了。

2.3 被低估的交叉通路：EGFR、TrkB 与 SHP-1

第三条路径不太“正统”，但实际研究价值很高，就是 LINGO1 与其他受体系统的交叉。比较有代表性的是 EGFR：LINGO1 被报道可以影响 EGFR 的内吞和稳定性，而 EGFR 信号本身对 OPC 分化是抑制性的，所以阻断 LINGO1 有可能间接地把 EGFR 的抑制性信号一起卸掉。这条线索的意义在于，它解释了为什么抗 LINGO1 抗体的效应有时比单纯的 NgR1 通路阻断更强。

另一个交叉点是 TrkB 和 BDNF 信号。BDNF 是促髓鞘形成的重要因子，LINGO1 与 TrkB 的相互作用被报道可以削弱 BDNF 的下游响应。如果你的模型里 BDNF 浓度本来就很低，那 LINGO1 阻断的效应会被放大；反之如果培养基里加了高浓度 BDNF，效应可能被掩盖。这个变量在做体外实验设计时必须控制，很多人只关注血清批次，忘了神经营养因子的背景水平。

SHP-1/SHP-2 这条线更偏信号精细调控。LINGO1 的胞内尾巴虽然短，但存在可以被磷酸化调控的位点，通过招募磷酸酶来削弱正向信号。这块目前更多是机制层面的兴趣点，还没形成可以直接拿来做药物设计的抓手，但如果你做的是小分子或者降解剂方向，这些位点的价值就不能忽略——大分子只能挡胞外，小分子有机会碰胞内。

3. 靶点验证怎么做：从表位到动物模型的完整链路

3.1 表位选在 LRR 区：亲和力不等于拮抗活性

做抗 LINGO1 抗体，第一个决策是表位。多数报道里，功能性表位落在 LRR 区段，尤其是靠 N 端的那几个重复单元，因为这个区域参与和 NgR1/p75 复合物的组装。表位选在 Ig-like 域也能做出高亲和力抗体，但经常出现“结合很好、功能不动”的情况——它能占位，但挡不住复合物组装，或者只影响了非关键界面。

这就引出一个反直觉的经验：在这个靶点上，KD 值和拮抗活性不是线性关系。我见过 KD 在亚纳摩尔级别的抗体，在 OPC 分化实验里几乎没有效应；也见过 KD 在个位数纳摩尔的抗体，功能数据很漂亮。原因通常有两个，一是表位不对，二是抗体的作用机制偏向于引起受体内吞而不是阻断界面。所以筛选流程里，功能实验必须前置，不能等亲和力成熟了再去测功能，那样一旦表位选错，前面的工程改造全白做。

筛选流程我一般这样排：先做重组胞外域的结合筛选（ELISA 或 BLI），把有结合的克隆拿到；紧接着做细胞层面的结合（过表达细胞系、流式），确认能识别天然构象；然后立刻上功能实验，用 Nogo 底物做生长锥塌陷，或者用 OPC 分化做读出。只有功能阳性的克隆才进入亲和力成熟。这个顺序看起来“浪费”了早期的高通量优势，实际上省掉的是后期返工的时间。表格里我把几个关键参数的参考范围列一下，这些数值来自常见实践，不是硬标准。

3.2 体外筛选体系的搭建细节

OPC 分化体系是这个靶点最核心的体外模型，但它的稳定性是出了名的差。几个必须控制的变量：OPC 纯度、培养基里的血清替代物批次、铺板密度、以及细胞传代次数。纯度这块，我建议用流式确认 NG2 和 PDGFRα 双阳比例，低于 85% 的批次不要用，因为混进去的星形胶质细胞会分泌一堆因子，把分化读出搅乱。传代次数上，OPC 在体外传超过 5 代之后分化能力就明显下降，这时候你做出来的“抑制效应”可能是细胞自己老了，不是靶点的作用。

铺板密度很容易被低估。密度太高，细胞之间接触抑制，分化本来就上不去；密度太低，细胞活不好，也分化不了。常用的范围是每平方厘米 1 万到 3 万个细胞，具体要看来源。我的习惯是先做一次密度梯度预实验，把 5000、10000、20000、40000 每平方厘米四个条件铺一遍，第 6 天看 MBP 阳性率和膜片形态，选出信噪比最好的那个密度，后面固定下来。这个预实验花两天，能省掉后面几个月的反复。

还有个更省事的思路：用报告基因系统。把 MBP 启动子驱动荧光蛋白的载体稳定转进 OPC 或者 iPSC 分化体系，分化程度直接读荧光强度，比抗体染色省时省力，也更容易做剂量反应曲线。缺点是构建周期长，适合要做长期筛选的项目。如果只是做几个抗体的验证，老老实实做免疫荧光染色就够了。

