中南大学计算机学院、生物信息学湖南省重点实验室成员赵皓晨博士在化合物的解剖学、治疗学以及化学性质预测领域取得重要研究成果。该研究成果以“A Convolutional Neural Network and Graph Convolutional Network Based Method for Predicting the Classification of Anatomical Therapeutic Chemicals”为题，在国际生物信息学权威期刊《Bioinformatics》(IF=5.61)上在线发表。
解剖治疗化学（ATC）分类系统是世界卫生组织为药物建立的官方分类系统，然而只有已被批准上市的药物才具有此编码。正确地为化合物分配ATC编码是药物发现中的重要研究问题，它不仅可以发现化合物的可能活性成分，而且可以推断出它们的治疗，药理和化学特性。该研究成果开发了一种名为CGATCPred的端到端多标签分类器，可以预测给定化合物的14种主要ATC类。为了提取每种化合物的丰富特征，我们使用深层卷积神经网络和跳远路径来表示和学习给定化合物与其他化合物之间的关联关系。此外，我们构造ATC类之间的关联图，并应用图卷积网络在该图上进行标签嵌入抽象，利用签嵌入来指导复合表示的学习过程。在基准数据集上的验证显示，该研究成果比目前现有的方法具有更高的预测精准度，并具有实际的生物指导意义。本研究为促进人工智能与药物发现相结合提供了新的方法。
王建新教授团队长期致力于计算机算法与优化、生物信息学、医学影像分析等方面研究。该研究工作得到国家自然科学、高等学校学科创新引智计划、湖南省科技计划等基金支持。
预测模型主要流程图