BenevolentAI：知识图谱驱动药物发现案例

BenevolentAI 的技术核心是生物医学知识图谱：把文献、专利、数据库、临床试验中的实体（基因、蛋白、疾病、药物、通路、表型）与它们之间的关系，组织成一张巨大的图，然后在图上做推理来发现新的靶点或药物用途。

知识图谱的逻辑

实体抽取：用自然语言处理从数百万篇文献中识别出生物医学实体；
关系抽取：识别实体间的关系（A 抑制 B、C 与疾病 D 相关、E 是 F 的底物）；
图构建：融合多源信息，消歧、去重、加权；
推理：用图算法或图神经网络预测缺失的边——即「这两个实体之间可能存在尚未被报道的关系」。

核心假设是：科学知识分散在海量文献中，没有任何人能读完全部；机器可以把这些碎片拼起来，发现人类漏掉的连接。这个假设在原理上有道理——历史上确实有通过文献连接发现新知识的案例（如 Swanson 的「鱼油-雷诺氏病」发现）。

被广泛引用的案例：巴瑞替尼

2020 年新冠疫情初期，该公司通过知识图谱分析提出：巴瑞替尼（baricitinib，一种已上市的 JAK 抑制剂）可能对新冠有效。推理逻辑是它既有抗炎作用（JAK 抑制），又可能通过抑制 AAK1 干扰病毒的细胞内吞进入。

这个假设后来在临床试验中得到验证，巴瑞替尼获得了新冠治疗的相关授权，成为 AI 辅助药物重定位最常被引用的成功案例。

但要客观看待这个案例：

它的成功很大程度上依赖已上市药物——安全性与药代数据已知，能快速进入试验；
抗炎机制本身是当时多个团队都在考虑的方向，AI 提供的是加速与系统化，而非唯一来源；
从提出假设到临床验证，中间是大量的传统临床研究工作；
这是一个「特殊时期、已上市药物、明确适应症」的组合，可复制性有限。

知识图谱方法的固有边界

文献偏倚被放大：被研究得多的基因在图中连接更密，推理结果天然偏向热门实体。这与「发现新知识」的目标是矛盾的。
关系抽取有噪声：NLP 可能把「A 不影响 B」抽成「A 影响 B」；假设性陈述被当成结论。
关联不等于因果：图上的边多数是相关关系，而药物研发需要因果。
无法超越已有文献：知识图谱只能重组已发表的知识，对完全未被研究的机制无能为力。
验证瓶颈：图推理能产出成百上千个假设，但实验验证的通量有限。如何给假设排优先级，比产生假设更关键。
公司后期经历了管线挫折与大幅重组，说明这条路线的商业化并不轻松。

开源资源与自建路径

# 开源生物医学知识图谱
#   Hetionet          —— 经典的异构生物医学网络
#   PrimeKG           —— 精准医学知识图谱
#   Open Targets（249）—— 结构化的靶点-疾病证据（比通用 KG 更可靠）
#   BioKG / OpenBioLink / DRKG

# 图学习工具
#   PyKEEN            —— 知识图谱嵌入（TransE、ComplEx、RotatE 等）
#   TorchDrug（175）  —— 内建知识图谱推理任务
#   PyG（176）        —— 自定义图神经网络

# 关键实践：
#   1. 用时间划分评估 —— 用 2020 年前的图预测 2020 年后被发现的关系，
#      这才是对「能否发现新知识」的真实检验
#   2. 必须与「按度数排序」的基线对比 —— 很多图推理模型
#      实际上只是在推荐高连接度的热门实体
#   3. 关注可解释性 —— 能给出推理路径的预测才可能被实验团队采纳

第二条尤其重要：如果你的图神经网络赢不过「推荐连接最多的实体」这个朴素基线，说明它没学到真正的生物学，只学到了流行度。

提示

公司状态与管线变动较大，本文为方向性观察，具体信息请以官方披露为准。知识图谱能加速假设生成，但无法超越已有文献，且结果受研究热度偏倚影响，必须设置流行度基线对照。

延伸资源

结构化证据平台：249《Open Targets Platform》、251《DisGeNET》；图学习框架：175《TorchDrug》、176《PyTorch Geometric》；
药物重定位：178《DeepPurpose》、267《PRISM Repurposing》。