2023年 第54卷 第3期
2023, 54(3): 263-268.
DOI: 10.11665/j.issn.1000-5048.2023030304
摘要：
近年来人工智能得到了快速发展，其在很大程度上改变了现代的生活方式。同时，人工智能极大地促进了医药行业的发展，在精准医学、智能诊断、计算机辅助药物设计以及临床试验决策等环节均发挥了关键作用，也在与医药产业的结合中极大地发展了自身。本文概述了人工智能研究中的关键问题，阐述人工智能在健康医药产业中的关键应用，并分析人工智能在健康医药产业中机遇与挑战，为人工智能在健康医药产业领域的发展提供参考。
近年来人工智能得到了快速发展，其在很大程度上改变了现代的生活方式。同时，人工智能极大地促进了医药行业的发展，在精准医学、智能诊断、计算机辅助药物设计以及临床试验决策等环节均发挥了关键作用，也在与医药产业的结合中极大地发展了自身。本文概述了人工智能研究中的关键问题，阐述人工智能在健康医药产业中的关键应用，并分析人工智能在健康医药产业中机遇与挑战，为人工智能在健康医药产业领域的发展提供参考。
2023, 54(3): 269-281.
DOI: 10.11665/j.issn.1000-5048.2023041102
摘要：
近年来人工智能发展迅速，随着算力的提升、算法的迭代，人工智能极大方便了生物信息、化学信息和临床数据的收集及处理，为新药研发注入了新的活力。本综述对人工智能在制药领域的发展历程及其主要算法进行了简要介绍，随后结合具体实例对人工智能在药物靶点筛选及验证方面的不同阶段进行了详细描述，包括药物靶点发现、蛋白结构预测以及苗头化合物生成与优化等。最后对人工智能平台“端到端”的一次高效应用过程进行了具体讨论。
近年来人工智能发展迅速，随着算力的提升、算法的迭代，人工智能极大方便了生物信息、化学信息和临床数据的收集及处理，为新药研发注入了新的活力。本综述对人工智能在制药领域的发展历程及其主要算法进行了简要介绍，随后结合具体实例对人工智能在药物靶点筛选及验证方面的不同阶段进行了详细描述，包括药物靶点发现、蛋白结构预测以及苗头化合物生成与优化等。最后对人工智能平台“端到端”的一次高效应用过程进行了具体讨论。
2023, 54(3): 282-293.
DOI: 10.11665/j.issn.1000-5048.2023041003
摘要：
近年来，人工智能在药物研发领域得到了广泛的应用。特别是自然语言处理技术在预训练模型的出现后有了非常显著的提高，在此基础上，图神经网络的引入也使得药物研发变得更加准确和高效。为了使药物研发者更加系统全面地了解人工智能在药物研发中的应用，本文介绍了人工智能中的前沿算法，同时阐述了人工智能在药物小分子设计、虚拟筛选、药物再利用以及药物性质预测等多方面的应用场景，最后探讨它在未来药物研发中的机遇与挑战。
近年来，人工智能在药物研发领域得到了广泛的应用。特别是自然语言处理技术在预训练模型的出现后有了非常显著的提高，在此基础上，图神经网络的引入也使得药物研发变得更加准确和高效。为了使药物研发者更加系统全面地了解人工智能在药物研发中的应用，本文介绍了人工智能中的前沿算法，同时阐述了人工智能在药物小分子设计、虚拟筛选、药物再利用以及药物性质预测等多方面的应用场景，最后探讨它在未来药物研发中的机遇与挑战。
2023, 54(3): 294-304.
