Interpretable tissue-resolved drug toxicity prediction with pathway-level mechanism attribution

想象一下你是一位试图创造完美新菜品的厨师。你有一份食谱（药物），还有一个厨房（人体）。问题在于，人体不仅仅是一个巨大的厨房，它是一个由不同街区组成的城市，每个街区都有其独特的规则、原料和敏感性。一种可能让“肝脏区”热火朝天的香料，可能会让“心脏区”崩溃，而“大脑区”甚至察觉不到。几十年来，科学家们一直难以预测一种新药会在人体内的哪些街区造成破坏。通常，他们只是根据药物的化学结构进行猜测，却忽略了“位置”与“成分”同样重要的事实。这就是药物毒性的核心：不仅要弄清楚一种药物是否危险，还要弄清楚它可能在体内的哪里造成麻烦，以及为什么。

于是有了 ToxiPred，一种由挪威科学技术大学和赫尔辛基大学的研究人员开发的全新数字侦探。你可以把 ToxiPred 想象成一个超级智能的双塔机器人，它不仅观察药物的化学形状，还研究人体每个组织的“个性”。这个机器人有一个特别的技巧：它强迫药物与组织在一条由 70 条特定“通路”（类似于我们细胞内部的生物装配线）组成的狭窄走廊中相遇。这条走廊充当了一个翻译器，揭示了特定药物是如何干扰特定组织的机械运作的。如果机器人预测某种药物会伤害心脏，它不会只说“危险！”，而是会指着某个地方说：“它正在干扰心脏细胞里的胆固醇工厂。”

研究团队在数千种药物上测试了这个机器人，其中包括一些它从未见过的药物。他们发现 ToxiPred 在识别问题方面表现得惊人地出色。当他们针对已知的有毒药物进行检查时，对于肝脏问题，它的正确识别率约为 85%；对于一般的临床试验失败，准确率约为 73%。但真正的奇迹发生在他们测试精神类药物（如喹硫酮和舍曲林）时。机器人预测这些药物会对心脏造成压力，特别是通过干扰脂质（脂肪）和胆固醇通路。为了证明这不仅仅是计算机的幻觉，科学家们在实验室里培育了人类心脏、大脑和视网膜的微型活体“类器官”（organoids）。当他们向这些微型器官中加入药物时，微型心脏停止了跳动，并显示出了与机器人预测完全一致的脂肪相关应激信号。

这并不是一个能取代所有安全性测试的魔杖，而是一把强大的新手电筒。它表明，通过理解药物在不同组织中针对的特定生物通路，我们可以优先筛选出哪些药物需要额外的安全检查，以及哪些药物很可能是安全的。它将盲目的猜测转变为有针对性的调查，有望节省时间、金钱，最重要的是，保障患者的安全。

双塔机器人的故事

问题：“一刀切”的错误
想象你有一把钥匙（药物）和一堆不同的锁（如肝脏、心脏和大脑等组织）。长期以来，科学家试图仅通过观察钥匙齿的形状来预测钥匙是否会损坏锁。他们往往忽略了这样一个事实：有些锁是由脆玻璃制成的（敏感组织），而有些锁是由钢制成的（强韧组织）。如果一把钥匙完美契合一把钢锁，它可能会震碎玻璃锁。旧的计算机模型就是这样：它们只给出一个关于“这种药物是否有毒”的单一评分，却没告诉你身体的哪个部分会受损，或者它是如何发生的。

解决方案：ToxiPred 的双塔结构
研究人员构建了 ToxiPred，这是一个神经网络（一种类型的计算机大脑），其工作原理就像一个高科技的媒人服务。它有两个主要塔楼：

1. 药物塔： 该塔观察药物的化学结构、其已知靶点以及它如何改变细胞内的基因活动。
2. 组织塔： 该塔研究不同组织的特定“氛围”，观察哪些基因在活跃，以及哪些基因对肝脏、心脏、大脑等的生存至关重要。

这两座塔在中间的一个“瓶颈”处汇合——这是一个拥有正好 70 条通路 的狭窄走廊。把这些通路想象成工厂里的 70 条不同的装配线。机器人强迫药物和组织仅通过这 70 条线路进行交互。如果药物堵塞了“心脏工厂”里的“胆固醇装配线”，机器人会立即发现。这种设计至关重要，因为它不仅预测一个数字，它还能解释其机制。它会告诉你：“这种药物对心脏有毒，是因为它堵塞了胆固醇生产线。”

