亚搏体育官方网站 - YABO

在往常的几十年里，当代药物研发主要罢职着被称为“靶点导向” (Target-based drug discovery)的逻辑。咱们试图在复杂的疾病采聚合找出一个关键的致病卵白，然后像配钥匙雷同，遐想一个小分子去精确地锁死它。关联词，面对朽迈、纤维化或高度异质性的肿瘤等复杂疾病时，这种寻找单一“关键锁孔”的计谋正越来越常常地碰壁。好多疾病并非由单一靶点运行，而是整个细胞景象的系统性失衡。

那么，若是咱们不再执着于单一靶点，而是平直关切细胞的举座景象呢？若是咱们能找到一种药物，把疾病景象下的额外基因抒发图谱，举座“翻转”回健康景象呢？

3月17日，《Cell》的盘问报谈“Deep-learning-based de novo discovery and design of therapeutics that reverse disease-associated transcriptional phenotypes”，盘问东谈主员构建了一个名为 GPS (Gene expression Profile predictor on chemical Structures) 的深度学习平台。该平台能够平直根据分子的化学结构，展望其对全转录组的扰动情况，并以此为基础，在千万级别的化合物库中筛选和遐想能够“逆转”疾病转录组表型的全新药物。这项盘问不仅为肝细胞癌 (Hepatocellular Carcinoma， HCC) 和特发性肺纤维化 (Idiopathic Pulmonary Fibrosis， IPF) 带来了极具后劲的候选药物，更清贫的是，它向咱们展示了一种突破传统药物研发瓶颈的全新范式。

突破单一靶点的执念：系统性表型逆转的崛起

在深入明白 GPS 模子之前，咱们先来望望当代药物发现所靠近的窘境。历久以来，靶点导向的药物筛选主导了制药工业。这种计谋在应酬某些由明确基因突变运行的疾病时取得了巨大收效。关联词，对于大多数退行性疾病、复杂代谢病以及高度异质性的恶性肿瘤，寻找单一的有用靶点变得额外困难。举例在肝细胞癌中，莫得任何一个基因组特征在卓绝 50% 的患者中发生改变，也莫得任何一个临床靶点在卓绝 20% 的患者中高抒发。

当一条路走欠亨时，另一种陈腐的计谋——表型筛选 (Phenotypic screening) 再次回到了东谈主们的视线。传统的表型筛选不关切药物伙同什么具体的卵白，只关切药物是否能改变细胞的某种宏不雅特征（如细胞圆寂、形式改变等）。但传统表型筛选的舛错在于它如清除个“黑匣子”，咱们很难知谈药物在细胞内到底激勉了怎样的级联反应，这给后续的先导化合物优化和机制盘问带来了巨大的羁系。

跟着高通量测序时刻的发展，转录组学 (Transcriptomics) 为咱们提供了一种无缺的折中决策。转录组不错被视为细胞在特定时辰点的“分子快照”，它比单一靶点包含了更丰富的系统性信息，又比宏不雅表型具备更高的数据维度和可解析性。若是咱们能将疾病发生前后的转录组变化记载下来（即“疾病标签”），再找出一种能够引起违回转录变化模式的药物，这是否就意味着药物能够在系统层面上“更正”疾病景象？

这个基于“转录组逆转”的目标在药物重定位 (Drug repurposing) 界限已被平庸考据。关联词，它一直受限于一个致命的瓶颈：现存的转录组数据库（如 LINCS 数据库）只包含了上万种已知药物或分子的抒发图谱。面对动辄数以千万计、甚而数十亿的早期新药筛选分子库，咱们不成能在执行室里把它们挨个扔进细胞去测序。若是无法获取海量新分子的转录组图谱，基于转录组的从新药物发现 (De novo drug discovery)就无从谈起。这恰是 GPS 模子出身的配景：用东谈主工智能跳动化学结构与生物转录组之间的界限。

在数据的噪波中索求真谛：GPS模子的架构与历练

要让深度学习模子学倡导过化学结构展望基因抒发变化，开端需要惩办的是历练数据的质料问题。LINCS 数据库诚然广阔，但高通量转录组数据自己充满了时刻和生物学变异。盘问标明，在 LINCS 数据库的清除阶段执行中，重迭样本之间的平均沟通性仅为 0.5，不同阶段执行的中位可重迭性得分甚而不到 0.6。若是在这么充满杂音的数据上平直历练，模子极易堕入过拟合的泥潭。

