FGFR3 依賴性與藥物:一次查詢看七個資料庫
FGFR3 依賴性與藥物整合七個公開資料層:DepMap 1178 株細胞株中 6 株依賴,列出 32 種藥物,膀胱癌為主要疾病關聯之一。
資料截至 2026年11月6日 · BioQ 團隊

在 DepMap 中,FGFR3 並非廣泛必需的基因:1178 株細胞株中有 6 株被判定為依賴(0.5%),且該基因未被標記為共同必需基因(common essential)。不過藥物與疾病資料層仍明確指向它:列出 32 種藥物,膀胱癌也名列 Open Targets 關聯性最高的疾病之一。所有數值的資料時間點為 2026-11-06。
我們問了什麼
我們針對單一基因提出一個問題:目前公開資料層對 FGFR3 說了什麼?實際上,這相當於研究者通常分別在不同工具中進行的五項檢查:
- 癌症細胞株的生長是否需要它(CRISPR 依賴性)?
- 已知有哪些藥物,效價如何?
- 哪些疾病帶有相關證據?
- 它參與哪些路徑,與哪些蛋白質交互作用?
- 它在腫瘤中是高表現還是低表現?
查詢內容就只是 FGFR3。BioQ 將它導向七個資源,並回傳下列區塊,每個區塊都附有資料來源與版本。
BioQ 針對 FGFR3 依賴性與藥物回傳了什麼
整個流程共執行 7 次引擎查詢,引擎總耗時 0.75 秒,涵蓋 7 個不同資源。若改用人工方式,得分別開啟 DepMap、ChEMBL、Open Targets、ClinicalTrials.gov、CIViC、Reactome 與 STRING,並在各資料庫之間對照基因識別碼。我們並未計時這種做法,因此除了涉及的工具數量之外,不做任何比較性的主張。
依賴性。 DepMap 區塊(版本 depmap_24q4,Chronos 基因效應)涵蓋 1178 株細胞株。所有細胞株的平均基因效應為 0.064,接近零。訊號集中在兩個譜系:
| 譜系 | 細胞株 | 依賴 | 依賴比例 (%) | 平均基因效應 |
|---|---|---|---|---|
| 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 |

藥物。 BioQ 為 FGFR3 列出 32 種藥物,此處顯示前 8 種。效價欄位是找到的最強精確 pChEMBL 值,試驗欄位則是以藥名比對到的試驗數,而非以 FGFR3 比對。
| 藥物 | 最高臨床階段 | 作用機制 | 最佳精確 pChEMBL | 類型 | 依名稱檢索的臨床試驗 |
|---|---|---|---|---|---|
| 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 |
疾病證據。 Open Targets 將 FGFR3 連結到 4677 種疾病。分數最高的六項混合了骨骼疾病與一種癌症:
| 疾病 | 關聯分數 | 證據項目 |
|---|---|---|
| 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 |
其他資料層簡述。
- CIViC 收錄 73 筆 FGFR3 紀錄。顯示的五筆多數與膀胱癌有關。FGFR3 Mutation 搭配 infigratinib 與 FGFR3 Y373C 為 B 級,FGFR3 S249C 搭配 pazopanib 為 C 級,FGFR3::BAIAP2L1 融合與 FGFR3 過度表現(overexpression)為 D 級。
- Reactome 列出 37 條路徑。最具特異性的是 Signaling by FGFR3 fusions in cancer、t(4;14) translocations of FGFR3 與 FGFR3 mutant receptor activation。
