🤖 machine learning

Reading the Cell, Designing the Cure: Perturbation-Conditioned Molecular Diffusion for Function-Oriented Drug Design

本文介绍了\themodel{}，这是一种新颖的多分辨率转录组引导扩散框架，它通过弥合生物学与化学之间的领域鸿沟，生成以期望细胞状态转变为条件的分子，从而解决了基于转录组的药物设计中病态问题的挑战。

原作者： Ziyu Xu, Zijian Zhang, Liang Wang, Zhiyuan Liu, Qiang Liu, Shu Wu, Liang Wang

发布于 2026-05-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Ziyu Xu, Zijian Zhang, Liang Wang, Zhiyuan Liu, Qiang Liu, Shu Wu, Liang Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用通俗语言和创意类比对论文《解读细胞，设计疗法》的解读。

核心理念：通过解读细胞的“情绪”来设计药物

想象你是一位试图创作新菜品的厨师。

传统方法（基于结构的设计）： 通常，厨师会查看具体的食材（就像锁和钥匙），并尝试制作一道能完美放入特定锅具的菜肴。在药物发现中，这意味着科学家观察蛋白质（“锁”）的三维形状，并尝试设计一个能与之匹配的分子（“钥匙”）。
问题所在： 有时，我们不知道“锁”长什么样（蛋白质结构未知），或者疾病并非由一个坏掉的锁引起，而是整个厨房一片混乱（多条通路出了问题）。
新方法（CURE）： 与其盯着锁看，这篇论文提出要看厨房的“情绪”。如果你加入一种香料（药物），厨房从“混乱且愤怒”转变为“平静且有序”，这种情绪的转变就是目标。

作者构建了一个名为CURE（细胞响应引擎）的人工智能。它的任务是观察细胞（其基因活性）的“前后情绪”，并发明一种全新的分子来引发这种特定的情绪转变。

挑战：一个充满噪音且不匹配的拼图

仅凭观察基因活性来设计分子极其困难，原因有三：

不同的语言： 基因数据就像一张巨大的数字电子表格（生物学），而分子则像三维乐高结构（化学）。它们说着完全不同的语言。
“模糊”的信号： 单细胞数据（观察单个细胞）噪音很大。就像试图在拥挤嘈杂的体育场里听清耳语。有些细胞在睡觉，有些在进食，有些只是状态不佳。如果你只是简单地将它们取平均值，就会丢失重要的细节。
一个目标，多种解法： 许多不同的分子都能在细胞中创造出相同的“情绪”。就像许多不同的歌曲都能让你感到快乐。人工智能需要找到其中一首歌，而不仅仅是死记硬背它在训练过程中听到的那一首。

CURE 如何解决：充当“智能翻译器”

CURE 就像一个超级聪明的翻译员和建筑师。它拥有三大工具来弥合生物学与化学之间的鸿沟：

1. 降噪耳机（TFE-H）

在观察单细胞数据时，CURE 不会简单地将所有细胞混为一个模糊的大平均值（这会模糊细节）。相反，它根据细胞的“生命阶段”对细胞进行分组（就像根据人们是刚醒来、正在工作还是在睡觉来分组）。然后，它仔细聆听每个组的具体“耳语”。这使得它能够听清药物效应的真实信号，而不会被背景噪音淹没。

2. 双向对话（TFE-I）

为了理解药物实际做了什么，CURE 比较了细胞的“之前”状态（未受扰动）和“之后”状态（受扰动）。它迫使这两种状态相互“对话”，突出显示确切的变化。它忽略细胞中保持不变的部分，纯粹聚焦于药物引起的差异。这创造了一个清晰的药物效应“蓝图”。

3. 双重视角建筑师（TFE-A）

一旦 CURE 理解了药物的效应，它就需要绘制一个分子。但分子有两面：

骨架： 整体形状和结构（就像房屋的框架）。
特征： 执行具体工作的特定活性部分（就像窗户和门）。
CURE 采用“双重视角”方法。它确保设计的分子拥有有效的骨架（这样它才不会散架），并且具备正确的活性特征（这样它才能真正起作用）。它将生物学的“情绪”与化学骨架及活性特征同时对齐。

结果：它有效吗？

作者通过两种方式测试了 CURE：

“分布内”测试： 他们要求 CURE 为它以前见过的疾病设计分子。CURE 表现出色，创造了在化学上看似合理、且比任何以往人工智能都更符合预期基因活性的分子。
“零样本”测试（真正的魔法）： 他们要求 CURE 为它从未见过的特定基因设计抑制剂。这就像要求一位厨师仅凭描述风味特征，就为一种从未尝过的水果发明食谱。
- 结果： CURE 成功生成了不仅看起来像已知抑制剂，而且通过计算机模拟确认能以高强度物理结合到目标蛋白上的分子。

