Inverse design of chemical perturbations for desired cellular state transitions with GEMGen
该论文介绍了 GEMGen，这是一个基于大语言模型的框架，通过生成能够诱导期望细胞状态转变的新型化学结构来解决扰动生物学中的逆向设计问题，并成功在动物模型中鉴定并验证了强效抗纤维化化合物。
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
长期以来，科学家们一直试图理解如何操控生命的机器。细胞并非静态的；它们是动态系统，可以根据各种信号从健康状态转变为疾病状态，或从静息状态转变为活跃状态。几十年来，研究人员通过观察在用特定的化学或遗传手段“轻推”细胞后会发生什么，来绘制这些转变的图谱。这种前向方法——施加变化并观察结果——取得了巨大的成功，创建了庞大的数据库，告诉我们细胞对成千上万种不同物质的反应。然而，一个更困难的挑战仍然存在：逆向工作。如果研究人员确切知道细胞应如何变化才能恢复健康，他们能否找到或创造出能强制实现这种变化的特定化学物质？这就是逆向设计问题，即从一个期望的结果出发，向后追溯以发现实现该结果的工具。
一支研究团队现在利用一种名为 GEMGen 的新型人工智能框架应对了这一挑战。GEMGen 并非简单地扫描现有的化学物质列表以查看哪些可能有效，而是学习发明新的化学物质。研究人员在将化学化合物与其引起的细胞遗传活动特定变化联系起来的海量数据上训练了该模型。在这种语境下，遗传活动是指细胞内成千上万个被开启或关闭的基因，这些基因创造了一个定义细胞状态的独特特征。该模型学会了不将这些特征视为复杂的数字，而是将其视为有序的基因列表，就像阅读一套指令一样。然后，它学会了将这些指令转化为能够产生预期效果的分子化学结构。
这种方法的强大之处在于其超越已知领域的能力。传统的药物研发通常涉及测试数百万种现有化学物质，希望能找到匹配项。相比之下，GEMGen 从头开始生成全新的分子结构。在一系列测试中，该系统被要求寻找能够逆转特定遗传变化的化学物质。当给定一种已知药物的遗传特征时，该模型成功生成了与原始药物结构相似的新分子。更令人印象深刻的是，它还找到了化学结构不同但通过相同生物机制发挥作用的分子。这表明该系统学习了化学物质如何影响细胞的底层逻辑，而不仅仅是记忆已知的配对列表。
为了确保这些计算机生成的想法不仅仅是理论上的，研究人员转向了实验室。他们首先在涉及人体压力反应的遗传通路上了测试该系统。模型接收了一个特定保护性基因被关闭的细胞遗传特征。它提出了一个新化学物质列表，旨在恢复该基因的活性。在候选名单中，研究人员选择了一种名为 flavokawain C 的分子，此前该分子并不为人知能激活这一特定通路。当他们在人类细胞中进行测试时，该分子成功开启了保护性基因，证实了人工智能正确识别出了功能性解决方案。
最重大的测试涉及一种名为纤维化的疾病，这是一种健康组织变得瘢痕化和僵硬的状况，通常会导致器官衰竭。研究人员将期望的结果定义为回归到健康的、无瘢痕的状态。他们要求 GEMGen 设计能够逆转纤维化遗传特征的化学物质。该系统生成了一个候选名单，其中包括一些对科学界而言完全陌生的物质。团队从头开始合成并制造了其中十七种新型分子。在细胞实验中，其中八种成功减少了瘢痕标记，对于新化学物质的发现而言，这是一个极高的成功率。
其中一种新分子，名为 GEMGen-010，被选中进行进一步研究。研究人员在诱发肝纤维化的小鼠身上测试了它。治疗每天进行一次，持续两周。结果显示，肝脏组织的瘢痕明显减少。接受治疗的小鼠血液中的肝损伤标志物水平降低，并表现出与纤维化相关的遗传变化得到了逆转。至关重要的是，该分子在最初生成后并未经过任何修改或优化；它完全按照人工智能设计的方案发挥了作用。
这项工作证明，利用人工智能设计出的化学干预措施不仅是现有药物的变体，而且是能够产生特定生物学结果的全新结构。通过将细胞的期望状态视为一套指令，该系统可以穿越极其广阔的可能化学结构空间，去寻找从未见过的解决方案。虽然这项研究侧重于肝纤维化和压力反应等特定情况，但该方法为医学指明了一条新路径：即先定义目标，再发明与之相匹配的工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。