Shift Bioscience研究证实AI虚拟细胞可用于药物靶点发现#AI虚拟细胞 #药物靶点发现 #ShiftBioscience #遗传扰动模型 #纤维化 #衰老相关疾病 #NatureBiotechnology #深度学习 #转录组Brendan Swain, Ph.D.英格兰剑桥讯——Shift Bioscience在Nature Biotechnology发表了新研究介绍用于评估基于深度学习的遗传扰动模型的改进框架该模型属于AI虚拟细胞的类用于预测细胞对基因改变的应答。这家生物技术公司表示该框架将支撑大规模实验室筛选与计算筛选用于挖掘细胞复壮以及衰老相关疾病的潜在治疗靶点初期研究重点为纤维化。遗传扰动模型用于预测基因激活或抑制时的转录组应答。这类模型理论上可实现大规模虚拟靶点筛选但过往研究对其可靠性提出过质疑。Shift表示其新框架能够考虑数据集内的生物学信号与技术信号从而对模型性能实现更精准的评估。该研究发现部分此前报道的模型性能不佳现象可能源自基准评测指标校准不足这类指标对模型的真实提升并不敏感。Shift计划将该框架应用于大规模体外与计算机模拟筛选挖掘可同时用于细胞复壮及衰老相关疾病治疗的抑制靶点。该研究建立在SB‑101该公司首个双重功能靶点的发现基础之上。后续筛选将优先聚焦纤维化纤维化与衰老及多种慢性疾病相关。Shift Bioscience首席科学官、创始人Brendan Swain, Ph.D.表示「研究结果表明经过良好校准的评测指标搭配合适数据集能够帮助虚拟细胞模型产出具备生物学意义的研究结论。」他称公司正将这套框架直接用于靶点识别项目以期发掘适用于细胞复壮和衰老相关疾病的潜在疗法。详细总结思维导图核心信息参考Shift Bioscience Study Supports AI Virtual Cells for Drug Target Discoveryhttps://bostonlifesciencestimes.com/2026/10/shift-bioscience-study-supports-ai-virtual-cells-for-drug-target-discovery/注AI辅助创作如有不当欢迎指出。内容仅供参考不构成任何建议。