UCLA 开发 MAESTRO AI 平... Features
加州大学洛杉矶分校（UCLA）的研究团队近日在《Advanced Science》期刊上发表了一项突破性成果：他们利用名为 MAESTRO 的人工智能平台，成功筛选出能够逆转前列腺癌治疗耐药性的天然化合物组合。据《独立报》2026年10月22日报道，这一基于大语言模型的计算系统，有望为癌症精准联合用药开辟全新路径。
要闻速览癌症耐药性：临床面临的巨大挑战
前列腺癌是全球男性发病率最高的恶性肿瘤之一。尽管以恩扎卢胺为代表的雄激素受体阻断剂在初期疗效显著，但肿瘤细胞会通过激活替代信号通路来逃避药物杀伤，最终产生耐药性。UCLA 生物工程系副教授尼尔·林（Neil Lin）指出：“开发有效药物组合的传统方法要么依赖大规模盲目筛选，要么依靠研究者的经验假设，既耗时又难以捕捉多通路间的复杂互动。”据《Advanced Science》发表的论文，MAESTRO 正是为填补这一空白而设计。
要闻回顾MAESTRO 的核心工作原理
MAESTRO 的全称是“Mechanistic Augmentation and Ensemble Selection for Therapeutic Ranking Optimization”，即“用于治疗排序优化的机制增强与集成选择”。该平台将大语言模型（LLM）与已发表的生物学知识相结合，系统分析药物作用机制以及癌细胞用于逃逸治疗的分子通路。尼尔·林教授解释：“MAESTRO 能够整合现有生物医学知识，识别在生物学上具有明确原理的药物组合，并为实验验证提供最优候选。”与依赖海量实验数据的传统 AI 不同，MAESTRO 可在缺乏训练数据的情况下直接推理，同时生成可解释的作用机制假设。
聚焦前列腺癌：筛选 3592 种天然产物
研究团队以恩扎卢胺为基础药物，利用 MAESTRO 扫描了 3592 种天然产物的数据库，寻找能够协同增强药效的化合物。由于前列腺癌耐药机制多样——包括雄激素受体突变、替代生长通路激活、自噬上调等——MAESTRO 的设计特别强调“多轮评估”：每一种候选化合物被重复分析超过 100 次，最终仅保留那些排名一致且得分最高的分子。下表展示了筛选的关键数据：
| 阶段 | 数量 | 说明 |
|---|
| --- | --- | --- |
|---|
| 筛选天然产物总数 | 3,592 | 来自公开化合物库 |
|---|
| 高置信度候选 | 150 | MAESTRO 排名前 4.2% |
|---|
| 体外协同有效化合物 | 23 | 在 3D 前列腺癌球体模型中验证 |
|---|
| 最突出候选物 | 小檗碱（Berberine） | 在四种不同耐药模型中均表现稳定 |
|---|
这一结果凸显了 MAESTRO 的筛选效率：从数千个选项中精确定位到 23 个有效组合，命中率约为 0.64%，远高于传统盲筛。
小檗碱：被“忽视”的天然多靶点化合物
小檗碱是一种存在于黄连、黄柏等植物中的生物碱，传统上被用于治疗肠道感染。该研究的第一作者、UCLA 生物工程系博士后詹姆斯·C.H. 洛（James C.H. Lo）表示：“小檗碱并非显而易见的候选药物，因为它同时影响多条生物学通路，很难预测它如何与其它药物配合。”令团队惊讶的是，小檗碱与恩扎卢胺的组合在全部四种耐药模型中都表现出强协同效应——这意味着它可能绕过了不同患者体内差异巨大的耐药机制。洛补充道：“MAESTRO 帮助我们识别出一组可能被逐一分析每一条通路时所忽视的潜力组合。”
机制验证：AMPK‑mTORC1 通路的双重调节
为使研究结论更可靠，团队进一步验证了 MAESTRO 预测的分子机制。实验显示，小檗碱联合恩扎卢胺后，细胞内 AMPK 活性显著升高（一种能量应激传感器），同时 mTORC1 信号被抑制——后者是促进细胞生长和存活的关键节点。这种协同效应导致肿瘤细胞 DNA 复制受阻、细胞周期停滞，最终引发更强的凋亡。研究人员指出，这一 AMPK‑mTORC1 机制不仅解释了联合用药为何有效，也为设计其他耐药后治疗方案提供了可借鉴的框架。
未来展望：从实验室到临床的桥梁
目前，MAESTRO 的研究成果仍停留在体外模型阶段。UCLA 团队计划下一步在患者来源的肿瘤类器官以及动物模型中进一步验证小檗碱‑恩扎卢胺组合的安全性和有效性。同时，他们正在将更多类型的生物数据（如基因组学、蛋白质组学）集成进 MAESTRO，使其能够应对其他癌症类型及新型耐药机制。尼尔·林教授表示：“MAESTRO 展现了一种可扩展的方法论——它能显著加速药物组合的发现，并降低开发成本。”若后续临床前及临床研究成功，这一 AI 平台有望彻底改变癌症联合用药的研发模式。
常见问题（FAQ）
Q1：MAESTRO 与现有 AI 药物发现平台有何不同？
A1： 传统 AI 通常需要大量配对实验数据来训练，而 MAESTRO 直接利用已发表的科学文献和通路知识进行推理，无需昂贵的前期数据生成。它还能输出生物学解释，而不是“黑箱”预测，这使科学家更容易信任并验证其建议。
Q2：小檗碱作为天然产物，是否已经被批准用于癌症？
A2： 小檗碱目前在中国、日本等国作为非处方止泻药使用，但在美国尚未被 FDA 批准用于癌症治疗。本研究发现其与恩扎卢胺的协同作用仅处于临床前阶段，后续需经过严格的安全性评估和临床试验方可进入临床应用。
总而言之，MAESTRO 人工智能平台通过整合大语言模型与生物学知识，成功从数千种天然产物中识别出小檗碱这一能够克服前列腺癌耐药性的潜力化合物。这一方法不仅效率极高，还为其他耐药性肿瘤的药物组合开发提供了可复制的范式。随着更多临床前数据的积累，基于 AI 的精准联合治疗或将成为癌症治疗的下一个里程碑。
