![新AI工具锁定基因与药物组合 逆转病变细胞恢复健康](
New model could optimize drug discovery
2025年9月5日 美国东部时间上午8:00 | 哈佛医学院新闻稿
哈佛医学院研究人员开发出革命性人工智能模型PDGrapher，该工具能通过多靶点协同分析，精准识别可逆转细胞病变的基因靶点与药物组合。这项突破性技术于9月9日发表于《自然·生物医学工程》，已向公众免费开放使用。
传统药物研发通常采用单靶点筛查模式，例如通过激酶抑制剂靶向癌细胞特定蛋白。然而当疾病由多条信号通路交互驱动时（如免疫检查点疗法涉及的复杂机制），这种单一靶向策略往往失效。研究团队指出，PDGrapher的创新在于可同步解析疾病网络中的关键驱动因素，并预测最优单/联合治疗靶点。
"传统研发模式如同盲品数百道菜肴寻找完美口味，"研究通讯作者、哈佛医学院生物医学信息学副教授Marinka Zitnik比喻道，"而PDGrapher则像主厨般精准掌控'调味配方'，能系统性设计治疗组合。"
技术原理：解析生物网络的因果链
PDGrapher采用图神经网络架构，突破性地将生物分子间的复杂关联转化为可计算的拓扑网络。该模型不仅分析单个基因/蛋白的数据特征，更着重构建基因互作、蛋白级联和信号通路间的动态影响关系图谱。
在药物发现场景中，该系统可模拟关闭特定基因或药物干预后的细胞状态变化，预测哪些靶点组合能有效逆转疾病表型。例如通过抑制KDR（VEGFR2）和TOP2A等靶点，成功干预非小细胞肺癌转移进程，其预测结果与临床证据高度吻合。
性能突破：效率提升25倍的智能引擎
研究团队使用涵盖11种癌症的19组数据集进行验证测试，这些数据包含治疗前后细胞状态的完整基因图谱。PDGrapher在以下维度展现显著优势：
- 预测精准度：对已知有效靶点的识别率比现有工具提高35%
- 运算效率：处理速度达传统AI模型的25倍
- 新靶点发现：成功识别TOP2A等化疗靶点的新适应症
- 泛化能力：对未训练数据集的预测准确率达82%
特别在非小细胞肺癌模型中，系统不仅确认了VEGFR2经典靶点，还发现DNA拓扑异构酶IIα（TOP2A）抑制剂可能通过双重机制抑制转移，该发现已获近期临床前研究支持。
医学革命：从靶向治疗到疾病逆转
研究团队强调，PDGrapher的革新意义在于：
- 将药物研发焦点从"被动筛选"转向"主动设计"
- 解决传统方法难以应对的多通路疾病难题
- 通过个体细胞图谱定制个性化治疗方案
目前该团队正与麻省总医院XDP中心合作，探索该模型在帕金森病、X染色体连锁肌张力障碍等神经退行性疾病的应用。研究人员透露，已构建包含1200万组生物分子相互作用的知识图谱，未来计划开发三维细胞模拟系统，以更精确预测药物组合的协同效应。
"我们的终极目标是绘制疾病逆转的完整路线图，"Zitnik教授总结道，"这项技术不仅加速新药开发，更重要的是为理解疾病机制提供全新视角。"
资助与合作
本研究获得美国国立卫生研究院（R01-HD108794）、国家科学基金会（CAREER 2339524）等机构资助，同时得到阿斯利康、罗氏等药企的科研支持。研究团队成员Guadalupe Gonzalez现就职于基因泰克公司，Isuru Herath在研究期间任职于默沙东公司。
【全文结束】
