SCI CHINA INFORM SCI | AI 驱动药物研发的范式革新：从技术突破到临床转化

AI in drug development: advances in response, combination therapy, repositioning, and molecular design

期刊: SCIENCE CHINA Information Sciences 链接: https://doi.org/10.1007/s11432-024-4461-0 简介: 本文综述了人工智能在药物研发中的最新进展，重点关注药物响应预测、联合治疗、药物重定位和分子设计四个关键领域，创新点在于系统梳理了各类 AI 技术在这些领域的应用框架及协同作用。研究采用深度学习、图神经网络、生成模型等 AI 技术，结合多组学数据、药物数据库等进行建模与分析。实验中使用了 GDSC、CCLE、DrugBank 等数据集，通过多种评估指标验证了 AI 模型在提高预测准确性、优化药物组合、发现新适应症和生成有效分子结构等方面的显著效果，例如 AlphaFold 系列模型在蛋白质结构预测上的高精度，以及各类深度学习模型在药物敏感性和协同效应预测中的良好表现。该综述为 AI 在药物研发中的进一步应用提供了理论支持和实践指导，强调了跨学科合作的重要性，并指出了数据质量和模型可解释性等未来需解决的挑战。

今日向大家介绍《SCIENCE CHINA Information Sciences》最新刊发的综述文献《AI in drug development: advances in response, combination therapy, repositioning, and molecular design》。作为AI制药领域的系统性总结，该文以"技术-应用-挑战"为脉络，构建了人工智能赋能药物研发的完整知识体系。

一、药物研发的困局与AI的破局之道

传统药物研发的"四阶段困境"已成为行业共识：靶标发现的盲目性、筛选过程的低效性、临床试验的高失败率、上市后监测的滞后性。数据显示，仅临床阶段的淘汰率就高达80%，而这背后是疾病复杂性与技术局限性的双重制约：

• • 肿瘤微环境的异质性导致药物响应个体差异显著，传统预测模型准确率不足60%
• • 单药疗法难以应对多通路驱动的疾病（如阿尔茨海默病），而组合疗法的协同机制解析仍依赖经验性探索
• • 现有药物的未被挖掘适应症超过已知适应症3-5倍，但受限于数据孤岛难以系统发现
• • 化学空间的理论规模达10^60，传统高通量筛选仅能覆盖万亿分之一

该综述敏锐指出，AI技术的核心价值在于将生物学问题转化为可计算问题：通过深度学习处理高维组学数据，利用图神经网络建模分子相互作用，借助生成模型拓展化学空间探索边界。这种转化不仅提升效率，更重塑了药物研发的底层逻辑——从"试错驱动"转向"预测驱动"。

该图清晰呈现了输入数据、AI 方法与药物研发之间的协同关系和信息流。AI 整合的药物研发流程包括：准备药物属性、基因组信息等数据；通过 AI 方法提取药物或生物细胞的特征表示；将特征向量和任务标签输入机器学习或深度学习模型并优化参数；评估模型性能并验证预测结果；最终通过生物学实验或文献验证结果，同时通过可解释性分析揭示潜在生物学机制。此流程体现了数据驱动的药物研发模式，强调了各环节的协同作用。

该图清晰呈现了输入数据、AI 方法与药物研发之间的协同关系和信息流。AI 整合的药物研发流程包括：准备药物属性、基因组信息等数据；通过 AI 方法提取药物或生物细胞的特征表示；将特征向量和任务标签输入机器学习或深度学习模型并优化参数；评估模型性能并验证预测结果；最终通过生物学实验或文献验证结果，同时通过可解释性分析揭示潜在生物学机制。此流程体现了数据驱动的药物研发模式，强调了各环节的协同作用。

二、技术基石：AI如何破解药物研发的计算难题？

该图展示了药物研发中核心的人工智能方法及其架构。涵盖了深度神经网络（DNN）、生成对抗网络（GAN）、图神经网络（GNN）、循环神经网络（RNN）、Transformer、卷积神经网络（CNN）、长短期记忆网络（LSTM）、强化学习、自编码器和迁移学习等。这些架构分别适用于不同的数据类型和任务场景，例如 GNN 擅长处理分子图结构数据，Transformer 在序列数据处理中表现突出，迁移学习则在数据稀缺场景中发挥优势，为药物研发的各环节提供了技术支撑。

该图展示了药物研发中核心的人工智能方法及其架构。涵盖了深度神经网络（DNN）、生成对抗网络（GAN）、图神经网络（GNN）、循环神经网络（RNN）、Transformer、卷积神经网络（CNN）、长短期记忆网络（LSTM）、强化学习、自编码器和迁移学习等。这些架构分别适用于不同的数据类型和任务场景，例如 GNN 擅长处理分子图结构数据，Transformer 在序列数据处理中表现突出，迁移学习则在数据稀缺场景中发挥优势，为药物研发的各环节提供了技术支撑。