3.3 动物模型选择与时间窗设计

动物模型这块，选择比努力重要。同一个抗体，在不同模型里的结论可能完全相反，因为每个模型攻击的环节不一样。

Cuprizone 模型是我个人最偏好的，原因是它的“撤药-再生”窗口非常清晰：给药 5 到 6 周建立广泛脱髓鞘，撤药后 1 到 4 周是再生窗口，这个窗口里给药，能相对干净地看到再生增强。但它的问题也很实在——血脑屏障基本完整，大分子抗体进去的比例很低，所以剂量必须拉高，或者配合递送手段。很多项目在这里栽跟头，用常规剂量打进去，脑内暴露量根本不够，然后得出“无效”的结论。

LPC 模型适合机制验证，不适合做疗效评价，因为病灶太小，你很难在组织学上做出统计差异。EAE 则要小心，它的病灶里炎症成分占主导，抗体的再生效应很容易被炎症的剧烈波动掩盖掉，做的时候一定要把炎症评分和髓鞘染色分开分析，不要只报一个综合分。

3.4 读出指标：不只是看 MBP 染色深浅

读出指标这件事，我见过太多项目吃亏。MBP 免疫荧光染色是标配，但它的信息量非常有限——染色面积变大不等于髓鞘变好，也可能是髓鞘膜片变薄摊开了。真正能说明问题的，至少要有三组数据配合：一是区域性的髓鞘密度，二是电镜下的 g-ratio（轴突直径比上含髓鞘的总直径），三是超微结构上的髓鞘压实程度和郎飞结的完整性。

g-ratio 是最硬的指标，但它对取样位置、固定质量、切片厚度的要求都很高。我的建议是每个样本至少拍 30 到 50 个有髓轴突，只统计直径在 0.3 到 1.5 微米之间的轴突，避开血管周围和切片边缘的伪影区。另外别忘了拍一组对照，也就是同龄正常动物的胼胝体，g-ratio 一般在 0.7 到 0.8 之间，如果你的实验组和对照组都在 0.6 以下，那大概率是固定或者脱水环节出了问题，不是真实的生物学差异。

还有一个容易被忽略的读出：轴突本身的完整性。髓鞘再生如果伴生着轴突损失，那表面上“髓鞘增加了”其实没有任何功能意义。所以神经丝染色、轴突计数、以及血清里的神经丝轻链水平，最好一起测。这几个指标合起来看，才能讲一个完整的故事。

4. 公开数据怎么用：三个能直接上手的分析流程

4.1 序列与结构域注释

在没有实验条件的情况下，公开数据是最好的起点。第一件事是把序列和结构域边界搞清楚，尤其是你打算设计的抗体表位、或者你打算敲除的区域落在哪。用通用的公共蛋白数据库导出的 FASTA，本地跑一遍注释，比在网页上点来点去可靠得多，也方便复现。

# 结构域边界的基础注释流程 from Bio import SeqIO from Bio.SeqUtils.ProtParam import ProteinAnalysis # 从公共蛋白库导出的序列文件 record = SeqIO.read("LINGO1_sequence.fasta", "fasta") seq = str(record.seq) print("长度:", len(seq)) # 基础理化参数，用于判断胞外域表达的可溶性 analysis = ProteinAnalysis(seq) print("理论等电点:", round(analysis.isoelectric_point(), 2)) print("疏水残基数:", analysis.aa_percentages()["A"]) # 用简单的滑动窗口找跨膜候选区 window, threshold = 19, 1.6 for i in range(0, len(seq) - window): frag = seq[i:i + window] if ProteinAnalysis(frag).gravy() > threshold: print("疏水窗口起点:", i, "GRAVY:", round(ProteinAnalysis(frag).gravy(), 3))

这段代码的价值不在于多精确，而在于建立一次可复现的基础判断。跨膜区的滑动窗口扫描通常会给出几个候选峰，只有一个对应真正的跨膜螺旋，其余是信号肽或者胞外疏水簇。结合已知的注释信息交叉验证，你就能确定 N 端胞外域的范围。做重组蛋白表达的时候，截断位置选在跨膜区之前 5 到 10 个残基，能让可溶性明显提升，这是很实用的一条经验。

4.2 表达谱与单细胞层面的验证

第二件事是搞清楚 LINGO1 在哪表达、什么时候表达。单细胞转录组数据在这块的价值极大，能直接告诉你 OPC、成熟少突胶质细胞、神经元、星形胶质细胞各自的表达水平。做这个分析的时候，一个常见的错误是把所有细胞类型混在一起算平均表达量，得出“中等表达”这种没有意义的结论。正确的做法是分群之后看分布，尤其是看 OPC 群内部的表达异质性。

