上海
在当今药物研发面临高失败率与巨额成本挑战的背景下，一场由多组学技术与人工智能深度融合驱动的革命正在悄然改变游戏规则。近日，中南大学湘雅医院毛小元/刘昭前、中南大学湘雅二医院彭伟军在国际知名期刊《Signal Transduction and Targeted Therapy》发表一篇重磅综述，这两大前沿技术的结合，正以前所未有的方式加速精准药物发现，为肿瘤、神经退行性疾病、心血管疾病等复杂疾病的治疗带来全新希望。
多组学在药物发现中的应用
传统范式遇瓶颈，新工具应运而生
传统药物研发遵循的“一药一靶”模式，在应对癌症、自身免疫性疾病等涉及多分子网络交互的复杂疾病时，常常力不从心。临床失败率超过90%、平均每款新药耗资约26亿美元的现状，凸显了现有研发体系的局限性。同时，常规的二维细胞模型或基因工程小鼠也难以完全模拟人体疾病真实的微环境与异质性，导致临床前表现优异的候选药物在人体试验中折戟。为突破这一困境，科学界将目光投向了能够系统描绘生命全景的多组学技术，以及善于从海量数据中挖掘规律的人工智能。
多组学：绘制疾病的高清全景地图
多组学技术通过整合基因组学、转录组学、蛋白组学、代谢组学等多个层面的信息，为研究人员提供了理解疾病分子机制的“上帝视角”。特别是近年来飞速发展的空间组学与单细胞多组学技术，将研究精度推向了新的高度。
空间转录组学技术能在保留组织原始空间结构的前提下，以前所未有的分辨率绘制基因表达图谱，揭示肿瘤内部免疫细胞与癌细胞相互作用的“地理”信息。单细胞多组学测序则能解析成千上万个单个细胞的基因表达和染色质开放状态，精准追踪癌细胞的演化轨迹或免疫细胞的分化路径，发现那些驱动疾病进展的关键稀有细胞亚群。
人工智能：解码数据，赋能全程研发
人工智能用于药物设计
人工智能用于预测药物相互作用
面对多组学产生的天量、高维、异构数据，人工智能，特别是深度学习、图神经网络和生成式模型，成为了不可或缺的分析引擎与设计工具。
AI的强大能力贯穿药物研发全链条：
靶点发现：AI算法可整合多组学数据，构建疾病相关生物分子网络，精准定位处于核心调控节点的“可成药”靶点，甚至发现传统方法忽略的非经典靶点。
药物设计：基于结构的虚拟筛选能高效从数亿化合物中初筛候选分子。生成式AI可根据目标特性从头设计出全新的化合物分子，将设计周期从数年缩短至数十天。
药物重定位：通过比对疾病特征与已有药物对多组学数据的影响图谱，AI能快速为老药找到治疗新疾病的可能性，大幅节省研发时间与成本。
安全性预测：AI模型可提前预测候选化合物的心脏毒性、肝毒性等不良反应风险，或预警药物联合使用可能产生的相互作用，提高临床研发成功率与患者用药安全。
人工智能用于药物安全性预测
融合应用：从实验室到临床的突破
多组学与人工智能整合的药物开发案例
多组学与人工智能的整合促进精准药物临床试验设计
这种“多组学+AI”的融合模式已在多个疾病领域展现出巨大潜力：
神经疾病：AI分析多组学数据，成功将阿尔茨海默病患者分为不同分子亚型，并为各亚型推荐了潜在的特效药物组合，为实现精准分型治疗奠定基础。
癌症治疗：在胰腺癌等难治性肿瘤中，整合多组学与AI的分析，预测出TRAILR1死亡受体等新靶点，并筛选出可能激活该通路的已上市药物。AI还能通过分析肿瘤微环境的空间多组学信息，预测患者对免疫检查点抑制剂等疗法的响应，指导个性化用药。
心血管疾病：利用大规模人群的多组学数据，AI训练出的遗传评分模型，能更精准地揭示冠状动脉疾病等心血管疾病的遗传机制与新治疗靶点，如指向脂质代谢和炎症信号的关键通路。
多组学与人工智能的整合促进药物发现
挑战与未来展望
尽管前景广阔，该领域仍面临数据标准化、算法可解释性、模型泛化能力以及伦理与公平性等多重挑战。不同实验室、平台产生的多组学数据存在差异，如何有效整合是一大难题。复杂的AI模型常被视为“黑箱”，其决策逻辑不易理解，影响了在严谨的医药领域的信任度。
未来，随着因果推断算法、联邦学习、数字孪生等技术与多组学、AI更深度地结合，药物研发有望进一步从“试错”模式转向“预测与设计”模式。多组学与人工智能的这场结合，不仅正在重塑药物发现的范式，更标志着从实验室到临床的转化医学进入了一个系统性与精准性并存的新时代。
https://www.nature.com/articles/s41392-026-02631-6
免费论坛
【关于投稿】
转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！
转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。
责任声明：本稿件如有错误之处，敬请联系转化医学网客服进行修改事宜！
微信号：zhuanhuayixue
★ 5月份热门内容 ★
01
02
03
04
05
06
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