为了应酬这一挑战，盘问东谈主员玄妙地引入了一种称为“肃肃协同学习” (Robust Collaborative Learning， RCL) 的历练框架。在数据预处理阶段，他们并莫得使器用体的连气儿抒发值，而是将药物与基因的相互作用滚动为三种分类景象：下调（Z-score 1.5）和无影响。这种分类处理开端过滤掉了大量轻微的配景波动。随后，盘问东谈主员通过立地丛林模子筛选出那些其抒发变化能够被化学结构展望的“特征基因”。在 978 个标志性基因 (Landmark genes) 中，共有 307 个被认定为具有较高可展望性，其中卓绝一半在不同细胞模子之间分享。

在模子架构上，GPS 的输入端交融了两种信息：一个是代表药物化学结构的分子指纹 (ECFP4)，另一个是代表基因功能特征的基因实质论 (Gene Ontology， GO) 词汇。通过引入 GO 特征，模子不仅能表露化学分子长什么样，还能“表露”它正在展望的基因参与了什么生物学经过。

RCL 历练框架的中枢在于多蚁合协同。系统包含了多个并行的神经蚁合，它们在历练初期被饱读舞产生不合，以减少单一蚁合的样本采用偏差；在历练后期，跟着准确率飞腾，它们又被饱读舞达成共鸣。在每一轮迭代中，模子倾向于采用耗费较小的“高质料”样原本更新参数，逐渐将高置信度的数据权重提高。最终，该系统哄骗了大致 80% 的可用数据点进行历练。比较于传统的单任务模子或平直交融所寥落据的普通多任务模子，RCL 在四种常用的癌细胞系（HEPG2、MCF7、PC3、VCAP）上，不管是在里面立地拆分照旧在包含全新分子的外部考据中，其 F1 得分和均衡准确率均达成了权贵提高，且扫数发达差异在统计学上均极具权贵性 (p

更猛烈的是，通过哄骗 1107 个 GO 特征对基因进行镶嵌，GPS 将其展望范围从开端的数百个标志性基因大幅膨胀。通过在一个包含 45 种药物和 23 种细胞系全转录组图谱的校准数据集上进行对比，盘问东谈主员最终细则了 2198 个能够被高置信度展望的基因。针对这些基因的 GO 富集分析揭示了长远的生物学规章：其中卓绝 26% 的基因位于核质中（富集倍数为 1.52，FDR = 4.72E-27），权贵富集的生物学经过主要与细胞周期转换相关，这也与细胞组分中纺锤体的权贵富集（富集倍数 2.05，FDR = 1.42E-4）相吻合。这示意了一个清贫的生物学事实：与细胞周期、转录和激酶信号传导沟通的基因抒发，对于外界的化合物微扰具有更明锐、更具可展望性的反应。

Z-RGES：臆想基因图谱逆转的刻度尺

当咱们领有了能够展望数百万分子转录组图谱的才调后，下一个问题是：怎样量化一个分子“逆转”疾病景象的才调？

以往的盘问中，东谈主们常使用一种称为 RGES (Reverse Gene Expression Score) 的得分。但原始的 RGES 对化合物影响的基因数目相当明锐，若是平直用于评估 GPS 展望出的大小不一的基因集，会产生极大的偏差。为此，盘问东谈主员拓荒了一种更动的算法：Z-RGES。

Z-RGES 的筹划经过严实且具有统计学谈理谈理。开端，根据疾病签名（疾病中额外上颐养下调的基因），评估化合物展望出的上颐养下调基因在疾病图谱中的富集位置。为了排斥基因集大小带来的偏差，算法会对特定数目的基因在立地配景下的富集分数进行 1500 次采样漫衍，然后哄骗 Z 变换对原始富集分数进行归一化。最终，Z-RGES 的数值越呈负值，标明该化合物逆转疾病转录组特征的才调越强。

数据证明了这种更动的必要性。在评估已知抗癌化合物时，Z-RGES 与化合物遏制肝癌细胞助长的活性（pIC50 值）呈现出权贵的负沟通（Spearman 沟通所有 -0.554，p = 0.0049），而原始的 RGES 则未能骄气出权贵的沟通性。在包含 393 种化合物的 CTRP HepG2 药物明锐性数据汇聚，Z-RGES 达成了 0.768 的受试者责任特征弧线底下积 (AU-ROC)，前排行的掷中率达到了惊东谈主的 40%。这个规划的成立，标志着咱们领有了一把不错在宽敞化学空间中丈量药物后劲的刻度尺。基于此，盘问东谈主员厚爱开启了抗争两种高度复杂疾病的征途。

