The Innovation Life | 从“表达逆转”走向“网络重编程”：AI药物发现的新范式

本文探讨了现有基于转录组“表达逆转”策略的深度学习药物筛选框架在复杂疾病（如癌症、自身免疫疾病）中的局限性。背景方面，传统药物筛选（靶点筛选和表型筛选）难以应对涉及多细胞协同调控系统紊乱的复杂疾病，而现有AI方法主要聚焦单细胞层面，忽视了细胞间通讯和系统级网络失衡。研究目的旨在提出一种新范式，从单纯的基因表达修复升级为系统级的“网络重编程”，通过融合细胞通讯网络、基因调控网络和可解释性机器学习框架，以更精准地发现治疗分子。结论指出，未来药物筛选应引入图结构网络建模（如GRNFormer、pertTF）和先验生物知识图谱（如BFReg-NN），构建结构感知的系统级模型，从预测化合物诱导的转录响应，扩展到重塑疾病背后的整体调控网络与细胞间信息流。这一转变有望克服现有方法疗效受限、可解释性不足的问题，推动药物发现迈向更高效、精准的系统级干预新阶段。