在国内，研究人员开发出一项无需进行实验即可预测细胞与药物反应的技术。
如何将细胞状态调控到期望方向，被视为新药开发、癌症治疗以及再生医学等生命科学领域的核心课题。但要找到合适的药物和基因靶点并非易事.
此次开发的技术，像拆解和拼装乐高积木一样，对细胞与药物反应进行数学建模，从而在不进行实际实验的情况下，就能预测新的反应以及任意基因调控效果，具有重要意义。
KAIST称，生物及脑工学系研究团队在教授 Cho Gwanghyeon 的带领下，开发出一项利用生成式人工智能（AI）寻找可将细胞诱导至目标状态的药物和基因靶点的技术，并于16日予以公布。
“潜在空间（latent space）”是一种不可见的“地图（空间）”，图像生成型人工智能会在其中以数学方式整理物体或细胞的特征。
研究团队在这一空间中，将细胞状态与药物效果分别分离开来后再重新组合等，从而在不经过实验的前提下，设计出预测细胞与药物最佳组合反应的方法。
研究团队还证明，将这一原理加以扩展后，可以预测调控特定基因时会出现的变化。
研究团队利用真实数据对该技术进行了验证。验证结果显示，人工智能找出了能够将结肠癌细胞恢复到接近正常细胞状态的分子靶点，并通过细胞实验加以确认。
这意味着，新开发的技术今后不仅有望应用于癌症治疗，还有可能作为一种通用平台，用于预测尚未被学习过的多种细胞状态转变和药物反应。更重要的是，该技术并非仅停留在“某种药物有效”这一层面，而是还能揭示药物在细胞内部发挥作用的“机理”，从而进一步提升研究意义。
研究团队认为，此次研究成果有望成为一种工具，一方面用于设计将细胞改变为期望状态的方法，另一方面也可在新药开发、癌症治疗以及让受损细胞重新恢复为健康细胞的医学研究等领域得到广泛应用。
Cho 教授表示：“本研究是一个将图像生成型人工智能技术中，用于将细胞改变为期望方向的‘方向向量’概念加以应用的案例。研究团队开发的技术，可以定量分析特定药物或基因对细胞产生的影响，并作为一种通用人工智能方法，用于预测迄今尚未确认的各种反应，具有重要意义。”
此外，本次研究由 KAIST 的 Han Younghyun 博士、Kim Hyunjin 博士课程研究生以及 Lee Chunkyung 博士共同参与完成。研究结果（论文）近期已通过 Cell 出版社旗下国际学术期刊《Cell Systems》发表。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
