企业官网建设流程全解析

Shift Bioscience研究证实AI虚拟细胞可用于药物靶点发现

#AI虚拟细胞 #药物靶点发现 #ShiftBioscience #遗传扰动模型 #纤维化 #衰老相关疾病 #NatureBiotechnology #深度学习 #转录组

Brendan Swain, Ph.D.

英格兰剑桥讯——Shift Bioscience在Nature Biotechnology发表了新研究，介绍用于评估基于深度学习的遗传扰动模型的改进框架，该模型属于AI虚拟细胞的１类，用于预测细胞对基因改变的应答。

这家生物技术公司表示，该框架将支撑大规模实验室筛选与计算筛选，用于挖掘细胞复壮以及衰老相关疾病的潜在治疗靶点，初期研究重点为纤维化。

遗传扰动模型用于预测基因激活或抑制时的转录组应答。这类模型理论上可实现大规模虚拟靶点筛选，但过往研究对其可靠性提出过质疑。

Shift表示，其新框架能够考虑数据集内的生物学信号与技术信号，从而对模型性能实现更精准的评估。

该研究发现，部分此前报道的模型性能不佳现象，可能源自基准评测指标校准不足，这类指标对模型的真实提升并不敏感。

Shift计划将该框架应用于大规模体外与计算机模拟筛选，挖掘可同时用于细胞复壮及衰老相关疾病治疗的抑制靶点。

该研究建立在SB‑101（该公司首个双重功能靶点）的发现基础之上。后续筛选将优先聚焦纤维化，纤维化与衰老及多种慢性疾病相关。

Shift Bioscience首席科学官、创始人Brendan Swain, Ph.D.表示：「研究结果表明，经过良好校准的评测指标搭配合适数据集，能够帮助虚拟细胞模型产出具备生物学意义的研究结论。」

他称，公司正将这套框架直接用于靶点识别项目，以期发掘适用于细胞复壮和衰老相关疾病的潜在疗法。

详细总结

思维导图

核心信息

参考

Shift Bioscience Study Supports AI Virtual Cells for Drug Target Discovery

https://bostonlifesciencestimes.com/2026/10/shift-bioscience-study-supports-ai-virtual-cells-for-drug-target-discovery/

注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。