npj Precis Onc：AI“神探”深挖癌症药物隐藏技能，老药新用不再是梦！

全球每年约有1000万人因癌症失去生命，而传统抗癌药物研发耗时超过10年、耗资数十亿美元，成功率却不足10%；在这个背景下，“老药新用”成为抗癌战场的一条捷径，但如何从成千上万种已上市药物中精准找出抗癌潜力股一直是医学界面临的巨大挑战。

日前，一篇发表在国际杂志npj Precision Oncology上题为“DeepTarget predicts anti-cancer mechanisms of action of small molecules by integrating drug and genetic screens”的研究报告中，来自美国国家癌症研究所等机构的科学家们通过研究开发了一种名为DeepTarget的人工智能系统，该系统能像“药物侦探”一样深度挖掘每种药物的隐藏靶点，从而为癌症治疗开辟全新路径。

AI如何看透药物的“多重人格”？

传统观念中，一种药物通常对应一个主要靶点，其他作用被归为“副作用”；但DeepTarget通过整合1450种药物在371种癌细胞系中的大规模筛选数据颠覆了这一认知：

（1）预测精准度超越主流工具：在8项测试中，7项表现优于包括RoseTTAFold All-Atom在内的现有最佳方法；

（2）识别“情境特异性”靶点：同一药物在不同癌细胞中可能攻击不同靶点；

（3）预测成功率显著提升：对64种已知多靶点药物的预测准确率大幅提高。

研究者Sanju Sinha博士表示，就像一个人在家是厨师，在公司是经理，药物也会在不同细胞环境中展现不同“职业身份”。

血液癌药物如何变身肺癌克星？

文章中，研究人员通过两个典型案例验证了DeepTarget的“侦探能力”：

（1）案例一：伊布替尼的“华丽转身”：这款获批用于血液癌的药物在临床试验中意外发现对部分肺癌有效，但其主要靶点BTK蛋白在肺癌细胞中并不存在；DeepTarget分析后锁定突变型EGFR蛋白才是其在肺癌中的真正标靶，实验证实：携带该突变的肺癌细胞对伊布替尼高度敏感，完美解释了临床现象。

（2）案例二：抗寄生虫药的抗癌潜力：DeepTarget预测抗寄生虫药乙胺嘧啶或会通过影响线粒体氧化磷酸化通路来杀伤癌细胞。实验验证确如其预测，这就为这款老药开辟了全新应用场景。

从“化学结构”到“细胞情境”的范式转变

与传统基于化学结构的方法不同，DeepTarget的创新在于：1）纳入细胞环境因素：考虑不同癌细胞的遗传背景；2）通路层面分析：不仅看单一靶点，更关注整个信号通路；3）开源共享：工具及1,500种癌症药物、3.3万种天然产物的预测数据全部公开。Sinha博士强调，这种方法的优势在于更贴近真实生物机制，药物在体内起作用时，细胞环境与通路效应往往比单纯的结合亲和力更重要。

预测并验证EGFR作为伊布替尼的次要作用靶点

抗癌药物的“淘宝”新时代

DeepTarget的应用前景令人振奋：1）加速老药新用：快速识别已上市药物的抗癌潜力；2）

指导联合用药：通过多靶点预测设计更有效的鸡尾酒疗法；3）个性化治疗：根据患者特定癌细胞类型选择最适药物。

目前研究人员已着手利用这一工具设计全新小分子候选药物，Sinha展望道，化学物质的潜在宝库远比我们现有筛选能力庞大。改进治疗方法不仅需要更懂生物学还需要更好的调控工具。”

每位患者的“副作用”都可能成为他人的“特效药”

这项研究传递出一个充满希望的理念，即那些被标记为“副作用”的药物效应在合适的癌症类型中可能转化为“主作用”。正如Sinha所言，如果我们把这些多靶点特性视为功能而非缺陷，就能极大拓展药物再利用的空间。对于中国而言，这个开源工具的出现尤为珍贵，其让更多科研机构能以较低成本参与抗癌药物研发从而加速本土创新药开发进程。

从“一个靶点一种药”到“多靶点精准利用”，DeepTarget代表的不仅是一项技术突破，更是抗癌思维的根本转变，它提醒我们，答案可能就藏在已有的医药宝库中，需要的只是一双更智慧的眼睛去发现。（生物谷Bioon.com）

参考文献：

Sinha, S., Sinha, N., Perales, M. et al. DeepTarget predicts anti-cancer mechanisms of action of small molecules by integrating drug and genetic screens. npj Precis. Onc. 9, 340 (2025). doi：10.1038/s41698-025-01111-4