训练：向过去学习
为了教导机器人，科学家向它输入了来自公共数据库的 9,275 种不同药物与组织组合的数据。他们教它预测一个“药物敏感性评分”（称为 DSStox），分值为 0 到 50：

• 0–3.0： 药物可能安全（低风险）。
• 3.0–5.0： 药物处于“可能”区间（边缘状态）。
• 5.0+： 药物可能危险（高风险）。

他们使用“药物不相交”（drug-disjoint）的方法在从未见过的药物上测试了机器人。这意味着他们在训练期间隐藏了整个化学结构家族，并要求机器人对全新的形状进行预测。机器人的相关性达到了 0.73，对于如此复杂的任务来说，这是一个非常高的分数。

现实世界测试：抗感染挑战
首先，他们测试了 93 种抗感染药物（抗生素和抗病毒药物）。这些药物的设计目的是杀死细菌或病毒，而不是人类细胞。机器人正确预测了这些药物对人类组织具有低毒性（评分低于 3.0），同时标记了一些已知对人类细胞有毒的参考药物。当他们在实验室中对 六种不同的人类组织系统（肺、肝、肠、肾、胰腺和乳腺）进行测试时，机器人的预测结果与现实世界的实验结果高度吻合，相关性在 0.78 到 0.84 之间。这证明了机器人并非在瞎猜；它理解了杀死病原体与伤害人类之间的区别。

深度探索：精神类药物之谜
故事中最令人兴奋的部分涉及 91 种精神类药物（用于治疗心理疾病的药物，如抗抑郁药和抗精神病药）。其中约 98% 的药物对机器人来说都是全新的；它从未见过它们的化学结构。机器人扫描了这些药物，并将包括 喹硫酮 和 舍曲林 在内的几种药物标记为具有高毒性风险，特别是指向了 脂质和胆固醇通路。

为了验证机器人是否正确，科学家在培养皿中培育了 人类类器官（人类器官的 3D 微缩版）。他们使用了：

• 前脑类器官
• 心脏类器官
• 视网膜类器官

他们用这些药物处理这些微型器官并观察发生了什么。

• 心脏测试： 当加入 喹硫酮 和 舍曲林 时，微型心脏类器官在浓度为 20 µM 时停止了跳动。这是一个巨大的警示信号，与机器人的预测完全吻合。
• 分子测试： 他们提取了心脏细胞内的基因快照。他们发现 舍曲林 和 喹硫酮 激活了与 胆固醇生物合成 和 脂质代谢 相关的基因。这与机器人的“通路归因”完美匹配。
• 对比： 另一种药物 阿立哌唑 则显示出不同的模式，影响的是肌肉发育基因。这表明机器人能够区分不同类型的毒性，而不只是给出一个通用的“坏”评分。

多组学后续研究
为了进一步深入，研究人员详细研究了 喹硫酮。他们使用了一个巧妙的技巧：他们用视黄酸（一种已知的应激因子）处理类器官，然后加入喹硫酮。这有助于隔离出喹硫酮的具体作用。他们发现喹硫酮抑制了与 脂蛋白转运 和 胆固醇稳态 相关的基因。他们还观察了代谢物（微小的化学构建模块），发现 延胡索酸、苹果酸 和 酰基肉碱 发生了变化，这表明该药物正在干扰细胞处理能量和脂肪的方式。

这意味着什么
论文结论指出，ToxiPred 是一个用于 优先级排序 的强大工具。它不是一个能保证绝对安全的预言机，但它是一个非常有效的过滤器。它可以从成千上万种新药清单中筛选出：“先检查这些药物；它们看起来可能会堵塞心脏里的胆固醇工厂。”

研究人员谨慎地指出，这是一种 机制引导的框架，而非临床试验的替代品。类器官是简化的模型，且数据来自可能无法完美模拟完整人体生理过程的细胞系。然而，事实是，机器人关于 通路（如胆固醇）的预测与活体人类细胞中的实际生物学变化相匹配，这是一个巨大的进步。这表明我们现在可以在药物真正给到患者之前，从询问“这种药物是否有毒？”转向询问“这种药物是如何、在哪里以及为什么产生毒性的？”

最后，ToxiPred 就像是一个既能说“化学语”又能说“生物语”的翻译官。通过强迫这两种语言在 70 条通路的狭窄走廊中相遇，它揭示了药物与人体相互作用的隐藏故事，为开发更安全的药物提供了一条更清晰、更充满希望的路径。