美国生物技术公司Cellarity近日宣布，其在《自然·通讯》（Nature Communications）发表重要研究成果，展示其基于多组学与人工智能融合平台在药物肝毒性预测方面的突破性能力。该研究提出了一种名为ToxPredictor的新型AI模型框架，用于预测和解析药物诱导性肝损伤（DILI），并公开发布模型与验证数据，推动药物安全评估的范式变革。 DILI是新药研发中最为严峻的安全挑战之一，许多在动物实验中未被发现的肝毒性反应，会在临床试验或上市后显现，导致项目失败甚至撤市。传统动物模型对DILI的识别率不足50%。为应对这一难题，Cellarity构建了基于原代人肝细胞的转录组学数据库DILImap，涵盖300种已知DILI药物在多种剂量下的基因表达谱，是目前全球规模最大的DILI毒理基因组学数据集。 基于此，Cellarity开发的ToxPredictor模型在盲测中展现出88%的敏感性与100%的特异性，显著优于20余种行业标准预临床安全模型，并成功识别出多个在动物试验中未被发现、最终在III期临床中暴露安全问题的候选药物。 该平台不仅提升预测准确性，更深入揭示肝毒性作用机制，涵盖线粒体功能障碍、氧化应激、免疫激活及代谢紊乱等多种路径。相比传统单一终点检测或3D细胞模型，转录组学提供了更高分辨率的分子图谱，能够捕捉非细胞毒性风险，为药物安全边际评估提供关键依据。 值得一提的是，Cellarity已将ToxPredictor模型及全部验证数据开源，可通过www.dilimap.org免费获取，旨在促进业界协作，降低药物研发风险，加速安全候选药物的筛选进程。 公司首席数据官Parul Doshi表示，将机器学习应用于毒理基因组学，不仅能提升药物研发效率、降低成本，更重要的是显著改善患者安全。 Cellarity成立于2019年，由Flagship Pioneering孵化，致力于通过“细胞状态纠正”疗法治疗复杂疾病。其核心平台整合多组学数据与动态AI建模，精准调控基因开关机制，恢复细胞正常功能。目前，其首款候选药物CLY-124正在开展治疗镰状细胞病的I期临床试验，并与诺和诺德合作开发针对代谢功能障碍相关脂肪性肝炎（MASH）的疗法。 此次研究成果标志着AI与多组学技术在药物安全性评估领域的重大进展，也为减少对动物实验的依赖提供了强有力的技术支撑。