我的新闻

AI-BT课题组与中国药科大学杨华、邢绪东团队合作的工作——《AnnoNet-TCMs: An Annotation Network-driven Discovery of Novel Active Compounds and Mechanisms in Traditional Chinese Medicine》，于2026年4月被国际顶级期刊《Journal of Advanced Research》所接收。

中药具有多成分、多靶点的特性，且现有分析框架缺乏系统性可解释性，因此阐明其作用机制仍面临挑战。本文提出AnnoNet‑TCMs模型 —— 一种基于注释网络驱动的中药新型活性成分及作用机制发现方法。该模型整合草药、化合物、蛋白靶点、基因本体（GO）条目及疾病信息，构建了一种多维异质网络模型，用以解析中药治疗的药理机制。在化合物‑疾病、草药‑疾病关联预测任务中，AnnoNet‑TCMs 的平均曲线下面积（mAUC）分别为 0.8235 和 0.6644，平均精确率（mAP）分别为 0.0084 和 0.0855，前 20% 召回率均值（mR@20%）分别为 0.6529 和 0.5706。案例研究显示，该模型成功识别出结肠癌抗癌活性成分（如黄柏酮），预测具有抗焦虑作用的草药（罗布麻），并发现一组尚未报道的心肌梗死协同化合物组合（丹参酮 Ⅰ 与黄芪甲苷）。子图分析与通路富集结果证实，凋亡通路、NF‑κB 信号级联反应参与上述干预过程。AnnoNet‑TCMs 为从传统医药体系中开展可解释性药物发现提供了通用框架，也为后续与人工智能靶点预测方法的融合奠定基础。

药科大博士研究生严翔宇同学为论文的第一作者，药科大杨华教授、邢绪东助理教授，西交大陆江副教授为论文的共同通讯作者。