🧬 biology

TDEP: Predicting Target Perturbation Response from Drug-Induced Transcriptomes

TDEP 是一个利用蛋白质语言模型嵌入和图注意力网络来从药物诱导的谱图中准确预测全转录组靶点扰动响应的深度神经网络，其准确性可与基于结构的方法相媲美，同时为靶点优先级排序和药物重定位提供详细的基因层面机制见解。

原作者： Jieun Sung, Sookyung Kim, Wankyu Kim

发布于 2026-09-04

📖 1 分钟阅读☕ 轻松阅读

原作者： Jieun Sung, Sookyung Kim, Wankyu Kim

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

寻找适配生物锁的正确钥匙是现代药物研发的核心挑战。科学家们早已知晓，药物是通过附着在体内特定的蛋白质上起作用的，就像钥匙契合锁头一样。如果钥匙契合，它就能转动锁头，从而停止疾病或开启愈合过程。几十年来，研究人员一直尝试通过两种主要策略来预测这些匹配。一种方法观察分子的物理形状，试图看它们是否像拼图碎片一样契合。另一种方法则观察化学层面的后续影响，即观察在引入药物后，细胞内部的指令是如何变化的。虽然基于形状的方法擅长猜测是否会发生匹配，但它们往往无法解释接下来会发生什么。而化学方法虽然能展示后果，却难以精准定位究竟是哪种蛋白质引起了变化，常常迷失在细胞复杂反应的噪声之中。

韩国梨花女子大学的一个研究团队开发了一种弥补这一差距的新方法。他们创建了一个名为 TDEP 的系统，全称为“靶点扰动差异表达谱”（Target-perturbed Differential Expression Profile）。TDEP 不仅仅是预测药物是否会粘附在蛋白质上，它还能预测该蛋白质会在整个细胞指令手册（即转录组）中产生的特定连锁反应。想象一下，细胞是一个巨大的图书馆，其中的每一本书都是一个基因。当药物作用于目标蛋白质时，它不仅仅是让一本书失声，而是改变了其他成千上万本书的阅读顺序。TDEP 学习如何解读图书馆对药物的反应，然后反向推导，精确预测最初引起这种扰动的蛋白质究竟是哪一个。这使得科学家们不仅能找到匹配项，还能理解随之而来的生物学故事。

研究人员通过教计算机识别海量生物数据中的模式来构建该系统。他们从一个名为“连通图谱”（Connectivity Map）的公共数据库中，收集了大量的药物诱导基因活性变化数据。该数据库包含了超过一百万个关于不同细胞对各种化学物质反应的快照。团队将这些化学快照与药物预期作用的目标蛋白质的遗传序列配对。他们使用了一种能够理解蛋白质序列的类人工智能技术（类似于语言模型理解句子），来表示目标蛋白质。随后，他们训练该系统将特定的蛋白质与它产生的独特的基因变化模式联系起来。该系统并不仅仅回答“是”或“否”的相互作用问题，而是生成一张详细的地图，展示如果阻断该特定蛋白质，细胞的基因将会如何上升或下降。

当团队将新系统与现有方法进行对比测试时，结果令人瞩目。他们将 TDEP 与依赖分子形状的旧模型，以及依赖人工沉默基因实验的遗传数据模型进行了比较。在针对系统从未见过的药物进行的测试中，TDEP 在正确识别相互作用方面的 AUC（曲线下面积）达到了 0.87。这一表现与目前被视为金标准的最佳形状模型相当，并且显著优于那些难以达到 0.6 AUC 的旧遗传方法。研究人员发现，该系统非常擅长从给定的数据中学习，避免了仅仅死记硬背答案的常见陷阱。它学会了识别连接蛋白质与其细胞后果之间的底层生物学逻辑。

其中最重要的发现之一是该系统如何处理不同类型的未知情况。研究人员在两种场景下测试了该模型：一种是药物是新的但蛋白质是已知的，另一种是蛋白质是全新的。他们发现系统使用两种不同的工具来解决这些问题。当蛋白质已知时，系统依靠其学到的详细基因变化图谱来预测结果；当蛋白质是新蛋白质时，系统则依靠对该蛋白质遗传序列的深度理解来进行合理的推测。这种双重方法使系统具有鲁棒性，无论遇到的是新药还是新靶点，都能表现良好。此外，该系统还展示了其跨不同类型细胞进行知识迁移的能力。一个在一种癌症细胞上训练的模型，在应用于另一种癌症细胞时仍能做出准确预测，这表明这些蛋白质如何影响基因的基本规则在不同的生物背景下是共享的。

