生长激素促分泌剂：生长轴研究的当前格局与研究工具选择

腺垂体生长激素细胞分泌生长激素（GH）并非由单一刺激驱动。它受至少三种下丘脑信号的相互作用调节：生长激素释放激素（GHRH），刺激转录和释放；生长抑素（SST），持续性抑制；以及内源性胃饥饿素，作用于在垂体和下丘脑弓状核中均有表达的GHS-R1a受体。生理输出是一种脉冲模式，夜间出现峰值，白天出现谷值。

这种三杠杆结构解释了为什么不同类别的促分泌剂药物并非冗余。GHRH类似物放大刺激性分支；胃饥饿素模拟物（GHS-R1a激动剂）并行作用，并额外起到生长抑素的功能性拮抗剂作用。在临床前模型中，两类药物联合使用——GHRH类似物加GHS-R激动剂——对GH峰值产生协同作用，大于各自单独作用之和。

这对研究有实际意义：化合物的选择取决于研究者希望探究生长轴的哪一部分。研究生长激素细胞对GHRH的敏感性与评估生长抑素张力不同，模拟生理脉冲与长期维持升高的血浆IGF-1也不同。

Sermorelin是人GHRH前29个氨基酸的合成片段——天然44残基分子中具有生物活性的部分。它保留了对GHRH受体的亲和力，但也继承了其致命弱点：血浆半衰期非常短（分钟级），原因是N端被DPP-4（二肽基肽酶4）快速蛋白水解。在动物模型中，它产生急性而清晰的GH脉冲，这在研究完整的生长激素细胞反应时非常有用。

CJC-1295在GHRH（1-29）序列上引入两种修饰：四个氨基酸替换使其对DPP-4具有耐药性；在DAC（药物亲和复合物）变体中，马来酰亚胺基丙酰连接子在注射后将肽共价连接到血浆白蛋白。这种白蛋白结合相对sermorelin而言显著延长了半衰期。其结果是持续升高的IGF-1而非离散脉冲，这在概念上使其与生理模式分离。

Tesamorelin是完整的GHRH（1-44）序列，在N端酪氨酸残基上锚定一个反式-3-己烯酸基团。这种修饰从空间上阻断DPP-4切割位点，而不改变受体结合。它是美国唯一获得监管批准的GHRH类似物（用于HIV相关脂肪营养不良），这使其拥有该类药物中最坚实的对照临床证据。对于研究而言，这使其在需要已发表人体数据的对照比较中成为参考标准。

GH释放肽（GHRPs）是第一代合成胃饥饿素受体激动剂。GHRP-6是历史原型——一种刺激GH但也通过弓状核回路激活食欲并在较高剂量下升高皮质醇、ACTH和催乳素的六肽。GHRP-2对GH峰值的效力稍强，但保留了广泛的激素特征。两者作为药理学工具仍然有用，正是因为它们缺乏选择性，从而允许同时探究多个轴。

Ipamorelin是为解决选择性问题而设计的五肽。在Raun及其同事（1998年）的开创性工作中，ipamorelin在比ED50高数倍的剂量下刺激GH释放，而ACTH或皮质醇相对于单独GHRH基线刺激没有显著升高。这种特征——清晰的GH脉冲、HPA轴未受影响、无显著促食欲效应——使其成为实验设计需要分离生长轴时的首选。

Hexarelin是一种强效六肽，在动物模型中以等摩尔剂量产生比ipamorelin更高的急性GH峰值，但也升高催乳素、皮质醇和ACTH。临床前文献还描述了hexarelin通过CD36和心脏GHSR受体介导的、独立于GH释放的直接心血管作用——这在解释任何将心脏功能作为结果指标的研究时具有重要意义。

MK-677是一种口服生物利用度小分子GHS-R1a激动剂。其概念重要性在于证明胃饥饿素受体激活可以在肽空间之外实现，其药代动力学允许每日一次给药。在小鼠衰老模型中，已描述到瘦体重和握力的保留。在已发表的老年成人研究中，MK-677以25毫克/日剂量给药长达12个月，产生持续升高的IGF-1，达到年轻成人观察到的范围。

对于2026年的研究，MK-677提供三个有用特性：与慢性口服给药兼容的半衰期；选择性激活胃饥饿素分支而不触及GHRH受体；以及涵盖衰老、肌少症和代谢的文献体系。其局限性也已得到充分表征：液体潴留、通过激活促食欲回路引起的食欲增加，以及某些队列中空腹血糖的升高——所有这些观察结果在设计临床前方案时都应考虑。

三个问题指导化合物选择。第一：保留生理脉冲模式还是维持平稳的IGF-1？答案分别指向短半衰期肽（sermorelin、ipamorelin、GHRP-2）或长效化合物（带DAC的CJC-1295、MK-677）。第二：从内分泌轴的其余部分中分离GH的影响有多关键？如果关键，ipamorelin和GHRH类似物是干净的选择；如果目标是研究耦合的轴，GHRP-2/6和hexarelin是合法的工具。

第三：研究方向是衰老、肌少症还是代谢？在这里，最密集的临床前证据涵盖MK-677和tesamorelin——前者因其口服特征和老年人数据，后者因其在身体成分方面的监管档案。对于任何设计，基本规则适用：这些化合物是研究工具（Research Use Only）。剂量、载体和终点必须根据模型和预定义的结果进行调整，解读应基于产生的数据，而非跨类别外推。