《Drug Discovery Today》：AI-integrated iPSC multi-omics: advancing phenotype discovery and drug target identification in rare diseases
编辑推荐：
**中文摘要翻译**：
人类诱导多能干细胞（induced pluripotent stem cell，iPSC）及类器官模型仅需3–10例患者供体即可实现罕见病药物发现。多组学整合可揭示单一分析方法所遗漏的可成药靶点。无监督学习能够发现不具有先验生物学或临床
**中文摘要翻译**：
人类诱导多能干细胞（induced pluripotent stem cell，iPSC）及类器官模型仅需3–10例患者供体即可实现罕见病药物发现。多组学整合可揭示单一分析方法所遗漏的可成药靶点。无监督学习能够发现不具有先验生物学或临床知识标签（label）的疾病分子状态。监督学习可预测标签并提取预测的关键驱动因素，这些驱动因素通常具有生物学和临床相关性。整合工作流程可在12–24个月内交付经验证的表型与靶点。
**论文解读文章**：
**一、研究背景与现存问题**
罕见病（rare diseases, RDs）在全球范围内构成了重大的未满足医疗需求。据美国国立卫生研究院（NIH）及遗传和罕见病信息中心（GARD）统计，全球已识别超过10,000种罕见病，累及约3亿人，但仅有不足5%的罕见病拥有获批治疗药物。尽管许多罕见病为单基因遗传病，仅发现致病突变并不能直接产生治疗靶点，因为外显率、等位基因异质性、修饰基因效应及组织特异性生物学均会影响疾病表现。在超罕见病（发病率低于十万分之一）中，极小的患者队列、稀缺的生物样本和碎片化的数据集使得区分核心疾病机制与患者个体变异尤为困难。
传统靶点发现方法依赖于疾病相关的临床前模型和足够功效的数据集，这些模型和数据集支撑着稳健的统计推断和人工智能（artificial intelligence, AI）/机器学习（machine learning, ML）分析。然而，这些方法的基本假设在罕见病中往往失效——患者群体规模小、临床异质性高、重复队列有限，且非人类模型可能无法忠实再现人类病理生物学。此外，传统方法依赖单一组学类型，测序虽可识别候选变异，但这些变异未必能揭示哪些下游通路具有机制因果关系或治疗可逆性，因此需要转录组学及其他功能组学数据来解读变异效应并优先排序可操作靶点。
**二、研究内容与核心结论**
研究人员系统论述了将患者来源的iPSC和类器官模型、多组学谱分析以及AI/ML驱动的计算分析相整合，作为罕见病药物发现的可行且日趋成熟的框架。研究人员提出，患者来源的iPSC模型能够保留患者疾病相关遗传背景，结合CRISPR基因编辑可实现同基因比对，强化因果推断；类器官则引入多细胞组织和三维结构背景，更真实地再现器官生理。在此实验基质上进行跨转录组、表观基因组、蛋白质组和代谢组的系统谱分析，能够展示致病变异如何扰动调控程序、细胞状态和下游通路，从而揭示DNA变异之外的靶点。AI/ML方法则在降维、特征选择的基础上，通过无监督、监督、集成和迁移学习等策略整合异质多组学数据，识别跨层一致的模式。研究人员的核心结论是：这一整合工作流程能够在12–24个月内实现从患者采样到验证靶点提名的完整发现过程，从而有效应对罕见病靶点发现中的小样本、高异质性和机制解读滞后等核心瓶颈。
**三、主要关键技术方法**
研究人员系统梳理了多种关键技术方法。在数据降维与特征选择层面，研究人员比较了过滤法（如方差阈值、ANOVA F检验、卡方检验、互信息）、包装法（如递归特征消除）和嵌入法（如LASSO、弹性网络）。在无监督学习方面，介绍了主成分分析（PCA）、均匀流形逼近与投影（UMAP）、t-分布随机邻域嵌入（t-SNE）、多组学因子分析（MOFA/MOFA+）及totalVI等维度归约和潜因子方法。监督学习方法包括惩罚回归、支持向量机（SVM）和决策树。集成学习方法包括随机森林、梯度提升（XGBoost、LightGBM）以及多组学元学习器框架。迁移学习方面涉及基于大型公共单细胞图谱的预训练方法，如scVI、scANVI、Geneformer、scGPT及scArches等。此外，研究人员提出七步整合发现流水线：患者样本获取与iPSC生成（3–6个月）、疾病相关分化（1–3个月）、研究设计与多组学谱分析（4–6个月）、AI/ML辅助靶点发现（1–2个月）、靶点优先排序（2–4周）、实验验证（3–6个月）及与药物发现流水线的整合。样本队列来源方面，研究人员建议从3–10名经确诊遗传诊断的个体获取生物样本。
