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药物的解剖学、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“RNPredATC: a deep residual learning-based model with applications to the prediction of drug-ATC code association”为题，在国际生物信息学权威期刊《IEEE/ACM Transactions on Computational Biology and Bioinformatics》(IF=3.015)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，广泛用于药物筛选、重新定位和相似性研究。ATC分类系统根据药物作用的器官或系统和/或其治疗和化学特性为药物分配不同的编码。正确识别药物的潜在ATC编码可以加速药物开发并降低实验成本。该研究成果开发了一种名为RNPredATC的端到端模型，用来预测ATC分类系统中5个级别的潜在药物-ATC编码关联。对于每一个药物-ATC编码对，我们基于已知的药物-ATC编码关联信息、药物结构相似性信息，以及ATC编码相似性信息构建了一个特征矩阵。然后，我们使用深度残差网络模型对特征矩阵中的信息进行提取，并对药物-ATC编码对的关联得分进行预测和优先排序。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。
算法流程图
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。