AI提出的帕金森氏症假說走進動物實驗，CHK2成為新標靶

生成式AI可以迅速列出疾病相關基因，真正困難的卻是提出能在實驗室被推翻或證實的機制。研究團隊在《Nature Biomedical Engineering》發表XunZi系統，讓模型不只為候選標靶排序，也嘗試解釋它們如何參與疾病；其提出的帕金森氏症標靶CHK2，隨後在細胞與小鼠實驗中獲得支持。

XunZi由兩個相互銜接的部分組成。多體學模組XunZi-M整合分子與生物資料，從疾病特徵中篩選相關基因；以Mistral-7B為基礎的推理模組XunZi-R，則彙整生醫知識，產生可供實驗檢驗的基因—疾病機制。研究團隊表示，系統訓練材料涵蓋2,440萬篇生醫文獻與613.6 TB多來源資料，涉及21,008個人類基因及5,850種疾病。

在帕金森氏症分析中，XunZi指向細胞週期檢查點激酶CHK2與免疫訊號激酶IRAK4，並發現兩者在多種疾病模型中異常活化。研究進一步聚焦CHK2：透過遺傳方式降低其功能，或使用藥物抑制其活性，都能減輕小鼠黑質多巴胺神經元流失與運動缺陷。這使研究從電腦產生的排序跨出關鍵一步，形成「候選標靶—作用機制—動物表型」的可驗證鏈條。

相關蛋白質體與磷酸化蛋白質體資料來自兩種常用模型：以神經毒素MPTP誘發病變的小鼠，以及接種α-突觸核蛋白預形成纖維的小鼠。研究人員分析黑質與小腦組織，尋找不同腦區的蛋白表現及磷酸化變化。兩套模型各自模擬帕金森氏症的部分特徵，交叉使用可降低單一模型造成的偏差，卻仍無法完整重現人類疾病長期而異質的進程。

研究團隊已公開程式碼、模型檢查點、評估腳本與示範資料，也提供帕金森氏症專用的激酶模型及CHK2、IRAK4相關提示範例，有助其他研究者檢視推論流程。不過，公開版本主要支援推論示範，完整訓練資料遠大於隨附檔案；能否由外部團隊獨立重現標靶排序與機制推理，仍是衡量這類系統可信度的重要一關。

更直接的限制在於，目前療效證據停留在前臨床階段。小鼠中的神經保護與運動改善不能直接推論為人體療效，長期抑制CHK2是否影響DNA損傷反應、藥物能否安全進入腦部，以及適合哪一類患者，都尚待研究；現有摘要對IRAK4也主要支持其異常活化，未呈現與CHK2同等程度的介入驗證。XunZi因此更像是一部能提出實驗方向的「假說引擎」，而非已經證明可用於臨床決策的AI醫師。