FGFR3 依赖性与抑制剂:一次查询看七类数据
FGFR3 依赖性与抑制剂:DepMap 的 1178 个细胞系中仅 6 个依赖该基因,已列 32 种药物,膀胱癌是 Open Targets 的主要关联疾病之一。
数据截至 2026年11月6日 · BioQ 团队

关于 FGFR3 依赖性与抑制剂,公共数据给出的图景并不一致。在 DepMap 中 FGFR3 并非广泛必需基因:1178 个细胞系中有 6 个被判定为依赖(0.5%),该基因也未被标记为 common essential。但药物和疾病层面的证据仍然明确指向它:已列出 32 种药物,膀胱癌位列 Open Targets 的主要关联疾病之中。所有数值截至 2026-11-06。
我们提出的问题
我们只针对一个基因提了一个问题:目前各公共数据层对 FGFR3 说了什么?实际上,这对应研究者通常要在不同工具中分别进行的五项检查:
- 癌细胞系的生长是否依赖它(CRISPR 依赖性)?
- 已知哪些药物,活性如何?
- 证据主要集中在哪些疾病?
- 它参与哪些通路,有哪些互作蛋白?
- 在肿瘤中表达是升高还是降低?
查询内容仅为 FGFR3。BioQ 将其分发到七个资源,并返回下列模块,每个模块都标注了来源和版本。
BioQ 对 FGFR3 依赖性与抑制剂返回了什么
本次运行共 7 次引擎查询,引擎总耗时 0.75 秒,涉及 7 个不同资源。若手动完成,需要分别打开 DepMap、ChEMBL、Open Targets、ClinicalTrials.gov、CIViC、Reactome 和 STRING,并在各库之间核对基因标识符。我们没有对这条手动路径计时,因此除涉及的工具数量外不作其他断言。
依赖性。 DepMap 模块(版本 depmap_24q4,Chronos 基因效应)涵盖 1178 个细胞系。全部细胞系的平均基因效应为 0.064,接近零。信号集中在两个谱系:
| 谱系 | 细胞系 | 依赖 | 依赖比例(%) | 平均基因效应 |
|---|---|---|---|---|
| Bladder/Urinary Tract | 34 | 3 | 8.8 | -0.029 |
| Lymphoid | 93 | 3 | 3.2 | 0.012 |
| Pleura | 21 | 0 | 0 | 0.031 |
| CNS/Brain | 90 | 0 | 0 | 0.041 |
| Peripheral Nervous System | 44 | 0 | 0 | 0.044 |
| Liver | 24 | 0 | 0 | 0.044 |
| Pancreas | 47 | 0 | 0 | 0.046 |
| Skin | 74 | 0 | 0 | 0.053 |

药物。 BioQ 为 FGFR3 列出 32 种药物,此处展示前 8 种。活性列为找到的最强精确 pChEMBL 值;试验列统计的是按药物名称匹配的试验数,而非按 FGFR3 匹配。
| 药物 | 最高临床阶段 | 作用机制 | 最佳精确 pChEMBL | 类型 | 按名称匹配的临床试验 |
|---|---|---|---|---|---|
| Erdafitinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 10.18 | IC50 | 28 |
| Pemigatinib | APPROVAL | Fibroblast growth factor receptor 3 inhibitor | 10 | IC50 | 45 |
| Futibatinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.49 | IC50 | 19 |
| Infigratinib | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.18 | IC50 | 12 |
| Infigratinib Phosphate | APPROVAL | Fibroblast growth factor receptor inhibitor | 9.15 | IC50 | 1 |
| E-7090 | APPROVAL | Fibroblast growth factor receptor 3 inhibitor | 8.92 | IC50 | 0 |
| Ponatinib | APPROVAL | — | 8.66 | IC50 | 50 |
| Nintedanib | APPROVAL | Fibroblast growth factor receptor inhibitor | 8.23 | KI | 101 |
疾病证据。 Open Targets 将 FGFR3 与 4677 种疾病关联。得分最高的六项中,既有骨骼发育疾病,也有一种癌症:
