|
2023年3月31日，中山大學智能工程學院陳語謙教授團隊在Signal Transduction and Targeted Therapy (影響因子39.3) 期刊發表了題目為“TCMBank-the largest TCM database provides deep learning-based Chinese-Western medicine exclusion prediction”的論文，該研究建立世界最大的中醫藥數據庫TCMBank（https://TCMBank.CN/），該數據庫提供了9192種草藥，61,966種成分，15,179個靶標，32,529種疾病，及其它們之間的關聯信息。
網站主頁：https://TCMBank.CN/
TCMBank為用戶提供了一個方便的網站，讓用戶可以自由探索草藥、成分、基因靶標以及相關通路或疾病之間的關系。TCMBank 還提供了草藥中活性成分的以mol2格式存儲的3D結構。研究人員可以在TCMBank的下載頁面訪問這些數據，并很方便的用于中醫藥物的虛擬篩選。TCMBank從已有的中醫相關數據庫（TCMID、TCMSP、SymMap、TCM-ID、HERB和ETCM）和公開數據庫（OMIM, HGNC, MeSH, ENsembl, DO, HPO等）中添加了外部的交叉引用鏈接。為了保證TCMBank的可靠性，所有信息在更新到數據庫之前都必須經過至少兩次人工驗證。 除此之外，作者針對中西藥之間可能發生的不良反應，設計了一個新穎算法的技術。中西藥之間的不良反應會導致醫療費用增加，甚至死亡，這大大增加了藥物相互之間不良反應帶來的醫療風險。然而，基于人工智能預測的中西藥不良反應缺乏現實世界中大量不良反應標簽的中西藥數據庫。因此，作者在兩個現實世界的公共藥物相互作用（DDI）數據集上提出了兩個模型，3DGT-DDI和 SA-DDI, 來預測兩種藥物化合物之間的相互作用。經過數據集的實驗已經證明了3DGT-DDI 和 SA-DDI 在兩個公共 DDI 數據集上實現了最精確的預測性能。 隨后，作者將上述兩個模型的預測結果推廣到中西藥不良反應的預測中。TCMBank 提供世界上最大的中醫藥和草藥的成分，靶標，疾病映射信息。受益于TCMBank的大數據驅動，作者利用DDI模型進行無監督學習，并預測中西藥的不良反應作用的預測。假設中藥中的所有成分與西藥均不發生不良反應，則確定它們之間不存在相互排斥的反應。如果中藥中的一種或多種成分與西藥發生不良反應，則存在可能產生不良反應的風險，然而這風險也分等級，否則則容易產生任何藥物之間皆有不良反應的警告，反而不是真實世界的事實。作者利用AI輔助的DDI預測模型獲得了中西醫可能的不良反應風險的預測結果。
圖2. 最大的中醫藥數據庫TCMBank的綜合分析。A. TCMBank與其他中醫藥數據庫的數據量對比，其中TCMBank的草藥、成分、疾病最為豐富。B. TCMBank網站的結構，包括導航欄、首頁、二級頁面、三級頁面。C. TCMBank中數據處理的框架示意圖。D. 基于圖神經網絡的藥物官能團提取的自適應子結構感知模塊示意圖。E. 基于因果學習的中西藥互斥預測。（圖源自Signal Transduction and Targeted Therapy）。 原文鏈接： https://pubmed.ncbi.nlm./36997527/ |
|
|
