# RET 依赖性与靶向药物：一次 BioQ 查询

> DepMap 中 RET 不是广泛的 CRISPR 依赖基因，却有 29 种药物和 1873 个疾病关联；一次 BioQ 查询整合 7 个公开资源，数据截至 2026-11-06。

数据截至 2026-11-06 · 发布 2026-11-09 · 更新 2026-11-06 · https://bioq.bio/blog/zh-CN/gene-ret-profile

![BioQ 查询 RET 的结果页，在同一个答案中列出 CRISPR 依赖性、药物、疾病关联和通路，并标明各数据来源。](https://bioq.bio/blog/img/gene-ret-profile/zh-CN/hero.webp)

关于 RET 依赖性与靶向药物，先说结论：RET 不是广泛的 CRISPR 依赖基因。在 DepMap 中，1178 个细胞系里只有 1 个被判定为依赖（0.1%），平均 Chronos 基因效应为 -0.097。同一次查询还返回 29 种已知药物、Open Targets 中 1873 个相关疾病，以及 52 条 CIViC 记录。所有数值截至 2026-11-06。

## 我们查询了什么

我们只输入了一个词 RET，请 BioQ 汇总公开数据层目前对这个基因的描述。靶点评估通常要回答五个问题：这个基因对细胞存活是否重要，有哪些药物作用于它，哪些疾病与它相关，它在哪里表达，周围有哪些通路和互作蛋白。

答案来自 7 个不同的资源：DepMap、Open Targets（含 ChEMBL 等药物来源）、TCGA/GTEx、CIViC、Reactome 和 STRING。BioQ 执行了 7 次引擎查询，引擎耗时 0.81 秒。如果手动完成，需要逐个打开资源、找到正确的基因标识符，再核对各处输出。引擎耗时不包括你阅读结果的时间。

## BioQ 返回的 RET 依赖性与靶向药物结果

**依赖性。** DepMap 模块给出 Chronos 基因效应，数值越负，说明敲除后细胞活力下降越明显。RET 未被标记为泛必需基因（common essential）。下表列出平均效应最负的八个谱系，其中没有一个含有依赖细胞系，所以那一个依赖细胞系属于表外的其他谱系。

| 谱系 | 细胞系 | 依赖 | 依赖比例(%) | 平均基因效应 |
|---|---|---|---|---|
| Breast | 53 | 0 | 0 | -0.154 |
| Prostate | 10 | 0 | 0 | -0.15 |
| Pleura | 21 | 0 | 0 | -0.138 |
| Cervix | 18 | 0 | 0 | -0.124 |
| Ovary/Fallopian Tube | 59 | 0 | 0 | -0.115 |
| Lymphoid | 93 | 0 | 0 | -0.11 |
| Liver | 24 | 0 | 0 | -0.11 |
| Peripheral Nervous System | 44 | 0 | 0 | -0.106 |

![BioQ 的 RET DepMap 面板，按谱系列出 Chronos 基因效应及依赖细胞系数量](https://bioq.bio/blog/img/gene-ret-profile/zh-CN/dep.webp)
*RET 的 DepMap 面板：按谱系统计的 Chronos 基因效应。*

**药物。** BioQ 为 RET 列出 29 种药物，这里展示八种。展示的八种均已达到批准阶段。活性列是最佳精确 pChEMBL 值，即摩尔活性的 -log10，数值越高表示在该实验中活性越强。

| 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 |
|---|---|---|---|---|---|
| Selpercatinib | APPROVAL | Tyrosine-protein kinase receptor RET inhibitor | 10 | IC50 | 35 |
| Vandetanib | APPROVAL | Tyrosine-protein kinase receptor RET inhibitor | 9.89 | IC50 | 57 |
| Ponatinib | APPROVAL | — | 9.52 | IC50 | 50 |
| Pralsetinib | APPROVAL | Tyrosine-protein kinase receptor RET inhibitor | 9.52 | IC50 | 12 |
| Regorafenib | APPROVAL | Tyrosine-protein kinase receptor RET inhibitor | 8.82 | IC50 | 182 |
| Quizartinib | APPROVAL | Tyrosine-protein kinase receptor RET inhibitor | 8.8 | KD | 33 |
| Cabozantinib | APPROVAL | — | 8.62 | IC50 | 187 |
| Alectinib | APPROVAL | Tyrosine-protein kinase receptor RET inhibitor | 8.32 | IC50 | 62 |