- STRING v12 回報 1529 個交互作用夥伴。前六名皆為 FGF 配體(FGF2、FGF8、FGF9、FGF1、FGF18、FGF13),綜合分數介於 997 至 999。
- TCGA/GTEx Toil 在 24 種癌別中同時具有 FGFR3 的腫瘤與正常組織資料。在顯示的六項中,Kidney Chromophobe(腎嫌色細胞癌)變化最大,log2 倍數變化為 -1.34,腫瘤平均值 4.51,正常組織平均值 11.39。Cervical & Endocervical Cancer(子宮頸癌)則為 0.53。
結果的意義與解讀方式
在其他事項之前,有三件事值得先確認。
1. 依賴性範圍狹窄,膀胱是訊號最明顯之處。 在所有譜系中,只有 6 株細胞株依賴 FGFR3。其中三株屬於 Bladder/Urinary Tract(膀胱/泌尿道;34 株中的 3 株,8.8%),另三株屬於 Lymphoid(淋巴;93 株中的 3 株,3.2%)。膀胱也是顯示的譜系中唯一平均基因效應為負值(-0.029)的譜系。一個基因可能在少數細胞株中極為重要,但平均值仍接近零,因此不應將全部細胞株的平均值 0.064 解讀為「無關緊要」。
2. 疾病與藥物資料層在膀胱癌上相互呼應。 Open Targets 給予泌尿膀胱癌(urinary bladder carcinoma)0.804 分,並有 846 筆證據。CIViC 顯示的紀錄以膀胱癌為主,而 DepMap 的訊號也以膀胱譜系最強。三個獨立資料層因此指向同一方向。不過,解讀 Open Targets 排名時需謹慎:軟骨發育不全(achondroplasia;0.825 分,817 筆證據)得分更高,其後的骨骼疾病分數也相去不遠。這反映的是生殖細胞系的功能獲得型生物學,與腫瘤依賴性是不同的問題。
3. 顯示的藥物效價都很高,但試驗數不等於特異性。 Erdafitinib 的最佳精確 pChEMBL 為 10.18(IC50),pemigatinib 為 10.0。Nintedanib 為 8.23,且屬 Ki 值,因此無法直接與 IC50 的數據列比較。Ponatinib 與 nintedanib 以藥名比對分別有 50 與 101 項試驗,但兩者都是多激酶抑制劑,試驗數並不能說明針對 FGFR3 的使用情形。Ponatinib 的作用機轉欄位為空白,也提醒我們需要核對註解。
當各資料層之間出現差異時,這些差異本身就帶有資訊。表現量與依賴性之間並無簡單的對應關係:Kidney Chromophobe 腫瘤的 FGFR3 低於正常組織,子宮頸癌則較高,而兩者都沒有出現在依賴的譜系中。單憑表現量變化,難以判斷哪些腫瘤依賴該受體。CIViC 的變異層級證據(突變、融合)比整體表現量更能提供特異的線索。
如何在 BioQ 重現這項查詢
- 開啟 BioQ,將下方所示的查詢內容原樣貼上。
- 執行查詢,等待各區塊載入。
- 先閱讀 DepMap 區塊,再將各譜系的數據列與疾病及 CIViC 區塊對照。
- 開啟藥物區塊,先確認效價類型(IC50 或 Ki),再比較數值。
- 利用每個區塊上的來源標籤,查看資料版本與原始紀錄。
FGFR3
- 若要縮小問題範圍,可在查詢中加入疾病或藥物名稱(例如某個譜系),並檢查哪些區塊會改變。
限制:這些資料沒有顯示什麼
- 依賴性是細胞株中的 CRISPR 讀值。 細胞株只有在 Chronos 值低於某個指定閾值時才算依賴,這個閾值是人為選定的常數,並非生物學本身的特性。細胞株也缺乏腫瘤微環境,且每個譜系的細胞株數量不多,不確定性很大。膀胱譜系有 34 株細胞株、其中 3 株依賴,8.8% 這個數字只是小樣本的估計。
- 依賴性無法告訴你作用機制。 DepMap 並未說明依賴的細胞株是否帶有 FGFR3 突變或融合。可利用 CIViC 與 Reactome 區塊建立假說,並自行確認這些細胞株的基因型。
- 關聯分數不是效應量。 Open Targets 的分數是綜合各類證據與數量而得,並不能說明 FGFR3 對疾病的驅動程度。