文章对核心AI技术的剖析颇具深度，尤其强调了"算法特性与生物学问题的匹配性"：

• • 深度神经网络（DNNs）：在处理多组学数据时，其自动特征提取能力避免了传统方法的人工偏差。如MOLI模型整合体细胞突变、拷贝数变异和基因表达数据，将药物响应预测准确率提升至78%
• • 图神经网络（GNNs）：通过原子节点与化学键边的拓扑结构建模分子，完美契合药物-靶标相互作用的空间特性。DeepCDR采用图卷积网络（GCN）处理分子图，在非小细胞肺癌药物响应预测中AUC达0.83
• • Transformer模型：自注意力机制能捕捉SMILES序列中远距离原子的相互作用，较RNNs提升约15%的特征提取效率。DeepTTA将药物SMILES分解为子结构单元，通过Transformer编码器实现跨分子结构的模式识别
• • 生成对抗网络（GANs）：通过生成器与判别器的对抗训练，能产生具有类药特性的新型分子。DRAGONFLY结合图转换神经网络与化学语言模型，生成的化合物合成可行性达82%
• • 强化学习（RL）：在分子优化阶段，通过"奖励函数"（如类药性评分、毒性预测）引导结构迭代，POLYGON模型以此实现双靶点抑制剂的成药性提升40%

特别值得关注的是多技术融合趋势：如AlphaFold 3整合扩散模型与SwiGLU激活函数，将蛋白质-配体结合预测准确率提升50%，其关键突破在于将进化信息与物理约束融入同一计算框架。

三、应用突破：AI在药物研发关键环节的实战表现

1. 药物响应预测：从群体平均到单细胞精度

综述重点分析了三代预测模型的演进：

• • 第一代：基于单一组学数据（如基因表达），如RefDNN采用ElasticNet预处理基因表达数据，在NCI-60细胞系数据集上RMSE为0.18
• • 第二代：整合多组学与药物结构数据，DeepCDR通过多子网架构处理基因组、转录组和分子图数据，在TCGA数据集上AUC达0.81
• • 第三代：单细胞水平预测，scDEAL通过迁移学习协调 bulk RNA-seq与单细胞数据，解决了稀有细胞类型的样本稀缺问题，在三阴乳腺癌患者来源类器官模型中验证准确率达73%

评估体系上，回归任务采用Pearson相关系数（PCC）与均方根误差（RMSE），分类任务则侧重AUC与F1分数，这种精细化评估确保了模型的临床适用性。

该图展示了药物敏感性预测的主要 AI 方法，及其涉及的数据、模型和评估指标。列出了 AI-DrugNet、DeepCoVDR、DeepCDR 等多种方法，涵盖回归和分类任务。回归任务使用 Pearson 相关系数（PCC）、Spearman 相关系数（SCC）等评估指标，分类任务则采用 AUC、AUPR 等。这些方法整合了药物理化性质、多组学数据等，通过不同的深度学习模型提高药物敏感性预测的准确性，为个性化治疗提供依据。

该图展示了药物敏感性预测的主要 AI 方法，及其涉及的数据、模型和评估指标。列出了 AI-DrugNet、DeepCoVDR、DeepCDR 等多种方法，涵盖回归和分类任务。回归任务使用 Pearson 相关系数（PCC）、Spearman 相关系数（SCC）等评估指标，分类任务则采用 AUC、AUPR 等。这些方法整合了药物理化性质、多组学数据等，通过不同的深度学习模型提高药物敏感性预测的准确性，为个性化治疗提供依据。

2. 药物组合优化：从经验筛选到机制驱动

该领域的突破体现在从现象预测到机制解析的跨越：

• • 多模态输入：DTSyn模型同时纳入药物SMILES、基因表达谱和蛋白质相互作用网络，协同效应预测AUPR达0.76
• • 可解释性提升：TranSynergy通过注意力权重可视化，能定位组合疗法中关键的协同通路（如BRAF与MEK抑制剂组合中的MAPK通路）
• • 临床转化：ComboFM采用高阶张量建模，在10种实体瘤细胞系中预测的37对协同组合，经实验验证阳性率达62%，远高于传统方法的35%

综述特别强调，组合疗法的AI模型必须满足剂量依赖性预测——这也是当前多数模型的短板，而MTLSynergy通过多任务学习框架初步实现了剂量-效应曲线的精准建模。

该表汇总了用于药物组合预测的代表性 AI 方法。每种方法都明确了所使用的模型（如 Transformer、GNN、多任务学习等）、输入数据（如 SMILES、基因表达、蛋白质相互作用等）、评估指标（如 AUC-ROC、PR-AUC、MSE 等）以及代码链接。这些方法通过分析药物组合的协同效应，旨在提高组合疗法的疗效、降低耐药性和副作用，为临床药物组合选择提供参考。

该表汇总了用于药物组合预测的代表性 AI 方法。每种方法都明确了所使用的模型（如 Transformer、GNN、多任务学习等）、输入数据（如 SMILES、基因表达、蛋白质相互作用等）、评估指标（如 AUC-ROC、PR-AUC、MSE 等）以及代码链接。这些方法通过分析药物组合的协同效应，旨在提高组合疗法的疗效、降低耐药性和副作用，为临床药物组合选择提供参考。