团队还仔细检查了该系统是在真正学习生物学逻辑，还是仅仅在寻找捷径。他们检查了系统预测的在阻断目标时会发生变化的特定基因，并将其与来自其他实验的真实世界数据进行了对比。他们发现两者之间存在高度一致性。例如，当系统预测阻断特定心脏相关蛋白质的效果时，它标记出的最可能发生变化的基因，与在独立实验中移除该蛋白质后实际发生变化的基因相吻合。这表明该系统捕捉到的是真实的生物信号，而非仅仅是统计噪声。研究人员指出，虽然预测并非完美且效应值有时较小，但能够生成关于药物作用的基因水平解释，是向前迈出的重要一步。它提供了一种生成关于药物如何起作用的假设的方法，而这些假设随后可以在实验室中进行验证。

尽管取得了这些成功，研究人员也谨慎地指出了这项工作的局限性。该系统目前依赖于特定癌症细胞系和已在公共数据库中进行过分析的药物数据。它尚无法预测从未在实验室中测试过的全新化学结构的效应。此外，该系统预测药物是否会与靶点相互作用，但并不测量它们的结合强度。研究人员还承认，他们使用的生物数据来自于特定的技术，如果应用于不同的测量平台，结果可能会有所不同。然而，核心成就依然在于：他们证明了高精度地预测通过特定蛋白质靶向所产生的详细转录后果是可能的。

这项工作为我们接近药物研发的方式提供了新的视角。通过超越简单的“是/否”预测，TDEP 为观察作用机制提供了一个窗口。它允许科学家通过观察预测的特定基因变化模式，来预见药物潜在的副作用或治疗益处。研究人员认为，这种方法可以帮助确定哪些药物靶点值得追求，产生关于现有药物如何发挥作用的新想法，甚至有助于发现旧药的新用途。随着生物数据库的不断扩大以及人工智能模型的日益精进，这种将蛋白质靶点与其完整细胞后果联系起来的方法，可能会成为理解和治疗疾病过程中的标准工具。这项研究作为一个概念验证，证明了将遗传序列与细胞反应数据相结合，可以产生单一方法无法实现的洞察力。

技术摘要：TDEP —— 从药物诱导的转录组预测靶点扰动响应

问题陈述
准确预测药物-靶点相互作用（DTI）对于药物研发至关重要，然而现有方法在准确性与生物学可解释性之间面临显著的权衡。

基于结构的方法（如 MolTrans、GraphDTA、DrugBAN）利用分子结构和蛋白质序列来实现高预测准确性，但对于靶点结合后的生物学后果提供的见解有限，仅提供二元相互作用标签，缺乏基因层面的机制上下文。
基于组学的方法（如 ssGCN、FRoGS）利用来自连接图谱（Connectivity Map, CMAP）的转录组数据来推断 DTI 及其扰动特征。然而，这些方法通常依赖于短发夹 RNA（shRNA）敲降谱作为靶蛋白的直接表示。这引入了对脱靶噪声的敏感性，因为 shRNA 种子序列可能会主导表达特征。此外，与基于结构的模型类似，它们通常仅产生二元 DTI 预测，缺乏关于特定靶点抑制如何改变转录组的功能可解释性。

方法论：TDEP 架构
作者引入了 TDEP（靶点扰动差异表达谱），这是一种旨在预测靶点抑制引起的全转录组响应的深度神经网络。TDEP 通过结合蛋白质序列嵌入与药物诱导的转录组数据，处于基于结构的方法与基于组学的方法之间的中间位置。

该模型由两个主要模块组成：

蛋白质语言模型 (PLM) 编码器： 使用预训练的 PLM（Gene2Vec、ProtBERT 或 ESM2）将靶蛋白的氨基酸序列嵌入为固定维度的向量 ( $x$ )。这些 PLM 的权重在训练期间是冻结的。
扰动谱生成器 (PPG)： 该模块将蛋白质嵌入转换为预测的差异表达谱 ( $P \in \mathbb{R}^G$ $P \in R^{G}$ ，其中 $G=10,086$ $G = 10, 086$ 个基因)。它分两个阶段运行：
- PPG1： 全连接层将蛋白质嵌入映射为初始基因得分向量 ( $z$ )。
- PPG2： 多头图注意力网络 (GAT) 在 STRING 共表达网络上运行。此阶段通过允许连接基因之间的信息交换（邻居聚合）并同时通过自连接更新孤立基因，来优化基因得分。