- 效價不等於臨床效益。 pChEMBL 值來自生化或細胞實驗,且表格中每種藥物只顯示一個值。它無法說明選擇性、暴露量、病患反應或安全性,BioQ 也不提供治療建議。
- 臨床試驗數是藥名比對的結果。 其中包含與 FGFR3 無關的試驗。
- TCGA/GTEx 的比較可能證據薄弱。 部分癌別的正常樣本數極少。顯示的數據列中,Skin Cutaneous Melanoma 只有 1 個正常樣本,Cervical & Endocervical Cancer 有 3 個,這些倍數變化相當不穩定。
- 僅顯示前幾列。 表格只呈現部分內容(32 種藥物中的 8 種、73 筆 CIViC 紀錄中的 5 筆),在下結論之前請先閱讀完整清單。
資料與方法
本頁數字於2026-11-06從 BioQ 引擎讀取(共7次查詢,引擎累計耗時0.8秒)。表格由程式根據引擎回應產生,內文只是對這些數值的轉述。
/civic, /depmap, /drugs, /interaction, /ot_association, /pathway, /tcga
在 BioQ 中親自執行同一查詢:FGFR3
僅供研究參考。本頁彙整公開資料,不構成醫療建議。
BioQ 是一個以「讓生物學研究加速 100 倍」為目標的 AI 搜尋引擎與代理程式。可在網頁應用程式與 REST API 使用,也能透過 MCP 在 Claude、ChatGPT、Cursor 中提問。
使用的查詢
常見問題
FGFR3 在 DepMap 中是共同必需基因嗎?
不是。在 depmap_24q4 中,FGFR3 未被標記為共同必需基因。1178 株細胞株中只有 6 株被判定為依賴(0.5%),平均基因效應為 0.064。
哪些譜系呈現 FGFR3 的 CRISPR 依賴性?
Bladder/Urinary Tract(膀胱/泌尿道)34 株中有 3 株依賴(8.8%),Lymphoid(淋巴)93 株中有 3 株依賴(3.2%)。前幾列中的其他譜系依賴的細胞株為 0 株。
FGFR3 有多少種藥物,效價如何?
BioQ 列出 32 種藥物。在顯示的 8 種中,erdafitinib 的精確 pChEMBL 最高,為 10.18(IC50),其次是 pemigatinib 的 10.0 與 futibatinib 的 9.49。
Open Targets 認為與 FGFR3 最相關的疾病是哪些?
Open Targets 將 FGFR3 連結到 4677 種疾病。分數最高的是軟骨發育不全(achondroplasia)0.825 與致死性發育不良第一型(thanatophoric dysplasia type 1)0.819,其後是泌尿膀胱癌 0.804,並有 846 筆證據。
在 BioQ 中執行 FGFR3 整合查詢需要多久?
此次執行共進行 7 次引擎查詢,涵蓋 7 個不同資源,引擎總耗時 0.75 秒。
出處
結果依所示日期的公開資料庫而定,可能變動。BioQ 提供研究資訊,不構成醫療建議。
更多文章
CD4 最新研究:CAR-NK 細胞與 HIV 反彈的背景資料
以 CD4 為基礎的 CAR-NK 論文探討 HIV 反彈;本文結合 BioQ 的 CD4 資料,包括 DepMap 依賴性、Open Targets 疾病、藥物與 Reactome 路徑。
GSTM1 最新研究:順鉑腎損傷的背景脈絡
2026 年論文指出 GSTM1 缺失會加重順鉑腎損傷;BioQ 整理 DepMap、Open Targets、ChEMBL、Reactome 與 STRING 對 GSTM1 的公開資料。
JAK2 vs TYK2 比較:基因依賴性與藥物並列
JAK2 vs TYK2 比較:DepMap 中 8 株細胞株依賴 JAK2、11 株依賴 TYK2;已知藥物 JAK2 有 47 種、TYK2 有 20 種。


