摘要人工智能AI正深刻重塑中医药的研究范式。本文系统阐述AI算法如何通过整合解析大核心组学推动中医药现代化化学组中医药体外及体内化学成分的集合、靶标组与中医药成分相互作用的生物大分子集合与生物活性组中医药干预产生的整合生物学活性与表型效应集合。首先阐述AI如何革新质谱分析与代谢物鉴定技术实现中医药复杂体外与体内化学组的全面表征其次探讨AI如何结合实验技术系统预测并验证靶标组进一步阐明AI如何整合多组学数据解码中医药干预产生的生物活性组并揭示作用机制最后探索构建化学组、靶标组与生物活性组间全面关联的方法。该分析框架表明AI不仅是提升研究效率的工具更是系统解码中医药、衔接传统理论与现代科学的核心方法。myzhengsimm.ac.cnxinguizhong1984126.com#中医药 #人工智能 #化学组 #靶标组 #生物活性组 #药物发现AI驱动的中药化学组解析AI驱动的中药体内化学组分析图1AI驱动的中药化学组解析示意图中药化学组的全面表征策略分为体外左图与体内右图研究路径。体外流程整合GNPS分子网络实现类似物发现、SIRIUS基于碎裂树分析解析结构、GinMIL区分异构体体内流程采用质谱获取高质量ADMET数据、CMSSP基于深度学习注释代谢物、化学组-代谢组匹配方法构建代谢网络。表1 中药体外与体内化学组表征的AI工具对比分析用于中药体外、体内化学组表征的人工智能工具对比分析AI助力的中药靶标组发现AI助力中药靶标组发现的典型应用图2AI助力的中药靶标组发现示意图整合3大方法体系基于化合物中心、酶中心、疾病中心的AI驱动靶标预测基于CETSA、TPP、LiP-MS、ABPP的全蛋白质组靶标鉴定基于迁移学习模型的天然产物靶标组分析。AI加速的中药生物活性组解析AI驱动的中药生物活性组研究方法图3AI加速的中药生物活性组解析示意图介绍生物活性组的概念即中药化学组作用于靶标组所触发的分子与细胞事件产生的生物学活性集合。生物活性组研究主要围绕基于AI算法的平台构建、多组学整合、算法创新与中医药临床应用展开。化学组、靶标组与生物活性组的互作映射当前AI模型整合组学的局限性图4中药化学组、靶标组与生物活性组互作关系示意图该框架包含化学组导向、靶标组导向、生物活性组导向3类研究以此构建3者的互作关系。分子特征驱动方法在该过程中发挥重要作用。详细总结思维导图mindmap脑图中药化学组解析AI工具对比参考Artificial intelligence algorithms drive the deciphering of traditional Chinese medicine by analyzing the chemicalome, targetome, and bioactivomehttps://doi.org/10.48130/targetome-0026-0002260313chemical_target_bioactiv.pdf注AI辅助创作如有错误欢迎指出。内容仅供参考不构成任何建议。