训练与目标函数：
模型在来自 LINCS 连接图谱 (CMKAP) 的药物诱导转录组数据上进行训练。对于给定的药物-靶点对，模型计算预测谱 $P$ 与观测到的药物诱导谱 $D$ 之间的加权相似度得分 ( $S_{total}$ )。该得分结合了加权点积（强调强烈扰动的基因）和皮尔逊相关系数组件（捕捉方向一致性）。模型使用二元交叉熵损失进行优化，以区分结合药物与非结合药物，从而有效地学习预测与药物观测效应相一致的特定靶点扰动转录特征。

核心贡献

基因级输出： 不同于仅输出二元标签的传统 DTI 模型，TDEP 生成针对特定靶点抑制的全转录组扰动谱。这为机制解释和靶点优先级排序提供了基础。
混合架构： 通过整合蛋白质序列嵌入（通过 PLM）与药物诱导的表达谱，TDEP 避免了基于 shRNA 的组学方法中固有的脱靶噪声，同时保留了转录组数据的生物学背景。
全面评估： 本研究包含了严格的消融实验、跨细胞系迁移性测试，以及针对新发布的 BindingDB 条目和共识差异表达基因 (DEGs) 的外部验证。

结果

基准性能： 在未见药物（unseen-drug）基准测试中，TDEP（特别是 ESM2 变体）实现了 0.873 的平均 AUROC。这一表现与领先的基于结构的基准模型（DrugBAN: 0.848; GraphDTA: 0.828）相当，并显著优于基于组学的基准模型（ssGCN: 0.593; FRoGS: 0.524）。
消融分析：
- 在未见药物设置下（靶点在训练期间已见），PPG2（图注意力）模块是性能的主要驱动力；移除该模块会导致 AUROC 显著下降。
- 在未见靶点设置下（靶点是新颖的），PLM（序列编码器）对于泛化能力变得至关重要，而 PPG2 模块的贡献减弱，这表明源自序列的先验知识对于分布外靶点预测是必不可少的。
跨细胞系迁移性： TDEP 展示了强大的跨细胞系迁移能力。多细胞系集成预测（根据基础转录组相似性进行加权）实现了最高的平均 AUROC (0.910)，略高于同细胞系预测 (0.899)，这主要是由于方差减少和有效的训练集扩展。
机制解释： 对特定靶点（如 KCNH2）的共识 DEGs 的分析表明，TDEP 预测的谱图与这些靶点的观测药物诱导变化高度一致。共识基因的 TDEP 预测值与观测谱之间的余弦相似度显著高于随机基准，表明模型能够从异质性的多靶点药物响应中恢复出靶点特异性的转录信号。
生物学验证： 预测的谱图在对应的 shRNA 敲降特征中显示出富集，并与 PROTAC 诱导的表达变化相关，为输出结果的生物学相关性提供了支持证据。

意义与主张
论文声称 TDEP 成功弥合了基于结构的方法的高准确性与基于组学的方法的生物学可解释性之间的鸿沟。通过预测靶点级的扰动谱，TDEP 实现了：

靶点优先级排序： 识别那些其预测抑制作用与疾病相关转录状态相反的靶点。
机制假设生成： 将单个靶点与通路水平的表达变化联系起来，以阐明模糊的作用模式。
药物重定位： 利用预测的特征来匹配具有治疗潜力的化合物。

作者承认了局限性，包括受限于 CMAP 配体和癌症细胞系、依赖于二元相互作用标签而非结合亲和力，以及模型是在未明确解离单个靶点贡献的多靶点药物上进行训练的。然而，他们认为 TDEP 是对组学信息驱动、具有可解释性的转录组规模 DTI 预测的一次概念验证，随着扰动图谱的扩展，它为具有生物学依据的药物研发奠定了基础。

技术摘要：TDEP —— 从药物诱导的转录组预测靶点扰动响应

类似论文