新型AI工具破解细胞修复密码 开启药物研发新格局
美国东部时间9月5日上午8点，哈佛医学院团队发布突破性研究成果：开发出名为PDGrapher的AI模型，该工具能精准识别可使病变细胞恢复健康的基因靶点及药物组合。这项免费开放的创新技术或将重塑药物研发范式。
与传统单靶点验证方法不同，PDGrapher通过解析疾病多维驱动因素，锁定最具治疗潜力的基因靶标。这项发表于《自然-生物医学工程》的研究显示，该工具不仅能识别最优单药靶点，更可预测协同治疗方案，为攻克复杂疾病提供全新路径。
"传统药物研发如同盲品百道菜肴寻找完美配方，"项目负责人、哈佛医学院生物医学信息学副教授Marinka Zitnik形象地比喻，"而PDGrapher犹如精通分子料理的主厨，能精准调配原料组合实现疾病逆转。"
突破单靶点局限 智能解析分子网络
现有药物研发虽成功开发出酪氨酸激酶抑制剂等经典药物，但面对涉及多条信号通路互作的复杂疾病常显乏力。以癌症免疫治疗为例，检查点抑制剂和CAR-T疗法的成功正是源于对细胞病态过程的系统性干预。
PDGrapher创新性地采用图神经网络技术，构建包含基因、蛋白质和信号通路间复杂关联的分子网络模型。该模型不仅分析单个数据节点，更着重解析节点间的动态相互作用，通过模拟上万种分子组合的效果，预测最优治疗方案。
验证数据：提速35% 效能提升25倍
研究团队通过19组涵盖11种癌症的验证数据集测试显示：
- 准确识别已知有效靶点的能力较传统方法提升35%
- 运算速度达同类AI模型的25倍
- 发现多个潜在新靶点，如非小细胞肺癌中的KDR（VEGFR2）和TOP2A靶点
值得注意的是，该模型在未知数据集上的预测准确率显著优于现有工具，其识别的TOP2A靶点已被最新临床前研究证实可抑制非小细胞肺癌转移。
临床转化前景：从癌症到神经退行性疾病
该工具具有三大核心优势：
- 疾病逆转导向：直接聚焦疾病表型逆转而非随机筛选
- 组合疗法预测：破解多靶点协同治疗难题
- 个性化医疗潜力：可基于患者细胞特征定制治疗方案
研究团队正将其应用于脑部疾病研究：
- 帕金森病、阿尔茨海默症的细胞修复研究
- X染色体连锁肌张力障碍-帕金森综合征（XDP）的靶点筛选
该项目与麻省总医院XDP中心合作，已着手绘制疾病相关基因调控网络。
"我们的终极目标是构建疾病逆转的细胞级路线图，"Zitnik表示。该研究获得美国国立卫生研究院等机构资助，并得到多家制药公司的技术合作支持。
【全文结束】