本网讯 近日，国际权威期刊《自然·通讯》（Nature Communications）在线发表了中南大学计算机学院李敏教授团队的最新研究成果“DTIAM：药物-靶标相互作用、结合亲和力、作用机制预测的统一框架（DTIAM: a unified framework for predicting drug-target interactions, binding affinities and drug mechanisms）”。该研究提出了一种基于自监督学习的药物靶标预测模型DTIAM，用于准确预测药物与靶标之间的相互作用、结合亲和力、以及激活和抑制作用机制。中南大学计算机学院卢长利博士与河北工业大学生命科学与健康工程学院宋国强博士为共同第一作者，计算机学院李敏教授为论文通讯作者，中南大学为第一署名单位。

鉴定药物与靶标之间的相互作用是药物研发中的关键步骤。尽管各种生物实验技术在药物研发中得到了广泛的应用，但使用生物实验方法进行大规模的药物-靶标相互作用实验验证仍然昂贵且耗时。针对这一挑战，计算方法成为了降低药物研发成本和周期的重要手段。然而，现有的药物-靶标相互作用预测方法在预测性能上有待进一步提高，尤其在冷启动场景下。同时，已有方法缺乏对药物作用机制的研究，区分药物与靶标之间的激活和抑制机制在药物开发中至关重要且极具挑战。

针对这一挑战，李敏团队创新性地提出DTIAM方法，用于预测药物和靶标之间的相互作用、结合亲和力和激活/抑制机制。该方法通过自监督学习从海量的无标签数据中学习药物小分子和靶蛋白的子结构和上下文信息，实现药物和靶标隐含特征的精准表示并用于下游任务的预测。实验结果表明，DTIAM在相互作用、亲和力以及激活/抑制机制三个预测任务上的基准测试中表现优异，显著超越现有最先进的方法，尤其在冷启动场景中。在独立验证实验中，DTIAM成功从化合物库中筛选出了TMEM16A靶点的潜在抑制剂，并通过了全细胞膜片钳的湿实验验证。此外，在EFGR、CDK 4/6以及10个特定靶标的实验结果表明，DTIAM能够有效预测潜在相互作用并区分药物的作用机制，为药物研发提供了强有力的辅助工具。

此次研究不仅推动了药物-靶标相互作用预测领域的技术进步，也为阐明药物与靶标之间的作用机制提供了新见解。未来，研究团队将进一步引入蛋白质突变与三维结构信息，推动DTIAM在药物耐药性预测和药物重定位中的应用拓展。

DTIAM的架构概述

去氢木香内酯对TMEM16A重组HEK293T细胞中的TMEM16A电流具有浓度依赖性抑制作用

（一审：秦洁蕊 二审：唐潇珺 三审：李殷）