肝细胞癌的编造试真金不怕火：从七百万分子到体内有用抗肿瘤

肝细胞癌 (HCC) 是大家第六大常见癌症，致死率高且现在枯竭普遍有用的调节决策。面对 HCC 高度的异质性，盘问东谈主员决定哄骗 GPS 和 Z-RGES 计谋伸开全面攻势。

开端，他们尝试对一个已知的“老药”进行优化。在早期的重定位盘问中，驱虫药氯硝柳胺 (Niclosamide)被发现具有逆转 HCC 转录组的作用，但由于其极差的水溶性和短促的调节窗口，长期无法上前鼓吹。哄骗 Z-RGES 评分，盘问团队开端阐发了 7 种商用氯硝柳胺近似物的评分与其在 HepG2 和 Huh7 细胞系中的半数遏制浓度 ($IC_{50}$) 高度沟通。

随后，他们在包含约七百万种分子的 ZINC 数据库中，搜寻不仅具有更高展望水溶性，且保抓优异 Z-RGES 评分的近似物。其中，候选分子 Cpd.5260420 脱颖而出。诚然其在 Huh7 细胞上的体外 $IC_{50}$ 值为 14.8 μM，不足原药，但它的能源学水溶性达到了 34 μM，况且在原代肝细胞中未不雅察到毒性。在皮下移植 Huh7 肿瘤的小鼠模子中，每 3 天进行 1 μg 的瘤内打针，抓续两周后，Cpd.5260420 权贵缩减了小鼠体内的肿瘤体积。这一初步收效，考据了通过转录组逆转评分来携带先导化合物优化的可行性。

但这只是是热身。真的的挑战在于从新发现全新骨架的化合物。哄骗包含 284 个上调基因和 91 个下调基因的 HCC 疾病标签，盘问团队对 ZINC 库中的 700 万个类药分子进行了全面筛查。为了幸免选出非特异性的毒性分子，他们还对那些可能引起不生机基因抒发（举例进一步上调 HCC 中已过度抒发的基因）的分子进行了处分。

最终，亚博app18 种结构各别、Z-RGES 评分极佳且与已知抗 HCC 药物结构不相似的候选分子被送入执行室进行体外考据。效果令东谈主奋发：约三分之一的候选物在三种不同的 HCC 细胞系（HepG2， Huh7， Hep3B）中均发达出权贵的增殖遏制作用，这与前期筹划得出的 40% 掷中率高度吻合。其中，发达最杰出的候选物之一 44443110 达成了 2-3 μM 的 $IC_{50}$ 值。而另一个极具后劲的分子 PB56874852（$IC_{50}$ 约 4 μM）则展现出了极高的采用性——即使在 100 μM 的高浓度下，它也莫得影响平时原代肝细胞的存活率。RNA 测序证实，使用 10 μM 的 PB56874852 处理 Huh7 细胞所激勉的真实转录组变化模式，与 GPS 的纯筹划展望效果呈现出高度的一致性。

AI 赋能分子进化：从微摩尔到亚微摩尔的飞跃

赢得优秀的苗头化合物 (Hit) 后，接下来是极其关键的“苗头到先导” (Hit-to-lead) 的优化经过。为了保留高采用性同期提高药效，盘问团队将 PB56874852 输入到名为 MolSearch的两阶段多方向优化算法中。MolSearch 罗致了蒙特卡洛树搜索 (Monte Carlo tree search) 计谋，它不仅竭力于寻找能进一步裁汰 Z-RGES 评分（提高逆转才调）的结构修饰，还要兼顾化合物的类药性、合成可及性和融化度等非生物学属性。

在 MolSearch 的携带下，一系列将 PB56874852 上的呋喃环替换为卤苯基团的繁衍物被遐想出来并合成为什物。体外执行数据无缺印证了算法的推演：当呋喃基团被对溴苯基替代时，化合物对 Huh7 细胞的 $IC_{50}$ 值骤降至 0.34 μM。比较之下，若是替换为普通的苯基、吡啶或甲氧基，药效则莫得彰着改善。

盘问团队进一步引入强吸电子的三氟甲基，最终合成出了代号为 MSU45302 的分子。这款优化后的化合物在三种 HCC 细胞系中的 $IC_{50}$ 值全部干涉了亚微摩尔级别（0.47， 0.99， 0.85 μM），其抗增殖活性甚而达到了一线靶向药物索拉非尼 (Sorafenib) 的数倍。

药代能源学执行骄气，在 100 mg/kg 的口服剂量下，MSU45302 在小鼠体内的最高血药浓度 ($C_{max}$) 达到了 29 μmol/L，半衰期为 2.5 小时，血浆骄气量可在 5 到 10 小时内看护在 1 μM 以上。随后的体内抗肿瘤实考据实，每 3 天打针 1 μg 的 MSU45302，抓续两周，不错权贵且大幅度地遏制 Huh7 异种移植小鼠模子中的肿瘤助长。

