哈佛醫學院開源 PDGrapher：能揪出逆轉病變細胞的藥物組合

PDGrapher 是哈佛醫學院開源的一個圖神經網路工具，專門用來預測哪些基因靶點或藥物組合能把病變細胞「逆轉」回健康狀態。

在傳統的新藥研發裡，研究人員通常像盲人摸象一樣，一次只針對單個蛋白質靶點或化合物做篩選。但很多複雜疾病之所以難纏，往往是因為細胞內多條訊號通路和基因在同時作惡，單靶點藥物很容易產生耐藥性。

它能做什麼

PDGrapher 改變了這種單點碰運氣的思路。它把細胞內的基因、蛋白質和訊號通路構建成一張錯綜複雜的生物網路圖，專門尋找那些能夠糾正細胞底層功能紊亂的干預手段。

具體來說，模型會先在細胞網路中鎖定可能導致病變的幾個驅動節點。隨後，演算法會在數字空間裡模擬「關閉」或「調低」這些節點後的連鎖反應，直接預測出能夠讓病態細胞恢復健康狀態的最佳單一靶點或藥物組合。

研發團隊把這種差異比喻成做菜：傳統的藥物篩選像是嚐遍數百道做好的菜餚，碰運氣看哪道剛好符合口味；而 PDGrapher 更像一個深諳調味邏輯的大廚，清楚知道要達到預期的風味，必須按什麼比例組合哪些特定調料。

預測準不準、跑得快不快

為了檢驗它的泛化能力，研究團隊在 19 個數據集上進行了測試，涵蓋 11 種不同的癌症型別。這些測試資料在訓練階段完全被排除在外，模型從未見過對應的細胞樣本或癌症種類。

盲測結果顯示，PDGrapher 在未知資料集上對正確治療靶點的排序準確度，比現有的同類 AI 模型高出最多 35%。而在計算速度上，它給出的結果比同類方案快了整整 25 倍。

在具體的生物學驗證中，該工具成功預測出了已經被臨床證實的靶點。例如在非小細胞肺癌中，模型精準指出了 KDR（即 VEGFR2）以及化療常用靶點 TOP2A，與近期的臨床前研究結果完全吻合。目前，哈佛團隊不僅在用它探索帕金森氏症和阿茲海默症，還在與麻省總醫院合作，尋找罕見遺傳病 X-連鎖肌張力障礙-帕金森綜合徵的新藥物靶點。

該研究成果已發表在《Nature Biomedical Engineering》上，模型本身也已作為免費工具對外開放。

為什麼重要

對於生物資訊學研究者、計算生物學團隊以及從事抗腫瘤藥研發的團隊來說，PDGrapher 是一個非常值得嘗試的早期篩選工具。它最大的價值在於打破了傳統的單分子篩選漏斗，直接從系統生物學的網路因果關係切入，把組合用藥的搜尋空間壓縮了幾個數量級。

不過，演算法預測出「能逆轉表型」並不等於藥物已經研發成功。它生成的靶點組合最終還是要回到溼實驗中檢驗生物利用度、細胞毒性和脫靶效應。我們認為，它目前最理想的定位是作為計算生物學家的羅盤，在研發最早期幫實驗室排除死衚衕，把寶貴的實驗預算留給勝算最高的多靶點組合。