第四范式生物药物计算成果再次登上《Nature》子刊

12月20日晚,国际顶级学术期刊《Nature》旗下子刊《Nature Computational Science》发表了第四范式(第一完成单位)在生物计算领域最新的研究成果。该论文采用了人工智能与生物网络相结合的方法,精准预测联合用药后在疗效、耐药性、不良反应等方面的表现,可为临床治疗和新型药物研发提供重要科学依据。这也是《Nature》系列期刊第二次刊登第四范式相关研究成果。

《Nature Computational Science》是专注于基础和应用计算科学的《Nature》期刊,侧重于计算技术和数学模型的开发与使用,以解决一系列科学学科中的复杂问题。该期刊以收录论文“量少质高”著称,发表的论文极具科研及应用价值。

联合用药是临床最普遍且有效的治疗方式之一,具有增强疗效、减少毒副作用和缩短疗程等优点,但同时也伴随着药物相互作用引起的不良反应等不确定性因素。因此,多重用药副作用的预测和发现,对改善患者用药护理和新型药物研发均起着至关重要的作用。

为了提升新型药物相互作用的推理效果,第四范式提出利用生物网络进行知识补全。生物网络是一种有向多关系图,包含诸如基因、疾病、药物等生物网络的丰富生物知识,可以为新药提供有效的辅助信息。此外,为解决生物网络中大量无声、噪音问题,第四范式利用基于路径子图的注意力机制,挖掘联通新药和已知药物的重要链接路径,从而实现对新型药物相互作用的有效推理。

相比传统基于特征的药物作用推理和基于深度学习的预测算法,利用生物网络的EmerGNN算法对于各类型的药物作用预测均能起到约10%的准确率提升,同时可通过挖掘出的路径起到解释预测结果的作用。

除此之外,该成果还可被广泛应用到其他生物医药领域,例如药物靶向预测、蛋白质相互作用预测等。