这篇Nature论文，为何改写罕见病药研范式？

从一篇 Nature Communications 论文，看计算筛选与人源模型如何互相验证

2026年4月20日，Nature Communications 上线了一项针对 Leigh 综合征的药物发现研究。它没有发现新靶点，也没有合成新分子，却用一个少见的设计回答了行业里悬而未决的一个问题：当 AI 的预测能力和类器官的人源相关性被放进同一条流水线，药物发现能被压缩到什么程度。

答案是：5,692 种候选药物 → 约 140 种 → 5 种，最后 2 个进入功能验证。整个过程没有用一只小鼠。

一、起点：一个「无药可医」的罕见病卡在哪里

Leigh 综合征（Leigh syndrome，亚急性坏死性脑脊髓病）是一组由线粒体氧化磷酸化缺陷导致的神经代谢病，典型病因是核基因 SURF1（细胞色素 c 氧化酶组装因子）或线粒体 DNA 突变。临床表现为乳酸酸中毒、基底节与中脑病变、精神运动发育倒退，多数患儿在确诊后数年内死亡。发病率约 1/36,000。截至目前，全球没有任何获批的治疗药物。

药物发现卡在三个层面：

1、患者样本受限。 罕见病队列天然规模小，难以支撑有统计学意义的筛选。

2、动物模型失真。 Surf1 敲除小鼠不表现 Leigh 样表型，寿命反而延长——说明小鼠具备人类没有的代谢代偿通路。用这样的模型筛药，筛出来的很可能是小鼠的生物学。

3、2D 神经元不够用。 传统单层培养无法复现基底节、中脑等脑区特异性病理，而 Leigh 的病变恰恰高度脑区特异。

研究团队的破局点在于换了一个问题。他们此前的工作发现，携带 SURF1 变异的 Leigh 脑类器官（cerebral organoids, COs）存在神经元形态发生缺陷。这一次，他们没有问「什么药能保护神经元」，而是问「什么药能把卡住的发育过程推下去」。

二、第一性原理：把「转录组阻滞」当成传感器

对 Leigh 脑类器官的单细胞转录组（scRNA-seq）重分析显示，其发育轨迹出现明确阻滞：放射状胶质细胞（radial glia, RG）依然存在，但中间前体细胞（intermediate progenitor cells, IPCs）和成熟神经元显著缺失。

RG → IPCs → Neurons，这条轨迹卡在了第一步。

这个观察的意义，在于把一个模糊的「治病」问题，转化成了一个可计算的「状态转换」问题：给定初始状态（RG）的转录因子谱与目标状态（IPCs / 神经元）的转录因子谱，求解需要施加哪些蛋白质水平的扰动，以及更关键的下一步，哪些已上市药物能够近似实现这些扰动。

这正是深度学习擅长的问题类型：在高维稀疏空间中，学习扰动与状态转移之间的映射关系。

三、AI 这条线：ChemPert 是怎么算出候选药物的

将预测的干预靶点与已知药物的作用谱做富集，计算贝叶斯富集评分（Bayesian Enrichment Score, BES）并排序。从 5,692 种药物中取 BES 前 2.5%（约 140 种），再按代谢功能与安全性收敛到 5 个候选（DLDs）。最终入选的 talarozole，BES 排名为 38/5,692，约前 0.67%。

一个值得注意的细节：talarozole 在传统的差异基因富集分析（GSEA）和 Connectivity Map（CMap）中并不显著。这说明图神经网络加集成投票策略，捕获了超越「差异基因列表」这类线性表征的信息——不是排序更靠前，而是压根在另一个信号空间里。

性能对比也印证了这一点。在独立测试集上，该深度学习框架在前 1% 的候选中召回了 9.2% 的已知有效药物，显著优于 GSEA（最佳 2.1%）和随机排序（1%）。

四、正交验证：为什么要拉一个酵母进来

AI 给出预测的同时，另一条完全独立的线在运行：在 SURF1 的酵母同源基因 SHY1 敲除菌株中，筛选 2,250 种 FDA 已批准药物，测定营养剥夺条件下 24 小时与 48 小时的存活率。

结果是，排名前 2% 的药物中，唑类化合物（azoles）显著富集。团队从中选出 4 个（YSDs），包括 sertaconazole。

于是两条路线——一个基于人类脑类器官转录组的深度学习预测，一个基于酵母存活表型的经验筛选——独立收敛到了同一类化合物。

这不是巧合的修辞，而是有统计学含义的：两个模型的假阳性来源几乎不重叠。研究团队的表述是，一个模型中看起来有前景的化合物，在另一个模型中可能完全失败；来自不同模型的匹配信号，才更能说明这个信号反映了与 Leigh 相关的真实生物学。