开启转录组的黑匣子：SGAR揭示作用机制

传统的表型筛选常常靠近“知其关联词不知其是以然”的难熬，由于枯竭明确靶点，后续盘问标准维艰。关联词，GPS 平台提供的不单是是一个单一的活性读数，它还伴跟着数千个基因的抒发变化展望。这种丰富的数据维度，使得盘问东谈主员得以首创一种全新的分析时势：结构-基因-活性关系 (Structure-Gene-Activity Relationship， SGAR)分析。

盘问东谈主员考中了 26 种包含不同化学片断的抗 HCC 化合物（包括 15 种 MSU45302 的近似物），并对 GPS 展望出的它们的基因抒发扰动图谱进行了聚类分析。效果骄气，那些发达出高抑癌活性的分子，即便化学骨架不同（举例氯硝柳胺和 MSU45302），它们在转录组扰动空间中也会考究聚类在通盘。通过在全转录组范围内寻找与抗 HCC 疗效权贵沟通的基因，盘问东谈主员锁定了 15 个关键基因，包括 WDR75、KIF23、UHRF1 和 MCM6 等。体内使用 MSU45302 处理小鼠模子，以及体外使用 PB56874852 处理细胞的真实 RNA 测序数据，均证实了这些基因的权贵下调。

在这些基因中，UHRF1的抒发变化最为剧烈。UHRF1 编码一种 RING 指型的 E3 泛素连结酶，它是 DNA 甲基化的关键转换因子。随后的实考据实，敲低细胞内的 UHRF1 抒发，能够权贵裁汰肝癌细胞的存活率。Western Blot 执行进一步阐发，MSU45302 分辨在 5 μM 和 10 μM 浓度下，权贵减少了 Huh7 和 HepG2 细胞中 UHRF1 的卵白抒发量。

伙同患者生涯数据分析，UHRF1 在肝癌中被明确为一个不良的预后标志物；空间转录组学分析也直不雅地骄气，与平时相邻组织比较，UHRF1 在 HCC 组织中呈现平庸的高抒发。扫数这些把柄酿成了一个闭环，有劲地复旧了 MSU45302 部分通过遏制 UHRF1 及其下流的 DNA 低甲基化来阻断 HCC 肿瘤助长的作用机制。通过 SGAR 分析，GPS 平台透彻突破了表型筛选的黑匣子，让咱们不仅找到了有用的分子，还能从全景转录组的角度，探本溯源地神色出药物在细胞内拨动的具体分子琴弦。

单细胞分辨率下的纤维化狙击：特发性肺纤维化 (IPF)

为了进一步考据这套体系在非癌症、且高度依赖微环境的复杂疾病中的通用性，盘问东谈主员将眼神转向了特发性肺纤维化 (IPF)。IPF 是一种萧瑟且致命的慢性肺部疾病，其特征是肺泡壁增厚和肺泡腔禁闭。现在，针对 IPF 的调节采用极其有限，患者确诊后的中位生涯期仅约 3 年足下。

IPF 的病理机制高度复杂，触及多种细胞类型的相互作用。为了更精确地捕捉这种微环境中的病理变化，盘问东谈主员不仅使用了小鼠纤维化模子和体外细胞培养的测序数据，更引入了高分辨率的单细胞 RNA 测序 (scRNA-seq) 数据。通过对 10 名健康对照者和 12 名 IPF 患者的单细胞数据进行分析，盘问团队构建了针对不同细胞群体的疾病标签。他们特别关切了那些在纤维化进度中上演关键变装的细胞类型，举例肌成纤维细胞 (Myofibroblasts)和抒发MUC5B+ 的上皮细胞，以及处于额外滚动景象的肺泡 2 型到 1 型细胞等。

基于这些高分辨率的单细胞疾病标签，盘问团队开端进行了药物重定位的探索。他们在由老药构成的数据库中挑选了 20 种候选药物，并在极具滚动医学价值的东谈主类精确切割肺切片 (Precision-cut lung slices， PCLS)模子中进行了测试。这是一种能够保留肺部三维结构和微环境的顶级体外模子。