**疾病证据。** Open Targets 将 RET 与 1873 种疾病关联。列表靠前的主要是内分泌和神经嵴相关疾病。

| 疾病 | 关联评分 | 证据条目 |
|---|---|---|
| multiple endocrine neoplasia type 2A | 0.86 | 1596 |
| medullary thyroid gland carcinoma | 0.86 | 2470 |
| multiple endocrine neoplasia type 2B | 0.827 | 734 |
| Hirschsprung disease | 0.794 | 731 |
| pheochromocytoma | 0.78 | 1140 |
| multiple endocrine neoplasia type 2 | 0.771 | 4089 |

**表达、变异、通路和互作蛋白。** TCGA/GTEx 在 24 种癌症类型中同时有 RET 的肿瘤和正常样本。正向差异最大的是 Pheochromocytoma & Paraganglioma：肿瘤均值 13.3，正常均值 8.91（log2 fold 为 0.58），来自 177 个肿瘤样本和 3 个正常样本。Thymoma 则相反，log2 fold 为 -0.97。

CIViC 共有 52 条 RET 记录。这里展示的五条全部属于 Medullary Thyroid Carcinoma。RET Mutation 和 RET M918T 各有一条 B 级 Poor Outcome 记录。RET C634W 和 RET M918T 各有一条 D 级 Resistance 记录，涉及 Motesanib。RET M918T 还有一条 D 级 Sensitivity/Response 记录，涉及 JAK2 Inhibitor AZD1480。

Reactome 列出 16 条通路，按特异性由高到低排列，展示的五条包括 Formation of the nephric duct（18 个基因）、Formation of the ureteric bud（21 个基因）和 RET signaling（41 个基因）。STRING v12 报告 1348 个互作蛋白。展示的六个（GFRA3、NRTN、GFRA1、ARTN、GDNF、GFRA2）得分均为 999。

## 结果意味着什么，如何解读

有三点值得优先核对。

1. **依赖性与药物可及性方向不同，这是预期之内的。** 泛谱系 CRISPR 筛选是对大量细胞系取平均。1178 个细胞系中仅 1 个依赖，说明 RET 不像大多数细胞系都需要的基因。已获批的 RET 靶向药物与此并不矛盾，因为适用的疾病背景很窄。疾病和变异层（甲状腺髓样癌、2A 型和 2B 型多发性内分泌肿瘤，得分分别为 0.86、0.86 和 0.827）描述的正是 RET 起作用的场景。DepMap 表格反映的是平均细胞系的情况，而不是 RET 变异肿瘤的情况。

2. **活性数值只有在同一种实验类型内才可比。** Selpercatinib 的最佳精确 pChEMBL 为 10.0（IC50），Vandetanib 为 9.89，Ponatinib 和 Pralsetinib 为 9.52。Quizartinib 的 8.8 是 KD 值，不是 IC50。临床试验数量（Selpercatinib 为 35，Regorafenib 为 182，Cabozantinib 为 187）是按药物名称检索到的试验，并非 RET 特异的试验，多激酶抑制剂会因其他原因积累大量试验。Ponatinib 和 Cabozantinib 的作用机制字段为空，这反映的是来源中的注释情况，并不代表它们没有 RET 活性。

3. **证据条数与关联得分衡量的是不同的东西。** “Multiple endocrine neoplasia type 2”的证据条数最多（4089），但得分（0.771）低于得分为 0.86 的两个条目。得分综合了多种证据类型，所以仅凭条数无法对疾病排序。

各数据层在生物学上也相互吻合。通路列表以肾脏发育（nephric duct、ureteric bud）和 RET signaling 居前，STRING 前六位互作蛋白包括 GDNF、NRTN、ARTN 和 GFRA 家族。这与 Hirschsprung disease 的关联（得分 0.794）以及 RET 的发育功能一致。CIViC 条目则补充了方向性信息：耐药和敏感记录均为 D 级，在 A 到 E 的分级中属于较低级别，而 Poor Outcome 记录为 B 级。

