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。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005