DOI: 10.11665/j.issn.1000-5048.2023042201
摘要：
良好的先导化合物对于药物研发具有深远影响，可以提高药物上市的成功率。利用传统方法发现先导化合物存在成本高且耗时的问题，而人工智能（artificial intelligence，AI）可以高效发现良好的先导化合物。本文系统地总结了通过人工智能的筛选模型与生成模型获得先导化合物的研究进展，按照输入信息的类型归纳整理不同的模型，重点介绍了利用筛选模型实现药物重定位和利用生成模型实现多目标药物设计，探讨了人工智能在先导化合物研究领域的发展前景，为人工智能在先导化合物方面的应用提供新的研究思路。
良好的先导化合物对于药物研发具有深远影响，可以提高药物上市的成功率。利用传统方法发现先导化合物存在成本高且耗时的问题，而人工智能（artificial intelligence，AI）可以高效发现良好的先导化合物。本文系统地总结了通过人工智能的筛选模型与生成模型获得先导化合物的研究进展，按照输入信息的类型归纳整理不同的模型，重点介绍了利用筛选模型实现药物重定位和利用生成模型实现多目标药物设计，探讨了人工智能在先导化合物研究领域的发展前景，为人工智能在先导化合物方面的应用提供新的研究思路。
2023, 54(3): 305-313.
DOI: 10.11665/j.issn.1000-5048.2023040304
摘要：
药物研发过程中，化合物-蛋白质相互作用（compound-protein interaction，CPI）预测是发现苗头化合物、药物重定位等研究的关键技术手段。近年来，深度学习被广泛应用于CPI研究，加速了药物发现中CPI预测的发展。本文重点讨论基于特征的 CPI 预测模型，首先，介绍了CPI预测中常见的数据库、化合物和蛋白质的典型特征表示方法。根据建模中的关键问题，从多模态和注意力机制两个方面，对基于特征的CPI预测模型展开论述。在此基础上，选取其中12个模型，在3个经典数据集上评估了模型在分类任务和回归任务中的性能。本文总结当前该领域面临的挑战，对未来的发展方向进行展望，为CPI预测方法进一步研究提供思路。
药物研发过程中，化合物-蛋白质相互作用（compound-protein interaction，CPI）预测是发现苗头化合物、药物重定位等研究的关键技术手段。近年来，深度学习被广泛应用于CPI研究，加速了药物发现中CPI预测的发展。本文重点讨论基于特征的 CPI 预测模型，首先，介绍了CPI预测中常见的数据库、化合物和蛋白质的典型特征表示方法。根据建模中的关键问题，从多模态和注意力机制两个方面，对基于特征的CPI预测模型展开论述。在此基础上，选取其中12个模型，在3个经典数据集上评估了模型在分类任务和回归任务中的性能。本文总结当前该领域面临的挑战，对未来的发展方向进行展望，为CPI预测方法进一步研究提供思路。
2023, 54(3): 314-322.
DOI: 10.11665/j.issn.1000-5048.2023030901
摘要：
抗菌肽（antimicrobial peptides，AMPs）是一类具有广谱抗菌活性的小分子肽，其独特抗菌机制能够有效治疗感染性疾病，且不易产生耐药性。然而，利用传统实验方式虽然能够筛选出具有抗菌活性的AMPs，但是筛选过程繁琐，人工智能筛选方法则更加快捷便利，在探索新型天然抗菌肽中展现了巨大的潜力。本文总结并比较了人工智能筛选AMPs的相关策略，包括应用于模型训练的数据来源、人工智能机器模型以及应用于模型筛选新型抗菌肽的组学数据，并对应用的前景和优势进行展望，以期为抗菌肽的鉴定识别、研发改造提供新思路。
抗菌肽（antimicrobial peptides，AMPs）是一类具有广谱抗菌活性的小分子肽，其独特抗菌机制能够有效治疗感染性疾病，且不易产生耐药性。然而，利用传统实验方式虽然能够筛选出具有抗菌活性的AMPs，但是筛选过程繁琐，人工智能筛选方法则更加快捷便利，在探索新型天然抗菌肽中展现了巨大的潜力。本文总结并比较了人工智能筛选AMPs的相关策略，包括应用于模型训练的数据来源、人工智能机器模型以及应用于模型筛选新型抗菌肽的组学数据，并对应用的前景和优势进行展望，以期为抗菌肽的鉴定识别、研发改造提供新思路。
2023, 54(3): 323-332.
