近期，77779193永利官网大數據分析與處理科研團隊成員江健教授與其合作者在藥物設計及開發方向取得重要研究進展，相關成果以“TIDAL: Topology-Inferred Drug Addiction Learning”為題在該領域國際知名期刊Journal of chemical information and modeling上發表。該論文的第一作者為團隊碩士研究生朱在亮，江健教授為第一通訊作者。

該論文主要利用拓撲學和圖論，結合深度學習算法研究藥物緻瘾問題。藥物緻瘾是一個全球社會和健康危機問題，抗上瘾藥物的研發仍然面臨巨大挑戰。該論文利用拓撲學中的霍奇理論，發展新的生物分子的數學表征方法，結合深度學習算法對藥物上瘾相關分子數據集進行建模和分析。通過預測38個數據集中上瘾候選分子的交叉靶點結合親和力，分析它們的副作用和潛在的再利用功能，發現基于霍奇理論的分子表征方法相比其他經典分子指紋和基于機器學習的學習表征方法具有更高的預測準确度，對抗上瘾藥物的開發具有實際指導意義。

另悉，該團隊譚雅岚博士與其合作者在RNA三維結構預測方面取得新突破。相關成果以“cgRNASP: coarse-grained statistical potentials with residue separation for RNA structure evaluation”為題在該領域國際知名期刊NAR的姊妹刊——NAR Genomics and Bioinformatics上發表。該論文的第一作者為團隊譚雅岚博士，張本龔教授為共同通訊作者。

對RNA理論模型預測得到的候選結構進行高性能評估是實現 RNA 三維結構高精度預測中至關重要的步驟。該論文在全原子評估統計勢（rsRNASP; Tan et al,Biophysical Journal,2022）的基礎上，通過選取 C、P、N 等原子來代表核苷酸中重要的基團，并進一步細緻考慮RNA鍊上近鄰和次近鄰堿基間的相互作用提出了粗粒化統計勢（cgRNASP、cgRNASP-PC和 cgRNASP-C）。針對來自于不同模型預測的結構集，cgRNASP的性能與rsRNASP相當；而其效率比現有全原子統計勢（rsRNASP、RNA3DCNN以及 DFIRE-RNA）高幾十倍。cgRNASP的提出為評估RNA預測結構提供了高效高性能的新工具。cgRNASP 以 及 相 關 數 據 庫 已 開 源 供 同 行 下 載 使 用[https://github.com/Tan-group/cgRNASP]。

應用數學與交叉科學研究中心大數據分析與處理科研團隊長期從事單細胞測序數據分析、蛋白質分子結構預測、藥物虛拟篩選及深度學習圖像處理研究。近年來，該團隊承擔國家自科基金項目6項，其中面上2項，省部級項目5項，發表高水平SCI論文60餘篇。

論文鍊接：https://doi.org/10.1021/acs.jcim.3c00046

https://doi.org/10.1093/nargab/lqad016