哈佛醫(yī)學(xué)院推出新AI模型，助力藥物研發(fā)突破疾病復(fù)雜性。

編輯丨coisini

復(fù)雜疾病的誘發(fā)因素往往是多元的，而傳統(tǒng)的藥物發(fā)現(xiàn)方法側(cè)重于激活或抑制單一蛋白質(zhì)。當疾病由多種信號通路和基因相互作用推動時，這種藥物發(fā)現(xiàn)模式可能就不夠用了。

最近，來自哈佛醫(yī)學(xué)院、帝國理工學(xué)院等的研究團隊設(shè)計出一種名為 PDGrapher 的人工智能模型，將重點放在疾病的多種驅(qū)動因素上，并識別最有可能使病變細胞恢復(fù)健康功能的基因。這項研究有望重塑藥物研發(fā)格局。

PDGrapher 模型已開源，可免費使用。研究論文以《Combinatorial prediction of therapeutic perturbations using causally inspired neural networks》為題發(fā)表在《Nature Biomedical Engineering》上。

論文地址：https://www.nature.com/articles/s41551-025-01481-x

開源地址：https://github.com/mims-harvard/PDGrapher

PDGrapher 的工作原理：

繪制復(fù)雜關(guān)聯(lián)與效應(yīng)圖譜

PDGrapher 基于圖神經(jīng)網(wǎng)絡(luò)（GNN），不僅關(guān)注單個數(shù)據(jù)點，更著眼于數(shù)據(jù)點之間的相互關(guān)聯(lián)及影響。

與傳統(tǒng)方法需要窮盡大型藥物數(shù)據(jù)庫中的化合物進行測試不同，PDGrapher 專注于最有可能逆轉(zhuǎn)疾病的藥物組合。PDGrapher 采用因果模型構(gòu)建，其中基因代表因果圖中的節(jié)點，結(jié)構(gòu)因果方程（structural causal equations）則定義基因間的因果關(guān)系。

給定遺傳或化學(xué)干預(yù)數(shù)據(jù)集，PDGrapher 能精準識別擾動劑應(yīng)靶向的基因集合，促使基因表達從病變轉(zhuǎn)向治療態(tài)。

PDGrapher 以蛋白質(zhì)相互作用網(wǎng)絡(luò)（PPI）或基因調(diào)控網(wǎng)絡(luò)（GRN）作為因果圖的近似表征，其運作基于「無未觀測混雜因素」的假設(shè)。模型首先定位可能驅(qū)動疾病的細胞組成部分，隨后模擬這些組分被關(guān)閉或抑制時產(chǎn)生的效應(yīng)，并據(jù)此判斷：若特定靶點被「擊中」，病變細胞是否會發(fā)生逆轉(zhuǎn)。

優(yōu)勢顯著

研究團隊使用治療前后病變細胞的數(shù)據(jù)集對 PDGrapher 進行訓(xùn)練，使其學(xué)會識別哪些基因靶點能將細胞從病變狀態(tài)轉(zhuǎn)化為健康狀態(tài)。

在實驗測試中，研究團隊采用基因和藥物實驗兩種方式，在涵蓋 11 種癌癥的 19 個數(shù)據(jù)集上驗證了模型性能 —— 要求其為從未接觸過的細胞樣本和癌癥類型預(yù)測多種治療方案。

測試結(jié)果顯示：PDGrapher 準確預(yù)測了已知有效的藥物靶點（數(shù)據(jù)在訓(xùn)練階段刻意排除），同時發(fā)現(xiàn)了新證據(jù)支持的其他候選靶點。

與同類工具相比，PDGrapher 展現(xiàn)出卓越的準確性與效率：在未見過數(shù)據(jù)集中，其正確治療靶點排序比其他模型提升高達 35%，處理速度比同類 AI 方法快 25 倍。

AI 突破預(yù)示醫(yī)學(xué)未來

研究團隊表示，PDGrapher 能優(yōu)化新藥研發(fā)模式。由于 PDGrapher 無需先預(yù)測每個可能變化對細胞的影響再尋找有效藥物，而是直接尋找能逆轉(zhuǎn)疾病特征的特定靶點，顯著加速了理念驗證過程，使研究人員能聚焦于更少但更具潛力的靶點。

PDGrapher 對多通路驅(qū)動的復(fù)雜疾病（如癌癥）尤為有用。經(jīng)過嚴謹驗證后，PDGrapher 未來或還可用于分析患者細胞圖譜，助力設(shè)計個體化聯(lián)合治療方案。

研究團隊表示：「我們的終極目標是繪制清晰的路線圖，揭示在細胞層面逆轉(zhuǎn)疾病的所有可能途徑。」

參考內(nèi)容：https://medicalxpress.com/news/2025-09-ai-tool-genes-drug-combos.html