结语

这篇论文介绍了一种设计药物的新方法。不再需要知道目标蛋白的确切形状，我们现在可以告诉人工智能：“我想要一个分子，能将这种特定的混乱基因模式转变为这种平静的模式。”

CURE 充当了一座桥梁，将细胞生物学复杂且充满噪音的“语言”翻译成化学结构的精确“语言”，使我们能够根据药物如何让细胞感觉（而非仅仅看起来如何）来设计新药。

技术摘要：解读细胞，设计疗法（CURE）

1. 问题定义：基于转录组的药物设计（TBDD）

本文针对基于结构的药物设计（SBDD）的局限性展开研究，SBDD 依赖于已知的三维蛋白质结构，且当靶点无序或疾病源于失调的多通路网络而非单一可操作靶点时，往往难以奏效。为了补充 SBDD，作者将**基于转录组的药物设计（TBDD）**形式化为一个生成式逆问题。

核心任务： 给定由一对转录组状态 $(T_{pre}, T_{post})$ 定义的目标功能转变（代表期望的治疗效果，例如将细胞从疾病状态转变为健康状态），目标是学习一个条件生成器 $p(G | T_{pre}, T_{post})$ ，以设计能够诱导这种特定表型转变的药物分子 $G$ 。

识别出的关键挑战：

跨模态领域差距： 转录组谱（高维、稀疏、生物信号）与分子图（离散、拓扑、化学结构）在信息密度和归纳偏置上存在根本差异，使得朴素的条件化方法不稳定。
稀疏且含噪的信号： 单细胞 RNA 测序数据提供了高分辨率的异质性，但受限于dropout（丢失）、批次效应和技术噪声。相反，批量转录组缺乏细胞分辨率。在保持生物异质性的同时弥合这些差异十分困难。
病态性质： 转录组编码的是功能效应，而非唯一的原子蓝图。许多不同的分子结构可能产生相似的转录组特征，因此需要一种分布式的处理方法，而非寻找单一的逆解。
评估局限性： 大规模湿实验验证成本高昂，因此需要严格的代理指标和分布外（OOD）协议，以防止数据泄露和记忆化。

2. 方法论：CURE 框架

作者提出了 CURE（细胞响应引擎，A CellUlar Response Engine），这是一个多分辨率转录组引导的扩散框架。该架构包含两个主要组件：转录组扰动功能特征提取器（TFE）和扰动特征引导的分子图扩散模型（PMD）。

2.1. 转录组扰动功能特征提取器（TFE）

TFE 旨在从原始转录组数据中提炼出稳健的、面向功能的嵌入，并将其与化学领域对齐。它包含三个专用模块：

异质性感知转录组聚合（TFE-H）：
- 问题： 对单细胞数据进行朴素平均会抹杀亚群异质性，掩盖特定的药物反应。
- 解决方案： 该模块首先利用预训练的 SCimilarity 基础模型，将稀疏的原始表达谱投影到稠密的潜在流形中。随后，它采用周期分层结构化聚合策略，根据细胞周期阶段（G1、S、G2/M）和转录聚类对细胞进行划分。在这些生物学上连贯的组内进行分层采样和局部聚合。这充当了一个结构化去噪器，在平滑技术噪声的同时，保留了对于精确设计至关重要的分布方差和亚群异质性。
双向转录组扰动信号交互（TFE-I）：
- 问题： 从复杂的细胞背景中提取因果扰动特征。
- 解决方案： 采用双流架构分别处理 $T_{pre}$ 和 $T_{post}$ 。利用对称交叉注意力机制，使两种状态相互关注，动态对齐状态以突出由药物驱动的差异化基因表达模式。随后的自注意力层细化了状态内的依赖关系。流通过一个自适应单元进行融合，生成紧凑的、面向功能的嵌入，该嵌入独立于基础细胞变异。
双视图分子领域对齐（TFE-A）：
- 问题： 弥合生物潜在空间与化学空间之间的语义鸿沟。
- 解决方案： 提取的生物特征 $z$ $z$ 被投影到两个互补的化学领域，以确保结构有效性和功能特异性：
  1. 全局拓扑对齐： 将 $z$ 与预训练的分层图自编码器（VAE）的潜在空间对齐，以强制执行基本的化学规则（价键、环结构）。
  2. 局部生物活性对齐： 利用稀疏感知生物活性约束，将 $z$ 与 Morgan 指纹 对齐。这结合了稀疏回归与标签引导的对比学习，将连续特征映射到高维、稀疏的局部药效团离散空间。

