科技日報記者 張夢然

美國哈佛醫(yī)學院團隊開發(fā)出一種名為PDGrapher的人工智能（AI）模型，能夠精準識別可逆轉細胞疾病狀態(tài)的基因與藥物組合，有望徹底改變藥物發(fā)現(xiàn)的路徑。該成果發(fā)表在新一期《自然·生物醫(yī)學工程》雜志上。

與傳統(tǒng)藥物研發(fā)聚焦單一蛋白質(zhì)靶點不同，PDGrapher通過分析疾病的多重驅(qū)動因素，系統(tǒng)性地預測最有可能將患病細胞恢復至健康狀態(tài)的治療策略，并推薦最佳的單一或聯(lián)合靶點。該工具現(xiàn)已免費向科學界開放。

研究團隊表示，傳統(tǒng)的藥物發(fā)現(xiàn)過程就像品嘗數(shù)百道菜肴，只為找到一道味道最完美的。而PDGrapher更像一位精通烹飪的大廚，很清楚最終想要的風味，并知道如何搭配食材來實現(xiàn)它。

PDGrapher是一種圖神經(jīng)網(wǎng)絡，屬于AI的一種。它不僅分析單個基因或蛋白質(zhì)的數(shù)據(jù)，更關注它們之間的復雜聯(lián)系與相互影響。該模型構建細胞內(nèi)基因、蛋白質(zhì)和信號通路的動態(tài)網(wǎng)絡，模擬干預特定靶點后對細胞整體功能的影響，從而預測哪些組合能有效糾正功能障礙，恢復健康的細胞行為。

團隊使用治療前后患病細胞的大量數(shù)據(jù)訓練PDGrapher，使其學習如何將細胞從疾病狀態(tài)逆轉為健康狀態(tài)。隨后，他們在涵蓋11種癌癥的19個獨立數(shù)據(jù)集上進行測試，要求模型預測其從未接觸過的細胞樣本和癌癥類型的治療方案。結果表明，PDGrapher不僅能準確識別已知有效的藥物靶點（這些靶點在訓練中被刻意排除，以防止模型簡單記憶），還預測了多個有新證據(jù)支持的候選靶點。例如，模型將KDR（VEGFR2）列為非小細胞肺癌的潛在靶點，與現(xiàn)有臨床證據(jù)一致；同時識別出TOP2A（一種已被現(xiàn)有化療藥物靶向的酶）作為遏制非小細胞肺癌轉移的靶點，這與近期臨床前研究的發(fā)現(xiàn)相符。

與其他同類AI工具相比，PDGrapher在準確性和效率上均表現(xiàn)卓越。在未見過的數(shù)據(jù)集中，其對正確治療靶點的預測排名高出其他模型35%，且運算速度比現(xiàn)有方法快25倍。

總編輯圈點

人工智能技術正在為藥物研發(fā)和疾病診療帶來重要變革。在這項研究中，人工智能就像一位超級偵探，通過快速掃描和分析海量生物學數(shù)據(jù)，精準定位出導致細胞生病的“罪魁禍首”，并迅速匹配最合適的用藥方案。這有望為癌癥等疾病的治療提供新的路徑。比如，面對早期癌變細胞，可以利用人工智能提供的診療方案，精準激活細胞中的“好基因”，關閉“壞基因”，同時采用最佳藥物組合進行治療。這將避免傳統(tǒng)癌癥治療中的盲目性，大大提高診療效率。