哈佛AI模型在药物发现领域取得突破

美国英语人工智能/生物医药

新闻源：unknown

2025-09-11 05:23:46阅读时长2分钟645字

哈佛医学院开发的PDGrapher AI模型通过图神经网络技术，可同时分析多种疾病驱动因素并预测治疗方案。该工具已在19组癌症数据中验证准确性，成功识别出多个已知药物靶点并显著提升筛选效率，未来将应用于神经系统疾病研究和个性化治疗，或成为生物医学研究的重要转折点。

传统药物研发方式的变革

哈佛医学院研究人员开发的PDGrapher人工智能模型，为新药研发提供了突破性工具。这项发表在《自然生物医学工程》杂志上的研究，通过分析细胞变化逆转疾病状态，突破了传统药物研发的单靶点局限。

传统的药物发现通常采用单一蛋白或化合物测试方式，需要耗费数年进行反复试验。而PDGrapher创新性地采用图神经网络技术，通过构建基因、蛋白质和通路之间的关系网络，模拟细胞过程的开关效应，从而预测能够恢复健康状态的基因或药物组合。

该系统的核心优势在于：

在19组来自11种癌症类型的验证数据中，PDGrapher展现出显著优势：

当前研究团队正在推进多项突破性应用：

研究负责人Marinka Zitnik教授比喻称："传统方法如同品尝无数菜肴寻找正确风味，而PDGrapher则能精确选择并搭配食材。"这种精准的靶点识别能力，为细胞层面疾病逆转提供了新的技术路径，可能引发整个生物医学研究范式转变。

【全文结束】

声明：本文仅代表作者观点，不代表本站立场。

本页内容撰写过程部分涉及AI生成（包括素材的搜集与翻译），请注意甄别。