传统药物研发成功率低，成本高，研发周期长，急需借助新技术、新模式来改变现状。多种组学技术在患者队列数据中的应用可以揭示病人的疾病特征和对治疗的个体化反应。然而庞杂的数据形式和靶点分布不均使得药物开发和精准医疗成为一项艰巨的任务。
复旦大学药学院庞志清副研究员、王建新教授与微软亚洲研究院（上海）李东胜博士团队合作，以三阴性乳腺癌（TNBC）的焦亡治疗作为范例，开发了基于靶标组学的智能复方药物发现框架用于探索全新的药物研发模式。研究团队首先探索TNBC病人的基因图谱特征，系统性识别TNBC焦亡关键基因，并通过药物数据库挖掘建立潜在的焦亡诱导剂集合。AI技术为药物的快速开发赋能，在高效精准的同时提供可解释的生物学意义。研究团队通过建立生物因子调控的神经网络模型BFReg-NN快速筛选及优化复方焦亡药物组合，从预测到理论验证完成闭环。
随后，研究团队采用仿生纳米共晶策略开发优选药对米托蒽醌和藤黄酸的新型复方药物制剂MG@PM，并在TNBC模型中证实了MG@PM的强大焦亡诱导及肿瘤免疫效果。研究中揭示了复方药物靶点通过核糖体应激调控焦亡特征基因的独特机制。MG@PM在转移瘤模型中激活的焦亡级联效应显示出超越临床治疗方案Anti-PD-1/Abraxane的潜力。在该项工作中建立的这一整合大数据生信分析、人工智能、剂型开发及实验验证于一体的智能复方药物发现框架是一项全新的方法学策略，体现多学科交叉融合的研究模式。对实现老药新用，难治性疾病的精准治疗和药物开发意义重大。
该研究以“AI-powered omics-based drug pair discovery for pyroptosis therapy targeting triple-negative breast cancer”为题在线发表于权威期刊Nature Communications。
复旦大学药学院庞志清副研究员、王建新教授、微软亚洲研究院（上海）李东胜博士、复旦大学附属华山医院张军主任医师、珠海市人民医院彭绍军副研究员为该论文的共同通讯作者。复旦大学附属华山医院与复旦大学药学院联合培养博士欧阳博书、微软亚洲研究院（上海）单才华博士、复旦大学附属浦东医院沈顺研究员为该论文的共同第一作者。本研究获得国家自然科学基金项目、重大研究计划项目，广东省基础与应用研究基金项目、上海市卫健委卫生健康学科带头人计划项目以及微软亚洲研究院基金项目的资助。
Ouyang, B.#, Shan, C.#, Shen, S.#, Dai, X., Chen, Q., Su, X., Cao Y., Qin, X., He, Y., Wang, S., Xu, R., Hu, R., Shi, L., Lu, T., Yang, W., Peng, S.*, Zhang, J.*, Wang, J.*, Li, D.*, Pang, Z*. AI-powered omics-based drug pair discovery for pyroptosis therapy targeting triple-negative breast cancer. Nat Commun 15, 7560 (2024). doi.org/10.1038/s41467-024-51980-9
原文链接：https://www.nature.com/articles/s41467-024-51980-9
