近日，中国科学院昆明植物研究所陈纪军研究团队开发了基于深度学习的计算模型：ACAP-AG，旨在预测具有抗肝癌活性的天然候选分子。相关研究成果Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment发表在国际著名期刊《药物分析学报》（Journal of Pharmaceutical Analysis）。

肝癌是严重威胁人类健康的恶性肿瘤，目前亟须研发新型治疗药物。天然产物结构丰富、活性多样，是药物发现的重要源泉。陈纪军研究团队近年来致力于从蒿属植物中寻找结构独特、作用机制新颖的抗肝癌先导化合物和创新药物研究，成功建立了蒿属植物中倍半萜二聚体的定向识别与抗肝癌活性跟踪相结合的分离方法。目前已从20余种蒿属植物中发现695个新化合物，包括283个骨架新颖的倍半萜二聚体。快速且高效的抗癌活性分子预测模型将加速这些天然产物的临床转化应用及新颖抗肝癌候选分子发现。

既往的预测模型主要关注肿瘤组学数据的高效整合，多学科、多组学融合的模型创新方兴未艾。该研究提出了基于图注意力神经网络的抗肿瘤活性预测模型（ACAP-AG），通过引入图注意力深度神经网络整合化学结构、理化性质和化合物靶蛋白信息，利用二部图框架下基于核方法的深度神经网络整合肿瘤转录组数据的同时快速筛选具有抗肿瘤活性的潜在分子。临床药物在肿瘤细胞系、类器官、临床患者的活性数据验证表明ACAP-AG是一个强大且具有普适性的计算框架，化合物和靶点信息的引入将模型的预测精度提升了1%—3%。与当前基于图神经网络或核方法的药物响应预测模型相比，新模型获得了1%—6%的提升。通过准确预测肿瘤患者的用药信息，ACAP-AG 能够对个体进行分层，以制定个性化治疗方案，从而减少临床试验的反复尝试并避免不必要的治疗暴露。同时，在整合了现有天然产物活性数据后，ACAP-AG 对倍半萜二聚体及其衍生物进行了筛选，并建立了用于重定位或开发天然先导化合物的计算流程，高效准确地识别出具有抗肝癌潜力的天然活性分子，且预测结果与实验高度吻合。机制上，ACAP-AG 揭示了PI3K-Akt 和ECM-受体通路作为化合物疗效的核心调控通路，表明ACAP-AG 具有发现影响癌症患者药物响应新靶点的潜力，用以改善治疗效果。总之，ACAP-AG 加速了临床前发现向临床实践的转化，通过整合零散数据和优先选择高潜力、与患者匹配的治疗方案推进精准癌症医疗的发展。

王永翠研究员和胡敏敏博士生为论文的共同第一作者，陈纪军研究员为通讯作者。上述研究工作得到了国家自然科学基金重点项目（22137008）、云南省基础研究重点项目（202401AS07007）、昆明植物研究所引进人才项目等的资助。

文章链接