近日，藥學院韓思飛團隊在藥學學科頂尖期刊Journal of Controlled Release在線發表題為“Predicting lymphatic transport potential using graph transformer based on limited historical data from in vivo studies”的研究論文。我校藥學院韓思飛、澳大利亞南昆士蘭大學吳迪為共同通訊作者。我校訪問學者李沄沨、藥學院2024級碩士生劉睿雅、國家超算中心濟南分中心2023級博士研究生紀宗昊為共同第一作者。中國藥科大學為第一完成單位與第一通訊單位。

近年來，位于人體淋巴系統內藥物靶標正被逐漸發掘和利用，為腫瘤、感染、炎癥自免、代謝綜合癥等重大疾病治療帶來新機會。由于血液是藥物吸收和運輸的主導路徑，通常情況下藥物經淋巴吸收量極低（<0.2%），不利于其在淋巴系統內發揮作用。以往研究發現，少部分親脂性藥物具備經淋巴吸收特征，但此經驗規律準確度有限，亟須更深入的藥物淋巴吸收規律探尋與更好的預測模型，以便指導高淋巴吸收藥物分子設計與篩選。

本工作首先檢索由動物模型（含人體臨床試驗）實測藥物經淋巴吸收的相關文獻，依據模型選取的差異分類構建數據庫。針對藥物淋巴吸收體內精準研究困難，總體數據樣本量低的問題（被測試過淋巴吸收的藥物數量不足藥物總數的5%），本工作引入數據增廣模型，用于小樣本條件下的AI數據訓練。隨后，基于化合物分子結構代碼SMILES通過三種建模方法Graph Convolutional Network (GCN), Graph Attention Network (GAT) and Graph Transformer (GT)的比較，選取表現最佳的GT作為淋巴吸收預測模型。最后，以尚未發表的實驗室內測藥物的動物淋巴轉運數據驗證了模型準確度。

本工作為全球首次發表AI驅動淋巴系統藥物吸收預測模型，為淋巴趨向型藥物設計與篩選提供了有力工具。該模型線上開放使用，未來隨測試數據增加，有望快速迭代。藥學院韓思飛、胡羅娟課題組主要研究淋巴藥物轉運與遞送系統，包括大分子載體構建、小分子設計、淋巴類器官芯片等子領域工作。自2023年建組以來，該團隊與校內外十余家課題組廣泛合作，正推動淋巴系統內藥物靶標的利用和臨床轉化。

該研究工作得到我校原創藥物研究院魏強教授在數據庫建設方面的指導與幫助，我校藥學院姜正羽教授、江程教授在淋巴趨向分子片段設計與合成方面的指導與幫助，以及澳大利亞蒙納士大學Trevaskis教授在藥物篩選方面的指導與幫助。該工作獲得國家海外優秀博士后引進計劃、江蘇省藥物分子設計與成藥性優化重點實驗室資助項目 (DDORC202202) 的支持。

論文鏈接：https://doi.org/10.1016/j.jconrel.2025.113847

基于數據增廣與圖形化藥物分子結構的AI驅動淋巴預測模型原理示意圖

（供稿單位：藥學院，撰寫人：劉華，審稿人：劉帆）