哈佛医学院研究人员开发了一种名为PDGrapher的工具，该工具利用人工智能加速药物发现和开发过程。
这项新技术PDGrapher应用机器学习技术来识别当药物靶向时可逆转细胞疾病的基因列表。上个月发表在《自然》杂志上的这项研究声称，该技术比现有方法快25倍。
领导该研究实验室的医学院副教授Marinka Zitnik表示，研究人员能够逆转常规流程，确定药物应靶向哪些基因以使细胞恢复健康。
研究人员通常使用技术来预测药物对细胞的影响。Zitnik的实验室转向使用人工智能来探究疾病的遗传原因，使药物能够针对特定的基因突变而非单一靶点进行设计。
Zitnik写道："我们不是问'如果应用这种药物会发生什么？'，而是问'哪种药物或靶点组合能恢复健康状态？'"
研究人员使用了最优干预设计（optimal intervention design），这是一种机器学习工具，用于找到实现特定结果的最佳方法。借助该工具，研究人员可以处理大量基因数据集，并找出哪些基因组变化组合可以恢复患病细胞的正常功能，从而加快药物设计过程。
Zitnik解释说，这使得PDGrapher能够通过观察"多个基因协同工作"而非"一种药物、一个靶点"的方法，捕捉到先前未被观察到的细微差别。
这项新技术可能对未来疾病研究产生多方面影响。该研究的第一作者Guadalupe Gonzalez表示，鉴于该技术能够分析的广泛数据，其发展可应用于罕见病或研究不足的疾病的研究。
据Zitnik称，PDGrapher还可以通过预测药物可能靶向的基因组合，加速早期药物开发。
Zitnik写道："PDGrapher可以预测科学家尚未测试的靶点组合，为全新的治疗策略指明方向。"
尽管该研究为药物应用提供了新见解，但哈佛医学院研究学者、该研究的作者Xiang Lin表示，该工具仍存在诸多局限性。Lin表示，与其他AI模型一样，PDGrapher目前无法利用现有科学知识来更好地分析哪些基因可能与理解患病细胞相关。
根据Gonzalez的说法，PDGrapher可在未来一至三年内应用于药物开发，但它帮助发现的任何新药至少需要10年才能面世。
Gonzalez说："我们还有很长的路要走。药物发现的重大变革需要时间。"
尽管如此，Zitnik写道，该技术有望建立药物开发的新格局。
与其他一次只检查一个基因对药物反应的方法不同，PDGrapher比较基因组合的能力可以大幅加速研究过程——并发现新的治疗方法。
Zitnik写道："这使得它在创造新疗法方面更加相关，因为它将疾病状态与可能的干预措施在一个步骤中连接起来。"
【全文结束】