DOI: 10.11665/j.issn.1000-5048.2023022802
摘要：
从分子库中筛选出潜在活性化合物，是药物发现常用的方法。然而，随着化学空间的不断探索，目前已有超过数十亿分子的化合物库，仅仅依靠分子对接已不足以从超大化合物库中对特定靶点抑制剂进行快速筛选。本研究提出了一种筛选潜在活性化合物的方法，通过计算物理化学性质相似性、构建机器学习预测模型以及分子对接等步骤，对含有55亿分子的候选化合物库进行过滤筛选，最终得到51个具有共济失调毛细血管扩张突变基因和Rad3相关蛋白（ataxia telangiectasia-mutated and Rad3-related，ATR）激酶潜在抑制活性的化合物。该方法为从超大库中快速筛选新颖潜在活性分子提供了有效途径。
从分子库中筛选出潜在活性化合物，是药物发现常用的方法。然而，随着化学空间的不断探索，目前已有超过数十亿分子的化合物库，仅仅依靠分子对接已不足以从超大化合物库中对特定靶点抑制剂进行快速筛选。本研究提出了一种筛选潜在活性化合物的方法，通过计算物理化学性质相似性、构建机器学习预测模型以及分子对接等步骤，对含有55亿分子的候选化合物库进行过滤筛选，最终得到51个具有共济失调毛细血管扩张突变基因和Rad3相关蛋白（ataxia telangiectasia-mutated and Rad3-related，ATR）激酶潜在抑制活性的化合物。该方法为从超大库中快速筛选新颖潜在活性分子提供了有效途径。
2023, 54(3): 333-343.
DOI: 10.11665/j.issn.1000-5048.2023033103
摘要：
人体细胞色素P450（CYP）受到抑制会导致药物-药物相互作用，从而产生严重的不良反应。因此，准确预测给定化合物对特定CYP亚型的抑制能力至关重要。本研究基于不同的分子表征，比较了11种机器学习方法和2种深度学习模型，实验结果表明，基于RDKit_2d + Morgan的CatBoost机器学习模型在准确率和马修斯系数方面优于其他模型，甚至优于先前发表的模型。此外，实验结果还显示，CatBoost模型不仅性能佳，而且计算资源消耗较低。最后，本文将表现较好的前3名模型结合为co_model，其在性能方面稍微优于单独使用CatBoost模型。
人体细胞色素P450（CYP）受到抑制会导致药物-药物相互作用，从而产生严重的不良反应。因此，准确预测给定化合物对特定CYP亚型的抑制能力至关重要。本研究基于不同的分子表征，比较了11种机器学习方法和2种深度学习模型，实验结果表明，基于RDKit_2d + Morgan的CatBoost机器学习模型在准确率和马修斯系数方面优于其他模型，甚至优于先前发表的模型。此外，实验结果还显示，CatBoost模型不仅性能佳，而且计算资源消耗较低。最后，本文将表现较好的前3名模型结合为co_model，其在性能方面稍微优于单独使用CatBoost模型。
2023, 54(3): 344-354.
