我校西南特色中药资源国家重点实验室陈伟团队于2023年10月17日在中国工程院院刊主刊《Engineering》（中科院一区，Top期刊）在线发表了题为“The Application of Artificial Intelligence Accelerates GPCR Ligand Discovery”的论文，这是我校在基于人工智能方法筛选G蛋白偶联受体（G protein-coupled receptor，GPCR）配体研究领域的重要研究成果。陈伟教授为第一作者和共同通讯作者，陈士林首席教授为共同通讯作者，宋驰教授、冷梁副教授、张三印教授为共同作者，西南特色中药资源国家重点实验室为第一单位。

 天然产物是GPCR配体的重要来源，对研究GPCR配体和药物发现具有重要价值。目前，公共数据库中至少存储了数百万种天然产物，这些天然产物与人体中已鉴定出的800多个GPCR的潜在组合数量极为庞大。通过实验手段筛选和分析每种潜在组合的研究方式，从时间、资源和成本角度考量，是一项不可能完成的任务。因此，基于人工智能的药物设计（Artificial Intelligence Drug Discovery & Design，AIDD）技术开发低成本、高效率的GPCR配体筛选方法，已成为了GPCR领域内重要研究方向。基于课题组前期在应用人工智能研究天然产物方面的积累，提出了基于人工智能的GPCR配体筛选体系(图1)，并分别从数据资源、数据描述、模型设计等方面介绍了如何利用人工智能方法构建GPCR配体筛选模型。 

图1 基于人工智能的GPCR配体筛选体系

    同时，该论文还以GPCR功能预测、GPCR配体设计和GPCR配体生物活性预测，GPCR配激动剂识别为例，展示了人工智能方法在GPCR配体筛选过程中的作用。通过整合多组学数据，研究人员可以揭示不同分子层面之间复杂的关系，以更全面的视角了解生物系统。然而，基于多组学的GPCR配体筛选方法却鲜有报道。鉴于此，该论文提出了一种融合基因组、转录组、蛋白质组和代谢组等多组学数据的GPCR配体筛选方法(图2)，实现了从分子功能、表达模式和信号通路等多视角对GPCR-配体间关系的刻画。该方法既有助于靶向GPCR的药物发现，也为开展GPCR泛组学研究提供了理论指导。

图2 基于多组学数据融合的GPCR配体筛选方法

    此外，该论文还论述了基于人工智能的GPCR配体筛选方法所面临的困难和挑战，并给出了解决方案。

    该研究得到了四川省自然科学基金（2023NSFSC0683）和国家中医药管理局中医药创新团队及人才支持计划项目（ZYYCXTD-D-202209）的支持。

    全文链接：https://doi.org/10.1016/j.eng.2023.09.011