APSB | 张卫东/陈洛南教授团队开发多模态药物识别AI新算法GSFM，为精准药物表征装上“智慧眼”

主要观点总结

文章介绍了药物转录扰动谱在药物发现中的新应用，以及面临的挑战。张卫东教授课题组与陈洛南教授课题组构建了一种多模态新型药物筛选算法，该算法以功能模块为基本单元，探究药物疗效与疾病逆转能力之间的系统性关联。研究采用GSFM模型开展药物识别，并提供了实验证据。该研究不仅为药物发现提供新型计算方法，更为中药多靶点活性成分优化提供新的思路。

关键观点总结

关键观点1: 药物转录扰动谱在药物发现中的应用

药物转录扰动谱为药物发现提供了新的视野，使研究人员能够快速进行药物识别，且不依赖于对特定药物或疾病的先验知识。多个药物转录组扰动数据库的建立，如CMAP、LINCS和ITCM等，加速了药物发现的进程。

关键观点2: 药物发现策略面临的挑战

现有的药物发现策略主要面临两大挑战：一是主要分析差异表达的基因或蛋白，忽略了基因-基因功能网络的关联；二是药物的治疗效果与其逆转疾病模型能力之间的复杂联系尚未充分阐释。

关键观点3: GSFM算法模型的介绍

GSFM算法模型是一种多模态新型药物筛选算法，以功能模块为基本单元，能够探究药物的治疗效能与其对疾病逆转能力之间的系统性关联。该模型采用四种活性打分算法，表征FM的多维活性，并将冗余不可靠的基因表达数据转换为更可信的功能模块活性矩阵。

关键观点4: GSFM算法模型的实验证据

研究人员采用GSFM模型针对乳腺癌、肺腺癌和去势抵抗性前列腺癌开展药物识别，成功识别出相应的候选药物，并通过体外和体内实验验证了这些候选化合物的抗肿瘤作用，为GSFM算法提供了实验证据。

关键观点5: 研究的意义和资助情况

该研究不仅为药物研发领域提供多模态药物筛选框架和新药发现的科学基础，而且推动中药多靶点调控创新药物研究领域的进步。研究得到国家重点研发计划、国家自然科学基金、中央重点项目等多个项目的资助支持。

文章预览

近年来，药物转录扰动谱为药物发现开辟了新的视野，使研究人员能够在不依赖于对特定药物或疾病的先验知识的情况下进行快速地药物识别，这一方法在现代医学领域得到广泛应用。通过基因表达谱对化合物进行虚拟筛选也已被证明是一种非常有效的药物发现新策略，目前，CMAP、LINCS和ITCM等多个药物转录组扰动数据库的建立，加速了药物发现的进程。然而，现有的药物发现策略主要面临两大挑战：一是它们主要集中于分析差异表达的基因或蛋白，忽略了基因-基因功能网络的关联；二是药物的治疗效果与其逆转疾病模型能力之间的复 杂联系尚未充分阐释。 受启发于中药多靶点网络调控的特点，海军军医大学张卫东教授课题组联合中国科学院分子细胞科学卓越创新中心陈洛南教授课题组构建了以功能模块（Function Module，FM）为基本单元的多模态新 ………………………………