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