在 4 种通过初步筛选的候选药物中，一种名为吡硫二酮 (Pyrithyldione)的分子在来自 8 名不同患者的 PCLS 模子中，一致且权贵地裁汰了纤维化标志物（如 FN1， SMA， CTHRC1， COL1A1）的抒发，其疗效甚而与现存的 FDA 批准药物尼达尼布 (Nintedanib) 相当。在随后的体内考据中，连气儿 14 天、每天 100 μM 剂量的吡硫二酮调节，权贵豪爽了博来霉素携带的小鼠肺纤维化。

更令东谈主深念念的是，通过对经吡硫二酮处理后的 PCLS 样本进行大块 RNA 测序和 CIBERSORTx 细胞比例去卷积分析，盘问发现调节组样本中的肌成纤维细胞比例权贵下落。进一步将疾病单细胞标签映射到药物处理后的测序数据上，盘问东谈主员发现，吡硫二酮不仅逆转了肌成纤维细胞中的多个额外基因，更逆转了大量 MUC5B+ 上皮细胞中的额外抒发。针对这些被逆转基因的 GO 词汇富集分析指出，铁离子转运和过渡金属离子转运路线深入参与其中，这与频年来对于铁代谢在 IPF 进展中作用的盘问高度契合。

基于对微环境多细胞靶向的长远意志，盘问团队最终挑选了肌成纤维细胞和 MUC5B+ 上皮细胞的连络标签，哄骗 GPS 平台在 Enamine 高通量筛选库中伸开了全新分子的编造海选。从一百多万个新分子中，算法最终保举了 40 个候选物。空洞考量了结构踏实性、致突变风险和脂水分拨所有 (cLogP) 等成药性规划后，19 个分子干涉了极为严苛的东谈主类 PCLS 模子测试。执行效果骄气，其中 4 种分子在初步测试中骄气出了裁汰纤维化标志物的活性；而代号为“Drug 18”的全新骨架化合物，在 10 μM 浓度下，在多个患者的肺切片样本中，统计学上权贵地裁汰了 FN1、SMA 和 CTHRC1 等多种促纤维化中枢卵白的抒发。

通过 IPF 的案例，GPS 平台不仅证明了其在非肿瘤界限的平庸适用性，更展现了其与单细胞前沿测序时刻伙同后，深入解析疾病微环境、达成多细胞亚群连络靶向扰乱的惊东谈主后劲。

重塑药物发现的底层逻辑

到这里，咱们不妨回极度来注视开端提议的阿谁问题。这项盘问真的令东谈主奋发的，不单是是它发现了几个有但愿调节肝癌或肺纤维化的化合物分子。真的具有颠覆性谈理谈理的，是它展现出的一种药物研发理念的升维。

传统的靶向调节通常局限于单一路线或单一细胞类型。关联词，像 IPF 这么的疾病中，微环境可能像肿瘤雷同生息出对药物的耐受景象。细胞外基质的过度千里积重塑了组织结构，单一靶点的遏制通常会被广阔且冗余的生物学蚁合绕过。举例，即使咱们遏制了激活 TGF-β 的特定整合素，其他的路线还是不错四肢“替补”上场。

而基于深度学习的系统性表型逆转，则是一种更高维度的降维打击。它不呆板于某一个具体的卵白受体，而是试图寻找能够举座重塑细胞通信蚁合、扭转细胞侥幸轨迹的“系统性密码”。在这个经过中，东谈主工智能成为了翻译“化学结构说话”和“生物转录说话”的精密翻译机。

通过肃肃协同学习框架 (RCL)，克服了生物学大数据的固有杂音；通过 Z-RGES 评分算法，量化了转录组蚁合之间的相对距离；通过 SGAR 分析，将宏不雅的表型变化从新锚定到具体的微不雅分子机制上；通过伙同单细胞测序数据，达成了对复杂微环境中不同细胞军团的精确反击。

从筹划机里面七百万个冰冷的化学结构标记，到执行室培养皿中圆寂的癌细胞；从蒙特卡洛树上的一次次编造节点拓展，到小鼠体内实实在在缩小的肿瘤块。GPS 平台完整走通了从编造筛选、先导化合物优化，到机制解析和活体动物乃至东谈主体组织切片考据的全链条。

生命是一个极其复杂且精密的动态蚁合。也许在将来，面对复杂多变的紧要疾病，咱们不再需要像大海捞针雷同去寻找阿谁虚无缥缈的“独一瑕玷”。拔帜树帜的是，咱们输入疾病失衡的系统代码，而东谈主工智能将在宽敞的化学六合中，为咱们精确运算出那串能够让生命系统重启、收复均衡的无缺提示。这，简略即是药物发现下一个期间的壮阔图景。

参考文件亚博体育

滚球app(中国)官网下载

• 亚博体育
• 突破
• Cell
• 单一
• 八点