人工智能为提高传统医药研究效率提供新途径

樊台平 齐鲁工业大学（山东省科学院）教授

传统医药蕴含丰富的天然产物资源和长期积累的临床经验，但其成分复杂、具有多靶点作用，且不同成分可能产生不同甚至相反的生物效应，这为活性物质发现、机制阐明和现代转化带来了挑战。人工智能与实验药理学的交叉融合，为提高传统医药研究的效率、可重复性和证据质量提供了新途径。

本团队长期以血管生成为切入点，研究传统药物及天然产物，并逐步将计算方法与实验验证相结合。2019年，在丹参复方启发的新分子丹参素冰片酯（DBZ）研究中，我们应用网络药理学预测其潜在靶点和信号通路，并通过人血管内皮细胞、斑马鱼及小鼠模型进行验证，建立了“计算预测—多模型实验验证”的研究模式。2023年，我们进一步以100个中药来源的单体成分为对象，整合靶点预测、基因表达数据与机器学习方法，并通过人内皮细胞成管实验及斑马鱼血管生成模型进行验证，形成了传统医药天然产物“虚拟预测+生物学评价”的研究框架。

在此基础上，团队已建立60余种斑马鱼生物活性评价模型，并积累了大规模天然产物表型数据。近期，团队建立了包含688个化合物的血管生成活性数据集，其中约40%的化合物具有促血管生成活性；通过多种分子描述符、分子指纹和机器学习算法构建预测模型，并进一步以斑马鱼实验进行前瞻性验证，正在形成“高质量实验数据驱动人工智能预测、体内实验验证并反哺模型优化”的数据驱动、迭代更新的研究闭环。

人工智能不能替代严谨的实验和临床证据，而应帮助我们更精准地提出问题、筛选候选物，并决定下一步验证什么。这一证据导向的研究模式，有望推动传统医药产出安全、有效、质量可控、可负担且具有可靠科学证据支持的药物和健康产品。传统医学承载着来自全球各地的传统智慧，它们都能为人类福祉带来裨益。（本文摘录专家发言，文字由本报实习记者秦宇龙整理）