2.2. 扰动特征引导的分子图扩散（PMD）

骨干网络： 基于扩散 Transformer（DiT）架构的 图扩散 Transformer。
过程： 模型使用马尔可夫链驱动的前向过程向分子图特征（原子和键）添加噪声，并使用神经网络参数化的反向过程重建图。
条件化： 扰动嵌入 $C$ （TFE 的输出）通过 自适应层归一化（AdaLN） 注入扩散过程。
训练： 模型采用 无分类器引导（CFG），结合动态特征丢弃和噪声注入，以提高条件生成的稳定性。训练目标是最小化反向过程的负对数似然。

3. 实验设置与评估

作者在批量（L1000 数据集）和 单细胞（Tahoe-100M 数据集）数据上评估了 CURE。

基线模型： 与强大的 TBDD 基线进行了比较：GexMolGen、Gx2Mol 和 TRIOMPHE。对于单细胞数据，基线模型使用 伪批量分析（平均化）进行了调整，以确保公平比较，因为不存在原生的单细胞生成基线。
评估协议：
- 分布内： 标准随机划分。
- 分布外（OOD）：
  - 未见细胞系： 分层生物学划分（不相交的组织/肿瘤类型）。
  - 未见药物： 骨架级别划分（Bemis-Murcko 骨架），以防止结构记忆化。
指标：
- 结构性： 覆盖率（Coverage）、唯一性（Uniqueness）、相似度、Fréchet ChemNet 距离、QED、可合成性（SA）、有效性（Validity）。
- 功能性： Fraggle 和 Morgan 相似度（骨架/原子环境），PRnet MSE（使用独立预测器计算的预测扰动谱与真实扰动谱之间的均方误差）。
- 零样本任务： 基因抑制剂设计（为未见基因敲除生成分子）和药物筛选（Top-K 检索）。

4. 关键结果

卓越性能： CURE 在分布内和分布外设置中，在批量和单细胞模态上均 consistently 优于所有基线。
- 它实现了最高的 覆盖率（批量数据中高达 100%）和 唯一性，同时保持了最低的 Fréchet ChemNet 距离，表明其进行了真正的生成式探索而非记忆化。
- 在 单细胞 设置中，CURE 保持了稳健的性能，而基线模型由于朴素平均导致的信号稀释而遭受严重性能下降。
功能一致性： CURE 实现了显著更低的 PRnet MSE（例如，在批量数据中为 0.2328，而 Gx2Mol 为 2.5987），表明生成的分子诱导的转录组状态与目标特征高度一致。
零样本基因抑制剂设计： 在针对 10 个典型基因的零样本任务中，CURE 生成的分子具有：
- 与已知抑制剂更高的结构相似度（Morgan 指纹）。
- 比基线更强的预测结合亲和力（更低的 kcal/mol），在对接评分中经常超越已知抑制剂（例如，EGFR 为 -9.11 kcal/mol，而基线为 -7.30）。
消融研究：
- 移除 TFE-H 导致单细胞性能显著下降，证实了异质性感知聚合的必要性。
- 移除 TFE-I 或 TFE-A 导致功能崩溃或药效团保真度丧失，验证了双视图对齐策略的有效性。
- 与 SMILES 解码器或图 VAE 相比，图扩散 骨干网络被证明对功能保真度至关重要。

5. 意义与主张

本文声称首次将 TBDD 形式化为生成式逆问题，并引入了针对该问题的系统性评估框架。

弥合模态差距： CURE 通过异质性感知聚合和双视图对齐，成功弥合了生物学（转录组学）与化学（分子图）之间的跨模态差距，实现了对含噪、稀疏生物数据的稳健条件化。
面向功能的发现： 这项工作证明了表型驱动的生成式发现是 SBDD 的可行替代方案，能够针对缺乏结构数据的靶点或复杂的多通路疾病设计分子。
实用价值： 零样本基因抑制剂设计和药物筛选结果突显了 CURE 的潜力，即能够将大型化学库精炼为可管理的、高保真的候选集，用于时间敏感的治疗应用。
谦逊态度： 作者承认，虽然生成的分子显示出强大的 in silico（计算机模拟）一致性和结合潜力，但在考虑临床应用之前，需要广泛的实验验证。他们还指出了生成式分子设计的双重用途潜力，但并未强调超出标准伦理考量之外的具体社会风险。

总之，CURE 提供了一个稳健的、面向功能的从头药物设计框架，利用转录组扰动引导分子生成，有效解决了领域差距、数据稀疏性和逆药物设计病态性质等挑战。