| 疾病 | 关联评分 | 证据条目 |
|---|---|---|
| achondroplasia | 0.825 | 817 |
| thanatophoric dysplasia type 1 | 0.819 | 171 |
| urinary bladder carcinoma | 0.804 | 846 |
| hypochondroplasia | 0.802 | 298 |
| Crouzon syndrome-acanthosis nigricans syndrome | 0.802 | 86 |
| Muenke syndrome | 0.796 | 148 |
其他数据层简述。
- CIViC 收录了 73 条 FGFR3 记录,所示 5 条多数与膀胱癌相关。FGFR3 Mutation 与 infigratinib、FGFR3 Y373C 为 B 级,FGFR3 S249C 与 pazopanib 为 C 级,FGFR3::BAIAP2L1 融合和 FGFR3 过表达条目为 D 级。
- Reactome 列出 37 条通路。最具特异性的是 Signaling by FGFR3 fusions in cancer、t(4;14) translocations of FGFR3 和 FGFR3 mutant receptor activation。
- STRING v12 报告 1529 个互作蛋白。前六位均为 FGF 配体(FGF2、FGF8、FGF9、FGF1、FGF18、FGF13),综合得分为 997 至 999。
- TCGA/GTEx Toil 提供了 24 种癌症类型中 FGFR3 的肿瘤与正常组织数据。在所示六种中,Kidney Chromophobe 的变化最大,log2 fold 为 -1.34,肿瘤平均值 4.51,正常组织平均值 11.39。Cervical & Endocervical Cancer 为 0.53。
结果意味着什么及如何解读
在做其他分析之前,有三点值得先核实。
1. 依赖性很窄,膀胱谱系最为突出。 在所有谱系中只有 6 个细胞系依赖 FGFR3,其中 3 个属于 Bladder/Urinary Tract(34 个中有 3 个,8.8%),3 个属于 Lymphoid(93 个中有 3 个,3.2%)。Bladder 也是所示谱系中唯一平均基因效应为负的(-0.029)。一个基因可能在少数细胞系中至关重要,而总体平均值仍接近零,因此不应把全部细胞系的平均值 0.064 理解为“无关紧要”。
2. 疾病层和药物层在膀胱癌上相互印证。 Open Targets 给予 urinary bladder carcinoma 的得分为 0.804,证据条目 846 条。CIViC 所示记录以膀胱癌为主,DepMap 信号也在膀胱谱系中最强。三个相互独立的数据层因此指向同一方向。不过解读 Open Targets 排名时需谨慎:achondroplasia(0.825,817 条证据)得分更高,随后的骨骼疾病分数也很接近。这反映的是胚系功能获得型的生物学,与肿瘤依赖性是不同的问题。
3. 所示药物活性普遍较高,但试验数量不代表特异性。 Erdafitinib 的最高精确 pChEMBL 为 10.18(IC50),pemigatinib 为 10.0。Nintedanib 为 8.23,类型是 Ki,因此不能与 IC50 行直接比较。Ponatinib 和 nintedanib 按名称匹配分别有 50 和 101 项试验,但二者都是多激酶抑制剂,试验数量并不说明针对 FGFR3 的使用情况。Ponatinib 的作用机制字段为空,提醒我们需要核对注释。
各数据层不一致之处本身就有信息量。表达与依赖性并没有简单的对应关系:Kidney Chromophobe 肿瘤中 FGFR3 低于正常组织,宫颈癌则高于正常组织,而二者都不在依赖性谱系之列。仅凭表达变化很难判断哪些肿瘤依赖该受体。CIViC 的变异层面证据(突变、融合)比整体表达量是更具特异性的线索。
如何在 BioQ 中复现
- 打开 BioQ,按下方所示原样粘贴查询。
- 运行并等待各模块加载完成。
- 先看 DepMap 模块,再将各谱系的行与疾病和 CIViC 模块对照。
- 打开药物模块,比较数值前先确认活性类型(IC50 或 Ki)。
- 通过每个模块上的来源标签查看版本和原始记录。
FGFR3
- 如需缩小问题范围,可在查询中加入疾病或药物名称,例如某个谱系,然后观察哪些模块发生变化。
局限:数据未显示的内容
- 依赖性是细胞系中的 CRISPR 读数。 只有低于指定 Chronos 阈值的细胞系才被计为依赖,该阈值是人为选定的常数,而非生物学本身的属性。细胞系也缺少肿瘤微环境,每个谱系只有少量细胞系,不确定性较大。膀胱谱系 34 个细胞系中有 3 个依赖,8.8% 只是小样本估计。
