报告题目: 基于人工智能方法的组合药物筛选

报告人: 陈兴

主持人: 张贵军

报告时间: 2024年10月25日 14：00-16：00

报告地点: 信息楼D121

报告摘要：

增效药物组合能够有效针对多基因、多因素调控的复杂疾病，影响多个靶点、多个亚群或多种疾病；可以有效提高疗效，增强治疗效果；可以在药效不变的前提下，降低药物剂量，从而减少药物毒性和副作用；同时可以延缓抗药性的发生。利用生物信息学的方法构建增效药物组合预测模型能够有效降低增效药物组合筛选的盲目性。然而错误的组合用药可能导致不良药物相互作用。传统的识别药物相互作用的方法主要依赖于生物临床试验等手段。随着生物医学数据的不断积累，计算方法能够低成本、大规模、快速高精度地预测药物相互作用。在早期的研究中，研究者们主要关注于预测药物之间是否可能产生不良药物相互作用。然而，这种二元预测难以揭示相互作用的药物在体内药理反应方面产生相互影响的内在机制，推断潜在药物相互作用类型对于探索不良药物相互作用背后的机制更有帮助。因此研究者们逐渐将目光转向药物相互作用类型预测研究。我将报告我们团队这些年来在基于智能算法的增效药物组合预测和药物相互作用类型预测上的一点研究进展和成果。

报告人简介

陈兴，江南大学三级教授、博导（均为31岁直接破格），2019-23连续五年当选科睿唯安全球高被引科学家，2020-23连续四年当选爱思唯尔中国高被引学者，连续多年入选斯坦福大学发布的全球前2%顶尖科学家“终身科学影响力”榜单和全球排名前十万科学家，江苏省333高层次人才培养工程培养对象，江苏省六大人才高峰高层次人才，江苏省生物信息学学会副理事长，中国工业与应用数学学会数学生命科学专业委员会秘书长，中国计算机学会杰出会员，中国生物信息学学会（筹）多组学与整合生物学专业委员会常务委员，江苏省生物医学工程学会生物信息学专业委员会副主任，江苏省双创团队核心成员。中科院一区杂志Briefings in Bioinformatics执行编辑等四家SCI杂志副主编，中科院一区杂志Computers in Biology and Medicine等十家SCI杂志编委，PLoS Computational Biology杂志特约副主编。以一作或通讯发表SCI论文100余篇，论文被引共计15000余次，11篇论文入选最新一期ESI高被引论文，28篇论文曾入选ESI高被引论文，H-因子为61。获教育部高等学校科学研究优秀成果奖自然科学奖二等奖（排名第3）等荣誉，主持国家自然科学基金重大研究计划培育项目、面上项目（2项）、青年基金、江苏省高层次人才项目等。