图 基于大数据的免疫治疗联用药物筛选流程

　　在国家自然科学基金项目（批准号：31822030、32370717、82272844）等资助下，四川大学郭安源教授与华中科技大学甘璐教授团队合作开展研究，在肿瘤免疫治疗联用药物筛选方面取得进展。研究成果以“一种增强免疫检查点阻断疗效的药物预测方法（A method for predicting drugs that can boost the efficacy of immune checkpoint blockade）”为题，于2024年3月18日在线发表于《自然•免疫》（Nature Immunology）杂志，论文链接：https://www.nature.com/articles/s41590-024-01789-x。

　　免疫检查点阻断（Immune Checkpoint Blockade，ICB）是肿瘤治疗的新策略。然而，低响应率和耐药性限制了ICB的临床应用，因此常需要联用其他药物以提高患者对药物的响应率和疗效。目前，用于ICB联合用药的化合物主要依赖实验室的偶然发现或者基于已知的作用机制筛选获得，因此有待开发更高通量和精度的筛选方法。

　　郭安源、甘璐团队首先利用机器学习的方法，构建出一种基于大数据的药物筛选打分计算方法（CM-Drug）用于ICB联合治疗药物的通用筛选（图），随后针对小鼠黑色素瘤和肺癌模型验证了CM-Drug预测药物的有效性。研究人员进一步揭示了特定选择的他替瑞林与ICB联用的免疫治疗机制。CM-Drug有望为后续人工智能+药物研发提供重要的技术支撑。