近日，中南大学新葡的京集团35222vip(中国)集团有限公司曹东升教授团队在国际权威期刊《Chemical Science》（中科院一区，NI指数期刊）发表了题为“Predicting novel targets with Bayesian machine learning by integrating multiple biological signatures”的研究成果。该研究开发了一种靶点预测方法，利用贝叶斯框架整合了 25 种高水平生物表征，捕捉到传统化学描述符未能识别的新靶点，从而通过骨架跃迁提高了靶点预测的准确性。

候选分子的靶标识别是药物开发过程中至关重要的一步，涉及先导化合物的发现、药物的再利用以及潜在的脱靶效应或药物副作用的解释。因此，提高靶点预测的精度具有重要意义。目前的靶点预测方法主要依赖基于配体的化学相似性原理，难以捕捉基于配体高水平特征的新化合物-靶点关系。在此背景下，该团队引入了一种创新算法——融合多生物表征策略(FMBS)，该方法利用贝叶斯框架整合了跨越药物开发的全过程信息：从小分子（A化学）与其相关蛋白受体（B靶点）之间的相互作用，到被激活的生物通路（C网络）和由此产生的表型变化（D细胞），并延伸到临床层面（E临床）。最后基于骨架跃迁通过投票策略预测新靶点，预测效果显著优于基于化学描述符相似性的方法。同时，该方法可应用于所有分子，其适用性得到提升。此外，与其他复杂的机器学习模型相比，由于贝叶斯框架似然比的可解释性和轻松添加新数据类型的能力，研究人员可以根据专家经验灵活选择想要整合的数据类型。

该研究通过整合全面互补的高维特征，为加速药物机制的探索提供了新方法。中南大学新葡的京集团35222vip(中国)集团有限公司2022级硕士生魏筱为该论文的第一作者，曹东升教授为论文的通讯作者，中南大学新葡的京集团35222vip(中国)集团有限公司为第一通讯单位。该研究得到了国家重点研发计划、国家自然科学基金、中南大学高性能计算中心等的支持。中南大学新葡的京集团35222vip(中国)集团有限公司博士生付丽，国防科技大学博士生蚁佳才，香港浸会大学博士生钱蓉也为该研究提供了帮助与指导。

原文链接：https://pubs.rsc.org/en/Content/ArticleLanding/2024/SC/D4SC03580A

曹东升：中南大学新葡的京集团35222vip(中国)集团有限公司教授，副院长，博士生导师，中南大学人工智能药学交叉研究中心主任，国家重点研发计划首席科学家、国家自科基金创新研究群体核心成员、国家万人计划青年拔尖人才、湖南省科技创新领军人才、湖南省杰青。入选爱思唯尔“中国高被引学者”、“全球前2%顶尖科学家”和“全球顶尖前10万名科学家排名”榜单。 近5年（2019年至今），在Nature Mach Intell、Nat Protoc、Nat Commun、WIREs Comput Mol Sci、Nucleic Acids Res、Research、Acta Pharm Sin B、Brief Bioinform、J Med Chem等权威SCI期刊上发表论文120余篇；单篇最高引用1392次，总引用15600余次，H因子为57。