精选· 重要性 4/5
AI加速发现肝脏疾病机制：从文献挖掘到新假设生成
Google DeepMind Blog··约 1 分钟阅读
中文导读
爱丁堡大学研究人员利用Google的Co-Scientist系统，从海量生物医学文献中挖掘被忽视的联系，提出关于MASH肝病机制的新假设，并得到实验验证，展示了AI在加速科学发现中的潜力。
加速发现肝脏疾病机制生物医学研究产生了海量信息，任何科学家都无法真正全部吸收。在爱丁堡大学，生物工程师Filippo Menolascina正在使用Co-Scientist系统梳理文献中被忽视的联系，并生成新的假设。
他的团队专注于一种名为代谢功能障碍相关脂肪性肝炎（MASH）的常见肝脏疾病。开发治疗方法颇具挑战，因为MASH涉及肝脏炎症和代谢等相互交织的生物学过程，单一靶点药物效果不佳。这促使研究人员转向联合治疗，但潜在的药物配对数量庞大。
面对这种组合爆炸，Menolascina利用Co-Scientist缩小搜索范围。在他的操作下，Co-Scientist综合了肝脏生物学和药理学的证据，突出了值得关注的机制，并标记出团队可以测试的候选联合疗法。
在一个典型案例中，Co-Scientist解决了一个实际难题：为什么药物resmetirom（一种最近获批用于特定阶段MASH的治疗药物）仅对少数符合条件的患者有效？
该系统提出了一个假设，将NLRP3炎症小体定位为连接疾病中炎症和代谢的特定分子桥梁——这一联系此前从未被整合成一个单一、可操作的解释。
该假设后来经过实验验证，可能为靶向联合疗法铺平道路。