普林斯顿大学的研究人员借助人工智能（AI），理解了药物如何影响细胞内重要结构的动态变化，并推出了一种工具，能够将这些结构的形状变化映射到功能结果上，从而揭示健康的重要标志。

由Cliff Brangwynne领导的研究团队，重点观察了生物分子凝聚物（biomolecular condensates）的形状变化。这些微小的液滴样结构在活细胞中驱动转录和其他基因调控过程，并与阿尔茨海默病、肌萎缩侧索硬化症（ALS）和癌症等疾病相关。

“生物学的核心问题是：从单个分子的相互作用中，如何涌现出更高层次的结构。”Brangwynne 说，他是 June K. Wu '92 讲席化学与生物工程教授，也是该研究的主要研究者。“这里的关键创新是开发了一种方法，从图像中学习并对涌现出的模式进行分类。”

这项于 6 月 4 日发表在《细胞》（Cell）杂志上的研究，聚焦于一种称为核仁（nucleolus）的凝聚物——它负责组装制造蛋白质的微型机器。团队使用先进的显微镜，对数百种人细胞在多种药物控制条件下的核仁形状变化进行了成像。随后，他们将即便是训练有素的科学家也难以解读的图像，输入为此目的构建的机器学习工具。该工具能够根据核仁的形状将图像分为四个基本类别，其中三类是研究者预期会出现的，而第四类完全出乎意料，团队后来确定这是一种全新的形态。

这些“帽形”和“项链形”此前已知与一系列细胞应激反应相关，因此可作为测试药物或基因疗法效果的有用标志物。例如，帽形可由一种已知会干扰核糖体 RNA 合成过程的处理引起；项链形则可由另一类干扰 RNA 加工的药物诱导。

在初始训练之后，团队对一组药物进行了测试，观察每种药物如何影响核仁形态。他们利用神经网络对凝聚物形状变化进行定量测量，发现不同浓度的药物对帽形和项链形分别引起了不同程度的改变。

该论文的第一作者、博士后研究员Anita Donlic说，神经网络发现两种已知的抗癌药物能够诱导帽形，而此前并未报道过这两种药物有此效应。这表明这些药物可能以之前未被认识到的方式影响着核仁功能。

对于第三种药物——拓扑替康（topotecan），神经网络发现了一种全新的核仁形状，研究者将其命名为“花形”（flower）。

虽然已知拓扑替康能抑制 DNA 复制所需的一种酶，但 Donlic 证明，这种酶（TOP1）的缺失会诱导花形，并揭示了该酶通过调控 RNA 加工来维持核仁组织的作用。

“以前没有人见过这种花形形态。”Brangwynne 说，他也是 Omenn-Darling 生物工程研究所所长。“网络将其标记为不完全符合其他三类。”

这些发现为在单细胞水平上监测和评估细胞对药物的反应指明了一条稳健的路径。

团队还在其他与 RNA 加工相关的凝聚物上测试了该神经网络，包括核斑（nuclear speckles，信使 RNA 活动的枢纽）以及呼吸道合胞病毒的凝聚物，观察到了类似的剂量-反应结果。

这一发现凸显了解锁这些分子水平之谜的必要性，因为人类分析时容易仅关注大小、形状等基本因素，从而可能遗漏关键特征。

“你可能会错过其他重要信息，”Donlic 说，“而那些信息可能告诉你存在新的生物学现象。”（生物谷Bioon.com）

参考文献：

Anita Donlic et al, Deep learning of functional perturbations from condensate morphology, Cell (2026). DOI: 10.1016/j.cell.2026.05.010.