对做筛选的人来说，这个设计的价值在于把验证成本前置了。与其在昂贵的 3D 模型上盲筛上千种化合物，不如先用两个低成本、高通量的正交系统收敛，再集中资源做深度表型验证。

五、从 in silico 到 wet lab：验证链怎么搭

用 NGN2 过表达将 Leigh 神经前体细胞（NPCs）快速分化为谷氨酸能神经元，周期 5–6 天。Leigh 组神经元数量减少约 50%。

· talarozole（1–10 μM）：神经元数量增加约 100%；50 μM 时出现毒性。

· sertaconazole（10 μM）：神经元数量增加约 50%，平均突起长度增加。

选择中脑是有针对性的——它是 Leigh 的主要受累脑区之一。分化至第 30 天时，可检测到 SOX2+ 神经前体、MAP2+ 神经元，以及约 31% 的 TH+ 多巴胺能神经元。

Leigh MOs 呈现四个可量化的表型：

1、体积异常增大（scRNA-seq 显示增殖与细胞周期基因上调）；

2、神经元与 TH+ 细胞减少；

3、乳酸释放升高（对应临床的乳酸酸中毒标志）；4、对代谢应激的钙响应异常——葡萄糖剥夺联合糖酵解/氧化磷酸化抑制后，钙信号升高幅度低于对照。

给药 30 天（0.1 μM sertaconazole 或 1 μM talarozole）后：

1、两者均使 Leigh MOs 的异常生长速度和乳酸释放改善约 20%；

2、 talarozole 额外增加了 TH+ 神经元数量，并使类器官对代谢应激的钙响应幅度提高约 2 倍。

注意浓度：有效剂量在 0.1–1 μM 区间，远低于已报道的毒性剂量。而这两个化合物都已有其他适应症的人体使用史——talarozole 曾用于痤疮、银屑病，sertaconazole 是外用抗真菌药——安全性数据可复用。这正是药物重定位（drug repurposing）的核心优势。

六、机制：为什么是唑类

分子对接（GOLD 与 DiffDock）显示，两种化合物均可结合 CYP26A1/B1（视黄酸代谢酶）和 PPARγ，且 talarozole 亲和力更高。报告基因实验证实，talarozole 能恢复 Leigh NPCs 中 CYP26A1 启动子活性和 PPRE 活性，而 sertaconazole 不能——这与 talarozole 更强的表型挽救效力一致。

这里有一个容易被忽略的点：AI 不只输出了候选药物，还顺带输出了机制假说。 视黄酸（RA）通路作为 Leigh 中的失调通路被预测出来，随后被分子对接和报告基因实验证实。对于后续的药物化学优化，这比单纯拿到一个 hit 更有价值。

· 类器官几乎不含小胶质细胞、星形胶质细胞稀少，无法评估炎症相关机制；

· 尚无体内疗效与血脑屏障通透性数据；

· 中脑是主要靶区，但 Leigh 也累及基底节和丘脑，需要区域性类器官或组装体（assembloids）来覆盖。

七、范式意义：闭环到底闭在哪里

把这项研究抽象出来，它是一个四段式结构：

人源模型产生高质量数据（scRNA-seq、表型读数）→ AI 在该数据上学习并压缩搜索空间（5,692 → 140 → 5）→ 人源模型对压缩后的候选做深度表型验证 → 验证结果产生新数据，回流进下一轮训练。

与传统线性管线（靶点假设 → 高通量筛选 → 动物验证 → 临床）相比，差别不在每一步的技术，而在信息的流向。传统管线是单向的，实验结果只是 Pass/Fail 判断；新闭环里，每一次验证都是新的训练样本。

对从业者而言，最实际的启示是一句大白话：AI 的价值不是替代实验，而是决定哪些实验值得做。 在 3D 类器官上做一次 30 天的给药验证，成本远高于跑一次推理。把昂贵实验的配额用在概率最高的候选上，是这个闭环最直接的经济学。

八、产业与监管：这个闭环正在被制度化

· 2022年12月　美国《FDA 现代化法案 2.0》从法律层面取消了新药申请必须提交动物实验数据的强制要求。

· 2025年4月　FDA 发布减少临床前动物试验路线图，从单抗切入逐步扩展。

· 2026年3月18日　FDA 发布《药物开发中应用新途径方法的一般考虑》指导草案，提出 NAMs 验证四原则：使用场景明确、人体生物学相关性、技术表征、支持监管决策的充分性，并明确采用「适合用途」（fit-for-purpose）标准——不要求完整验证即可纳入审评考量。

