近日，药学院韩思飞团队在药学学科顶尖期刊Journal of Controlled Release在线发表题为“Predicting lymphatic transport potential using graph transformer based on limited historical data from in vivo studies”的研究论文。我校药学院韩思飞、澳大利亚南昆士兰大学吴迪为共同通讯作者。我校访问学者李沄沨、药学院2024级硕士生刘睿雅、国家超算中心济南分中心2023级博士研究生纪宗昊为共同第一作者。中国药科大学为第一完成单位与第一通讯单位。
近年来，位于人体淋巴系统内药物靶标正被逐渐发掘和利用，为肿瘤、感染、炎症自免、代谢综合症等重大疾病治疗带来新机会。由于血液是药物吸收和运输的主导路径，通常情况下药物经淋巴吸收量极低（<0.2%），不利于其在淋巴系统内发挥作用。以往研究发现，少部分亲脂性药物具备经淋巴吸收特征，但此经验规律准确度有限，亟须更深入的药物淋巴吸收规律探寻与更好的预测模型，以便指导高淋巴吸收药物分子设计与筛选。
本工作首先检索由动物模型（含人体临床试验）实测药物经淋巴吸收的相关文献，依据模型选取的差异分类构建数据库。针对药物淋巴吸收体内精准研究困难，总体数据样本量低的问题（被测试过淋巴吸收的药物数量不足药物总数的5%），本工作引入数据增广模型，用于小样本条件下的AI数据训练。随后，基于化合物分子结构代码SMILES通过三种建模方法Graph Convolutional Network (GCN), Graph Attention Network (GAT) and Graph Transformer (GT)的比较，选取表现最佳的GT作为淋巴吸收预测模型。最后，以尚未发表的实验室内测药物的动物淋巴转运数据验证了模型准确度。
本工作为全球首次发表AI驱动淋巴系统药物吸收预测模型，为淋巴趋向型药物设计与筛选提供了有力工具。该模型线上开放使用，未来随测试数据增加，有望快速迭代。药学院韩思飞、胡罗娟课题组主要研究淋巴药物转运与递送系统，包括大分子载体构建、小分子设计、淋巴类器官芯片等子领域工作。自2023年建组以来，该团队与校内外十余家课题组广泛合作，正推动淋巴系统内药物靶标的利用和临床转化。
该研究工作得到我校原创药物研究院魏强教授在数据库建设方面的指导与帮助，我校药学院姜正羽教授、江程教授在淋巴趋向分子片段设计与合成方面的指导与帮助，以及澳大利亚蒙纳士大学Trevaskis教授在药物筛选方面的指导与帮助。该工作获得国家海外优秀博士后引进计划、江苏省药物分子设计与成药性优化重点实验室资助项目 (DDORC202202) 的支持。
论文链接：https://doi.org/10.1016/j.jconrel.2025.113847
基于数据增广与图形化药物分子结构的AI驱动淋巴预测模型原理示意图
（供稿单位：药学院，撰写人：刘华，审稿人：刘帆）