Science：AI 大模型解码药物扰动转录图谱，精确制导细胞命运调控

背景：表型药物发现是细胞命运调控和药物研发的核心策略，但传统方法存在成本高、机制溯源难等问题。研究目的：开发基于AI大模型和转录组数据的闭环主动强化学习框架DrugReflector，通过预测化合物表型活性优化药物筛选效率。结论：该模型在基准测试中显著提升召回率和命中率，结合昕瑞再生的DRUG-seq2技术可高效生成高质量转录组数据，成功应用于脊髓损伤修复和血小板减少症研究，实现17倍提速筛选，为药物研发提供新路径。