AI 靶点发现模型：从相关信号到因果假设的证据梯度

AI 靶点发现处在药物研发最上游，也是最容易被夸大的环节。模型能帮助排序和发现线索，但靶点是否真正驱动疾病，必须由因果证据和实验验证支撑。

证据梯度

• 遗传证据：GWAS、罕见变异、Mendelian randomization 通常比差异表达更接近因果。
• 组学证据：转录组、蛋白组、单细胞、空间组学可提示疾病状态，但常是相关信号。
• 网络和文本证据：帮助汇总已有知识，也可能放大研究热度偏差。
• 可成药性：有疾病因果也不代表能做药，还要看口袋、E3 可招募性、组织表达和安全窗。

项目判断

• 把 AI 输出写成“候选靶点假设”，不要写成靶点已被证明。
• 优先设计能推翻假设的实验：敲降/敲除、救援实验、疾病模型、选择性药理工具。
• 分子胶项目还要问：靶点是否能被诱导邻近、是否有可利用 degron/表面、是否适合目标组织。

延伸资源

• 配套：152《PandaOmics》；数据资源：Open Targets、DepMap、GWAS Catalog。