在确认靶点之后，可以通过药化方法或人工智能的方法，找到针对该靶点的化合物或者老药新用的策略等。
借助本次成果，有望针对恶性胶质瘤患者开拓更安全、更高效的临床治疗方案或药物。
图 | 任梓铭（来源：任梓铭）
日前，干系论文以《利用 PandaOmics 识别与朽迈和多形性胶质母细胞瘤有关的双重用场治疗靶点——一种支持 AI 的生物靶点创造平台》（Identification of dual-purpose therapeutic targets implicated in aging and glioblastoma multiforme using PandaOmics - an AI-enabled biological target discovery platform）为题发在 Aging 上[1]。
图 | 干系论文（来源：Aging）
英国七橡树公学高中生安德里亚·奥尔森（Andrea Olsen）、美国劳德代尔堡潘凯斯特学校高中生 Zachary Harpaz、以及任梓铭等人担当论文作者。
任梓铭表示：“Andrea、Zach 和我是陆续加入这个项目的。这个项目最初是 Andrea 在参加朽迈研究与药物创造大会时首次提出的。那是 Andrea 第二次、Zach 第一次参加大会，他们都是高中生，也都是我的同龄人。”
在那次大会的视频直播中，任梓铭看到他们在哥本哈根大学的礼堂里，向生命科学领域的创业者和研究者分享他们在胶质母细胞瘤治疗项目上的研究思路。
任梓铭说：“这些高朋中既有朽迈生物学研究领域的高被引学者，也有来自药企、抗朽迈公司、AI 公司等后起之秀的专家。台下的高朋并没有由于他们的年事而轻视他们，而是在问答中提出不少宝贵见地，这种以科学为本的互换深深吸引着我。后来，我们建立了联系并开展了本次互助。”
很多人都知道，癌症和年事之间有着明显的联系。那么，年轻患者和老年患者之间是否存在不同的疾病驱动基因？带着这个疑问，他们确立了研究胶质母细胞瘤（GBM，glioblastoma multiforme）的课题。
GBM 是一种常见的神经系统恶性肿瘤，其病因尚不清楚。但是，大部分患者的发病年事在 45-75 岁之间，因此年事肯定是影响成分之一。
GBM 具有高度恶性、成长快、病程短等特点，随着病情加重患者会涌现头痛、呕吐、意识障碍、措辞障碍等症状，多数患者会在确诊之后的两年内去世亡。
基于此，该团队将研究目标设定为如下两个方向：
一方面，有些药物靶点是匆匆朽迈的，而有些药物靶点是抗朽迈的，因此他们希望找到一种既对疾病有效、又能抗朽迈的药物靶点，从而实现临床效益的提升；
另一方面，目前大部分的 GBM 治疗方案，都是在不考虑患者年事下开拓的。而他们希望找到一种针对老年人群有浸染的药物靶点，转变老年患者临床决策过程不理想的局势。
确立课题之后，第一步便是网络数据。在 AI 驱动的靶点创造过程中，数据的数量和质量都非常主要。在英矽智能科研团队的辅导下，任梓铭和互助者从美国国家生物技能信息中央等多个公开数据库，网络到 29 项不同类型的数据，涵盖 RNA 测序/微阵列、甲基化和蛋白质组学数据等。
在网络数据的同时，他们谈论了不同的剖析策略，希望在多个维度上验证结果的有效性。剖析之后，他们确定了三种剖析策略：将生存数据、表达水平差异、以及与朽迈干系的基因信息展开交叉比对。
然后，他们利用 PandaOmics 人工智能靶点识别引擎，对在交叉比拟之后创造的靶点进行排名，并优先考虑最有潜力的疾病靶点。
（来源：资料图）
通过以上流程，他们提出了三个潜在的全新双效治疗靶点：CNGA3、GLUD1、SIRT1，并创造这些靶点在用于治疗脑胶质母细胞瘤的同时还可以对抗朽迈。
接着通过查阅文献信息，他们又对这三个靶点的机制展开探索。结果创造在脑胶质母细胞瘤患者中：
CNGA3 与年事有着显著正干系的基因表达水平, CNGA3 的高表达与 GBM 的不良生存率有关，它编码的是一个离子通道，在神经系统的功能中起着至关主要的浸染；
GLUD1 与年事也有着显著负干系的基因表达水平, 并且 GLUD1 的低表达与不良预后有关，在神经组织中 GLUD1 还会参与学习和影象形成；
SIRT1 则是朽迈课题中被研究得最多的基因之一，激活 SIRT1 就可以抗朽迈，而 SIRT1 的小分子激活剂也可以通过勾引自噬和线粒体自噬，在体外和体内对 GBM 表现出治疗潜力。
对付研究中的文献搜索和比对，任梓铭表示：“我们网络到了一个潜在的靶点池，通过干系文献和资料的搜索和整合，也让我们更透彻地理解了这些靶点的信息、以及和恶性胶质瘤的关联性。”
任梓铭说：“全体研究过程让我认识到了科学研究的多样性。在我们研究关于恶性胶质瘤药物的其他靶点之后，既得到了一些截然不同的结论，也得到了一些与我们结论相吻合，这进一步激起了我对生物学的探索兴趣。”
同时，他表示揭橥论文并不是这个项目的终点。下一步他和互助者要对靶点展开验证，确认其抗疾病属性和抗朽迈属性，以及采取 Chemistry42 针对已经提名的靶点，进行苗头化合物的天生和筛选，希望可以创造治疗胶质母细胞瘤的潜在创新疗法。
末了，任梓铭补充称：“我认为这项研究很主要的一环便是 PandaOmics 平台，它供应了公开且便于处理的数据列表，可用于恶性胶质瘤靶点的创造以及剖析。没有太多的生物信息学知识和实验履历，也能轻易上手这款平台，对付我们高中生来说操作难度也不是很高。同时，这也反响了生物制药行业的发展前景，既 AI 平台将让药物靶点的创造更高效、更简洁。”
参考资料：
1.Olsen, A., Harpaz, Z., Ren, C., Shneyderman, A., Veviorskiy, A., Dralkina, M., ... & Zhavoronkov, A. (2023). Identification of dual-purpose therapeutic targets implicated in aging and glioblastoma multiforme using PandaOmics-an AI-enabled biological target discovery platform. Aging, 15.