Science推出AI虚拟筛选新工具:DrugReflector!和虚拟敲除、分子对接一起做,热点集合!

走过路过不要错过，今天更新全新AI虚拟筛选工具——DrugReflector！

DrugReflector于2025年发表在Science，是一种基于转录组数据的药物筛选算法，能够计算药物转录组扰动，逆转疾病表达谱，从而不依赖靶点结构和药靶结合筛选药物，适用于神经退行性疾病、肿瘤、代谢病、纤维化等多种疾病。而且相较于传统筛选，DrugReflector的命中率提升了13–17倍，还能不断进化，越用越准！

看到药物筛选，大家也没有想到soFOCAL算法呢，同样是药物的虚拟筛选，soFOCAL基于单细胞转录组计算细胞-药物相关性，找出哪些细胞亚群对哪个药敏感、耐药，主要侧重于肿瘤异质和联合用药。无论哪种筛选，凯丽团队均已掌握，想了解的朋友可以找凯丽获得工具包，定制专属分析方案~

目前已有文章将DrugReflector作为药物数据库筛选的上位替代，与分子对接一起预测，一起来看：研究首次将单细胞多组学、机器学习以及DrugReflector虚拟筛选用于帕金森病（PD）失眠靶点系统挖掘，鉴定出了可用药靶点TAZ与高亲和力小分子BRD–K97481123。

作为单基因分析，文章不仅聚焦PD与失眠共病，使用5套转录组WGCNA、机器学习分析，确定了核心靶点，还用1套单细胞数据做了细胞注释、拟时序分析、细胞通讯、单细胞代谢、空间分布以及scTenifoldKnk虚拟敲除等多重分析，极大提高了工作量，研究更有深度；最后通过DrugReflector3和分子对接虚拟筛选预测结合活性，在研究成果临床转化价值中起到了核心作用，创新性赛高！

为什么说这个算法适合大家复现？因为只需转录数据就可进行，还能与虚拟敲除、分子对接等热点联动，大家手头如果有数据，不妨都加上试试，如果不清楚怎么分析，找凯丽！

数据

5套PD黑质数据集：GSE20141、GSE7621、GSE20163、GSE20164、GSE20333，1套PD患者黑质单细胞数据集：GSE140231，Genecard失眠相关基因。

方法思路

1.整合转录组数据先后进行差异分析和WGCNA共表达网络分析筛选，再与失眠基因取交集，获得失眠相关PD差异基因（IDEGs）。

2.使用LASSO、RF、SVM-RFE三种算法联合筛选，确定核心基因。

3.多数据集验证基因诊断效能，GSEA富集分析基因功能通路，免疫浸润分析基因免疫特征。

4.单细胞注释、拟时序分析、细胞通讯、代谢分析以及scTenifoldKnk虚拟敲除解析核心基因定位与功能。

5.DrugRefLector工具虚拟筛选可逆转PD表型的最优候选药物，通过分子对接验证结合。

6.实验验证PD细胞中的靶点表达。

主要结果

筛选锁定TAZ（WWTR1）为唯一核心靶点。

TAZ诊断价值极高。

TAZ主要富集于神经元，调控神经元分化与PD通路。

基于PD表达谱，虚拟筛选得到BRD-K97481123是最优药物。

凯丽笔记

DrugReflector AI虚拟筛选，不仅选得快、找得准、结果可靠，创新性也更强；而且使用门槛低，转录组相对于单细胞分析起来更方便，数据更充足；在课题转化中也好理解，单独分析自成章节，设计起来更方便，还能与虚拟敲除形成热点联动~当然凯丽团队更是基于DrugReflector的诸多优点，专注实战经验、数据挖掘与流程分析，为大家提供最全面可靠的分析方案，有需要随时联系~

定制生信分析

生信云服务器

课题方案设计