DOI: 10.11665/j.issn.1000-5048.2023040305
摘要：
阿尔茨海默病（Alzheimer''s disease，AD）给社会带来了巨大的医疗和经济负担，寻找和发现其治疗药物有着重大的研究意义。本研究采用知识图谱嵌入在公开的药物再利用知识图谱（drug repurposing knowledge graph，DRKG）上研究了AD的药物重定位。首先，利用4种知识图谱嵌入模型，即TransE、DistMult、ComplEx和RotatE在DRKG上学习实体和关系的嵌入向量；随后使用3种经典的知识图谱评估指标评估和比较了这些模型的性能和学习到的嵌入向量的质量；根据评估比较的结果，选择利用RotatE模型进行链接预测，确定了16种有可能用于AD治疗的药物，其中谷胱甘肽、氟哌啶醇、辣椒素、槲皮素、雌二醇、葡萄糖、双硫仑、腺苷、帕罗西汀、紫杉醇、格列本脲、阿米替林已被前人的研究证实对于AD有潜在的治疗作用。研究结果表明，基于知识图谱嵌入的药物重定位研究有望为AD药物发现提供新的思路和方法，RotatE模型可以有效地整合DRKG的多源信息，进而很好地完成了AD药物重定位任务。本研究的源代码可以从https：//github.com/LuYF-Lemon-love/AD-KGE获得。
阿尔茨海默病（Alzheimer''s disease，AD）给社会带来了巨大的医疗和经济负担，寻找和发现其治疗药物有着重大的研究意义。本研究采用知识图谱嵌入在公开的药物再利用知识图谱（drug repurposing knowledge graph，DRKG）上研究了AD的药物重定位。首先，利用4种知识图谱嵌入模型，即TransE、DistMult、ComplEx和RotatE在DRKG上学习实体和关系的嵌入向量；随后使用3种经典的知识图谱评估指标评估和比较了这些模型的性能和学习到的嵌入向量的质量；根据评估比较的结果，选择利用RotatE模型进行链接预测，确定了16种有可能用于AD治疗的药物，其中谷胱甘肽、氟哌啶醇、辣椒素、槲皮素、雌二醇、葡萄糖、双硫仑、腺苷、帕罗西汀、紫杉醇、格列本脲、阿米替林已被前人的研究证实对于AD有潜在的治疗作用。研究结果表明，基于知识图谱嵌入的药物重定位研究有望为AD药物发现提供新的思路和方法，RotatE模型可以有效地整合DRKG的多源信息，进而很好地完成了AD药物重定位任务。本研究的源代码可以从https：//github.com/LuYF-Lemon-love/AD-KGE获得。
2023, 54(3): 355-362.
DOI: 10.11665/j.issn.1000-5048.2023032102
摘要：
人体肠道吸收性（human intestinal absorption，HIA）是衡量药物口服生物利用度的重要标志之一。利用人工智能方法在药物发现早期对药物的HIA进行预测评估，能够加速药物发现过程并且降低成本。本研究分别使用分子模拟软件MOE（molecular operating environment）的2D、3D描述符和ECFP4（extended connectivity fingerprints）对分子进行表征，针对2 061条HIA数据建立支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）等8种模型。结果表明，基于2D、3D描述符和ECFP4指纹的组合描述符构建的SVM模型在各项评价指标上进行综合评价后是最优的，最优模型的受试者工作特征曲线下面积（AUC）、马修斯系数和Kappa系数分别为0.94，0.75及0.74。综上，本研究建立一个鲁棒性高、泛化能力强的预测HIA性质的机器学习模型，该模型可以用于为药物药代动力学性质研究提供指导及早期的分子筛选。
人体肠道吸收性（human intestinal absorption，HIA）是衡量药物口服生物利用度的重要标志之一。利用人工智能方法在药物发现早期对药物的HIA进行预测评估，能够加速药物发现过程并且降低成本。本研究分别使用分子模拟软件MOE（molecular operating environment）的2D、3D描述符和ECFP4（extended connectivity fingerprints）对分子进行表征，针对2 061条HIA数据建立支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）等8种模型。结果表明，基于2D、3D描述符和ECFP4指纹的组合描述符构建的SVM模型在各项评价指标上进行综合评价后是最优的，最优模型的受试者工作特征曲线下面积（AUC）、马修斯系数和Kappa系数分别为0.94，0.75及0.74。综上，本研究建立一个鲁棒性高、泛化能力强的预测HIA性质的机器学习模型，该模型可以用于为药物药代动力学性质研究提供指导及早期的分子筛选。
2023, 54(3): 363-371.
