新しいAIツールは、病気の細胞の健康を回復するための遺伝子、薬物コンボを特定します

薬物の発見を再構築する可能性のある動きで、ハーバード大学医学部の研究者は、細胞内の疾患状態を逆転させる治療を特定できる人工知能モデルを設計しました。

効果的な治療法を特定することを期待して、一度に1つのタンパク質標的または薬物を通常テストする従来のアプローチとは異なり、PDGrapherと呼ばれ、無料で利用可能な新しいモデルは、疾患の複数のドライバーに焦点を当て、病気の細胞を健康機能に戻す可能性が最も高い遺伝子を特定します。

このツールは、疾患プロセスを修正する治療に最適なシングルまたは組み合わせターゲットも識別します。自然の生物医学工学で9月9日に説明されているこの作業は、部分的に連邦政府の資金提供によってサポートされていました。

病気を逆転させる可能性が最も高いターゲットに焦点を合わせることで、新しいアプローチは、長い間伝統的な方法を逃れてきた状態の治療法をスピードアップし、ロックを解除することができると研究者は指摘した。

HMSのBlavatnik Instituteの生物医学情報学の准教授であるMarinka Zitnikは、次のように述べています。 「Pdgrapherは、料理が何であるかを理解し、材料を組み合わせて望ましいフレーバーを実現する方法を理解しているマスターシェフのように機能します。」

単一のタンパク質の活性化または阻害に焦点を当てた従来の薬物発見アプローチは、癌細胞が成長および分裂するために使用する特定のタンパク質をブロックするキナーゼ阻害剤などの治療で成功しました。しかし、Zitnik氏は、この発見のパラダイムは、複数のシグナル伝達経路と遺伝子の相互作用によって病気が燃料を供給されると、不十分になる可能性があると述べました。たとえば、ここ数十年で発見された多くの画期的な薬物 – 免疫チェックポイント阻害剤とCAR T細胞療法など、細胞内の疾患プロセスを標的とすることにより機能します。

Zitnik氏によると、Pdgrapherによって有効になったアプローチは、科学者がどの分子に作用するかを正確に知らない場合でも、細胞の疾患の兆候を実際に逆転させる可能性のある化合物を見つけるために、全体像を見ています。

PDGrapherは、グラフニューラルネットワークと呼ばれる人工知能ツールの一種です。このツールは、個々のデータポイントだけでなく、これらのデータポイントと互いに存在する効果の間に存在する接続を見ます。

生物学と創薬の文脈では、このアプローチは、細胞内のさまざまな遺伝子、タンパク質、およびシグナル伝達経路間の関係をマッピングし、健康な細胞の行動を回復するために細胞の根本的な機能不全を修正する治療法の最良の組み合わせを予測するために使用されます。大規模な薬物データベースから化合物を徹底的にテストする代わりに、新しいモデルは、病気を逆転させる可能性が最も高い薬物の組み合わせに焦点を当てています。

PDGrapherは、病気を促進している可能性のある細胞の一部を指しています。次に、これらのセルラー部分がオフまたはダイヤルダウンされた場合に何が起こるかをシミュレートします。 AIモデルは、特定のターゲットが「ヒット」された場合に病気の細胞が起こるかどうかについての答えを提供します。

「可能なすべてのレシピをテストする代わりに、PDGrapherは次のように尋ねます。

研究者は、治療前後に病気の細胞のデータセットでツールを訓練し、病気の状態から健康な状態に細胞をシフトするためにどの遺伝子を標的とするかを把握できるようにしました。

次に、11種類のがんと薬物ベースの実験の両方を使用して、11種類の癌に及ぶ19のデータセットでテストし、前に見たことのない細胞サンプルのさまざまな治療オプションを予測するためのツールを尋ねました。

このツールは、すでに機能することが知られている薬物ターゲットを正確に予測しましたが、トレーニング中に意図的に除外され、モデルが正しい答えを思い出させることはありませんでした。また、新たな証拠に支えられた追加の候補者を特定しました。このモデルはまた、KDR（VEGFR2）を非小細胞肺癌の標的として強調し、臨床的証拠に合わせて整合しました。また、承認された化学療法によってすでに標的とされた酵素であるTop2Aを特定の腫瘍の治療標的として特定し、最近の前臨床研究からの証拠に加えて、Top2A阻害を使用して非小細胞肺癌の転移の拡大を抑制する可能性があります。

このモデルは、他の同様のツールと比較して、優れた精度と効率性を示しました。以前に見えないデータセットでは、他のモデルよりも最大35％高く正しい治療ターゲットをランク付けし、同等のAIアプローチよりも最大25倍高速な結果を提供しました。

新しいアプローチは、新薬の設計方法を最適化できると研究者は述べた。これは、すべての可能な変化が細胞にどのように影響するかを予測しようとする代わりに、有用な薬物を探す代わりに、PDGrapherはすぐに、どの特定のターゲットが病気の特性を逆転させることができるかをすぐに求めます。これにより、アイデアをテストするのが速くなり、研究者が有望な目標を少なくすることに焦点を合わせることができます。

このツールは、腫瘍が1つの標的にぶつかった薬物を覆うことができる癌などの複数の経路に燃料を供給される複雑な疾患に特に役立ちます。 PDGrapherは病気に関与する複数の標的を特定しているため、この問題を回避するのに役立ちます。

さらに、研究者は、モデルを検証するために慎重にテストした後、いつか患者の細胞プロファイルを分析し、個別化された治療の組み合わせを設計するのに役立つと述べました。

最後に、PDGrapherは疾患の原因効果の生物学的因子を特定しているため、研究者が特定の薬物の組み合わせが機能する理由を理解するのに役立つ可能性があります。

チームは現在、このモデルを使用して、パーキンソン病やアルツハイマー病などの脳疾患に取り組み、病気で細胞がどのように行動するかを検討し、それらを健康に戻すのに役立つ遺伝子を見つけています。研究者はまた、マサチューセッツ総合病院のXDPセンターの同僚と協力して、X結合ジストニア – パルキンソン症の治療によってどの遺伝子またはペアが影響を受ける可能性がある新薬の標的と地図を特定しています。

「私たちの究極の目標は、細胞レベルで病気を逆転させる可能性のある方法の明確なロードマップを作成することです」とZitnikは言いました。

Gonzalez G、Lin X、Herath I、Veselkov K、Bronstein M、Zitnik M.
因果関係のあるニューラルネットワークを使用した治療的摂動の組み合わせ予測。
Nat Biomed Eng。 2025年9月9日。Doi： 10.1038/s41551-025-01481-x