在一项可能重塑药物研发的突破中，哈佛医学院（HMS）研究人员设计出名为PDGrapher的人工智能（AI）模型，该模型能识别可逆转细胞疾病状态的治疗方法。
与传统单靶点药物测试方法不同，这个新模型聚焦疾病多重驱动因素，识别最可能将病变细胞恢复健康功能的基因。该工具不仅能确定最佳单药靶点，还可预测纠正疾病进程的最佳联合治疗方案。研究人员认为，通过锁定最可能逆转疾病的靶点，这种新方法能加速药物发现和设计，解锁传统方法难以攻克的疾病疗法。
"传统药物发现就像品尝数百道成品菜寻找完美口味，"研究通讯作者Marinka Zitnik博士表示，"PDGrapher则如同理解菜品设计原理的主厨，能精准组合食材达到预期风味。"
在《自然-生物医学工程》发表的论文中，团队指出："利用因果发现和几何深度学习见解，我们引入PDGrapher——一种预测可将基因表达从病态转变为治疗状态的联合治疗靶点的方法。"该工具已向公众免费开放。
研究团队通过19个涵盖11种癌症的数据集验证模型，成功预测多个已知有效靶点，并发现KDR（VEGFR2）作为非小细胞肺癌靶点，以及TOP2A作为某些肿瘤治疗靶点。后者是获批化疗药物已作用的酶，PDGrapher进一步推荐了阿曲生酮、沃拉司亭等三种候选药物。
相较于现有方法，PDGrapher在未见数据集中的正确治疗靶点排名提升35%，运行速度提升25倍。这种直接预测方法突破了表型驱动模型间接计算的限制，为治疗靶点发现提供新路径。
当前研究团队正将该技术应用于帕金森病等脑部疾病研究，与麻省总医院合作探索X连锁肌张力障碍-帕金森综合征的新药靶点。Zitnik表示："我们的终极目标是建立逆转疾病细胞状态的清晰路线图。"
【全文结束】
