📄 medicine

ProToxNet: Expression-Aware Proteome-Wide Binding for Tissue-Stratified Adverse Event Prediction

ProToxNet 是一个创新的框架，它将全蛋白质组范围内的药物-蛋白质结合预测与组织特异性基因表达相结合，以准确预测已知和新药物的组织分层不良反应，并在多个基准测试中展示了强大的泛化能力和临床有效性。

原作者： Vaibhava Lakshmi Ravideshik

发布于 2026-07-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Vaibhava Lakshmi Ravideshik

原始论文采用 CC BY 4.0 许可（https://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

想象一下，你正试图预测哪些汽车会发生故障并导致事故。

目前大多数安全系统只关注汽车的引擎（药物的化学结构）。它们会说：“这个引擎有一个特定的部件看起来可能会失效。”但它们忽略了汽车是在哪里行驶的。一个在雪山上会导致撞车的部件，在阳光明媚的海滩上可能完全没问题。

ProToxNet 是一款改变游戏规则的新型计算机程序。它不再仅仅观察引擎，而是会询问：“这辆车要去哪里，以及引擎如何与那条特定的道路进行交互？”

以下是它的工作原理，分为三个简单的步骤：

1. “谁”与“何处”

药物（引擎）： 该程序研究了 4,310 种不同的药物。它预测每种药物与人体内 1,507 种不同蛋白质的“抓取”（结合）强度。你可以把它想象成检查磁铁吸附在不同类型金属上的紧密程度。
组织（道路）： 程序随后查看了一张庞大的人体地图（称为 GTEx），该地图展示了 68 个不同器官（如肝脏、心脏、肺和皮肤）中每种蛋白质的存在量。
结合： 它将这两者结合起来。如果一种药物紧紧抓住一种蛋白质，但这种蛋白质仅存在于肝脏中，那么这种药物就是“肝脏风险”。如果同一种蛋白质无处不在，那么风险就是分散的。
- 类比： 想象一把钥匙（药物）能打开特定的锁（蛋白质）。如果这把锁只在厨房（肝脏）里，那么这把钥匙就是“厨房风险”。如果锁在每个房间里，它就是“房屋风险”。ProToxNet 会精确计算出有多少“钥匙”最终进入了每个“房间”。

2. 预测引擎

一旦程序了解了每种药物的“房间风险”，它就会使用一个智能数学模型（“对角双线性模型”）来猜测可能会发生哪些坏事。

它基于一个庞大的真实世界事故报告数据库（FAERS）进行了训练，该数据库包含超过 300,000 条关于药物引起副作用的记录。
结果： 它的准确性极高。在针对从未见过的数据进行测试时，它能正确预测副作用的准确率达到了 95.7%。即使在面对它从未听闻的全新药物时，准确率仍保持在 85.4%。

3. 为什么这很重要（证据）

作者不仅声称它有效，还通过现实世界的案例证明了这一点：

肝脏测试： 他们提取了一份已知会对肝脏造成伤害的药物名单。ProToxNet 正确地识别出，与安全药物相比，这些药物具有最高的“肝脏风险”评分。这证明了其数学模型反映的是生物学事实，而非随机猜测。
“隐藏危险”测试： 他们提取了一些已获批的癌症药物（激酶抑制剂），并让计算机预测它们的副作用。计算机将实际已知的副作用（如恶心或肝损伤）排在了列表的最顶端。事实上，对于这些药物，真实的副作用出现在其所有可能预测结果的前 0.7% 中。

总结

ProToxNet 就像是药物安全的“天气预报”。它不再仅仅说“这个风暴系统很危险”，而是说“这个风暴系统对沿海城镇（肝脏）特别危险，但对山区（心脏）是安全的”。

它通过理解药物化学性质与其接触的特定组织之间的关系，帮助科学家和医生在药物到达患者之前，预见其可能在何处引发麻烦。

核心要点： 该论文声称该工具是一种“初步筛选”方法。它利用公开数据，在药物研发过程的早期阶段标记出潜在的组织特异性风险，从而帮助确定哪些药物需要更严密的安全性监测。

技术摘要：ProToxNet

问题陈述

预测哪些药物会导致特定的不良事件（AE）以及在哪些组织中发生，仍然是计算药物安全性领域中一个尚未解决的关键挑战。目前的方法通常分为两类：基于结构的方法（使用分子指纹或图神经网络）和药物警戒挖掘（从 FAERS 等数据库中提取信号）。这两者都存在一个根本性的局限性：它们将不良事件风险视为药物孤立存在的固有属性，忽略了组织特异性表达上下文。本文认为，脱靶结合事件是否会转化为临床危害，不仅取决于结合亲和力，还取决于目标蛋白在不同组织（如皮肤、肝脏、肺部）中的相对表达水平。

