普林斯顿大学研究团队近日利用人工智能技术，成功解析了药物对细胞内生物分子凝聚体动态结构的影响。该研究由化学与生物工程系教授Cliff Brangwynne领导，第一作者为博士后Anita Donlic，相关成果已于6月4日发表于《细胞》杂志。 核仁是负责组装蛋白质合成机器的关键凝聚体。研究团队结合先进显微成像与自研机器学习模型，对数百个人类细胞在药物干预下的核仁形态进行高精度分析。AI算法将核仁图像精准划分为四类：正常、帽状、项链状及新发现的花状。其中，帽状与项链状形态已被证实与细胞应激反应密切相关，可分别指示特定RNA加工与转录过程的抑制。测试显示，两种已知抗癌药物可诱导帽状形态，提示其作用于核仁的新机制。此外，模型意外识别出拓扑替康引发的全新花状结构，后续实验证实该形态与TOP1酶缺失及RNA加工调控直接相关。 该神经网络模型在核斑及其他病毒凝聚体测试中均展现出稳健的剂量响应分析能力。此项研究建立了一套单细胞水平细胞药物响应监测体系，为靶向药物筛选与疾病生物标志物发现提供了高效工具，同时凸显了AI在捕捉传统形态学分析难以察觉的微观生物学特征方面的独特优势。