在药物研发领域取得突破性进展：哈佛医学院研究人员开发出一款人工智能模型，可精准识别能逆转细胞病态特征的治疗靶点。这款名为PDGrapher的开源工具突破传统单靶点筛选模式，聚焦疾病多重驱动因素，锁定最可能使病变细胞恢复健康功能的关键基因。
该工具不仅能识别最佳单药或联合治疗靶点，其研究成果9月9日发表于《自然·生物医学工程》杂志。研究获得美国联邦基金部分资助，通过精准定位可逆转疾病的靶点，有望加速新药研发进程，并为传统方法难以攻克的疾病开辟治疗新路径。
"传统药物研发犹如品尝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解释道："PDGrapher则像精通烹饪原理的大厨，能精准设计原料组合达成理想风味。"
与传统聚焦单一蛋白激活/抑制的模式不同，PDGrapher采用图神经网络技术，在生物医学数据中构建基因、蛋白质和信号通路间的复杂关联图谱。通过模拟细胞组分的调控效应，预测最有效的治疗组合。这种系统性方法避免了大规模化合物筛选的耗时耗力，直接定位具有疾病逆转潜力的药物组合。
在11种癌症的19个数据集验证中，该工具成功预测已知有效靶点（如非小细胞肺癌的KDR/VEGFR2），同时发现TOP2A酶作为新靶点——这与近期临床前研究显示TOP2A抑制剂可抑制肺癌转移的结论相吻合。相较于现有工具，PDGrapher在新数据集中正确靶点排名高出35%，运算速度提升25倍。
研究团队正在将该工具应用于帕金森病、阿尔茨海默病等神经退行性疾病的探索，并与麻省总医院XDP研究中心合作，针对X连锁肌张力障碍-帕金森综合征这种罕见遗传疾病，寻找可干预的基因靶点对。Zitnik教授表示："我们的目标是绘制清晰的细胞层面疾病逆转路线图。"
*Gonzalez G, Lin X, Herath I, Veselkov K, Bronstein M, Zitnik M.
基于因果启发神经网络的治疗干预组合预测研究.
自然生物医学工程. 2025年9月9日. DOI:10.1038/s41551-025-01481-x
【全文结束】
