美國哈佛醫(yī)學(xué)院團(tuán)隊(duì)開發(fā)出一種名為PDGrapher的人工智能（AI）模型，能夠精準(zhǔn)識別可逆轉(zhuǎn)細(xì)胞疾病狀態(tài)的基因與藥物靶點(diǎn)，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(xué)工程》雜志上。

與傳統(tǒng)藥物研發(fā)聚焦單一蛋白質(zhì)靶點(diǎn)不同，PDGrapher通過分析疾病的多重驅(qū)動因素，系統(tǒng)性地預(yù)測最有可能將患病細(xì)胞恢復(fù)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(diǎn)。該工具現(xiàn)已免費(fèi)向科學(xué)界開放。

研究團(tuán)隊(duì)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(fēng)味，并知道如何搭配食材來實(shí)現(xiàn)它。

PDGrapher是一種圖神經(jīng)網(wǎng)絡(luò)，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(guān)注它們之間的復(fù)雜聯(lián)系與相互影響。該模型構(gòu)建細(xì)胞內(nèi)基因、蛋白質(zhì)和信號通路的動態(tài)網(wǎng)絡(luò)，模擬干預(yù)特定靶點(diǎn)后對細(xì)胞整體功能的影響，從而預(yù)測哪些組合能有效糾正功能障礙，恢復(fù)健康的細(xì)胞行為。

團(tuán)隊(duì)使用治療前后患病細(xì)胞的大量數(shù)據(jù)訓(xùn)練PDGrapher，使其學(xué)習(xí)如何將細(xì)胞從疾病狀態(tài)逆轉(zhuǎn)為健康狀態(tài)。隨后，他們在涵蓋11種癌癥的19個獨(dú)立數(shù)據(jù)集上進(jìn)行測試，要求模型預(yù)測其從未接觸過的細(xì)胞樣本和癌癥類型的治療方案。結(jié)果表明，PDGrapher不僅能準(zhǔn)確識別已知有效的藥物靶點(diǎn)（這些靶點(diǎn)在訓(xùn)練中被刻意排除，以防止模型簡單記憶），還預(yù)測了多個有新證據(jù)支持的候選靶點(diǎn)。例如，模型將KDR（VEGFR2）列為非小細(xì)胞肺癌的潛在靶點(diǎn)，與現(xiàn)有臨床證據(jù)一致；同時(shí)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(xì)胞肺癌轉(zhuǎn)移的靶點(diǎn)，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(zhǔn)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(diǎn)的預(yù)測排名高出其他模型35%，且運(yùn)算速度比現(xiàn)有方法快25倍。

來源：科技日報(bào)