# 单细胞数据的表达分布查看（示意流程） library(Seurat) obj <- readRDS("cns_atlas_subset.rds") obj <- NormalizeData(obj) obj <- FindVariableFeatures(obj) obj <- ScaleData(obj) obj <- RunPCA(obj) obj <- FindNeighbors(obj, dims = 1:20) obj <- FindClusters(obj, resolution = 0.6) # 按细胞类型分组查看目标基因 VlnPlot(obj, features = c("LINGO1", "MOG", "PDGFRA"), group.by = "celltype") # 看 OPC 亚群内部的分布差异 opc <- subset(obj, subset = celltype == "OPC") FeaturePlot(opc, features = "LINGO1", min.cutoff = 0, max.cutoff = 3)

跑完之后重点看两件事：一是 OPC 群内 LINGO1 的表达是不是明显高于成熟少突胶质细胞，二是不同 OPC 亚群之间有没有分层。如果某一亚群的表达特别高，而这一亚群恰好对应分化受阻的状态，那这个发现本身就能支撑你的假说，也能帮你设计更精细的实验分组。这类分析不需要多高深的技术，但能显著提高你开题报告的说服力。

4.3 数据分析里的常见幻觉

公开数据用起来方便，但也特别容易出“幻觉”。第一个幻觉是把表达相关当成功能相关。LINGO1 在某个细胞类型里表达高，不等于它在那个细胞里起主要作用，功能必须靠扰动实验来确认。第二个幻觉是忽略批次效应，尤其是跨数据集合并的时候，如果不做整合，聚类结果可能完全是按数据集分的，不是按细胞类型分的。

第三个幻觉更隐蔽：把不同物种的注释直接套用。人和鼠的 LINGO1 在序列上有相当高的同源性，但表达调控区差异不小，某些在鼠模型里看到的表达模式，在人组织里未必成立。做跨物种推断的时候，一定要在结果里标明物种来源，别让读者误以为是在说人。我自己写分析报告，习惯在每个图注里把物种、组织、数据来源都标清楚，这个习惯避免过很多次误读。

5. 踩坑记录：抗体、模型和读出的典型问题

5.1 抗体特异性：同源家族是第一个陷阱

LINGO1 属于一个包含多个旁系同源成员的小家族，LRR 结构域在这些成员之间保守度不低。这意味着商业抗体里相当一部分存在交叉反应，尤其是在免疫组化这种放大效应明显的场景下，你会看到“漂亮但错误”的染色。验证方法没有捷径：至少要有一个敲低或者敲除的样本作为阴性对照，能拿到敲除组织最好，拿不到就用 siRNA 在细胞系上做一次，确认那条带真的消失了。

还有一个实操技巧：做组织染色的时候，同时做一张“预吸附对照”，也就是用过量重组抗原先把抗体中和掉再染。如果这张片上还有信号，那信号就不是特异的。这个对照看起来麻烦，但它能在一次实验里否定掉很多假阳性，比反复换抗体省钱。

5.2 Western 与 IHC 的实操细节

Western 上，前面说过糖基化会导致弥散带，处理方式是做 PNGase F 对照。另外上样量要控制，LINGO1 在脑组织里的丰度不算高，但也别一次上 60 微克，容易把邻近泳道压歪。膜的选择上，PVDF 比 NC 膜更适合这种带糖基化的膜蛋白，转膜液里加 20% 甲醇、转膜时间稍微延长，小分子量区域会干净一些。

IHC 上，最影响结果的是灌注固定。心脏灌注一定要充分，先用生理盐水把血冲干净，再用 4% 多聚甲醛灌注，取脑后后固定时间控制在 4 到 6 小时，超过 12 小时抗原表位会被过度封闭，染色变弱。切片厚度做胼胝体建议 30 微米，太薄容易在取片时撕断，太厚抗体渗透不进去，中间一层没信号。抗原修复用柠檬酸缓冲液微波加热，温度别太高，否则组织边缘会脱落。

5.3 阴性结果怎么读

最后说说阴性结果。这个领域里，阴性结果比阳性结果多得多，而且大多数人读错了。看到一个抗体在模型里没效应，先别急着否定靶点，按顺序排查这几件事：脑内暴露量够不够、给药时间窗对不对、读出指标灵不灵、模型本身的再生能力是不是已经到顶了。

排在第一位的永远是暴露量。大分子抗体在中枢的暴露受限于血脑屏障，脑内浓度往往只有血浆的千分之一到千分之几，而这个靶点是膜蛋白，需要足够的局部浓度才能占位。如果没测过脑内浓度就下结论，这个结论基本不可信。第二是时间窗，髓鞘再生是个以周为单位的过程，给药窗口如果完整错过了 OPC 分化的高峰，那再好的抗体也没用。第三是读出，前面说过 MBP 染色面积不够硬，如果只靠这一个指标，很容易把真实的效应判成阴性。

