哈佛医学院开源 PDGrapher：能揪出逆转病变细胞的药物组合

PDGrapher 是哈佛医学院开源的一个图神经网络工具，专门用来预测哪些基因靶点或药物组合能把病变细胞「逆转」回健康状态。

在传统的新药研发里，研究人员通常像盲人摸象一样，一次只针对单个蛋白质靶点或化合物做筛选。但很多复杂疾病之所以难缠，往往是因为细胞内多条信号通路和基因在同时作恶，单靶点药物很容易产生耐药性。

它能做什么

PDGrapher 改变了这种单点碰运气的思路。它把细胞内的基因、蛋白质和信号通路构建成一张错综复杂的生物网络图，专门寻找那些能够纠正细胞底层功能紊乱的干预手段。

具体来说，模型会先在细胞网络中锁定可能导致病变的几个驱动节点。随后，算法会在数字空间里模拟「关闭」或「调低」这些节点后的连锁反应，直接预测出能够让病态细胞恢复健康状态的最佳单一靶点或药物组合。

研发团队把这种差异比喻成做菜：传统的药物筛选像是尝遍数百道做好的菜肴，碰运气看哪道刚好符合口味；而 PDGrapher 更像一个深谙调味逻辑的大厨，清楚知道要达到预期的风味，必须按什么比例组合哪些特定调料。

预测准不准、跑得快不快

为了检验它的泛化能力，研究团队在 19 个数据集上进行了测试，涵盖 11 种不同的癌症类型。这些测试数据在训练阶段完全被排除在外，模型从未见过对应的细胞样本或癌症种类。

盲测结果显示，PDGrapher 在未知数据集上对正确治疗靶点的排序准确度，比现有的同类 AI 模型高出最多 35%。而在计算速度上，它给出的结果比同类方案快了整整 25 倍。

在具体的生物学验证中，该工具成功预测出了已经被临床证实的靶点。例如在非小细胞肺癌中，模型精准指出了 KDR（即 VEGFR2）以及化疗常用靶点 TOP2A，与近期的临床前研究结果完全吻合。目前，哈佛团队不仅在用它探索帕金森病和阿尔茨海默病，还在与麻省总医院合作，寻找罕见遗传病 X-连锁肌张力障碍-帕金森综合征的新药物靶点。

该研究成果已发表在《Nature Biomedical Engineering》上，模型本身也已作为免费工具对外开放。

为什么重要

对于生物信息学研究者、计算生物学团队以及从事抗肿瘤药研发的团队来说，PDGrapher 是一个非常值得尝试的早期筛选工具。它最大的价值在于打破了传统的单分子筛选漏斗，直接从系统生物学的网络因果关系切入，把组合用药的搜索空间压缩了几个数量级。

不过，算法预测出「能逆转表型」并不等于药物已经研发成功。它生成的靶点组合最终还是要回到湿实验中检验生物利用度、细胞毒性和脱靶效应。我们认为，它目前最理想的定位是作为计算生物学家的罗盘，在研发最早期帮实验室排除死胡同，把宝贵的实验预算留给胜算最高的多靶点组合。