**四、研究结果分述**
**从变异到可操作靶点：持续存在的转化瓶颈。** 研究人员指出，尽管罕见病基因组学取得了显著进展，超过半数疑似罕见遗传病患者仍缺乏分子诊断，仅少数罕见病拥有获批疗法。患者稀少、表型异质性高以及机制解读滞后是造成这一瓶颈的主要原因。人遗传学证据能实质性改善靶点选择，受遗传学支持的药物机制在临床上成功的可能性显著更高。
**患者来源的iPSC和类器官模型：桥接变异发现与人类机制。** iPSC来源的2D细胞系统可解析致病变异的细胞自主后果，结合基因组编辑可实现同基因比较。Timothy综合征的先驱工作表明，患者特异性iPSC来源心肌细胞能够重现延长动作电位和异常钙处理，且这些表型可通过药理学手段挽救。类器官系统引入多细胞组织和发育背景，在囊性纤维化中，患者来源肠道类器官重现了CFTR依赖性转运缺陷，建立了药物测试和治疗分层的功能平台。近期Duchenne肌营养不良研究中，患者来源心脏类器官用于测试个体化反义寡核苷酸，在快速临床前工作流程中恢复了抗肌萎缩蛋白表达并逆转了疾病相关表型。
**患者来源模型中的多组学谱分析。** 转录组谱分析提供致病变异如何改变转录程序的系统级视图，单细胞方法可在细胞类型水平上识别疾病富集状态和谱系轨迹改变。蛋白质组和代谢组层面则捕捉RNA丰度无法完全预测的功能状态。在NGLY1缺陷中，iPSC来源人类神经元的转录组学、蛋白质组学和功能测定整合分析聚焦于蛋白质稳态受损、线粒体稳态失衡和突触功能障碍，功能NGLY1的重新引入挽救了这些异常。在酸性鞘磷脂酶缺乏症B型中，患者来源肝脏类器官的RNA-seq与脂质组学整合分析显示，鞘磷脂积累是涉及胆固醇酯积累、磷脂酰胆碱耗竭和溶酶体应激的更广泛转录程序缺陷的一部分。在游离唾液酸贮积症中，跨多个iPSC来源神经谱系的糖鞘脂谱分析、转录组学和溶酶体酶测定将最显著异常定位到成熟星形胶质细胞。Rett综合征研究利用MECP2突变前脑类器官的纵向转录组学和蛋白质组学，识别出神经元发育和GABA能程序的分阶段转变。
**AI/ML用于罕见病多组学整合与预测建模。** 维度灾难是多组学数据分析的首要挑战，特征选择是必要的预处理步骤。无监督学习无需预定义标签，能够发现与特定分子特征相关的重复出现的潜在疾病状态。监督学习使用预定义样本标签，区分突变与同基因校正系、处理与未处理类器官等生物学或临床状态，但小队列训练容易过拟合。集成学习通过组合多个学习器捕获不同弱信号，适用于不同组学模态具有不同信噪比和缺失模式的场景。迁移学习先在大规模参考数据集上训练模型，使其学习生物学组织的可泛化表征，再适应到小规模疾病数据集，如通过scArches将疾病细胞映射到健康参考图谱上，识别疾病特异性细胞状态和挽救效应。
**走向整合发现流水线。** 研究人员提出了七步端到端流水线，并给出了各步骤的时间跨度和资源需求。多组学谱分析方面，通常对3–5条患者来源细胞系进行批量RNA测序和蛋白质组学分析，2–3条细胞系进行单细胞RNA测序（每条件5,000–10,000个细胞）。全面特征化3–10条患者来源细胞系的多组学分析费用约为200,000–500,000美元。整个流水线实现从患者采样到靶点提名约12–24个月。
**跨整合发现流水线的概念验证应用。** Pun等人利用AI驱动的PandaOmics平台识别肌萎缩侧索硬化症的治疗靶点，整合了患者来源iPSC分化运动神经元的转录组和蛋白质组数据及死后中枢神经系统数据集，超过20个AI和生物信息学模型对候选靶点进行排序。在C9orf72果蝇神经退行性变模型中，26个新靶点中有8个经RNA干扰显著挽救神经退行性表型。Greenberg等人针对IIIA型粘多糖贮积症，将五名患儿和五名匹配对照的细胞重编程为iPSC来源皮层培养物，整合高内涵成像、单核转录组学、多电极阵列和膜片钳电生理学等多模态数据，机器学习以近乎无假设的方式分类疾病样与健康样状态，梯度提升特征模型和卷积神经网络量化了治疗后的表型逆转，SHAP分析揭示了可解释的形态学驱动因素。
**五、讨论与结论总结**
研究人员指出，罕见病研究正从基因发现后临时功能验证的线性模式，转向患者来源系统、多组学谱分析和AI/ML协同使用的整合策略。多组学分析比任何单一测定更可能代表核心疾病机制，真正的进步在于更紧密的实验与分析闭环。未来进展依赖于若干实用优先事项：建立标准化多组学流水线，涵盖预处理、归一化、批次校正和数据协调；将可重复性作为AI/ML驱动的罕见病发现的核心要求，报告关键计算参数；更广泛使用图谱数据预训练和迁移学习；建立联邦联盟以促进数据和协议共享；将靶点提名与同基因对照、正交测定和扰动实验相结合的可扩展功能验证；以及发现与临床之间的有意对齐。研究人员最终强调，罕见病研究和靶点发现的未来将较少取决于单一技术，而更多取决于如何将这些组件整合为从变异到干预的规范化、可重复流水线。