5.4 一个被反复踩的坑：把体外浓度直接搬进动物

体外实验里 10 微克每毫升的抗体浓度看起来很温和，但换算到动物体内是另一回事。体外是封闭体系，抗体就在培养基里泡着细胞；体内要考虑分布、清除、屏障。直接把体外有效浓度乘以一个系数当作体内剂量，是很多早期项目失败的原因。合理的做法是先做一次药代预实验，测血浆半衰期和脑内浓度，再反推需要的剂量和给药频率。这个实验做起来不复杂，但能决定后面所有实验值不值得做。

6. 从靶点到临床：难点和还能怎么走

6.1 大分子进中枢的现实约束

抗 LINGO1 抗体这类大分子，最大的物理约束就是血脑屏障。分子量 150 kDa 左右，正常情况下进脑的比例极低，靠高剂量硬堆不是不可以，但成本和安全性都是问题。这也是为什么这个靶点的临床研究里，剂量爬坡做得特别激进，而剂量一高，外周的安全性信号就跟着来。

可行的思路有几类。一类是工程化改造，通过受体介导的转运提高入脑比例，这类做法在其他中枢靶点上已经有实践，代价是改造之后要重新评估靶点结合和安全性。第二类是局部或者鞘内给药，绕过屏障，适合病灶局限或者需要高局部浓度的场景，但操作侵入性强，患者依从性是硬伤。第三类是换分子形式，用小分子、多肽或者别的模态去碰这个靶点，问题是 LINGO1 的功能界面是蛋白-蛋白相互作用，小分子做起来非常难，目前还没有成熟的方案。

6.2 终点选择与人群分层

临床阶段的另一个难点是终点。髓鞘再生这个生物学过程，转化成临床获益需要时间，而临床试验的观察周期往往不够长。用复发率、 disability 评分这类常规终点，很难捕捉到纯粹的再生效应；用电生理（比如视觉诱发电位潜伏期）或者影像学（髓鞘水分数、磁化传递率）这类更贴近机制的指标，灵敏度和标准化又参差不齐。

人群分层同样关键。不是所有患者的病灶里都有可再生的 OPC，慢性病灶里 OPC 可能已经耗竭，或者被纤维化的微环境彻底锁死。如果入组时不区分急性活动性病灶和慢性沉默病灶，把两类人混在一起分析，再有效的药也会被稀释成“无效”。这也是后来很多回顾性分析得出的共识：机制明确的药，必须配机制明确的人群。

6.3 联合策略的几个方向

单靶点走不通，联合就成了自然的选择。从机制上看，至少有四个方向可以配：一是解除抑制，把 LINGO1、NgR1 这类抑制信号一起压下去；二是直接促分化，配合促分化的小分子或者神经营养因子通路激动剂；三是控制炎症，因为炎症微环境本身就会把 OPC 卡住，抗炎和促再生在时间上可以错开；四是改善递送，让药真的到得了病灶。

这四条路里，我个人认为最值得先做的是“抗炎打底 + 促再生跟上”的时间序贯策略。理由是炎症期和再生期在时间上本来就分离，先控制住炎症让微环境安静下来，再上促再生手段，逻辑上比同时给两种药更顺。当然这只是基于机制的推断，实际做起来还要解决给药窗口、疗效叠加还是拮抗、以及安全性叠加的问题。

6.4 我个人在跟进这个靶点时的体会

跟了几年这个靶点，最大的体会是：LINGO1 的生物学是扎实的，问题出在“从生物学到临床”这段路上的每一个接口。它不是那种被证伪的靶点，而是被证明“单靠它不够”的靶点。做这类项目，最值钱的能力不是把实验做得更漂亮，而是早一点想清楚：我的分子在体内到底能不能到靶、到了靶之后占位够不够、占位之后下游通路是不是真的被推动、推动了之后在这个模型里能不能被测出来。这四个问题任何一个答不上来，后面的数据都建立在沙子上。

还有个小事值得说：这个领域的文献量大，但质量参差。同一套机制，不同实验室用不同抗体、不同模型、不同时间窗，结论可以差很远。我现在的习惯是，看到一篇关键文献，先翻到方法部分看抗体货号和模型细节，再看结论。这个习惯让我少走了不少弯路。

后续如果还想往下挖，我觉得有两个方向值得关注：一是把 LINGO1 的阻断和 OPC 代谢重编程结合起来看，分化本身是个高耗能过程，代谢状态可能是被忽略的限速环节；二是把可溶性形式的 LINGO1 当成一个监测指标来做，如果胞外域的脱落水平能反映病灶的活动状态，那它就有机会成为一个便宜、可重复的伴随诊断工具。这两个方向目前都还在早期，但门槛不高，适合有临床样本资源的团队先做起来。