· 2026年6月　欧盟发布《化学品安全评估逐步淘汰动物试验路线图》，器官芯片被列为四大核心替代技术之一。

· 英国 MHRA　给出明确时间表：2026 年底前取消皮肤和眼刺激动物实验，2027 年底前取消肉毒杆菌毒素的小鼠毒性实验。

· 2026年1月　国家医保局设立生物 3D 打印辅助操作费价格项目；国家自然科学基金正式设立「类器官与人工器官」二级代码（C1004）。

· 2026年3月　类器官与器官芯片被写入国家「十五五」规划。

· 2026年5月　肿瘤类器官药敏检测试剂盒进入国家创新医疗器械特别审查程序。

· 2026年6月30日　《检验类医疗服务价格项目立项指南（再次征求意见稿）》将肿瘤组织类器官培养费、药物敏感性检测费纳入国家检验类立项清单。

· 2026年7月7日　国家药监局药审中心（CDE）发布「推进新方法（NAMs）研究和应用试点计划」（先锋计划 / PIONEER）征求意见，招募期 5 年、不设名额限制，采用「早期介入、及时沟通、全程跟踪」模式，并对通过联合验证的方法做出「特定场景无需重复验证」的承诺。

· 2026年8月　国家医保局正式发布《检验类医疗服务价格项目立项指南（试行）》，覆盖 662 个主项目，其中新增设立肿瘤类器官培养、药物敏感性检测等价格项目——类器官药敏检测首次获得全国统一的收费依据。

国内企业侧也在同步推进：耀速科技（AI + 器官芯片平台，唯一入选 FDA iSTAND 计划的中国企业，2026年6月完成近 2 亿元 A+ 轮，累计融资近 4 亿元）、希格生科（类器官 + AI 靶向药研发，2026年1月完成 8,000 万元 A 轮）、黑玉科学（类器官 AI 智能一体化设备，2026年2月完成超亿元 Pre-A+ 轮）、大橡科技（类器官芯片全链条，2026年2月完成逾亿元 B 轮）、百诚医药（AI 制药 + 类器官平台，已完成国内发病率前十癌种的标准化培养与样本建库），以及创芯国际、丹望医疗、嘉士腾、艾名医学等。

九、标准化：闭环的「接口协议」

回到技术本身。AI + 类器官的闭环要真正跑通，有一个绕不开的前提：数据的可比较性。

这不是学术洁癖。如果不同实验室的类器官在培养基组成、基质胶批次、传代策略、质控标准上各不相同，AI 从中学到的很可能是「实验室差异」而不是「疾病生物学」。批次效应会伪装成生物学信号，而深度学习恰恰是最擅长捕捉这类系统性偏差的工具——这是一个危险的组合。

2025年11月，来自 Cell Organoid、北京大学和上海力生生物的研究者在 Cell Organoid 发表了 MIOR（Minimum Information about Organoid Research）框架。

它把类器官研究拆解为六大模块：

· 项目 / 数据集信息

· 样本来源

· 类器官表征与质量控制

· 培养与操作

· 集成工程策略

· 实验检测与数据

框架采用必填字段与推荐字段的两级报告体系，在标准化要求与实验室实际可行性之间取得平衡，并引入 UBERON、Cell Ontology、ChEBI、Disease Ontology 等受控词表，以保证语义一致性与计算可互操作性。Cell Organoid 已宣布自 2026 年起要求作者提交 MIOR 清单。

国内也在同步推进：T/CITS 690-2025《肿瘤类器官样本库建设及管理要求》已发布；陈晔光院士团队牵头制定的《人胃肠癌类器官药物敏感性测试管理规范》于 2025年12月发布、2026年7月1日起实施。

当类器官的「数据接口」被标准化之后，飞轮才开始转：跨实验室数据可合并训练 → 模型预测准确率随数据量提升 → 更快的药物发现 → 更多验证数据回流 → 更大的训练集。

十、结语

这项研究的价值，不在于给 Leigh 综合征找到了两个候选药——它们还要走完体内验证、血脑屏障、剂型优化的长路。它的价值在于示范了一种可复制的工作方式：用人源模型定义问题，用 AI 压缩搜索空间，用正交系统互证，再回到人源模型做深度验证。

而标准，是让这套工作方式从「个别实验室的高水平操作」变成「产业基础设施」的那一步。

免责声明：文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担, 关于对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。本公众号发布的各类文章重在分享，如有侵权请联系我们，我们将会删除。