基于药物扰动转录组数据，构建首个药物肝损伤精准预测AI大模型
2025年11月发表在《Nature Communications》一篇药物诱导性肝损伤（DILI）预测的研究论文，其核心是构建了目前规模最大的毒性转录组学资源与高效预测框架，为药物研发中的肝毒性风险评估提供了新方案。
研究思路
构建了大规模数据库DILImap：
这是研究打造的目前规模最大的DILI专用RNA-seq数据库，涵盖300种化合物，包含DILI阳性、阴性、特异体质型等不同类型，且每种化合物设置了多个浓度梯度。数据生成过程中，在保障细胞活性和RNA质量的前提下，还通过LDH/ATP活力检测、IC10剂量筛选等操作，同时结合DILIrank与LiverTox进行分类，并构建了含51个化合物的独立盲测数据集，为后续模型训练奠定了坚实的数据基础。
开发了高性能AI模型ToxPredictor：
该框架是机器学习驱动的毒性基因组学工具。其先解析药物暴露24小时后人源初级肝细胞的RNA-seq转录组变化，提取差异基因与通路的激活模式，再结合临床DILI标签，用随机森林集成模型（30个随机森林模型组合）开展训练。最终能输出剂量分辨的DILI概率，还可结合临床血药峰浓度建立安全边界，实现对药物肝毒性风险的分类和相关机制解析。
关键研究结果：
预测性能领先：盲测验证中，ToxPredictor框架展现出优异性能，达到88%的灵敏度和100%的特异性，远超3D肝模型、传统细胞毒性检测等20多种行业标准临床前安全模型。它还成功提前识别出Evobrutinib、TAK-875等多款在临床三期因肝毒性失败的候选药物，这些风险此前均未被动物实验发现。
DILImap数据库的核心构建方法为RNA-seq，那么是否有操作更便捷，通量更高的技术能更快速产生药物扰动转录组数据呢？
昕瑞再生开发的DRUG-seq2技术，凭借“仅需1000个细胞/样本、免RNA提取、成本显著更低”的核心优势，实现了少量细胞的高通量转录组测序突破；对于AI大模型构建所需的大规模数据节点积累而言，DRUG-seq2无疑是效率更高、成本更优的最佳技术利器。
DRUG-seq相比RNA-seq技术核心亮点
我们还建立了自动化建库设备，可以实现每周上万样本速度高效生成扰动转录组数据，满足“数十万分子扰动+百万转录组响应”的高数据需求。
自主搭建的高通量自动化文库构建系统
联系方式
官网：www.xremed.com
南京昕瑞再生医药科技有限公司
官方技术支持
关于昕瑞再生
南京昕瑞再生医药科技有限公司成立于2019年，先后获中科创星、红杉资本两轮融资，依托北京大学分子医学南京转化研究院软硬件支持。公司核心团队源自北京大学，承载创始团队在干细胞、再生医学及小分子创新药领域20余年经验，搭建了世界领先的细胞表型药筛平台——整合细胞疾病模型、表型组学定量、AI技术，聚焦“细胞疾病/衰老表型逆转”研发新药。
公司拥有自主知识产权的DRUG-seq2、PHDs-seq高通量测序技术，已在早期药物开发、靶点发现、人工智能大模型建立等场景见效，既服务自研项目，也为科研领域提供高质量技术解决方案。