3. 药物重定位：从偶然发现到系统挖掘

文章揭示了药物重定位的三大AI策略：

• • 知识图谱推理：LAGCN在疾病-基因-药物异质网络中引入层注意力机制，新适应症预测准确率达79%，成功发现巴瑞替尼治疗特应性皮炎的新用途
• • 基因扰动匹配：DRIAD通过比对阿尔茨海默病不同病理阶段的基因表达谱与药物扰动谱，筛选出的匹莫范色林已进入Ⅱ期临床
• • 多组学整合：DeepDRK融合药物结构相似性、细胞系响应数据和通路富集分数，在COVID-19药物重定位中AUC达0.89，预测的瑞德西韦与巴瑞替尼组合已获FDA紧急使用授权

值得注意的是，该领域正从"单疾病-单药物"预测转向"多病种-多药物"全景挖掘，STRGNN通过拓扑正则化处理多模态网络，实现了跨疾病类型的药物重定位推荐。

该图呈现了药物重定位的代表性 AI 方法，涉及输入数据、模型及相关概念。输入数据包括疾病描述信息、药物 - 药物相互作用、药物 - 蛋白质相互作用等；模型涵盖线性回归、随机森林、迁移学习、图嵌入等。这些方法通过挖掘多源数据中的潜在关联，识别现有药物的新适应症，加速药物重定位进程，降低研发成本。

该图呈现了药物重定位的代表性 AI 方法，涉及输入数据、模型及相关概念。输入数据包括疾病描述信息、药物 - 药物相互作用、药物 - 蛋白质相互作用等；模型涵盖线性回归、随机森林、迁移学习、图嵌入等。这些方法通过挖掘多源数据中的潜在关联，识别现有药物的新适应症，加速药物重定位进程，降低研发成本。

4. 分子设计：从结构优化到功能定制

生成模型的突破使分子设计进入**"按需定制"时代**：

• • 1D序列生成：s4dd模型基于结构化状态空间序列（S4）模型，生成的抗菌肽MIC值（最小抑菌浓度）较传统设计降低2-4倍
• • 2D分子图生成：DeepBlock采用模块化生成策略，先构建分子片段再组装完整结构，生成化合物的类药性评分（QED）达0.85
• • 3D结构生成：GEOM-CVAE通过蛋白质约束条件生成的抑制剂，与靶标结合能垒降低12 kcal/mol，体外活性提升1个数量级
• • 多靶点设计：Multitarget-ligands采用迁移学习，在激酶家族交叉反应预测中准确率达83%，解决了传统多靶点药物的脱靶问题

综述特别指出，生成模型与实验验证的闭环是关键——如PGMG模型生成的300个化合物经虚拟筛选和湿实验验证，23个具有显著生物活性（命中率7.7%），远高于传统方法的0.1-0.5%。

该表总结了药物分子生成的各类方法，按分子表示维度（1D、2D、3D）分类。1D 方法基于 SMILES 字符串，如 DrugLLM、TransGEM 等，多采用 Transformer、VAE 等模型；2D 方法基于分子图，如 CRAG、DRAGONFLY 等，常使用 GNN；3D 方法关注分子三维结构，如 GEOM-CVAE、PMDM 等，结合了几何特征和扩散模型。这些方法旨在设计具有特定生物活性和理化性质的新型化合物，拓展潜在治疗药物的化学空间。

该表总结了药物分子生成的各类方法，按分子表示维度（1D、2D、3D）分类。1D 方法基于 SMILES 字符串，如 DrugLLM、TransGEM 等，多采用 Transformer、VAE 等模型；2D 方法基于分子图，如 CRAG、DRAGONFLY 等，常使用 GNN；3D 方法关注分子三维结构，如 GEOM-CVAE、PMDM 等，结合了几何特征和扩散模型。这些方法旨在设计具有特定生物活性和理化性质的新型化合物，拓展潜在治疗药物的化学空间。

四、挑战与展望：AI药物研发的下一个十年

该综述并未回避行业痛点，而是直面三大核心挑战：

1. 1. 数据质量瓶颈：多中心临床数据的异质性（如不同测序平台的批次效应）导致模型泛化性下降，需建立跨机构的数据标准化框架
2. 2. 模型可解释性：黑箱模型难以满足监管要求，注意力机制、因果推断等可解释AI技术的融合势在必行
3. 3. 生物学复杂性：细胞微环境、表观遗传调控等动态因素尚未被充分建模，需发展时空多尺度预测框架

未来方向上，文章提出**"四个融合"**：多模态数据融合（如空间转录组与电镜图像）、多尺度模型融合（从分子动力学到系统药理学）、跨学科知识融合（AI与结构生物学）、产学研资源融合（建立开源药物研发平台）。这些方向不仅是技术趋势，更可能催生药物研发的新商业模式。

结语

这篇综述的价值不仅在于系统梳理，更在于构建了AI药物研发的"问题-技术-应用"逻辑闭环。它提醒我们：AI不是替代实验科学，而是通过计算洞察力缩小实验探索范围——从"大海捞针"到"定向捕捞"。对于从事药物研发的同仁而言，理解这些技术进展不仅能提升工作效率，更能帮助我们在这个变革时代找准研究定位。

(●'◡'●) 需要进一步讨论的同学欢迎留言交流！