经典 vs AI 靶点发现

本节你将能

说明经典靶点发现的三条路径，并列举 AI 工具在每条路径中的增强点。

直觉模型

经典路径像侦探办案（线索→嫌疑人→审讯）；AI 像海量监控检索，先缩小嫌疑人名单，仍需实验「审讯」验证。

核心要点

• 遗传驱动：GWAS、孟德尔随机化 → 因果优先级
• 表型驱动：化合物扰动、连接图谱（connectivity map）
• AI 增强：PandaOmics 等整合组学；AlphaFold 提供结构假设
• AI 输出是假设生成器，不能替代 Go/No-Go 实验

案例锚点

Insilico 用 PandaOmics 从 IPF 转录组中提名靶点，再用 Chemistry42 生成分子——AI 缩短的是「猜靶点」时间，不是 IND 时间全部。

互动

画一张两列表：左列经典方法，右列 AI 可辅助的环节。

常见误区

把 AlphaFold 结构直接当「已验证靶点」——结构是模型，需实验结合与功能验证。

本节小结

AI 靶点发现必须与下一节的验证层次衔接。