DOI: 10.11665/j.issn.1000-5048.2023030903
摘要：
知识图谱技术促进了新药研发的进展，但国内研究起点晚且领域知识多以文本形式存储，图谱重用率低。因此，本研究基于多源异构的医药文本，设计了以Bert-wwm-ext预训练模型为基础，并融合级联思想的中文命名实体识别模型，从而减少了传统单次分类的复杂度，进一步提高了文本识别的效率。实验结果显示，该模型在自建的训练语料上的F1分数达0.903，精确率达89.2%，召回率达91.5%。同时，将模型应用于公开数据集CCKS2019上，结果显示该模型能够更好地识别中文文本中的医疗实体。最后，利用此模型构建了一个中文医药知识图谱，图谱包含13 530个实体，10 939个属性，以及39 247个相关关系。本研究所提出的中文医药实体识别与图谱构建方法，有望助力研究者加快医药知识新发现，从而缩短新药研发进程。
知识图谱技术促进了新药研发的进展，但国内研究起点晚且领域知识多以文本形式存储，图谱重用率低。因此，本研究基于多源异构的医药文本，设计了以Bert-wwm-ext预训练模型为基础，并融合级联思想的中文命名实体识别模型，从而减少了传统单次分类的复杂度，进一步提高了文本识别的效率。实验结果显示，该模型在自建的训练语料上的F1分数达0.903，精确率达89.2%，召回率达91.5%。同时，将模型应用于公开数据集CCKS2019上，结果显示该模型能够更好地识别中文文本中的医疗实体。最后，利用此模型构建了一个中文医药知识图谱，图谱包含13 530个实体，10 939个属性，以及39 247个相关关系。本研究所提出的中文医药实体识别与图谱构建方法，有望助力研究者加快医药知识新发现，从而缩短新药研发进程。
2023, 54(3): 372-379.
DOI: 10.11665/j.issn.1000-5048.2023020802
摘要：
雄激素性脱发（androgenetic alopecia，AGA）是最常见的进行性脱发。目前，药物治疗是治疗AGA的主要方法，然而，药物治疗具有明显的副作用。干细胞具有组织修复和维持微环境稳态的作用，可为治疗AGA提供新策略。本文综述了AGA的发病机制，探讨了传统药物治疗的缺陷，同时论述了干细胞及干细胞衍生物在治疗AGA中的研究进展，以期全面反映干细胞治疗AGA的前景。
雄激素性脱发（androgenetic alopecia，AGA）是最常见的进行性脱发。目前，药物治疗是治疗AGA的主要方法，然而，药物治疗具有明显的副作用。干细胞具有组织修复和维持微环境稳态的作用，可为治疗AGA提供新策略。本文综述了AGA的发病机制，探讨了传统药物治疗的缺陷，同时论述了干细胞及干细胞衍生物在治疗AGA中的研究进展，以期全面反映干细胞治疗AGA的前景。
2023, 54(3): 380-388.
DOI: 10.11665/j.issn.1000-5048.20220906001
摘要：
为了充分评估我国在全球药品创新所处阶段，进一步优化我国药品创新环境，释放药品创新活力，本文从全球药品研发创新市场现状、研发投入、产品管线、政策支持以及发展趋势等角度，结合我国药品创新发展的特点，着重比较分析我国药品创新的全球竞争状况，发现我国药品创新存在着创新发展阶段落后于发达国家、扎堆研发竞争、突击式的研发冒进、药品创新过度依赖资本市场等现实问题，针对性提出持续改善中国新药创新环境、理性选择差异化竞争与新赛道、合理制定药品创新发展策略、引导资本回归创新研发本质以及构建药品创新“双循环”战略等建议。
为了充分评估我国在全球药品创新所处阶段，进一步优化我国药品创新环境，释放药品创新活力，本文从全球药品研发创新市场现状、研发投入、产品管线、政策支持以及发展趋势等角度，结合我国药品创新发展的特点，着重比较分析我国药品创新的全球竞争状况，发现我国药品创新存在着创新发展阶段落后于发达国家、扎堆研发竞争、突击式的研发冒进、药品创新过度依赖资本市场等现实问题，针对性提出持续改善中国新药创新环境、理性选择差异化竞争与新赛道、合理制定药品创新发展策略、引导资本回归创新研发本质以及构建药品创新“双循环”战略等建议。