- 依赖性不能说明机制。 DepMap 并不说明这些依赖性细胞系是否携带 FGFR3 突变或融合。可借助 CIViC 和 Reactome 模块提出假设,并自行核查这些细胞系的基因型。
- 关联得分不是效应大小。 Open Targets 得分汇总了多种证据类型和数量,并不说明 FGFR3 对疾病的驱动作用有多强。
- 活性不等于临床获益。 pChEMBL 值来自生化或细胞实验,表中每种药物只显示一个值。它不反映选择性、暴露量、患者反应或安全性,BioQ 也不提供治疗建议。
- 试验数量只是名称匹配。 其中包含与 FGFR3 无关的试验。
- TCGA/GTEx 比较可能证据薄弱。 部分癌症类型的正常样本极少。所示行中 Skin Cutaneous Melanoma 只有 1 个正常样本,Cervical & Endocervical Cancer 有 3 个,这些倍数变化并不稳健。
- 仅展示靠前的行。 表格只显示子集(32 种药物中的 8 种,73 条 CIViC 记录中的 5 条),下结论前请阅读完整列表。
数据与方法
本页数字于2026-11-06从 BioQ 引擎读取(共7次查询,引擎累计耗时0.8秒)。表格由代码根据引擎返回结果生成,正文只是对这些数值的转述。
/civic, /depmap, /drugs, /interaction, /ot_association, /pathway, /tcga
在 BioQ 中亲自运行同一查询:FGFR3
仅供科研参考。本页汇总公开数据,不构成医疗建议。
BioQ 是一款以“让生物学研究提速 100 倍”为目标的 AI 搜索引擎和智能体。可在网页应用和 REST API 中使用,也可通过 MCP 在 Claude、ChatGPT、Cursor 中提问。
使用的查询
常见问题
FGFR3 在 DepMap 中是 common essential 基因吗?
不是。在 depmap_24q4 中,FGFR3 未被标记为 common essential。1178 个细胞系中只有 6 个被判定为依赖(0.5%),全部细胞系的平均基因效应为 0.064,接近零,说明该基因并非广泛必需,依赖性只出现在少数细胞系中。
哪些谱系表现出 FGFR3 的 CRISPR 依赖性?
Bladder/Urinary Tract 的 34 个细胞系中有 3 个依赖(8.8%),Lymphoid 的 93 个细胞系中有 3 个依赖(3.2%)。所示靠前行中的其他谱系依赖性细胞系均为 0 个。膀胱谱系还是所示谱系中唯一平均基因效应为负的(-0.029)。
FGFR3 有多少种已列药物,活性如何?
BioQ 为 FGFR3 列出 32 种药物,页面展示其中 8 种。在所示药物中,erdafitinib 的精确 pChEMBL 最高,为 10.18(IC50),其次是 pemigatinib(10.0)和 futibatinib(9.49)。nintedanib 的 8.23 是 Ki 值,不能与 IC50 直接比较。
Open Targets 将哪些疾病与 FGFR3 关联最强?
Open Targets 将 FGFR3 与 4677 种疾病关联。得分最高的是 achondroplasia(0.825)和 thanatophoric dysplasia type 1(0.819),其后是 urinary bladder carcinoma,得分 0.804,证据条目 846 条。前几位多为骨骼发育疾病,膀胱癌是其中唯一的癌症。
BioQ 完成 FGFR3 组合查询需要多长时间?
本次 FGFR3 组合查询共进行 7 次引擎查询,涉及 7 个不同资源(DepMap、ChEMBL、Open Targets、ClinicalTrials.gov、CIViC、Reactome 和 STRING),引擎总耗时 0.75 秒。该耗时仅指引擎运行时间,我们没有对手动逐库查询计时。
来源
结果基于所示日期的公开数据库,可能会变化。BioQ 提供研究信息,不构成医疗建议。
更多文章
CD4 新研究:CAR-NK 细胞与 HIV 反弹的背景解读
CD4 新研究:基于 CD4 的 CAR-NK 论文与 HIV 反弹,结合 BioQ 的 DepMap 依赖性、Open Targets 疾病关联、药物和 Reactome 通路解读。
GSTM1最新研究:顺铂肾损伤与公共数据背景
2026年论文提示GSTM1缺失会加重顺铂肾损伤。本文用BioQ整合DepMap、Open Targets、ChEMBL、Reactome和STRING数据,梳理GSTM1现有公共数据。
JAK2 与 TYK2 对比:癌细胞系依赖性与药物
JAK2 与 TYK2 对比:DepMap 中 1178 株癌细胞系里 8 株依赖 JAK2、11 株依赖 TYK2;数据库收录的已知药物分别为 47 种和 20 种。


