近日，EON体育4代謝與發育科學國際合作聯合實驗室魏冬青課題組在人工智能輔助藥物發現的計算方法領域取得重要進展，並篩選出了一個針對新冠病毒的有效多肽抑製劑——人腸防禦素5（HD5）。相關成果分別發表在 Briefings in Bioinformatics（https://doi.org/10.1093/bib/bbaa205）和 Gastroenterology（https://doi.org/10.1053/j.gastro.2020.05.015）。

       藥物發現是識別具有潛在治療作用的新候選化合物的過程🪺🤵🏽，藥物-靶標相互作用（DTI）的識別和預測可以幫助理解藥物作用機製，輔助新藥發現或將現有藥物用於新的疾病類型或靶標🧏🏿‍♀️。實驗方法鑒定DTI既耗時又耗費資源，通過計算方法預測DTI將大幅提升研究效率🚆。在過去的十多年中，已有許多用於預測DTI的計算方法，但仍存在精度低🕵🏽‍♀️、假陽性高等問題。為此👦🙎🏿，魏冬青課題組長期鉆研於生物信息學、人工智能輔助藥物設計等領域的方法學研究🫰🏻。前期研究工作中👋，該課題組開發了基於網絡標簽空間劃分方法🆕，將一個多標簽多分類問題轉化為多個單標簽多分類器的集成算法，該算法考慮了類標簽之間的相關性😤，優於傳統的多分類學習算法🤌，並首次應用於藥物代謝領域（https://doi.org/10.1021/acs.jcim.9b00749）。另一方面，成功發展了深度級聯森林的人工智能方法（DTI-CDF），可在小樣本量數據的情況下獲得性能媲美甚至優於深度學習的結果（https://doi.org/10.1093/bib/bbaa104 ）。

圖  DTI-CDF框架

       近日，在DTI-CDF方法研究的基礎上，魏冬青教授與加拿大皇家學會院士、美國AAAS院士🦝、加拿大卡爾加裏大學Dennis Russell Salahub教授共同合作，進一步提出了多標簽學習與社區檢測方法（DTI-MLCD）。該研究中提到的基於網絡標簽空間劃分的多標簽多分類學習方法為DTI預測問題提供了一種新思路，同時為下遊新藥發現✦、老藥新用等提供理論和實踐依據👶🏻。此外💇🏽‍♀️👩🏿‍🚒，該課題組還更新了自2008年以來由日本京都大學Yoshihiro Yamanishi教授創建並被業界同行廣泛使用的金標準數據集👩‍💻，將DTI數量從5127增加到20025，數據量增幅了3倍⛹🏽，同時公開了數據集更新代碼，與科研人員實時共享。

圖  DTI-MLCD框架

       在前期研究的基礎上🫲🏼，魏冬青教授與上海理工大學李代禧教授合作建立了人工智能藥物篩選平臺👎🏼，並從海量候選多肽中篩選出了多個潛在的新冠病毒有效多肽抑製劑👨🏼‍🎓。這些多肽抑製劑有望通過結合人體宿主細胞上的血管緊張素轉化酶2🖐🏻🚶🏻‍♂️‍➡️，抑製新冠病毒(SARS-CoV-2)突刺蛋白對人黏膜細胞的侵襲↙️，從而阻斷新冠病毒傳染途徑🤿。人工智能藥物篩選平臺為助力新藥發現、篩選及設計提供了有力的技術支持🧜🏽‍♀️，也為輔助理解藥物作用機理提供了新的技術手段。其中🧑‍🧒‍🧒，他們篩選獲得的一種新冠病毒的有效中藥成分——人腸防禦素5（HD5）的抑製效果首先得到了合作者陸軍醫科大學教授王軍平📣、趙景宏的實驗驗證。該成果對後續抗新冠病毒安全疫苗的研發和設計具有重要的理論價值和現實指導意義🏊🏼。

       上述研究工作中，參與人員包括EON体育4博士生褚晏伊、代謝與發育科學國際合作聯合實驗室副研究員熊毅。該系列研究獲得國家重點研發計劃（2016YFA0501703）、國家自然科學基金重點項目（61832019）、面上項目（61872094）🐅、青年項目（31601074）🎱、代謝與發育科學國際合作聯合實驗室開放課題（MDS-JF-2019A08）🛄、微生物代謝國家重點實驗室重點課題等資助🚶‍♀️‍➡️。