方法论

ProToxNet 是一个计算框架，它整合了全蛋白质组预测的药物-蛋白质结合情况与组织特异性基因表达，从而生成 68 维组织暴露谱。该流水线由三个阶段组成：

全蛋白质组结合评分（阶段 1）：
- 数据： 4,310 种药物和 1,507 个核心人类蛋白质（DrugCentral、GTEx 和 STRING 的交集）。
- 模型： 使用 ESM-1b 蛋白质语言模型的 ConPLex 变体。
- 过程： 将药物 Morgan 指纹（2048 位）和 ESM-1b 平均池化蛋白质嵌入（1280 维）投影到一个共享的 1024 维余弦相似度空间中。
- 校准： 通过已知 DrugCentral 结合对的 Platt 缩放来校准结合概率。这产生了一个结合评分矩阵 $S \in \mathbb{R}^{4310 \times 1507}$ 。
组织暴露评分（阶段 2）：
- 数据： 来自 GTEx v10 项目的 68 种人类组织的基因表达数据。
- 计算： 通过以组织特异性表达水平对结合评分进行加权来生成组织暴露向量。
- 公式： 对于药物 $d$ 和组织 $t$ ，暴露分数为：
  $e_{d,t} = \sum_{p \in P} s_{d,p} \cdot x_{p,t}$
  其中 $s_{d,p}$ 是结合评分， $x_{p,t}$ 是蛋白质 $p$ 在组织 $t$ 中的归一化表达量。
- 预处理： 结果矩阵 $E$ 按每个组织进行 z-score 标准化，以纠正批量表达量的差异，从而得到最终的特征矩阵 $\tilde{E} \in \mathbb{R}^{4310 \times 68}$ 。
不良事件预测（阶段 3）：
- 数据： 来自 FDA 不良事件报告系统（FAERS）的 302,307 个正向药物-AE 信号对（对数似然比 LLR > 0）。
- 模型： 一个对角双线性交互模型。
  - 药物编码器： 一个两层神经网络（68 → 256 → 128），包含 LayerNorm、ReLU 和 dropout。
  - AE 嵌入： 13,200 个 MedDRA 术语被映射到 64 维嵌入，并投影到 128 维。
  - 评分： 交互评分通过以下方式计算： $score(d, a) = \sum_{k=1}^{128} h_d^{(k)} \cdot W_k \cdot h_a^{(k)} + b_d + b_a$ ，其中 $W$ 是可训练的对角权重矩阵， $b$ 代表报告频率的偏置项。
- 训练： 使用 AdamW、标签平滑和余弦退火在 100 个 epoch 上进行优化。

核心贡献

表达加权表示： 引入了一种 68 维的组织参与潜力向量，该向量结合了全蛋白质组结合情况与组织表达，作为 AE 预测的药物表示。
无需图传播的性能： 证明了这种向量表示在没有在蛋白质-组织网络上进行显式图消息传递的情况下，仍能达到最先进的性能。
生物学验证： 直接验证了已知的肝毒性药物显示出比非肝毒性药物显著更高的肝脏组织参与评分。
案例研究： 成功恢复了已知激酶抑制剂的不良事件谱，其已知 AE 在 13,200 个 Med-DRA 术语中的排名在前 0.67%。

结果

模型通过多种协议进行了评估：

FAERS 对级预测： 在留出对（held-out pairs）上实现了 AUC 0.9576（95% CI: 0.9565–0.9588）。
冷启动（留出药物）： 在完全留出 244 种药物（零训练对）的情景下，模型实现了 AUC 0.8544。这证实了模型能够基于组织参与特征而非通过记忆药物身份来实现对新药的泛化。
留出 AE： 当留出 1,980 个 MedDRA 术语时，模型实现了 AUC 0.8472，展示了对未见不良事件的泛化能力。
外部验证 (CT-ADE)： 在独立的 CT-ADE 临床试验基准测试中，ProToxNet 达到了 AUC 0.9157。
生物学富集：
- 肝毒性： 已知肝毒性药物的肝脏组织暴露评分显著高于非肝毒性药物（Mann-Whitney U, $p = 0.017$ , Cliff's $\delta = 0.41$ ）。
- DILIrank 验证： “高度关注”类肝毒性药物显示的肝脏暴露量显著高于“无关注”类药物（ $p = 0.0002$ , Cliff's $\delta = 0.59$ ）。
激酶抑制剂案例研究： 八种获批激酶抑制剂的已知不良事件的中位排名为 88/13,200 个术语（前 0.67%）。例如，对于 imatinib、erlotinib 和 lapatinib，肝毒性的排名在前 1%。

意义与主张

本文声称 ProToxNet 提供了一个具有机制基础且具备组织感知能力的框架，用于不良事件预测。通过将不良事件风险的操作化定义为药物结合景观与组织特异性表达上下文的共同属性，该框架弥合了分子相互作用与器官水平毒性之间的鸿沟。

作者强调，该模型在冷启动场景（新药和新 AE）中的成功表明，组织参与潜力捕捉到了超越简单实体频率或化学结构记忆的可迁移药理学信号。该框架被呈现为一种适用于药物发现（早期筛选组织特异性毒性）和药物警戒（优先处理安全信号）的工具，作为现有基于结构和基于挖掘方法的补充。

作者承认的局限性：

由于环境兼容性问题，结合评分依赖于重新初始化的目标投影器，这意味着它们更多地反映了结构特征而非完全预训练的亲和力估计。
FAERS 数据包含报告偏差（例如，较大的患者群体会产生更多报告）。
该模型未考虑药物剂量、给药途径、患者人口统计学特征或药物相互作用。
组织富集在肝毒性方面具有统计学显著性，但在测试集中的心血管毒性或肾毒性方面则不然，这可能是由于机制特异性（例如 hERG 阻断）或样本量较小所致。