## 如何在 BioQ 中复现

1. 打开 BioQ，确认已启用全部数据层。
2. 原样粘贴下面的查询。

```text
RET
```

[在 BioQ 中打开此查询](https://bioq.bio/login?next=%2Fapp%23q%3DRET)

3. 先阅读 DepMap、药物和 Open Targets 模块，再阅读 CIViC、TCGA、Reactome 和 STRING 模块。每个模块都标明了数据来源和版本。
4. 如需核对某个数字，请打开所引用的来源记录。判定“依赖”的 Chronos 阈值是 DepMap 模块中的一个命名常量，需要时可在该模块中查到。

## 局限：这些数据没有说明什么

- 依赖性数据来自体外培养的细胞系，不能说明患者体内 RET 变异肿瘤对该基因的依赖程度，仅有的那一个依赖细胞系也不足以支持一般性结论。
- DepMap 表格只展示平均效应最负的八个谱系，且其中没有依赖细胞系。表中看不出依赖细胞系属于哪个谱系，也看不出该细胞系是否携带 RET 变异。
- 批准状态和 pChEMBL 值无法说明药物在患者中的表现或适应症。生化实验中的活性不等于临床获益，BioQ 不提供治疗或剂量建议。
- 试验数量按药物名称统计，包含与 RET 无关的试验。
- Pheochromocytoma & Paraganglioma 的 TCGA 正常组只有 3 个样本，因此其倍数变化不够精确。肿瘤和正常数据还来自联合重新计算，可能引入批次效应。
- 这里 CIViC 只展示了 52 条记录中的五条，且这五条都涉及甲状腺髓样癌，其余记录可能涵盖其他疾病。
- STRING 得分反映的是互作的综合证据，不代表互作在特定组织中的强度或方向。

## 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：[RET](https://bioq.bio/login?next=%2Fapp%23q%3DRET)

*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

- [`RET`](https://bioq.bio/login?next=%2Fapp%23q%3DRET)

## 常见问题

### RET 在 DepMap 中是 CRISPR 依赖基因吗？

总体上不是。在 DepMap（Chronos，版本 24q4）中，1178 个细胞系里有 1 个被判定为依赖，占 0.1%，平均基因效应为 -0.097。RET 未被标记为泛必需基因。

### RET 有多少已知药物？活性最强的是哪一个？

BioQ 为 RET 列出 29 种药物。在展示的八种中，Selpercatinib 的最佳精确 pChEMBL 最高，为 10.0（IC50），其次是 Vandetanib，为 9.89。数值只有在同一种实验类型内才可直接比较。

### 在 Open Targets 中，哪些疾病与 RET 的关联最强？

Open Targets 将 RET 与 1873 种疾病关联。得分最高的是 2A 型多发性内分泌肿瘤和甲状腺髓样癌，均为 0.86，其后是 2B 型多发性内分泌肿瘤，为 0.827。

### RET 在肿瘤中的表达高于正常组织吗？

取决于癌症类型。在同时有肿瘤和正常样本的 24 种癌症类型中，Pheochromocytoma & Paraganglioma 的 log2 fold 为 0.58（13.3 对 8.91），而 Thymoma 为 -0.97。

### RET 的整合查询需要多长时间？

BioQ 对 7 个不同资源执行了 7 次引擎查询，引擎耗时 0.81 秒。这不包括你阅读和解读结果所需的时间。

## 来源

- 数据集: [DepMap CRISPR Chronos gene effect (24Q4)](https://depmap.org/portal/)
- 数据集: [Open Targets Platform; ChEMBL; Drug Repurposing Hub](https://platform.opentargets.org/)
- 数据集: [TCGA pan-cancer expression (UCSC Xena Toil recompute)](https://xenabrowser.net/)
- 数据集: [CIViC: Clinical Interpretation of Variants in Cancer](https://civicdb.org/)
- 数据集: [Reactome pathway knowledgebase](https://reactome.org/)
- 数据集: [STRING v12 protein-protein interactions](https://string-db.org/)

> 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。
