传统的药物发现模式始于一个已知的分子靶点：一种其调节有望逆转疾病进程的蛋白质。然而，在许多病理情况下，这种靶点并不总是存在或未得到充分表征。
现在，由帕特里克·阿洛伊博士领导的巴塞罗那生物医学研究所(IRB Barcelona)结构生物信息学与网络生物学实验室提出了一种新策略，该策略不基于特定蛋白质，而是基于分子在细胞中预期诱导的效果来设计分子。
在这种被称为表型发现的方法中，起点不是特定的分子靶点，而是细胞中可观察到的反应——例如，一种作用于特定细胞类型而不作用于其他细胞的分子。
为测试这种方法，研究团队使用了多种细胞模型，包括胰腺癌衍生细胞系和对照细胞。
"这是我们首次基于想要实现的生物效应，使用人工智能设计新型化学实体，并通过实验证明它们能在特定细胞上发挥作用，"巴塞罗那生物医学研究所ICREA研究员帕特里克·阿洛伊博士解释道。
突破筛选界限
为训练该系统，研究人员首先通过在八种不同细胞模型（六种胰腺癌细胞系和两种对照细胞）中测试超过1.1万种化合物，创建了自己的数据库。利用这些数据，他们基于每种分子在细胞中的生物活性信息创建了预测模型，该模型被证明比仅基于化合物之间化学相似性的方法更为精确。
然后，他们将这些模型整合到一个能够提出新候选分子的生成式人工智能和机器学习系统中。设计新分子的目标是满足双重标准：对特定细胞类型具有活性，同时对对照细胞或其他细胞谱系的影响较小。
实验验证：从计算机到实验室
研究团队对许多AI设计的分子进行了实验评估，其中多个分子符合其设计功能：选择性地作用于某些细胞模型，同时对其他细胞的影响较小。
AI设计的分子不仅在活性方面优于通过传统筛选策略获得的分子，而且许多分子在结构上也具有创新性，与已知化学化合物明显不同。
尽管这仍处于化合物发现的早期阶段，但这种方法为更快速、更有针对性地识别候选分子开辟了新的可能性，尤其是在没有明确治疗靶点的情况下。
该研究成果发表在《通讯-化学》期刊上：Gema Rojas-Granado等人，《基于表型AI设计细胞特异性小分子细胞毒性化合物》(2026)。DOI: 10.1038/s42004-026-02071-x
期刊信息：《通讯-化学》
由巴塞罗那生物医学研究所(IRB Barcelona)提供
【全文结束】